Templat data layanan pelanggan Anda
Templat data layanan pelanggan Anda
- Atribut yang disarankan untuk dikumpulkan
- Aktivitas penting untuk dilacak
- Panduan ekstraksi
Atribut layanan pelanggan
| Nama | Deskripsi | ||
|---|---|---|---|
|
Aktivitas
Activity
|
Nama peristiwa bisnis atau langkah tertentu yang terjadi dalam proses layanan pelanggan. | ||
|
Deskripsi
Atribut Aktivitas menunjukkan tindakan atau perubahan status tertentu dalam siklus permintaan layanan. Atribut ini mencatat peristiwa bisnis penting, seperti 'Tiket dibuat', 'Tiket ditugaskan', 'Respons pertama dikirim', dan 'Tiket diselesaikan'. Aktivitas ini menjadi simpul dalam peta proses. Analisis urutan dan frekuensi aktivitas merupakan inti process mining. Analisis ini membantu memvisualisasikan alur proses, menemukan jalur yang umum maupun jarang terjadi, serta mendeteksi penyimpangan dari prosedur operasi standar. Memahami aktivitas sangat penting untuk menemukan inefisiensi, pekerjaan berulang seperti 'Tiket dibuka kembali', atau masalah kepatuhan.
Mengapa ini penting
Atribut ini menentukan langkah-langkah dalam peta proses, sehingga alur proses dapat divisualisasikan dan dianalisis dari awal hingga akhir.
Sumber data
Ditentukan dari jenis peristiwa di Freshdesk. Data ini dapat menggabungkan perubahan status dari endpoint API 'Tickets' dengan peristiwa tertentu, seperti catatan atau balasan dari endpoint 'Conversations'.
Contoh
Tiket dibuatRespons pertama dikirimStatus diubah menjadi PendingTiket diselesaikanTiket ditutup
|
|||
|
Permintaan layanan
ServiceRequest
|
Pengenal unik untuk satu pertanyaan atau masalah pelanggan, yang umumnya disebut tiket atau kasus. | ||
|
Deskripsi
Permintaan layanan adalah pengenal kasus utama yang menghubungkan semua aktivitas terkait dengan satu interaksi pelanggan. Setiap pertanyaan, masalah, atau permintaan baru dari pelanggan menghasilkan ID Permintaan Layanan yang unik. ID ini tetap sama sepanjang siklus tiket, mulai dari pembuatan dan penugasan hingga penyelesaian dan penutupan. Dalam process mining, atribut ini menjadi dasar untuk menyusun kembali perjalanan setiap kasus pelanggan dari awal hingga akhir. Dengan mengelompokkan semua peristiwa terkait berdasarkan satu ID Permintaan Layanan, analis dapat memvisualisasikan alur proses, mengukur waktu siklus, serta menemukan variasi atau hambatan yang memengaruhi kasus tertentu.
Mengapa ini penting
Ini adalah ID Kasus penting yang menghubungkan semua peristiwa terkait ke dalam satu instans proses, sehingga Anda dapat melihat seluruh perjalanan layanan setiap pelanggan.
Sumber data
Ini adalah ID tiket utama di Freshdesk, biasanya terdapat pada kolom 'id' di endpoint API 'Tickets'.
Contoh
SR-2023-10-4831SR-2023-11-0192SR-2023-11-5210
|
|||
|
Waktu peristiwa
EventTime
|
Stempel waktu yang menunjukkan kapan aktivitas atau peristiwa tertentu terjadi. | ||
|
Deskripsi
Waktu peristiwa, atau stempel waktu, mencatat tanggal dan waktu tepat saat suatu aktivitas terjadi. Data ini penting untuk mengurutkan peristiwa secara kronologis dan menghitung durasi antarlangkah dalam proses. Setiap aktivitas yang dicatat harus memiliki stempel waktu. Dalam analisis, atribut ini digunakan untuk menyusun linimasa setiap permintaan layanan. Atribut ini menjadi dasar untuk menghitung semua KPI terkait waktu, seperti waktu penyelesaian, waktu respons pertama, dan durasi hambatan. Stempel waktu yang akurat penting untuk memahami kinerja proses dan menemukan keterlambatan.
Mengapa ini penting
Stempel waktu ini penting untuk mengurutkan peristiwa secara kronologis dan menghitung semua metrik durasi, seperti waktu siklus dan kepatuhan SLA.
Sumber data
Data ini mengacu pada kolom 'created_at' atau 'updated_at' yang terkait dengan peristiwa tiket, balasan, atau perubahan status di API Freshdesk.
