Analys
Läs din ärendeanalys och omvandla supportstatistik till beslut.
Guide till ärendeanalys
Analys svarar på frågor du inte kan besvara genom att scrolla i Discord: blir ditt team snabbare, vilken kategori tar mest tid, och när behöver du egentligen personal online.
Hela sidan Analytics är en premiumfunktion. Gratis servrar ser en förhandsvisning med ett uppgraderingskort — samt ett aktivitets- och personaldiagram för de senaste 7 dagarna direkt på startsidan i dashboarden.
Öppna Analytics
Öppna din serverdashboard.
Klicka på Analytics → Overview i sidomenyn.
Snabbstatistiken
Fyra kort högst upp sammanfattar den aktuella perioden, vart och ett med en trend jämfört med den föregående.
| Card | What it tells you |
|---|---|
| Total Tickets | Din supportvolym |
| Avg Response Time | Hur länge en medlem väntar på det första svaret |
| Avg Resolution | Hur länge ett ärende lever från skapande till stängning |
| Returning Users | Hur många medlemmar som kommer tillbaka med ett nytt ärende |
Avg Response Time är siffran dina medlemmar känner av. Avg Resolution är siffran ditt team känner av. Det är olika problem och kräver olika lösningar.
Diagrammen
De flesta diagram har sin egen tidsintervallsväljare: 7 dagar, 14 dagar, 30 dagar, kvartal och år.
| Chart | What it shows | Use it for |
|---|---|---|
| Ticket Activity | Öppnade och stängda ärenden per dag | Att upptäcka köbildning — stängda bör följa öppnade |
| Category Distribution | Ärenden per kategori, med din största kategori | Att avgöra vad som bör dokumenteras eller åtgärdas vid källan |
| Staff Performance | Ärenden hanterade per medarbetare | Att känna igen dina slitvargar och upptäcka överbelastning |
| Response Time | Första svar och genomsnittet av alla meddelanden | Att mäta effekten av en schemaändring |
| Messages per Ticket | Genomsnittligt antal meddelanden per ärende | Höga värden betyder ofta att dina steg frågar för lite |
| Returning Support Users | Nya jämfört med återkommande supportanvändare | En hög återkomstgrad betyder att problemen inte riktigt löses |
| Ticket Priority Distribution | Hur prioriteringarna fördelas | Att kontrollera om "Urgent" fortfarande betyder brådskande |
| Ticket Resolution Time | Genomsnittlig tid från skapande till stängning | Att följa den långsiktiga trenden |
| Ticket Creation Patterns | Tim- och dagsfördelning med topp-timme och topp-dag | Att planera när personalen bör vara online |
Om ett diagram säger Not enough data — Come back later…, finns det helt enkelt inte tillräckligt många stängda ärenden i det intervallet ännu. Inget är trasigt.
Tolka siffrorna
Öppnade och stängda glider isär
Ditt diagram Ticket Activity visar fler öppnade än stängda ärenden flera dagar i rad. Då håller en kö på att byggas upp.
Det som hjälper: fler medarbetare under topptimmarna från Creation Patterns, en lägre global open limit som nödbroms, eller auto-close scheduling för ärenden som faktiskt är klara.
En kategori dominerar
Diagrammet Category Distribution visar att 60 % handlar om ett ämne.
Det som hjälper: det ämnet hör hemma i en FAQ, ett fäst meddelande eller ett stegalternativ som stänger ärendet med en länk till svaret.
Meddelanden per ärende fortsätter att öka
Varje ärende kräver mer och mer fram och tillbaka.
Det som hjälper: ticket steps. Be om versionen, plattformen eller det verifierade kontot innan konversationen börjar.
Återkommande andel är hög
Samma medlemmar kommer tillbaka gång på gång.
Det som hjälper: läs några transcripts från återkommande medlemmar. Antingen fastnar inte svaren, eller så fortsätter samma underliggande bugg att ställa till det.
Allt är "Urgent"
Prioritetsfördelningen visar nästan bara höga och brådskande ärenden.
Det som hjälper: prioritet som sätts av medlemmar är en önskan, inte ett faktum. Låt LunAI klassificera ärenden och korrigera det med /ticket priority.
Ärendehistorik
Bredvid diagrammen listar Tickets → Ticket History de enskilda ärendena bakom siffrorna, med en detaljsida per ärende.
Analytics berättar vad som förändrades. Historiken och transcripts berättar varför.
Nästa steg
- Ticket Transcripts (Berättelsen bakom en datapunkt)
- LunAI (Automatisk prioritering)
- Ticket Categories (Bättre kategorier, bättre analys)
How is this guide?