Analytics
อ่านข้อมูลวิเคราะห์ตั๋วของคุณ และเปลี่ยนตัวเลขซัพพอร์ตให้กลายเป็นการตัดสินใจ
คู่มือการวิเคราะห์ตั๋ว
Analytics ตอบคำถามที่คุณตอบไม่ได้จากการไล่ดู Discord ทีละข้อความ: ทีมของคุณเร็วขึ้นไหม หมวดหมู่ไหนกินเวลามากที่สุด และจริง ๆ แล้วคุณต้องมีสตาฟออนไลน์เมื่อไหร่
หน้า Analytics แบบเต็มเป็นฟีเจอร์พรีเมียม เซิร์ฟเวอร์ฟรีจะเห็นตัวอย่างพร้อมการ์ดอัปเกรด — และกราฟกิจกรรมกับสตาฟของ 7 วันที่ผ่านมา บนหน้าแรกของแดชบอร์ดโดยตรง
เปิด Analytics
เปิดแดชบอร์ดของเซิร์ฟเวอร์คุณ
คลิก Analytics → Overview ในแถบนำทางด้านข้าง
สถิติแบบย่อ
การ์ดสี่ใบด้านบนสรุปช่วงเวลาปัจจุบัน โดยแต่ละใบมีแนวโน้มเทียบกับช่วงก่อนหน้า
| Card | What it tells you |
|---|---|
| Total Tickets | ปริมาณซัพพอร์ตของคุณ |
| Avg Response Time | สมาชิกต้องรอนานแค่ไหนกว่าจะได้คำตอบแรก |
| Avg Resolution | ตั๋วหนึ่งใบอยู่กับคุณนานแค่ไหนตั้งแต่สร้างจนปิด |
| Returning Users | มีสมาชิกกี่คนที่กลับมาพร้อมตั๋วใหม่ |
Avg Response Time คือเลขที่สมาชิกของคุณรู้สึกได้ Avg Resolution คือเลขที่ทีมของคุณรู้สึกได้ มันคือคนละปัญหา และต้องแก้คนละแบบ
กราฟ
กราฟส่วนใหญ่มี ตัวเลือกช่วงเวลา ของตัวเอง: 7 วัน, 14 วัน, 30 วัน, รายไตรมาส และรายปี
| Chart | What it shows | Use it for |
|---|---|---|
| Ticket Activity | ตั๋วที่เปิดและปิดในแต่ละวัน | ดูว่ามีงานค้างหรือไม่ — จำนวนที่ปิดควรตามจำนวนที่เปิด |
| Category Distribution | ตั๋วแยกตามหมวดหมู่ พร้อมหมวดหมู่ที่มากที่สุด | ตัดสินใจว่าควรทำเอกสารหรือแก้ที่ต้นทางตรงไหน |
| Staff Performance | ตั๋วที่สตาฟแต่ละคนรับผิดชอบ | มองหาคนที่แบกงานหนัก และดูว่าใครรับภาระมากเกินไป |
| Response Time | เวลาตอบกลับครั้งแรกและค่าเฉลี่ยของข้อความทั้งหมด | วัดผลของการเปลี่ยนตารางเวร |
| Messages per Ticket | จำนวนข้อความเฉลี่ยที่แลกเปลี่ยนกันต่อตั๋วหนึ่งใบ | ค่าที่สูงมักหมายความว่าขั้นตอนของคุณถามข้อมูลไม่พอ |
| Returning Support Users | ผู้ใช้ซัพพอร์ตใหม่เทียบกับผู้ใช้ที่กลับมา | อัตรากลับมาสูงแปลว่าปัญหายังไม่ได้รับการแก้จริง |
| Ticket Priority Distribution | การกระจายของระดับความสำคัญ | เช็กว่า "Urgent" ยังหมายถึงเร่งด่วนอยู่ไหม |
| Ticket Resolution Time | เวลาเฉลี่ยตั้งแต่สร้างจนปิด | ดูแนวโน้มระยะยาว |
| Ticket Creation Patterns | การกระจายตามชั่วโมงและวัน พร้อมชั่วโมงพีคและวันพีค | วางแผนว่าควรมีสตาฟออนไลน์ช่วงไหน |
ถ้ากราฟขึ้นว่า Not enough data — Come back later… แปลว่ายังมีตั๋วที่ปิดในช่วงนั้นไม่มากพอเท่านั้นเอง ไม่มีอะไรเสียหาย
อ่านตัวเลขอย่างไร
เปิดกับปิดเริ่มห่างกัน
กราฟ Ticket Activity ของคุณแสดงว่ามีตั๋วที่เปิดมากกว่าปิดติดต่อกันหลายวัน นั่นคือกำลังเกิดงานค้าง
สิ่งที่ช่วยได้: เพิ่มสตาฟในช่วงพีคจาก Creation Patterns, ลด global open limit เพื่อเป็นเบรกฉุกเฉิน หรือใช้ auto-close scheduling สำหรับตั๋วที่เสร็จแล้วจริง ๆ
หมวดหมู่หนึ่งครองสัดส่วนมากเกินไป
กราฟ Category Distribution แสดงว่ามี 60 % เป็นหัวข้อเดียว
สิ่งที่ช่วยได้: เอาหัวข้อนั้นไปใส่ใน FAQ, ข้อความปักหมุด หรือ step option that closes the ticket พร้อมลิงก์ไปยังคำตอบ
ข้อความต่อตั๋วเพิ่มขึ้นเรื่อย ๆ
แต่ละตั๋วต้องมีการโต้ตอบไปมามากขึ้นเรื่อย ๆ
สิ่งที่ช่วยได้: ticket steps ให้ถามเวอร์ชัน แพลตฟอร์ม หรือบัญชีที่ยืนยันแล้ว ก่อน เริ่มคุย
อัตราการกลับมาสูง
สมาชิกคนเดิมกลับมาอีกเรื่อย ๆ
สิ่งที่ช่วยได้: อ่าน transcripts ของสมาชิกที่กลับมาไม่กี่รายการ บางทีคำตอบอาจยังไม่ติด หรือบั๊กเดิมยังคงเกิดซ้ำ
ทุกอย่างเป็น "Urgent"
การกระจายระดับความสำคัญแสดงว่ามีตั๋วระดับสูงและเร่งด่วนเกือบทั้งหมด
สิ่งที่ช่วยได้: ระดับความสำคัญที่สมาชิกตั้งเป็นเพียงความต้องการ ไม่ใช่ข้อเท็จจริง ให้ LunAI ช่วยจัดหมวดตั๋ว แล้วค่อยแก้ด้วย /ticket priority
ประวัติตั๋ว
ถัดจากกราฟ Tickets → Ticket History จะแสดงตั๋วแต่ละใบที่อยู่เบื้องหลังตัวเลข พร้อมหน้ารายละเอียดของแต่ละตั๋ว
Analytics บอกคุณว่า อะไร เปลี่ยนไป ส่วนประวัติและ transcripts บอกคุณว่า ทำไม
ขั้นตอนถัดไป
- Ticket Transcripts (เรื่องราวเบื้องหลังข้อมูลหนึ่งจุด)
- LunAI (การจัดลำดับความสำคัญอัตโนมัติ)
- Ticket Categories (หมวดหมู่ที่ดีกว่า ทำให้ analytics ดีขึ้น)
How is this guide?