Contoh
2023-10-25T10:00:00Z2023-10-25T10:05:14Z2023-10-26T14:30:00Z
|
|||
|
Agen yang ditugaskan
AssignedAgent
|
Nama atau ID agen layanan pelanggan yang bertanggung jawab atas tiket saat peristiwa terjadi. | ||
|
Deskripsi
Atribut ini menunjukkan agen tertentu yang ditugaskan untuk menangani permintaan layanan. Agen yang ditugaskan dapat berubah selama siklus tiket karena pengalihan atau eskalasi. Analisis berdasarkan Agen yang Ditugaskan penting untuk dashboard manajemen kinerja. Analisis ini membantu mengukur KPI tiap agen, seperti rata-rata waktu penyelesaian, volume tiket, dan tingkat tiket dibuka kembali. Hasilnya dapat digunakan untuk menemukan agen berkinerja tinggi, mengetahui kebutuhan pelatihan, dan menganalisis dampak pengalihan agen terhadap waktu penyelesaian secara keseluruhan.
Mengapa ini penting
Mendukung analisis kinerja tiap agen, sehingga Anda dapat menemukan agen berkinerja tinggi, peluang pelatihan, dan dampak pengalihan tugas.
Sumber data
Data ini mengacu pada kolom 'responder_id' di objek 'Tickets' Freshdesk, yang kemudian dapat digabungkan dengan detail agen.
Contoh
Alice JohnsonRobert SmithMaria Garcia
|
|||
|
Jenis permintaan layanan
ServiceRequestType
|
Klasifikasi permintaan layanan, seperti 'Pertanyaan', 'Insiden', 'Masalah', atau 'Permintaan fitur'. | ||
|
Deskripsi
Jenis Permintaan Layanan adalah kolom kategorisasi penting yang menunjukkan sifat pertanyaan pelanggan. Klasifikasi ini biasanya ditetapkan saat tiket dibuat atau pada tahap triase awal, lalu digunakan untuk mengarahkan permintaan ke tim atau agen yang tepat. Dalam analisis, atribut ini membantu memisahkan proses untuk memahami penanganan berbagai jenis permintaan. Atribut ini membantu menjawab pertanyaan seperti 'Apakah insiden membutuhkan waktu penyelesaian lebih lama daripada pertanyaan?' dan 'Jenis permintaan apa yang paling sering dibuka kembali?'. Pemisahan ini penting untuk menemukan hambatan pada jenis permintaan tertentu dan mengoptimalkan alur kerja.
Mengapa ini penting
Membantu memisahkan proses untuk membandingkan kinerja dan alur kerja dalam menangani berbagai masalah pelanggan, seperti insiden dan pertanyaan.
Sumber data
Kemungkinan mengacu pada kolom 'type' di objek 'Tickets' Freshdesk.
Contoh
PertanyaanInsidenMasalahPermintaan fitur
|
|||
|
Prioritas
Priority
|
Tingkat prioritas permintaan layanan, seperti 'Rendah', 'Sedang', 'Tinggi', atau 'Mendesak'. | ||
|
Deskripsi
Atribut Prioritas menunjukkan tingkat urgensi permintaan layanan dan sering menentukan target waktu respons serta penyelesaian. Prioritas dapat ditetapkan otomatis berdasarkan aturan atau ditentukan oleh agen saat melakukan triase. Atribut ini penting untuk menganalisis kepatuhan SLA dan alokasi sumber daya. Dengan memfilter pemetaan proses berdasarkan prioritas, analis dapat mengetahui apakah tiket berprioritas tinggi benar-benar ditangani lebih cepat daripada tiket berprioritas rendah. Atribut ini juga membantu melihat seberapa sering prioritas berubah, yang termasuk pengerjaan ulang, serta dampaknya terhadap proses.
Mengapa ini penting
Penting untuk menganalisis SLA dan memastikan sumber daya dialokasikan dengan tepat agar masalah berprioritas tinggi ditangani lebih cepat daripada masalah berprioritas rendah.
Sumber data
Atribut ini sesuai dengan kolom 'priority' pada objek 'Tickets' di Freshdesk.
Contoh
RendahSedangTinggiMendesak
|
|||
|
Status
Status
|
Status terkini atau sebelumnya dari permintaan layanan, seperti 'Terbuka', 'Menunggu', 'Terselesaikan', atau 'Ditutup'. | ||
|
Deskripsi
Atribut Status menunjukkan keadaan permintaan layanan pada waktu tertentu. Perubahan status sering menandai tahap penting dalam proses. Misalnya, status berubah dari 'Terbuka' menjadi 'Menunggu' saat menanti informasi dari pelanggan, atau dari 'Menunggu' menjadi 'Terbuka' setelah pelanggan membalas. Melacak perubahan status penting untuk memahami siklus tiket. Dengan begitu, Anda dapat mengetahui berapa lama tiket berada dalam status tertentu dan menemukan hambatan. Misalnya, status 'Menunggu' yang berlangsung lama bisa menandakan keterlambatan dalam menerima informasi dari pelanggan.
