> 継続的なプロセス改善 > カスタマーサービス > Freshdesk > データテンプレート

お客様のカスタマーサービスデータテンプレート

Freshdesk

カスタマーサービス属性 (20) カスタマーサービスアクティビティ (13) 抽出ガイド (3)

お客様のカスタマーサービスデータテンプレート

このテンプレートは、効果的なカスタマーサービス分析に必要な主要なデータ属性とプロセスアクティビティに関する包括的なガイドを提供します。また、データを効率的に収集するのに役立つ実用的な抽出ガイダンスも含まれています。このリソースを活用してデータ収集を効率化し、洞察に富んだプロセスマイニングに備えてください。

収集を推奨する項目
追跡すべき主要アクティビティ
抽出の手引き

イベントログについて初めての方へ：プロセスマイニングのイベントログ作成方法.

テンプレートをダウンロード

カスタマーサービス属性

これらは、包括的なカスタマーサービス分析と深いインサイトを得るために、イベントログに含めることが推奨されるデータフィールドです。

3 必須 5 推奨 12 任意

	名前	説明
	アクティビティ Activity	カスタマーサービスプロセス内で発生した特定のビジネスイベントまたはステップの名前。
説明アクティビティ属性は、サービスリクエストのライフサイクルにおける個別の行動またはステータス変更を表します。「チケット作成済み」、「チケット割り当て済み」、「初回返信送信済み」、「チケット解決済み」などの主要なビジネスイベントを記録します。これらのアクティビティがプロセスマップのノードを形成します。これらのアクティビティの順序と頻度を分析することがプロセスマイニングの核です。これにより、プロセスフローの可視化、一般的および稀なパスの特定、標準作業手順からの逸脱の検出が可能になります。アクティビティを理解することは、非効率性、「チケット再オープン」のような再作業ループ、またはコンプライアンス問題を特定するために不可欠です。その重要性この属性はプロセスマップのステップを定義し、プロセスフローの開始から終了までの可視化と分析を可能にします。取得元 Freshdesk内のイベントタイプから導出されます。「チケット」APIエンドポイントからのステータス変更と、「会話」エンドポイントからのメモや返信などの特定のイベントの組み合わせとなる場合があります。例チケット作成済み初回応答送信ステータスが保留に変更されました`チケット``解決済み``チケットクローズ済み`
	イベント日時 EventTime	特定のアクティビティまたはイベントが発生した時刻を示すタイムスタンプ。
説明イベントタイム、つまりタイムスタンプは、アクティビティが発生した正確な日時を記録します。これは、イベントを時系列で並べ、プロセス内の異なるステップ間の期間を計算するための重要な要素です。記録されるすべてのアクティビティには対応するタイムスタンプが必要です。分析では、この属性は各サービスリクエストのタイムラインを構築するために使用されます。解決時間、初回応答時間、ボトルネックの期間など、すべての時間関連KPIを計算するための基礎となります。正確なタイムスタンプは、プロセスパフォーマンスを理解し、遅延を特定するために不可欠です。その重要性このタイムスタンプは、イベントを時系列で順序付けし、サイクルタイムやSLAコンプライアンスなど、すべての期間ベースの指標を計算するために不可欠です。取得元これは、Freshdesk APIにおけるチケットイベント、返信、またはステータス変更に関連する「created_at」または「updated_at」フィールドに対応します。例 2023-10-25T10:00:00Z2023-10-25T10:05:14Z2023-10-26T14:30:00Z
	サービスリクエスト ServiceRequest	単一の顧客からの問い合わせや問題に対するユニークな識別子。一般的にチケットまたはケースとして知られています。
説明サービスリクエストは、単一の顧客インタラクションに関連するすべてのアクティビティをリンクする主要なケース識別子です。新しい顧客からの問い合わせ、問題、またはリクエストごとにユニークなサービスリクエストIDが生成されます。このIDは、作成と割り当てから解決とクローズまで、チケットのライフサイクル全体で一定です。プロセスマイニングにおいて、この属性は各顧客ケースのエンドツーエンドのジャーニーを再構築するために不可欠です。すべての関連イベントを単一のサービスリクエストIDの下にグループ化することで、アナリストはプロセスフローを可視化し、サイクルタイムを測定し、個々のケースに影響を与える変動やボトルネックを特定できます。その重要性これは、すべての関連イベントを単一のプロセスインスタンスに接続し、各カスタマーサービスジャーニーの全体像を可能にする不可欠なケースIDです。取得元これはFreshdeskの主要なチケットIDであり、通常、「Tickets」APIエンドポイントの「id」フィールドとして見つかります。例 SR-2023-10-4831SR-2023-11-0192SR-2023-11-5210
