Gå til hovedindhold

Explore Attributes & Metrics

Opdateret

At forstå, hvad der reelt kan rapporteres i Zendesk Explore, er grundlaget for at designe effektive dashboards og rapporter, der leverer værdifuld og handlingsorienteret indsigt. Det er afgørende at kunne omsætte rå data fra kundeservice til strategisk viden. Denne guide gennemgår kernen i Explore: attributes og metrics, og beskriver de centrale begreber til dataanalyse.

Fundamentet for dataanalyse i Zendesk

Zendesk Explore er et analyseværktøj, der er designet til at gøre data tilgængeligt og forståeligt på tværs af organisationen. Explore er mere end et rapporteringsværktøj og kan understøtte løbende forbedringer. Med Explore er der adgang til:

  • Skræddersyede dashboards: Mulighed for at designe dashboards, der afspejler de KPI’er, der er vigtigst for forretningen – fra ledelsesoverblik til detaljerede agentmålinger.
  • Avanceret analyse: Mulighed for at analysere data i dybden, udforske trends, identificere flaskehalse og forstå bagvedliggende årsager.
  • Realtidsdata: Mulighed for at træffe beslutninger på baggrund af opdateret information, da dashboards opdateres løbende.
  • Brugerdefinerede metrikker: Mulighed for at opbygge metrikker, der er tilpasset specifikke forretningsmål og processer.

Kernen i Explore: at skelne mellem attributes og metrics

For at opbygge meningsfulde rapporter er det essentielt at forstå forskellen på attributes og metrics. Det kan ses som forskellen mellem “hvem/hvad” og “hvor mange/hvor meget”.

  • Attributes er beskrivende, kategoriske data. De besvarer spørgsmål som hvem oprettede ticketen, hvad status er, og hvor ticketen kom fra. De bruges til at gruppere, filtrere og segmentere data.
  • Metrics er målbare, numeriske værdier. De besvarer spørgsmål som hvor mange tickets der er løst, hvor hurtigt der svares, og hvor god kundetilfredsheden er. De bruges til at tælle, beregne og sammenligne.
Egenskab Attributes (dimensioner) Metrics (mål)
Datatype Tekst, dato, boolesk (sand/falsk) Tal, procent, tid
Formål Beskrive og kategorisere Måle og kvantificere
Eksempler Ticket ID, Status, Agent, Prioritet Antal tickets, Svartid, CSAT-score
Brug i rapporter Akser (rækker/kolonner), filtre Værdier i diagrammer

Attributes: de beskrivende dimensioner

Attributes er byggeklodserne, der skaber kontekst omkring metrics. Uden attributes kan et tal som “150” være uden betydning. Med attributes som “Status: Solved” og “Måned: Juni” bliver tallet til en indsigt.

Ticket-attributter: hvad, hvem og hvor

Disse er blandt de mest almindelige attributes og beskriver selve ticketen.

  • Ticket ID: Den unikke identifikator for en ticket. En primærnøgle, der sikrer sporing af hver enkelt henvendelse.
  • Emne (Subject): Titlen på ticketen, som giver et hurtigt overblik over henvendelsen.
  • Status: Ticketens nuværende placering i livscyklussen (Ny, Åben, Afventer, Løst, Lukket). Central for forståelse af arbejdsbyrde.
  • Prioritet: Ticketens hastende niveau (Akut, Høj, Mellem, Lav). Understøtter korrekt prioritering af ressourcer.
  • Type: Kategorien af henvendelse (Spørgsmål, Incident, Problem, Opgave). Bruges til at analysere forskellige typer arbejde.
  • Gruppe (Group): Det team eller den afdeling, ticketen er tildelt.
  • Sagsbehandler (Assignee): Den agent, der arbejder på ticketen. Væsentlig for performanceanalyse.
  • Anmoder (Requester): Kunden eller slutbrugeren, der har oprettet ticketen.
  • Brand: Det brand, ticketen er tilknyttet, hvis der arbejdes med flere brands.
  • Formular (Form): Den formular, der blev brugt til at oprette ticketen. Kan give indsigt i hensigt med henvendelsen.

Tidsattributter: hvornår skete det?

Tidsattributter er afgørende for trendanalyse og forståelse af processer.

  • Oprettelsesdato (Created date): Tidspunktet hvor ticketen oprettes i systemet. Startpunkt for tidsbaserede beregninger.
  • Opdateringsdato (Updated date): Tidspunktet for seneste aktivitet på ticketen.
  • Løsningsdato (Solved date): Tidspunktet hvor ticketen markeres som løst.
  • Lukningsdato (Closed date): Tidspunktet hvor ticketen endeligt lukkes, ofte efter kundens bekræftelse.
  • Første svar-dato (First reply date): Tidspunktet for første svar fra en agent. En central faktor for kundeoplevelsen.
  • Seneste svar-dato (Last reply date): Tidspunktet for seneste svar i en samtale.

Agent- og organisationsattributter

Disse attributes giver kontekst om involverede personer og grupper.

  • Agent-navn, -rolle, -gruppe: Information om den tildelte agent.
  • Organisationsnavn: Den virksomhed kunden tilhører. Vigtigt i B2B-kontekst.