Mengapa ini penting
Melacak perubahan status membantu Anda memahami siklus tiket dan mengetahui berapa lama kasus berada dalam status tertentu, seperti 'Menunggu' atau 'Ditahan'.
Sumber data
Atribut ini sesuai dengan kolom 'status' pada objek 'Tickets' di Freshdesk. Status sebelumnya perlu disimpulkan dari log aktivitas.
Contoh
TerbukaMenungguTerselesaikanDitutup
|
|||
|
Apakah dibuka kembali
IsReopened
|
Penanda boolean yang menunjukkan apakah permintaan layanan yang telah diselesaikan pernah dibuka kembali. | ||
|
Deskripsi
Atribut tingkat kasus ini bernilai true jika aktivitas 'Ticket Reopened' terjadi kapan pun selama siklus permintaan layanan. Atribut ini memudahkan Anda menemukan dan menganalisis kasus yang memerlukan pengerjaan ulang. Tingginya jumlah tiket yang dibuka kembali dapat menandakan penyelesaian awal yang kurang efektif atau belum tuntas. Hal ini menimbulkan inefisiensi dan membuat pelanggan frustrasi. Dengan memfilter tiket yang dibuka kembali, analis dapat mencari akar masalah, seperti alasan umum tiket dibuka kembali, agen atau tim dengan angka tertinggi, serta jenis tiket yang paling sering dibuka kembali.
Mengapa ini penting
Menunjukkan kasus yang memerlukan pengerjaan ulang, salah satu indikator kualitas penyelesaian dan efisiensi proses. Analisis kasus ini membantu meningkatkan penyelesaian pada kontak pertama.
Sumber data
Kolom hasil perhitungan. Bernilai true untuk suatu permintaan layanan jika terdapat aktivitas dengan Activity = 'Ticket Reopened' pada kasus tersebut.
Contoh
truefalse
|
|||
|
Apakah SLA terlewati
IsSlaBreached
|
Penanda boolean yang menunjukkan apakah waktu penyelesaian permintaan layanan melampaui target SLA. | ||
|
Deskripsi
Atribut hasil perhitungan ini menunjukkan dengan jelas apakah setiap permintaan layanan mematuhi SLA. Nilainya diperoleh dengan membandingkan 'ResolutionTime' aktual dengan 'SlaTargetResolutionTime'. Jika waktu aktual lebih lama daripada target, nilainya true. Atribut ini memudahkan analisis dan pembuatan dashboard kepatuhan SLA. Anda dapat menghitung dan memfilter tiket yang melewati target, lalu mengetahui skala ketidakpatuhan SLA dan menelusuri pola proses pada tiket tersebut untuk menemukan akar masalah. Atribut ini mendukung dashboard dan KPI SLA Compliance Overview.
Mengapa ini penting
Memudahkan analisis kepatuhan SLA dengan menandai setiap kasus yang tidak memenuhi target, sehingga Anda dapat mencari akar masalahnya.
Sumber data
Kolom hasil perhitungan ini diperoleh dengan membandingkan waktu penyelesaian aktual dengan 'SlaTargetResolutionTime' atau kolom 'due_by' dari Freshdesk.
Contoh
truefalse
|
|||
|
Grup yang ditugaskan
AssignedGroup
|
Tim atau departemen yang menangani permintaan layanan. | ||
|
Deskripsi
Grup yang ditugaskan menunjukkan tim agen yang bertanggung jawab menangani permintaan layanan tertentu. Tiket sering dialihkan ke grup khusus berdasarkan jenis atau tingkat kerumitannya, seperti 'Dukungan teknis' atau 'Departemen penagihan'. Atribut ini berguna untuk menganalisis serah terima antar-departemen dan kinerja tiap tim. Anda dapat mengetahui grup mana yang menangani tiket terbanyak, grup dengan waktu penyelesaian terlama, serta seberapa sering tiket berpindah antargrup. Informasi ini membantu mengoptimalkan struktur tim dan alur kerja.
Mengapa ini penting
Mendukung analisis kinerja di tingkat tim atau departemen, sekaligus menyoroti serah terima dan hambatan pada grup tertentu.
Sumber data
Atribut ini sesuai dengan kolom 'group_id' pada objek 'Tickets' di Freshdesk.