	サービスリクエストタイプ ServiceRequestType	サービスリクエストの分類。例えば「質問」、「インシデント」、「問題」、または「機能リクエスト」など。
説明サービスリクエストタイプは、顧客からの問い合わせの性質を定義する重要な分類フィールドです。この分類は通常、チケット作成時または初期トリアージステップで設定され、リクエストを適切なチームまたはエージェントにルーティングするのに役立ちます。分析において、この属性はプロセスをセグメント化し、異なるタイプのリクエストがどのように処理されるかを理解することを可能にします。これにより、「インシデントは質問よりも解決に時間がかかりますか？」や「どのリクエストタイプが最も頻繁に再オープンされますか？」といった疑問に答えるのに役立ちます。このセグメンテーションは、タイプ固有のボトルネックを特定し、それに応じてワークフローを最適化するために不可欠です。その重要性プロセスセグメンテーションを可能にし、インシデントと質問のように、異なる種類の顧客問題に対するパフォーマンスとワークフローを比較できます。取得元これはFreshdeskの「Tickets」オブジェクトで利用可能な「type」フィールドである可能性が高いです。例質問インシデント問題機能リクエスト
	ステータス Status	サービスリクエストの現在または過去のステータス。例えば「オープン」、「保留中」、「解決済み」、または「クローズ済み」など。
説明ステータス属性は、ある時点でのサービスリクエストの状態を示します。ステータス変更はしばしばプロセスの主要なマイルストーンを表します。例えば、顧客からの入力を待っているときに「オープン」から「保留中」に移行したり、顧客が返信したときに「保留中」から「オープン」に移行したりします。ステータス変更を追跡することは、チケットのライフサイクルを理解するために不可欠です。これにより、チケットが特定の状態でどれくらいの時間を費やすかを特定でき、ボトルネックを特定するのに役立ちます。例えば、「保留中」ステータスでの長期間の滞留は、顧客からの情報受信の遅延を示唆する可能性があります。その重要性ステータス変更の追跡は、チケットのライフサイクルを理解し、「保留中」や「保留」のような特定の状態でケースがどれくらいの時間を費やすかを特定するための鍵です。取得元これは、Freshdeskの「Tickets」オブジェクトにある「status」フィールドに対応します。履歴ステータスはアクティビティログから推測する必要があります。例オープン保留中解決済みクローズ
	優先度 Priority	サービスリクエストに割り当てられた優先度レベル。例えば「低」、「中」、「高」、または「緊急」など。
説明優先度属性は、サービスリクエストの緊急性を反映し、しばしば目標応答時間と解決時間を決定します。優先度は、ルールに基づいて自動的に設定されるか、トリアージ中にエージェントによって手動で設定される場合があります。この属性は、SLAコンプライアンスとリソース割り当ての分析に不可欠です。プロセスマップを優先度でフィルタリングすることで、アナリストは高優先度チケットが低優先度チケットよりも本当に迅速に処理されているかを確認できます。また、優先度変更（一種の再作業）が一般的であるかどうか、およびそれがプロセスにどのような影響を与えるかを理解するのにも役立ちます。その重要性 SLA分析にとって不可欠であり、リソースが優先度の低い問題よりも優先度の高い問題を迅速に処理するために正しく割り当てられているかを理解するのに役立ちます。取得元これは、Freshdeskの「Tickets」オブジェクトにある「priority」フィールドに対応します。例低中高`緊急`
	担当者 AssignedAgent	イベント発生時にチケットを担当していたカスタマーサービスエージェントの名前またはID。
説明この属性は、サービスリクエストの処理に割り当てられた特定のエージェントを特定します。割り当てられたエージェントは、再割り当てやエスカレーションによりチケットのライフサイクル全体で変更される可能性があります。割り当てられたエージェント別にデータを分析することは、パフォーマンス管理ダッシュボードにとって重要です。これにより、平均解決時間、チケット量、再オープン率などのエージェント固有のKPIの測定が可能になります。これは、優秀なエージェントを特定し、トレーニングの必要性を明らかにし、エージェントの転送が全体的な解決時間に与える影響を分析するのに役立ちます。その重要性個々のエージェントによるパフォーマンス分析を可能にし、トップパフォーマー、トレーニングの機会、および再割り当ての影響を特定するのに役立ちます。取得元これは、Freshdeskの「Tickets」オブジェクトにある「responder_id」フィールドに対応し、その後、エージェント詳細と結合することができます。例 Alice JohnsonRobert SmithMaria Garcia
