Analytics
Leia as análises dos seus tickets e transforme números de suporte em decisões.
Guia de Análises de Tickets
As análises respondem às perguntas que você não consegue responder rolando o Discord: sua equipe está ficando mais rápida, qual categoria consome mais tempo e quando você realmente precisa de staff online.
A página completa de Analytics é um recurso premium. Servidores gratuitos veem uma prévia com um cartão de upgrade — e um gráfico de atividade e staff dos últimos 7 dias diretamente na página inicial do dashboard.
Abrir as Análises
Abra o dashboard do seu servidor.
Clique em Analytics → Overview na navegação lateral.
As Estatísticas Rápidas
Quatro cartões no topo resumem o período atual, cada um com uma tendência comparada ao anterior.
| Card | O que ele mostra |
|---|---|
| Total Tickets | O volume de suporte |
| Avg Response Time | Quanto tempo um membro espera pela primeira resposta |
| Avg Resolution | Quanto tempo um ticket dura da criação ao fechamento |
| Returning Users | Quantos membros voltam com um novo ticket |
Avg Response Time é o número que seus membros sentem. Avg Resolution é o número que sua equipe sente. São problemas diferentes e exigem soluções diferentes.
Os Gráficos
A maioria dos gráficos tem seu próprio seletor de intervalo de tempo: 7 dias, 14 dias, 30 dias, trimestres e anual.
| Chart | O que mostra | Para que serve |
|---|---|---|
| Ticket Activity | Tickets abertos e fechados por dia | Identificar acúmulos — os fechados devem acompanhar os abertos |
| Category Distribution | Tickets por categoria, com sua principal categoria | Decidir o que documentar ou corrigir na origem |
| Staff Performance | Tickets atendidos por membro da equipe | Reconhecer quem segura a barra e identificar sobrecarga |
| Response Time | Primeira resposta e média de todas as mensagens | Medir o efeito de uma mudança de escala |
| Messages per Ticket | Média de mensagens trocadas por ticket | Valores altos geralmente significam que seus passos pedem pouco |
| Returning Support Users | Usuários de suporte novos vs recorrentes | Uma taxa alta de retorno significa que os problemas não estão sendo realmente resolvidos |
| Ticket Priority Distribution | Como as prioridades estão distribuídas | Verificar se "Urgent" ainda significa urgente |
| Ticket Resolution Time | Tempo médio da criação ao fechamento | Acompanhar a tendência de longo prazo |
| Ticket Creation Patterns | Distribuição por hora e por dia, com hora de pico e dia de pico | Planejar quando o staff deve estar online |
Se um gráfico disser Not enough data — Come back later…, simplesmente ainda não há tickets fechados suficientes nesse intervalo. Nada está quebrado.
Lendo os Números
Abertos vs fechados se afastam
Seu gráfico de Ticket Activity mostra mais tickets abertos do que fechados por vários dias seguidos. Isso é um acúmulo se formando.
O que ajuda: mais staff nas horas de pico de Creation Patterns, um limite global de abertura menor como freio de emergência, ou agendamento de fechamento automático para tickets que já foram concluídos.
Uma categoria domina
O gráfico de Category Distribution mostra 60 % de um único assunto.
O que ajuda: esse assunto deve virar uma FAQ, uma mensagem fixada ou uma opção de etapa que fecha o ticket com um link para a resposta.
As mensagens por ticket continuam subindo
Cada ticket precisa de cada vez mais idas e vindas.
O que ajuda: ticket steps. Peça a versão, a plataforma ou a conta verificada antes de a conversa começar.
A taxa de retorno está alta
Os mesmos membros continuam voltando.
O que ajuda: leia alguns transcripts de membros recorrentes. Ou as respostas não estão fixando, ou o mesmo bug de base continua aparecendo.
Tudo é "Urgent"
A distribuição de prioridade mostra quase só tickets altos e urgentes.
O que ajuda: prioridade definida pelos membros é um desejo, não um fato. Deixe o LunAI classificar os tickets e corrija com /ticket priority.
Histórico de Tickets
Ao lado dos gráficos, Tickets → Ticket History lista os tickets individuais por trás dos números, com uma página de detalhes para cada ticket.
As análises dizem o que mudou. O histórico e os transcripts dizem por que.
Próximos Passos
- Ticket Transcripts (A história por trás de um ponto de dados)
- LunAI (Priorização automática)
- Ticket Categories (Melhores categorias, melhores análises)
How is this guide?