Contoh
Dukungan L1Dukungan teknis L2PenagihanKesuksesan pelanggan
|
|||
|
Jumlah pengalihan agen
AgentTransferCount
|
Jumlah total pengalihan permintaan layanan dari satu agen ke agen lain. | ||
|
Deskripsi
Metrik tingkat kasus ini menghitung berapa kali agen yang ditugaskan pada tiket berubah. Nilainya dihitung dari jumlah aktivitas 'Ticket Reassigned' untuk setiap permintaan layanan. Pengalihan yang terlalu sering, atau perpindahan bolak-balik, dapat menyebabkan keterlambatan dan pengalaman pelanggan yang buruk karena konteks masalah bisa hilang setiap kali tiket diserahterimakan. Analisis jumlah pengalihan membantu menemukan masalah pada perutean awal, kesenjangan keterampilan agen, atau kerumitan proses. Tujuannya biasanya mengurangi pengalihan yang tidak perlu agar efisiensi dan kepuasan pelanggan meningkat.
Mengapa ini penting
Mengukur frekuensi serah terima internal yang dapat menjadi sumber utama keterlambatan dan frustrasi pelanggan. Informasi ini membantu meningkatkan penyelesaian di tingkat pertama.
Sumber data
Kolom hasil perhitungan. Nilainya adalah jumlah aktivitas 'Ticket Reassigned' untuk setiap permintaan layanan.
Contoh
0132
|
|||
|
Nama pelanggan
CustomerName
|
Nama atau ID pelanggan yang mengajukan permintaan layanan. | ||
|
Deskripsi
Atribut ini mengidentifikasi pelanggan yang terkait dengan permintaan layanan. Anda dapat melihat proses dari sudut pandang pelanggan dan melacak semua interaksinya dari waktu ke waktu. Analisis berdasarkan pelanggan dapat menunjukkan pola, misalnya pelanggan yang paling sering mengajukan tiket atau paling sering mengalami masalah yang dibuka kembali. Informasi ini dapat membantu upaya kesuksesan pelanggan dan mengidentifikasi pelanggan yang berisiko berhenti menggunakan layanan akibat pengalaman yang buruk. Atribut ini juga penting untuk memahami perjalanan pelanggan secara menyeluruh di berbagai permintaan layanan.
Mengapa ini penting
Menyediakan tampilan proses dari sudut pandang pelanggan, sehingga Anda dapat mengetahui pelanggan yang sering mengajukan permintaan atau mengalami masalah berulang.
Sumber data
Informasi ini terhubung melalui 'requester_id' pada objek 'Tickets', yang merujuk ke objek 'Contacts' atau 'Users' di Freshdesk.
Contoh
John DoeJane SmithGlobal Tech Inc.
|
|||
|
Pembaruan data terakhir
LastDataUpdate
|
Stempel waktu yang menunjukkan kapan terakhir kali data diperbarui dari sistem sumber. | ||
|
Deskripsi
Atribut ini mencatat tanggal dan waktu terakhir kali kumpulan data diekstrak atau diperbarui dari Freshdesk. Informasi ini menunjukkan seberapa baru data yang dianalisis, hal yang penting untuk mengambil keputusan bisnis yang tepat waktu dan relevan. Analis menggunakan informasi ini untuk memahami rentang waktu yang dicakup data dan memastikan mereka bekerja dengan informasi terbaru yang tersedia. Ini adalah metadata penting untuk setiap dashboard atau laporan process mining, agar pemangku kepentingan mengetahui kapan data terakhir diperbarui.
Mengapa ini penting
Menunjukkan seberapa baru data, sehingga analisis dan keputusan didasarkan pada informasi terkini.
Sumber data
Kolom metadata ini dibuat selama proses ekstraksi data dan mencatat stempel waktu pengambilan data.
Contoh
2023-12-01T08:00:00Z
|
|||
|
Penilaian kepuasan
SatisfactionRating
|
Skor kepuasan yang diberikan pelanggan setelah tiket diselesaikan. | ||
|
Deskripsi
Penilaian kepuasan adalah metrik hasil yang penting. Biasanya, penilaian ini dikumpulkan melalui survei setelah tiket diselesaikan, dalam bentuk skor angka atau kategori seperti 'Puas', 'Netral', atau 'Tidak puas'. Atribut ini membantu menghubungkan pola proses dengan hasil yang dirasakan pelanggan. Dengan menganalisis variasi proses yang menghasilkan skor kepuasan rendah, organisasi dapat menemukan perilaku atau keterlambatan tertentu yang berdampak buruk pada pengalaman pelanggan. Analisis ini menghubungkan efisiensi proses secara langsung dengan kepuasan pelanggan.
Mengapa ini penting
Menghubungkan pelaksanaan proses dengan hasil yang dirasakan pelanggan, sehingga Anda dapat mengetahui perilaku proses yang menghasilkan kepuasan tinggi atau rendah.
Sumber data
Data ini tersedia melalui fitur penilaian kepuasan di Freshdesk dan dapat diambil melalui endpoint API 'Surveys' atau 'Satisfaction Ratings'.