	解決時間 ResolutionTime	サービスリクエストが作成されてから解決されるまでの総経過時間。
説明解決時間は、サービスプロセスのエンドツーエンドの期間を測定する重要なケースレベルのKPIです。「チケット解決済み」アクティビティのタイムスタンプと「チケット作成済み」アクティビティのタイムスタンプの差として計算されます。この属性は、プロセス効率の主要な指標です。ほとんどすべてのサービスダッシュボードで使用され、時間の経過に伴うパフォーマンスを追跡し、異なるカテゴリ間のパフォーマンスを比較し、解決に異常に時間がかかるケースを特定します。平均解決時間の短縮は、プロセス改善イニシアチブの主要な目標となることがよくあります。その重要性これは、プロセス効率を測定するための主要なKPIであり、顧客の問題を最初から最後まで解決するのにかかった総時間を示します。取得元計算フィールドです。各サービスリクエストにおける最初のイベントのタイムスタンプ（作成）と「チケット解決」イベントのタイムスタンプとの間の期間です。例 25920000086400000604800000
	SLA目標解決時間 SlaTargetResolutionTime	サービスリクエストを解決するために、契約上合意された、または目標とされた時間。
説明この属性は、サービスレベル契約（SLA）に従ってサービスリクエストが解決されるべき目標期間を定義します。この目標はしばしばチケットの優先度またはタイプに依存します。これはSLAコンプライアンスを計算するための重要な入力です。実際の解決時間をこの目標と比較することで、「達成」または「違反」の判定が可能です。異なるリクエストタイプ、チーム、またはエージェント間でのSLAパフォーマンス分析は、サービス管理の核となる部分です。その重要性 SLAコンプライアンス測定の基準を提供します。これはあらゆるカスタマーサービス組織にとって重要な主要業績評価指標です。取得元これはFreshdeskの「Tickets」オブジェクト内で、「fr_due_by」（初回応答）または「due_by」（解決）のようなフィールドとして利用可能であるか、SLAポリシールールに基づいて導出する必要がある場合があります。例 2023-10-25T14:00:00Z2023-10-27T09:00:00Z2023-11-01T17:00:00Z
	SLA違反 IsSlaBreached	サービスリクエストの解決時間がSLA目標を超過したかどうかを示すブール値フラグです。
説明この計算された属性は、各サービスリクエストのSLAコンプライアンスの明確なバイナリ指標を提供します。これは、実際の「解決時間」を「SLA目標解決時間」と比較して導き出されます。実際の時間が目標より長い場合、フラグはtrueになります。この属性は、SLAコンプライアンスの分析とダッシュボード作成を簡素化します。違反チケットの容易なカウントとフィルタリングを可能にし、アナリストがSLA違反の規模を迅速に特定し、違反チケットのプロセスパターンを深く掘り下げて根本原因を見つけることを可能にします。SLAコンプライアンス概要ダッシュボードとKPIを直接サポートします。その重要性目標を達成できなかった各ケースに明確なフラグを提供することでSLAコンプライアンス分析を簡素化し、違反の根本原因分析を可能にします。取得元これは計算フィールドであり、実際の解決タイムスタンプとFreshdeskの「SlaTargetResolutionTime」または「due_by」フィールドを比較して導き出されます。例 truefalse
	エージェント転送回数 AgentTransferCount	サービスリクエストがエージェント間で再割り当てされた総回数。
説明この属性は、チケットの割り当てエージェントが変更された回数を数えるケースレベルの指標です。各サービスリクエストの「チケット再割り当て済み」アクティビティの発生回数を数えることで計算されます。「ピンポン」とも呼ばれる頻繁な転送は、引き継ぎのたびにコンテキストが失われるため、重大な遅延と顧客の不満につながる可能性があります。転送数を分析することは、初期ルーティング、エージェントのスキルギャップ、またはプロセスの複雑性に関する問題を特定するのに役立ちます。目標はしばしば、効率性と顧客満足度を向上させるために不必要な転送を最小限に抑えることです。その重要性内部での引き継ぎ回数を測定します。これは遅延や顧客の不満の大きな原因となる可能性があり、一次解決率の向上に役立ちます。取得元計算フィールドです。各固有のサービスリクエストに対する「チケット再割り当て」アクティビティの回数です。例 0132
	コミュニケーションチャネル CommunicationChannel	サービスリクエストが開始されたチャネル。例えば「メール」、「電話」、「チャット」、または「ウェブポータル」など。
