Analytics
Les ticketanalysene dine og gjør supporttall om til beslutninger.
Guide til ticketanalyse
Analytics svarer på spørsmålene du ikke kan besvare ved å scrolle gjennom Discord: blir teamet ditt raskere, hvilken kategori tar mest tid, og når trenger du egentlig folk pålogget.
Den fullstendige Analytics-siden er en premiumfunksjon. Gratis servere ser en forhåndsvisning med et oppgraderingskort — og en aktivitets- og stabskartlegging for de siste 7 dagene direkte på dashbordets forside.
Åpne Analytics
Åpne serverdashbordet ditt.
Klikk Analytics → Overview i side-navigasjonen.
Hurtigstatistikk
Fire kort øverst oppsummerer den gjeldende perioden, hvert med en trend sammenlignet med den forrige.
| Card | What it tells you |
|---|---|
| Total Tickets | Supportvolumet ditt |
| Avg Response Time | Hvor lenge et medlem venter på det første svaret |
| Avg Resolution | Hvor lenge en ticket lever fra opprettelse til lukking |
| Returning Users | Hvor mange medlemmer som kommer tilbake med en ny ticket |
Avg Response Time er tallet medlemmene dine kjenner på. Avg Resolution er tallet teamet ditt kjenner på. Det er ulike problemer og trenger ulike løsninger.
Grafene
De fleste grafene har sin egen tidsintervallvelger: 7 dager, 14 dager, 30 dager, kvartaler og årlig.
| Chart | What it shows | Use it for |
|---|---|---|
| Ticket Activity | Åpnede og lukkede tickets per dag | Å oppdage køer — lukkede bør følge åpne |
| Category Distribution | Tickets per kategori, med toppkategorien din | Å avgjøre hva som bør dokumenteres eller fikses ved kilden |
| Staff Performance | Tickets håndtert per medarbeider | Å gjenkjenne arbeidshestene dine og oppdage overbelastning |
| Response Time | Første svar og gjennomsnittet av alle meldinger | Å måle effekten av en endring i vaktplanen |
| Messages per Ticket | Gjennomsnittlig antall meldinger utvekslet per ticket | Høye verdier betyr ofte at stegene dine spør om for lite |
| Returning Support Users | Nye vs. tilbakevendende supportbrukere | En høy tilbakevendingsrate betyr at problemene ikke egentlig blir løst |
| Ticket Priority Distribution | Hvordan prioriteringene er fordelt | Å sjekke om "Urgent" fortsatt betyr urgent |
| Ticket Resolution Time | Gjennomsnittlig tid fra opprettelse til lukking | Å følge den langsiktige trenden |
| Ticket Creation Patterns | Time- og dagsfordeling med topp-time og topp-dag | Å planlegge når staben bør være pålogget |
Hvis en graf sier Not enough data — Come back later…, finnes det rett og slett ikke nok lukkede tickets i det intervallet ennå. Ingenting er ødelagt.
Tolke tallene
Åpnede og lukkede glir fra hverandre
Ticket Activity-grafen viser flere åpne enn lukkede tickets flere dager på rad. Det er en kø som bygger seg opp.
Hva hjelper: mer stab i topp-timene fra Creation Patterns, en lavere global open limit som nødbrems, eller auto-close scheduling for tickets som faktisk er ferdige.
Én kategori dominerer
Category Distribution-grafen er 60 % ett tema.
Hva hjelper: det temaet hører hjemme i en FAQ, en festet melding eller et step option that closes the ticket med en lenke til svaret.
Meldinger per ticket fortsetter å øke
Hver ticket trenger stadig mer fram og tilbake.
Hva hjelper: ticket steps. Be om versjonen, plattformen eller den verifiserte kontoen før samtalen starter.
Tilbakevendingsraten er høy
De samme medlemmene kommer stadig tilbake.
Hva hjelper: les noen transcripts fra tilbakevendende medlemmer. Enten sitter ikke svarene, eller så fortsetter den samme underliggende feilen å bite.
Alt er "Urgent"
Prioritetsfordelingen viser nesten bare høye og urgente tickets.
Hva hjelper: prioritet satt av medlemmer er et ønske, ikke et faktum. La LunAI klassifisere tickets, og korriger det med /ticket priority.
Tickethistorikk
Ved siden av grafene viser Tickets → Ticket History de enkelte ticketene bak tallene, med en detaljside per ticket.
Analytics forteller deg hva som endret seg. Historikken og transcripts forteller deg hvorfor.
Neste steg
- Ticket Transcripts (Historien bak et datapunkt)
- LunAI (Automatisk prioritering)
- Ticket Categories (Bedre kategorier, bedre analytics)
How is this guide?