Contoh
5314
|
|||
|
Produk
Product
|
Produk atau layanan yang terkait dengan permintaan pelanggan. | ||
|
Deskripsi
Atribut ini menunjukkan lini produk atau layanan yang menjadi pokok permintaan. Biasanya, atribut ini berupa kolom khusus yang dikonfigurasi di Freshdesk untuk mengelompokkan tiket dan mendukung perutean serta pelaporan. Dengan memfilter proses berdasarkan produk, organisasi dapat menemukan masalah yang terkait dengan produk tertentu. Misalnya, analisis dapat menunjukkan apakah suatu produk menghasilkan tiket dukungan dalam jumlah yang tidak sebanding atau apakah peluncuran produk baru memicu lonjakan pertanyaan. Hasilnya dapat menjadi masukan bagi tim pengembangan dan manajemen produk.
Mengapa ini penting
Memungkinkan Anda memfilter proses berdasarkan kategori produk dan mengetahui produk yang paling banyak menghasilkan permintaan dukungan atau memiliki waktu penyelesaian terlama.
Sumber data
Biasanya, atribut ini berupa kolom khusus. Lokasinya bergantung pada konfigurasi Freshdesk, kemungkinan di bagian 'custom_fields' pada respons API 'Tickets'.
Contoh
Alpha PlatformBeta Mobile AppGamma Subscription
|
|||
|
Saluran komunikasi
CommunicationChannel
|
Saluran yang digunakan untuk mengajukan permintaan layanan, seperti 'Email', 'Telepon', 'Chat', atau 'Portal web'. | ||
|
Deskripsi
Atribut ini menunjukkan asal atau saluran komunikasi pelanggan. Setiap saluran dapat memiliki alur proses dan waktu penyelesaian yang berbeda. Misalnya, permintaan melalui chat mungkin memiliki target waktu penyelesaian yang lebih singkat daripada permintaan melalui email. Analisis proses berdasarkan saluran komunikasi membantu mengoptimalkan alokasi sumber daya dan memahami efektivitas tiap saluran. Anda dapat mengetahui saluran mana yang terkait dengan penyelesaian lebih cepat atau kepuasan pelanggan lebih tinggi. Informasi ini dapat menjadi dasar untuk menentukan saluran yang perlu dipromosikan atau dikembangkan.
Mengapa ini penting
Membantu menganalisis kinerja dan efisiensi proses di berbagai saluran kontak pelanggan, seperti email, telepon, atau chat.
Sumber data
Atribut ini sesuai dengan kolom 'source' pada objek 'Tickets' di Freshdesk.
Contoh
EmailTeleponPortal webChat
|
|||
|
Sistem sumber
SourceSystem
|
Sistem tempat data diekstrak. Dalam hal ini, sistemnya adalah 'Freshdesk'. | ||
|
Deskripsi
Atribut ini menunjukkan aplikasi sumber asal data proses. Untuk analisis ini, nilainya tetap, misalnya 'Freshdesk', yang menunjukkan bahwa semua peristiwa berasal dari platform layanan pelanggan Freshdesk. Meski tampak sederhana, atribut ini penting untuk tata kelola data dan saat data dari beberapa sistem digabungkan. Atribut ini menunjukkan asal dan konteks data dengan jelas, sehingga analis memahami sumber data yang sedang diperiksa. Hal ini penting untuk menjaga keutuhan data dan membangun kepercayaan terhadap hasil analisis.
Mengapa ini penting
Memberikan konteks penting tentang asal data. Informasi ini diperlukan untuk tata kelola data dan saat menggabungkan data dari beberapa sistem sumber.
Sumber data
Nilai tetap 'Freshdesk' ini ditambahkan selama proses transformasi data untuk menunjukkan sumber data.
Contoh
Freshdesk
|
|||
|
Target waktu penyelesaian SLA
SlaTargetResolutionTime
|
Waktu penyelesaian permintaan layanan yang disepakati dalam kontrak atau ditetapkan sebagai target. | ||
|
Deskripsi
Atribut ini menetapkan batas waktu penyelesaian permintaan layanan sesuai dengan Service Level Agreement (SLA). Target ini sering bergantung pada prioritas atau jenis tiket. Atribut ini menjadi masukan penting untuk menghitung kepatuhan SLA. Dengan membandingkan waktu penyelesaian aktual dengan target, Anda dapat menentukan apakah SLA 'Terpenuhi' atau 'Terlewati'. Analisis kinerja SLA berdasarkan jenis permintaan, tim, atau agen merupakan bagian penting dari manajemen layanan.
Mengapa ini penting
Menjadi acuan untuk mengukur kepatuhan SLA, salah satu indikator kinerja utama bagi organisasi layanan pelanggan.