説明この属性は、顧客コミュニケーションの発生源またはチャネルを特定します。異なるチャネルは、独自のプロセスフローと解決時間を持つことができます。例えば、チャット経由で開始されたリクエストは、メールで提出されたものよりも予想解決時間が短い可能性があります。コミュニケーションチャネル別にプロセスを分析することは、リソース割り当ての最適化とチャネル効率の理解に役立ちます。どのチャネルがより迅速な解決またはより高い顧客満足度と関連しているかを明らかにし、どのチャネルを促進または投資するかについての戦略的決定に情報を提供できます。その重要性メール、電話、チャットなど、異なる顧客連絡チャネル全体のプロセスパフォーマンスと効率を分析するのに役立ちます。取得元これは、Freshdeskの「Tickets」オブジェクトにある「source」フィールドに対応します。例メール電話番号Webポータルチャット
	ソースシステム SourceSystem	データが抽出されたシステム。この場合は「Freshdesk」です。
説明この属性は、プロセスデータが生成されたソースアプリケーションを特定します。この分析では、値は静的で、例えば「Freshdesk」となり、すべてのイベントがFreshdeskカスタマーサービスプラットフォームからのものであることを示します。シンプルに見えるかもしれませんが、この属性はデータガバナンスや、複数のシステムからのデータがマージされるシナリオにおいて重要です。明確なデータ系統とコンテキストを提供し、アナリストが調査しているデータの出所を理解することを確実にします。これはデータ整合性を維持し、分析への信頼を築くために不可欠です。その重要性データ発生源に関する不可欠なコンテキストを提供します。これはデータガバナンスや、複数のソースシステムからのデータを結合する際に不可欠です。取得元これは、データ変換プロセス中にデータソースを識別するために追加される静的な値、「Freshdesk」です。例 Freshdesk
	プロダクト Product	顧客のリクエストに関連する製品またはサービス。
説明この属性は、サービスリクエストの対象となる製品またはサービスラインを特定します。これはしばしば、Freshdeskで設定されたカスタムフィールドであり、ルーティングとレポート作成のためにチケットを分類するのに役立ちます。製品でプロセスをフィルタリングすることにより、組織は製品固有の問題を明らかにできます。例えば、特定の製品が不釣り合いに多くのサポートチケットを生成しているか、または新製品の発売が問い合わせの急増を引き起こしているかを強調表示できます。この分析は、製品開発および管理チームに貴重なフィードバックを提供します。その重要性製品領域別にプロセスをフィルタリングでき、どの製品が最も多くのサポートリクエストを生成しているか、あるいは解決に最も時間がかかっているかについてのインサイトを提供します。取得元これは通常カスタムフィールドです。正確な場所はFreshdeskの設定に依存し、Freshdesk「Tickets」APIレスポンスの「custom_fields」部分に見つかる可能性が高いです。例 Alpha PlatformBeta Mobile AppGamma Subscription
	再オープン済み IsReopened	解決済みのサービスリクエストが再オープンされたかどうかを示すブール値フラグです。
説明このケースレベルの属性は、サービスリクエストがライフサイクルのどの時点かで「チケット再オープン済み」アクティビティを経験した場合にtrueに設定されるフラグです。再作業が必要なケースを特定し分析する簡単な方法を提供します。再オープンチケットの割合が高いことは、初期解決が効果的または完全でなかったことを示唆しており、非効率性と顧客の不満につながります。再オープンチケットでフィルタリングすることで、アナリストは再オープンの一般的な理由、どのエージェントやチームの割合が高いか、どのチケットタイプが最も再オープンされやすいかといった根本原因を調査できます。その重要性手戻りが必要なケースを特定します。これは解決の質とプロセス非効率性の重要な指標です。これらのケースを分析することで、初回コンタクト解決の改善に役立ちます。取得元計算フィールドです。そのケースにアクティビティ = 「チケット再オープン」のイベントが存在する場合、サービスリクエストに対してtrueに設定されます。例 truefalse
	最終データ更新 LastDataUpdate	ソースシステムからデータが最後に更新されたことを示すタイムスタンプです。