Brugerdefinerede felter (Custom Fields)

Brugerdefinerede ticketfelter bliver automatisk tilgængelige som attributes i Explore. Dette giver mulighed for at rapportere på data, der er specifikt for forretningen, f.eks. produktkategori, ordrenummer eller fejltype.

Metrics: de målbare resultater

Metrics er de tal, der typisk optimeres. De viser performance og indikerer, hvor der kan være forbedringspotentiale.

Volumenmetrikker: hvor meget arbejde?

Disse metrikker giver overblik over mængden af arbejde, der kommer ind og ud af systemet.

  • Antal tickets (Ticket count): Det mest grundlæggende mål for arbejdsbyrde.
  • Nye tickets: Antallet af nye henvendelser i en given periode.
  • Løste tickets (Solved tickets): Antallet af tickets, der er markeret som løst.
  • Lukkede tickets (Closed tickets): Antallet af tickets, der er endeligt afsluttet.

Tidsmetrikker: hvor hurtigt arbejdes der?

Disse metrikker måler hastighed og responsivitet.

  • Første svartid (First reply time): Gennemsnitlig tid før første svar på en ny ticket. En nøgleindikator for kundetilfredshed.
  • Næste svartid (Next reply time): Gennemsnitlig tid til svar efter første interaktion.
  • Løsningstid (Resolution time): Gennemsnitlig tid fra oprettelse til løsning.
  • Fuld løsningstid (Full resolution time): Samlet tid, inkl. perioder hvor ticketen har været i “Afventer”.

SLA-metrikker: overholdes aftalerne?

Service Level Agreements (SLA’er) beskriver aftalte serviceniveauer. Disse metrikker viser, om de overholdes.

  • SLA opfyldt (SLA met): Antallet af tickets, der blev løst inden for aftalt tidsramme.
  • SLA overskredet (SLA breached): Antallet af tickets, der overskred aftalt tidsramme.
  • SLA-overholdelse (SLA compliance): Procentandel af tickets, der overholdt SLA.

Tilfredshedsmetrikker: hvor tilfredse er kunderne?

Kundetilfredshed (CSAT) er en central indikator for kvalitet.

  • Tilfredshedsscore (Satisfaction score): Gennemsnitlig score (f.eks. på en skala fra 1-5).
  • Tilfredsheds-svar (Satisfaction responses): Antallet af kunder, der har afgivet feedback.
  • Tilfredsheds-rate (Satisfaction rate): Procentandel af “gode” (f.eks. “God” eller “Fremragende”) svar i forhold til samlet antal svar.

Kraften i skræddersy: oprettelse af Custom Metrics

Standardmetrikker dækker mange behov, men Explore understøtter også oprettelse af egne metrikker. Custom metrics gør det muligt at kombinere eksisterende data på nye måder for at besvare specifikke forretningsspørgsmål.

Typer af Custom Metrics

Der kan primært oprettes to typer:

  1. Standard Metrics: Simpel tælling eller summering af en attribute, f.eks. COUNT(Tickets).
  2. Calculated Metrics: Mere komplekse formler med matematiske operationer, betingelser og kombinationer af flere metrikker.

Praktiske eksempler på Custom Metrics

Nedenfor er eksempler på calculated metrics, der kan bruges til at skabe dybere indsigt.

Eksempel 1: Løsningsrate for høj prioritet
Måler, hvor effektivt de mest presserende sager håndteres.

Metric: "High Priority Resolution Rate"
Formula: 
  IF [Ticket priority] = "High" 
  THEN [Solved tickets] / [Tickets] 
  ELSE NULL 
  ENDIF

Eksempel 2: Andel af første kontaktsløsninger (FCR)
Måler den procentdel af tickets, der løses i første interaktion.

Metric: "First Contact Resolution Rate"
Formula: 
  IF [Agent replies] = 1 
  THEN [Solved tickets] / [Tickets] 
  ELSE NULL 
  ENDIF

Eksempel 3: Gennemsnitlig svartid pr. kanal
Viser om svartiden varierer afhængigt af kanal (e-mail, chat eller sociale medier).

Metric: "Avg First Reply Time by Channel"
Formula: 
  [First reply time (min)] / [Ticket count]

(Denne metric anvendes derefter med “Channel” som række- eller kolonne-attribut).

Strategisk anvendelse: Best Practices for effektiv rapportering

Adgang til data er én ting; strategisk anvendelse er noget andet. Nedenfor er anbefalinger til effektiv rapportering.

1. Forstå datamodellen

Før rapporter opbygges, bør sammenhænge i Zendesk-data forstås: hvordan tickets er knyttet til brugere og organisationer, samt hvilke attributes der er tilgængelige i hvilke datasæt (f.eks. Support, Talk, Chat). En solid forståelse af datamodellen reducerer fejl og sparer tid.

2. Start simpelt og byg videre

Det anbefales at starte med basale rapporter, der besvarer de mest grundlæggende spørgsmål:

  • Hvor mange tickets modtages pr. dag?
  • Hvad er den gennemsnitlige løsningstid?
  • Hvordan ser CSAT-score ud?