Sumber data
Data ini mungkin tersedia dalam kolom seperti 'fr_due_by' (respons pertama) atau 'due_by' (penyelesaian) pada objek 'Tickets' di Freshdesk. Jika tidak, data perlu dihitung berdasarkan aturan kebijakan SLA.
Contoh
2023-10-25T14:00:00Z2023-10-27T09:00:00Z2023-11-01T17:00:00Z
|
|||
|
Waktu respons pertama
FirstResponseTime
|
Waktu antara pembuatan tiket dan respons pertama agen kepada pelanggan. | ||
|
Deskripsi
Waktu respons pertama mengukur seberapa cepat pelanggan menerima respons awal dari agen layanan, bukan respons otomatis. Nilainya dihitung dari selisih waktu aktivitas 'First Response Sent' dan 'Ticket Created'. KPI ini menunjukkan kecepatan respons layanan dan sangat memengaruhi kepuasan pelanggan. Respons pertama yang cepat memberi kepastian kepada pelanggan bahwa masalahnya sudah diketahui dan sedang ditangani. Analisis metrik ini membantu organisasi memastikan target SLA untuk respons awal terpenuhi dan pelanggan mendapat layanan dengan cepat.
Mengapa ini penting
Mengukur kecepatan respons layanan, faktor penting dalam kepuasan pelanggan dan pencapaian layanan proaktif.
Sumber data
Kolom hasil perhitungan. Nilainya adalah durasi antara waktu aktivitas 'Ticket Created' dan 'First Response Sent'.
Contoh
3000009000001800000
|
|||
Aktivitas layanan pelanggan
| Aktivitas | Deskripsi | ||
|---|---|---|---|
|
Respons pertama dikirim
|
Menandai balasan publik pertama yang dikirim agen kepada pelanggan setelah tiket dibuat. Freshdesk mencatat peristiwa ini secara eksplisit untuk mengukur 'First Response Time' dalam pemantauan SLA. | ||
|
Mengapa ini penting
Ini adalah tonggak penting untuk mengukur kecepatan respons kepada pelanggan dan kepatuhan SLA. Analisis waktu hingga aktivitas ini membantu menemukan keterlambatan dalam merespons pelanggan.
Sumber data
Freshdesk melacak peristiwa khusus ini untuk keperluan SLA. Waktunya mengacu pada stempel waktu komentar publik pertama yang ditambahkan agen.
Pengumpulan data
Dikenali dari balasan publik pertama agen dalam riwayat percakapan tiket.
Jenis peristiwa
explicit
|
|||
|
Tiket dibuat
|
Ini adalah peristiwa pertama dalam siklus layanan pelanggan, yaitu saat permintaan pelanggan resmi dicatat di Freshdesk. Aktivitas ini tercatat secara eksplisit ketika tiket baru dibuat melalui email, portal, telepon, atau integrasi API. | ||
|
Mengapa ini penting
Aktivitas ini menjadi titik awal setiap kasus. Data ini penting untuk menghitung waktu penyelesaian secara keseluruhan dan menganalisis tren volume tiket berdasarkan kanal atau jenisnya.
Sumber data
Peristiwa ini tercatat secara eksplisit di log 'Aktivitas tiket' Freshdesk. Sistem membuatnya secara otomatis saat rekaman tiket baru dibuat.
Pengumpulan data
Dicatat langsung di alur aktivitas tiket saat tiket dibuat.
Jenis peristiwa
explicit
|
|||
|
Tiket diselesaikan
|
Menandai tonggak penting saat agen memberikan solusi dan mengubah status tiket menjadi 'Resolved'. Perubahan status ini tercatat secara eksplisit dalam riwayat tiket. | ||
|
Mengapa ini penting
Aktivitas ini menandai berakhirnya penanganan aktif tiket dan menjadi dasar untuk mengukur waktu penyelesaian. Peristiwa ini penting untuk menganalisis kinerja agen dan efisiensi proses secara keseluruhan.
Sumber data
Data ini diambil dari log 'Aktivitas tiket', yang mencatat perubahan status menjadi 'Diselesaikan' beserta stempel waktunya.
Pengumpulan data
Peristiwa dicatat saat kolom 'Status' tiket diperbarui menjadi 'Resolved'.
Jenis peristiwa
explicit
|
|||
|
Tiket ditugaskan
|
Menunjukkan penugasan tiket kepada agen atau grup tertentu untuk ditangani. Peristiwa ini tercatat secara eksplisit dalam riwayat tiket setiap kali kolom agen atau grup yang ditugaskan diisi atau diubah. | ||
|
Mengapa ini penting
Melacak penugasan penting untuk menganalisis beban kerja agen, menemukan inefisiensi dalam perutean, dan mengukur KPI waktu hingga penugasan. Data ini membantu memahami pembagian pekerjaan dan menemukan keterlambatan sebelum penanganan dimulai.