説明この属性は、データセットがFreshdeskから最後に抽出または更新された日時を記録します。分析されているデータの鮮度に関する透明性を提供し、タイムリーかつ関連性の高いビジネス意思決定を行うために不可欠です。アナリストはこの情報を使用して、データがカバーする時間枠を理解し、利用可能な最新の情報で作業していることを確認します。これはあらゆるプロセスマイニングのダッシュボードやレポートにとって重要なメタデータであり、ステークホルダーがデータの新しさを認識していることを確実にします。その重要性データの鮮度を示し、分析と意思決定が最新の情報に基づいていることを保証します。取得元これはデータ抽出プロセス中に生成されるメタデータフィールドで、データプル時のタイムスタンプをキャプチャします。例 2023-12-01T08:00:00Z
	初回応答時間 FirstResponseTime	チケット作成から顧客への初回エージェント応答までの経過時間。
説明初回応答時間とは、顧客がサービスエージェントから自動応答ではない最初の応答をどれだけ早く受け取るかを測定するものです。「初回応答送信」アクティビティのタイムスタンプと「チケット作成」アクティビティのタイムスタンプの差として計算されます。このKPIはサービス応答性の重要な指標であり、顧客満足度に大きな影響を与えます。初回応答時間が短いことは、顧客が自分の問題が認識され、対処されていることを確信するのに役立ちます。この指標を分析することで、組織は初回応答のSLAを満たし、迅速な顧客体験を提供していることを確認できます。その重要性サービス対応の迅速性を測ります。これは顧客満足度の重要な推進力であり、プロアクティブなサービス提供という目標に直接貢献します。取得元計算フィールドです。「チケット作成」イベントのタイムスタンプと「初回応答送信」イベントのタイムスタンプとの間の期間です。例 3000009000001800000
	担当グループ AssignedGroup	サービスリクエストが割り当てられたチームまたは部門。
説明割り当てられたグループは、特定のサービスリクエストの処理を担当するエージェントチームを表します。チケットはしばしば、そのタイプや複雑性に基づいて、「テクニカルサポート」や「請求部門」などの専門グループにルーティングされます。この属性は、部門間の引き継ぎやチームレベルでのパフォーマンスを分析する上で価値があります。どのグループが最も多くのチケットを処理し、解決時間が最も長く、チケットがグループ間でどれだけ頻繁に転送されるかを特定するのに役立ちます。この情報は、チーム構造とワークフローを最適化するための鍵となります。その重要性チームまたは部門レベルでのパフォーマンス分析を可能にし、引き継ぎを強調表示し、グループ固有のボトルネックを特定します。取得元これは、Freshdeskの「Tickets」オブジェクトにある「group_id」フィールドに対応します。例 L1サポートL2テクニカルサポート請求カスタマーサクセス
	満足度評価 SatisfactionRating	チケット解決後に顧客が提供した満足度スコア。
説明満足度評価は、主要な成果指標であり、通常、チケットが解決された後に送信される調査を通じて収集されます。通常、数値スコアまたは「満足」、「中立」、「不満」のようなカテゴリ評価で構成されます。この属性により、プロセスパターンと顧客成果を関連付けることができます。低い満足度スコアにつながるプロセスバリアントを分析することで、組織は顧客体験に悪影響を与える特定の行動や遅延を特定できます。これは、プロセス効率と顧客満足度との直接的なリンクを提供します。その重要性プロセス実行と顧客の成果を関連付け、どのプロセス行動が顧客満足度の高低につながるかを特定するのに役立ちます。取得元このデータはFreshdeskの満足度評価機能の一部であり、「Surveys」または「Satisfaction Ratings」APIエンドポイント経由で取得できます。例 5314
	顧客名 CustomerName	サービスリクエストを開始した顧客の名前またはID。
説明この属性は、サービスリクエストに関連する顧客を特定します。これにより、顧客中心の視点からプロセスを分析し、特定の顧客のすべてのインタラクションを時間の経過とともに追跡する方法を提供します。顧客別に分析することで、どの顧客が最も多くのチケットを提出するか、またはどの顧客が最も多くの再オープンされた問題を経験するかなどのパターンを明らかにできます。これは、顧客成功イニシアチブに情報を提供し、サービス体験の悪さにより解約リスクのある顧客を特定するのに役立ちます。また、複数のサービスリクエストにわたるエンドツーエンドの顧客ジャーニーを理解するためにも不可欠です。その重要性顧客中心のプロセスビューを可能にし、頻繁なリクエストを行う顧客や繰り返し問題が発生している顧客を特定するのに役立ちます。取得元この情報は、Freshdeskの「Tickets」オブジェクト内の「requester_id」を通じてリンクされており、これはFreshdeskの「Contacts」または「Users」オブジェクトに接続します。例 John DoeJane Smith`Global Tech Inc.`