Når dette er på plads, kan flere dimensioner (attributes) tilføjes, og metrikker kan kombineres for mere nuanceret analyse.

3. Vælg den rigtige granularitet

Det er vigtigt at vælge passende tidsinterval for rapporter.

  • Daglig: Egnet til detaljeret driftsanalyse og til at identificere akutte problemer.
  • Ugentlig: Egnet til kortsigtede trends og ugentlige teammøder.
  • Månedlig: Egnet til strategiske overblik, ledelsesrapportering og langsigtede mål.

4. Dokumentér metrikker

Ved oprettelse af custom metrics er dokumentation vigtig: hvad metrikken måler, hvordan den beregnes, og hvad formålet er. Dette sikrer ensartet fortolkning og reducerer risiko for videnstab.

Byggestenene til værdifulde dashboards: almindelige rapporttyper

Nedenfor er klassiske rapporttyper, der ofte anvendes. Hver rapporttype besvarer et centralt forretningsspørgsmål.

1. Volumenrapport

Forretningsspørgsmål: Hvor meget arbejde modtages, og hvordan fordeler det sig?

Metrics: Antal tickets
Dimensions: Status, Prioritet, Gruppe, Kanal
Tidsperiode: Daglig, Ugentlig, Månedlig

2. Performancerapport

Forretningsspørgsmål: Hvor effektive og hurtige er sagsgange i forhold til at løse kundens problemer?

Metrics: Løsningstid, Første svartid, Fuld løsningstid
Dimensions: Gruppe, Sagsbehandler, Prioritet
Tidsperiode: Ugentlig, Månedlig

3. SLA-rapport

Forretningsspørgsmål: Overholdes de aftaler, der er indgået med kunder?

Metrics: SLA opfyldt, SLA overskredet, SLA-overholdelse (%)
Dimensions: Gruppe, Prioritet, Formular
Tidsperiode: Ugentlig, Månedlig

4. Tilfredshedsrapport

Forretningsspørgsmål: Hvor tilfredse er kunderne med den leverede service?

Metrics: Tilfredshedsscore, Tilfredsheds-rate
Dimensions: Gruppe, Sagsbehandler, Ticket-type
Tidsperiode: Månedlig

5. Kanalanalyse

Forretningsspørgsmål: Hvilke kanaler anvendes, og hvordan varierer performance på tværs af dem?

Metrics: Antal tickets, Første svartid, Tilfredshedsscore
Dimensions: Kanal (E-mail, Chat, Webformular, Social)
Tidsperiode: Ugentlig, Månedlig

Løsning af udfordringer: troubleshooting i Explore

Selv erfarne brugere kan støde på udfordringer. Nedenfor er almindelige problemer og tilhørende løsninger.

Problem: En metrik viser forkerte eller uventede data.

  • Løsning: Dobbelttjek metrikdefinitionen: er formlen korrekt? Kontrollér også rapportens filtre, da data kan blive filtreret væk utilsigtet. Verificér desuden, at det korrekte datasæt anvendes.

Problem: En ønsket attribute er ikke tilgængelig.

  • Løsning: Kontrollér først, om attributten findes i Zendesk Support (f.eks. som et custom field). Hvis den findes, men ikke vises i Explore, kan der være forsinkelse i synkronisering. Hvis den fortsat ikke er tilgængelig, bør det verificeres, at Explore-licensen inkluderer det relevante datasæt, og at nødvendige tilladelser er tildelt.

Problem: En rapport indlæses meget langsomt.

  • Løsning: Rapporthastighed afhænger af kompleksitet og datamængde. Reducér tidsperioden for forespørgslen, fjern unødvendige dimensioner eller metrikker, og overvej at opdele en kompleks rapport i flere enklere rapporter.

Problem: En beregnet metrik giver en fejl.

  • Løsning: Gennemlæs fejlmeddelelsen, da den ofte indikerer årsagen (f.eks. “Division by zero” eller “Invalid syntax”). Kontrollér parenteser og datatyper. En almindelig fejl er at forsøge at kombinere tekst og tal i samme beregning.

Næste skridt

At mestre Zendesk Explore er en løbende proces. Det anbefales at starte med det grundlæggende og udbygge kompetencer over tid.

  1. Udforsk biblioteket: Gennemgå standard attributes og metrics i de relevante datasæt.
  2. Byg den første rapport: Vælg en simpel metrik som “Ticket count” og en dimension som “Status”, og observer ændringer ved tilføjelse af flere dimensioner.
  3. Eksperimentér med Custom Metrics: Opret en simpel calculated metric, f.eks. en der viser antallet af “Urgent” tickets.
  4. Byg et fokuseret dashboard: Saml 3-5 nøglerapporter, der besvarer de vigtigste spørgsmål for teamet, i ét dashboard.
  5. Del og drøft: Del dashboards med team og ledelse, og brug data som udgangspunkt for drøftelser om forbedringer.

Ved systematisk arbejde med attributes og metrics kan Zendesk-data anvendes som et aktivt værktøj til kontinuerlig forbedring og strategisk udvikling.

Drevet af Zendesk