Sumber data
Data ini diambil dari log 'Aktivitas tiket', yang mencatat perubahan pada kolom 'Agen' atau 'Grup' beserta stempel waktunya.
Pengumpulan data
Peristiwa dicatat saat kolom 'Assigned to' diperbarui untuk agen atau grup.
Jenis peristiwa
explicit
|
|||
|
Tiket ditutup
|
Ini adalah aktivitas terakhir yang menandai penutupan tiket secara permanen. Sistem biasanya menutup tiket secara otomatis setelah tiket berstatus 'Resolved' selama jangka waktu tertentu tanpa balasan baru dari pelanggan. | ||
|
Mengapa ini penting
Aktivitas ini menandai berakhirnya siklus permintaan layanan secara definitif. Data ini menjadi titik akhir untuk menghitung waktu siklus dari awal hingga akhir secara akurat.
Sumber data
Data ini diambil dari log 'Aktivitas tiket', yang mencatat perubahan status akhir menjadi 'Ditutup'. Perubahan ini sering dipicu oleh otomatisasi sistem.
Pengumpulan data
Peristiwa dicatat saat kolom 'Status' tiket diperbarui menjadi 'Closed'.
Jenis peristiwa
explicit
|
|||
|
Catatan internal ditambahkan
|
Agen menambahkan catatan privat pada tiket untuk berkolaborasi dengan agen lain. Peristiwa ini tercatat secara eksplisit dalam alur aktivitas tiket dan hanya dapat dilihat oleh agen. | ||
|
Mengapa ini penting
Melacak catatan internal membantu menganalisis pola kolaborasi dan menemukan masalah yang memerlukan banyak diskusi internal. Banyaknya catatan internal sebelum penyelesaian dapat menandakan masalah yang rumit atau kesenjangan pengetahuan.
Sumber data
Dicatat sebagai 'Private Note' dalam riwayat percakapan tiket dan dapat dibedakan dari balasan publik kepada pelanggan.
Pengumpulan data
Peristiwa dicatat saat agen menambahkan catatan yang ditandai sebagai 'Private'.
Jenis peristiwa
explicit
|
|||
|
Pelanggan membalas
|
Menunjukkan balasan atau komunikasi baru dari pelanggan. Peristiwa ini tercatat secara eksplisit dalam rangkaian percakapan tiket dan biasanya mengubah status dari 'Pending' kembali menjadi 'Open'. | ||
|
Mengapa ini penting
Aktivitas ini penting untuk memahami interaksi bolak-balik dengan pelanggan dan mengukur waktu respons pelanggan. Aktivitas ini juga memulai kembali penghitung waktu SLA yang dijeda, sehingga memengaruhi metrik kepatuhan.
Sumber data
Dicatat sebagai entri baru dalam rangkaian percakapan tiket. Peristiwa ini dikaitkan dengan catatan kontak pelanggan.
Pengumpulan data
Catatan publik baru yang ditambahkan ke tiket oleh kontak pelanggan.
Jenis peristiwa
explicit
|
|||
|
Prioritas tiket diubah
|
Peristiwa ini terjadi saat agen atau aturan otomatisasi mengubah tingkat prioritas tiket, misalnya dari 'Low' menjadi 'High'. Perubahan ini tercatat secara eksplisit dalam log aktivitas tiket. | ||
|
Mengapa ini penting
Perubahan prioritas dapat menandakan eskalasi atau penilaian ulang atas tingkat urgensi masalah. Analisis perubahan ini membantu memahami pemicu eskalasi dan dampaknya terhadap waktu penyelesaian.
Sumber data
Data ini diambil dari log 'Aktivitas tiket', yang mencatat semua perubahan properti tiket, termasuk kolom 'Prioritas'.
Pengumpulan data
Peristiwa dicatat saat nilai kolom 'Priority' diperbarui.
Jenis peristiwa
explicit
|
|||
|
SLA dilanggar
|
Peristiwa terhitung yang terjadi saat waktu respons atau penyelesaian tiket melampaui target kebijakan SLA yang ditetapkan. Freshdesk melacak status SLA dan menandai tiket sebagai 'violated'. Data ini dapat digunakan untuk menentukan aktivitas ini. | ||
|
Mengapa ini penting
Aktivitas ini mendukung analisis kepatuhan SLA dengan menunjukkan kapan dan di mana komitmen tingkat layanan tidak terpenuhi. Informasi ini penting untuk menemukan penyebab keterlambatan yang terjadi secara sistemik.