必須推奨任意

カスタマーサービスアクティビティ

これらは、正確なプロセスディスカバリーとボトルネック特定のために、イベントログに記録すべき主要なプロセスステップと重要なマイルストーンです。

5 推奨 8 任意

	アクティビティ	説明
	`チケット``割り当て済み`	特定のエージェントまたはグループにチケットが割り当てられることを表します。このイベントは、割り当てられたエージェントまたはグループのフィールドが入力または変更されるたびに、チケットの履歴に明示的に記録されます。
その重要性割り当ての追跡は、エージェントのワークロード分析、ルーティングの非効率性の特定、および割り当てまでの時間KPIの測定に不可欠です。作業がどのように配布され、作業開始前にどこで遅延が発生するかを理解するのに役立ちます。取得元「エージェント」または「グループ」フィールドへの変更がタイムスタンプとともに記録される「チケットアクティビティ」ログから取得されます。取得エージェントまたはグループの「担当者」フィールドが更新されたときに記録されるイベントです。イベントタイプ explicit
	`チケット``解決済み`	エージェントが解決策を提供し、チケットのステータスを「解決済み」に変更した主要なマイルストーンを表します。これはチケットの履歴に記録された明示的なステータス変更です。
その重要性このアクティビティは、チケットに対するアクティブな作業の終了を示し、解決時間を測定するための基礎となります。エージェントのパフォーマンスと全体的なプロセス効率を分析するための重要なイベントです。取得元タイムスタンプとともに「解決済み」への特定のステータス変更を記録する「チケットアクティビティ」ログから取得されます。取得チケットの「ステータス」フィールドが「解決済み」に更新されたときに記録されるイベントです。イベントタイプ explicit
	`チケットクローズ済み`	これは、チケットの永続的なクローズを表す最終アクティビティです。これはしばしば、顧客からの新しい返信がない「解決済み」の状態での一定期間の後、システムによって自動的に実行されます。
その重要性このアクティビティは、サービスリクエストのライフサイクルの明確な終わりを示します。正確なエンドツーエンドのサイクルタイム計算のための最終的な終点を提供します。取得元「クローズ済み」への最終ステータス変更を記録する「チケットアクティビティ」ログから取得されます。これはしばしばシステム自動化によってトリガーされます。取得チケットの「ステータス」フィールドが「クローズ済み」に更新されたときに記録されるイベントです。イベントタイプ explicit
	チケット作成済み	これはカスタマーサービスライフサイクルにおける最初のイベントであり、顧客のリクエストがFreshdeskに正式にログ記録される瞬間を表します。このアクティビティは、新しいチケットがメール、ポータル、電話、またはAPI統合を通じて生成されたときに明示的にキャプチャされます。
その重要性このアクティビティはすべてのケースの開始点となり、全体的な解決時間の計算や、チャネル別またはタイプ別のチケット量トレンド分析に不可欠です。取得元これはFreshdeskの「チケットアクティビティ」ログにおける明示的なイベントです。新しいチケットレコードが作成されると自動的に生成されます。取得作成時にチケットのアクティビティストリームに直接記録されます。イベントタイプ explicit
	初回応答送信	チケット作成後、エージェントが顧客に送信した最初の公開返信を示します。Freshdeskは、SLA追跡のために「初回応答時間」を測定するために、このイベントを明示的にキャプチャします。
その重要性これは、顧客対応力とSLAコンプライアンスを測定するための重要なマイルストーンです。このアクティビティまでの時間を分析することは、顧客との初回エンゲージメントにおける遅延を特定するのに役立ちます。取得元これはFreshdeskがSLA目的で追跡する特定のイベントです。エージェントが追加した最初の公開コメントのタイムスタンプに対応します。取得チケットの会話履歴における最初のエージェントによる公開返信によって識別されます。イベントタイプ explicit
	SLA違反	チケットの応答または解決にかかる時間が、定義されたSLAポリシー目標を超過した場合に発生する計算済みイベントです。FreshdeskはSLAステータスを追跡し、チケットを「違反」としてマークするため、このアクティビティを導き出すことができます。
その重要性このアクティビティは、サービスレベルのコミットメントがいつ、どこで満たされていないかを正確に特定することで、SLAコンプライアンス分析を直接サポートします。遅延のシステム的な原因を特定するために不可欠です。取得元このイベントは、チケットのSLAステータスを観察することによって推測または計算されます。チケットのSLAステータスが「違反」に変わったとき、または応答/解決のタイムスタンプをSLA目標と比較することによってアクティビティを生成できます。取得「解決までの時間」が「SLA目標解決時間」を超過した場合に、チケットデータから導出します。イベントタイプ calculated
	ステータスが保留に変更されました	このアクティビティは、エージェントが顧客からの情報を待っており、チケットのステータスを「保留中」に変更する際に発生します。このイベントは、チケットのアクティビティ履歴にステータス変更として明示的にログが記録されます。