Sumber data
Peristiwa ini disimpulkan atau dihitung dengan mengamati status 'SLA' tiket. Aktivitas dapat dibuat saat status SLA tiket berubah menjadi 'Violated', atau dengan membandingkan stempel waktu respons dan penyelesaian dengan target SLA.
Pengumpulan data
Tentukan dari data tiket saat 'Time to Resolve' melampaui 'SLA Target Resolution Time'.
Jenis peristiwa
calculated
|
|||
|
Status diubah menjadi Pending
|
Aktivitas ini terjadi saat agen menunggu informasi dari pelanggan dan mengubah status tiket menjadi 'Pending'. Perubahan status ini tercatat secara eksplisit dalam riwayat aktivitas tiket. | ||
|
Mengapa ini penting
Menunjukkan periode saat proses dijeda sambil menunggu masukan dari pihak luar. Analisis waktu dalam status ini membantu mengukur keterlambatan di pihak pelanggan dan mendukung analisis kepatuhan SLA, karena penghitung waktu SLA sering dijeda dalam status ini.
Sumber data
Data ini diambil dari log 'Aktivitas tiket', yang mencatat semua perubahan status, termasuk perubahan menjadi 'Menunggu'.
Pengumpulan data
Peristiwa dicatat saat kolom 'Status' tiket diperbarui menjadi 'Pending'.
Jenis peristiwa
explicit
|
|||
|
Survei kepuasan dikirim
|
Menunjukkan pengiriman survei kepuasan pelanggan, yang biasanya dipicu oleh aturan otomatisasi setelah tiket diselesaikan. Peristiwa ini dapat tercatat jika tindakan otomatisasi masuk dalam riwayat tiket. | ||
|
Mengapa ini penting
Menandai dimulainya proses pengumpulan masukan. Menghubungkan jawaban survei dengan variasi proses dapat memberi wawasan mendalam tentang dampak kinerja proses terhadap kepuasan pelanggan.
Sumber data
Biasanya dipicu oleh 'Automation Rule'. Apakah peristiwa ini terlihat secara terpisah di log aktivitas tiket bergantung pada konfigurasi pencatatan otomatisasi Freshdesk.
Pengumpulan data
Peristiwa dicatat saat aturan otomatisasi dijalankan setelah tiket diselesaikan.
Jenis peristiwa
explicit
|
|||
|
Tiket dialihkan
|
Terjadi saat tiket dipindahkan dari satu agen atau grup ke agen atau grup lain setelah penugasan awal. Peristiwa ini tercatat secara eksplisit dalam log aktivitas tiket sebagai perubahan pemilik. | ||
|
Mengapa ini penting
Pengalihan yang sering terjadi, atau tingginya frekuensi perpindahan antaragen, sering menandakan perutean awal yang kurang tepat atau pengetahuan yang terpisah-pisah. Analisis ini membantu menemukan peluang untuk meningkatkan penyelesaian pada kontak pertama.
Sumber data
Dilacak melalui perubahan pada kolom 'Agent' atau 'Group' di log 'Ticket Activities' setelah penugasan pertama.
Pengumpulan data
Pembaruan pada kolom 'Assigned to' setelah penugasan awal dilakukan.
Jenis peristiwa
explicit
|
|||
|
Tiket dibuka kembali
|
Aktivitas ini terjadi saat pelanggan membalas tiket yang sudah berstatus 'Resolved', sehingga statusnya otomatis berubah kembali menjadi 'Open'. Sistem mencatat peristiwa ini secara eksplisit. | ||
|
Mengapa ini penting
Tingkat pembukaan kembali yang tinggi menandakan solusi awal belum efektif, sehingga pekerjaan harus diulang dan pelanggan bisa merasa tidak puas. Analisis aktivitas ini penting untuk 'Ticket Re-opening Analysis' dan peningkatan penyelesaian pada kontak pertama.
Sumber data
Peristiwa ini tercatat saat balasan pelanggan memicu perubahan status otomatis dari 'Diselesaikan' kembali menjadi 'Terbuka'. Perubahan status ini dicatat di log 'Aktivitas tiket'.
Pengumpulan data
Perubahan status dari 'Resolved' menjadi 'Open' yang dipicu oleh interaksi pelanggan.
Jenis peristiwa
explicit
|
|||
Panduan ekstraksi
Siap memulai?
Mulai tingkatkan operasional layanan pelanggan dengan memahami proses Anda secara jelas. Templat ini menjadi langkah awal untuk melakukan perbaikan berdasarkan data.
Optimalkan layanan pelanggan Freshdesk sekarang
Selesaikan 80% permintaan saat kontak pertama dan tingkatkan kepuasan pelanggan.
Tidak perlu kartu kredit. Penyiapan hanya perlu beberapa menit.