その重要性プロセスが外部入力を待って一時停止している期間を特定します。このステータスで費やされた時間を分析することで、顧客側の遅延を定量化し、SLAタイマーがこの状態で一時停止されることが多いため、SLAコンプライアンス分析をサポートします。取得元「保留中」への移行を含む、すべてのステータス変更を記録する「チケットアクティビティ」ログから取得されます。取得チケットの「ステータス」フィールドが「保留中」に更新されたときに記録されるイベントです。イベントタイプ explicit
	チケット優先度変更	このイベントは、エージェントまたは自動化ルールがチケットの優先度レベルを、「低」から「高」などに変更したときに発生します。これはチケットのアクティビティログに明示的な更新として記録されます。
その重要性優先度の変更は、エスカレーションや問題の緊急性の再評価を示す可能性があります。これらの変更を分析することで、エスカレーションの要因とそれが解決時間に与える影響を理解するのに役立ちます。取得元「優先度」フィールドを含む、チケットプロパティへのすべての変更を記録する「チケットアクティビティ」ログから取得されます。取得「優先度」フィールドの値が更新されたときに記録されるイベントです。イベントタイプ explicit
	チケット再オープン	このアクティビティは、顧客がすでに「解決済み」の状態にあるチケットに返信したときに発生し、そのチケットのステータスを自動的に「オープン」に戻します。これはシステムによって記録される明示的なイベントです。
その重要性再オープン率が高いということは、最初の解決策が効果的でなく、手戻りや顧客不満につながっていることを示しています。このアクティビティの分析は、「チケット再オープン分析」と初回コンタクト解決率の向上にとって不可欠です。取得元このイベントは、顧客の返信が「解決済み」から「オープン」への自動的なステータス変更をトリガーしたときにキャプチャされます。このステータス変更は「チケットアクティビティ」ログに記録されます。取得顧客とのやり取りによってトリガーされる、「解決済み」から「オープン」へのステータス変更。イベントタイプ explicit
	チケット再割り当て	初回アサイン後にチケットがあるエージェントまたはグループから別のエージェントまたはグループに転送された際に発生します。これはチケットのアクティビティログに担当者の変更として明示的なイベントとして記録されます。
その重要性頻繁な再割り当て、または高いエージェント間転送率は、しばしば初期ルーティングの誤りやサイロ化された知識を示します。この分析は、初回コンタクト解決を改善する機会を正確に特定するのに役立ちます。取得元初回割り当て後の「チケットアクティビティ」ログにおける「エージェント」または「グループ」フィールドの変更を通じて追跡されます。取得最初の担当者割り当てが行われた後、「担当者」フィールドが更新されたことを示します。イベントタイプ explicit
	内部メモ追加	エージェントがチケットにプライベートメモを追加します。これは他のエージェントとの内部コラボレーションを目的としています。これはチケットのアクティビティストリームにキャプチャされる明示的なイベントで、エージェントのみが閲覧できます。
その重要性内部メモの追跡は、コラボレーションパターンを分析し、重要な内部議論を必要とする問題を特定するのに役立ちます。解決前の内部メモの頻度が高い場合、複雑な問題や知識のギャップを示唆する可能性があります。取得元チケットの会話履歴に「プライベートメモ」として記録され、顧客への公開返信とは区別されます。取得エージェントが「プライベート」としてマークされたメモを追加したときに記録されるイベントです。イベントタイプ explicit
	満足度調査送信済み	顧客満足度調査の送信を表します。これは通常、チケットが解決された後に自動化ルールによってトリガーされます。このイベントは、自動化アクションがチケットの履歴にログとして記録される場合にキャプチャされる可能性があります。
その重要性フィードバック収集プロセスの開始を示します。アンケート回答とプロセスバリアントを関連付けることで、プロセスパフォーマンスが顧客満足度にどのように影響するかについての深いインサイトを提供できます。取得元これは通常「自動化ルール」によってトリガーされます。チケットアクティビティログにおける個別のイベントとしてのその可視性は、Freshdeskの自動化のログ設定に依存します。取得チケット解決後の自動化ルール実行によって記録されたイベントです。イベントタイプ explicit
	顧客応答済み	顧客から受信した新しい返信またはコミュニケーションを表します。これはチケットの会話スレッドにおける明示的なイベントであり、通常、「保留中」から「オープン」へのステータス変更をトリガーします。
その重要性このアクティビティは、顧客インタラクションの往復の性質を理解し、顧客応答時間を測定するための鍵です。また、一時停止されたSLAタイマーを再開し、コンプライアンス指標に影響を与えます。取得元チケットの会話スレッドに新しいエントリとして記録されます。このイベントは顧客の連絡先レコードに関連付けられています。取得顧客担当者がチケットに追加した新しい公開メモです。イベントタイプ explicit

推奨任意

抽出ガイド

Freshdeskからデータを取得する方法

ステップ

チケットの表示およびエクスポート権限を持つ管理者アカウントでFreshdeskインスタンスにログインします。
左側のナビゲーションメニューからメインのチケットタブに移動し、チケットリストを表示します。
右側のチケットをフィルターパネルを使用して、データ抽出の範囲を定義します。最低でも、例えば過去6ヶ月など、作成日の期間を設定してください。データセットを絞り込むために、グループ、エージェント、ソースなどの他のフィルターを追加することもできます。
フィルターを適用したら、チケットリストの右上にある、トレイに下向きの矢印のように見えるエクスポートアイコンをクリックします。
チケットをエクスポートポップアップウィンドウで、含めたいフィールドを選択します。イベントログに必要なすべての関連するデフォルトおよびカスタムフィールド（チケットID、作成日時、解決日時、クローズ日時、初回応答日時、エージェント、グループ、ステータス、優先度、タイプ、その他有用なカスタムフィールド）を必ず選択してください。
選択を確認します。Freshdeskはバックグラウンドでエクスポート処理を開始します。データがCSVファイルとしてダウンロードできるリンクを含むメールが届きます。大規模なデータセットの場合、これには時間がかかる場合があります。
メール内のリンクからCSVファイルをダウンロードします。
エクスポートされたファイルには、チケットの現在の状態と主要なタイムスタンプを表す、チケットごとの1行が含まれています。イベントログを作成するには、このデータを変換する必要があります。
クエリセクションで提供されているPythonスクリプトのようなスクリプト、またはデータ準備ツールを使用して、タイムスタンプ列（作成日時、初回応答日時、解決日時、クローズ日時）を別々の行にアンピボットします。新しい行ごとに1つのアクティビティを表します。
元のタイムスタンプ列を特定のActivity名にマッピングします。例えば、「作成日時」列を「チケット作成」アクティビティにマッピングします。
必要な列（ServiceRequest、Activity、EventTime）と、その他の推奨される属性を含む最終的なイベントログCSVを生成します。
変換されたファイルを、プロセスマイニングツールへのアップロードに適したCSV形式で保存します。

設定

権限: アカウントからのチケットの表示およびエクスポート権限を持つ管理者またはカスタムロールが必要です。
日付範囲フィルター: 履歴全体のエクスポート（非常に時間がかかる場合があります）を避けるため、「作成日」または「クローズ日」の時間フィールドを使用して日付範囲を設定することが重要です。最初の分析には通常、3～6ヶ月の期間が推奨されます。
チケットフィールド: エクスポートダイアログでは、含めるフィールドを選択できます。Created at、First responded at、Resolved at、Closed at など、イベントログの基礎となる利用可能なすべてのタイムスタンプフィールドを必ず選択してください。また、Ticket ID のような識別子フィールドや、Agent、Group、Priority、Type のようなコンテキストフィールドも追加してください。
データ量: エクスポートは一度にエクスポートできるチケット数に制限があり、通常30,000チケットです。大規模なデータセットの場合、日付範囲を月単位など、より小さなチャンクに分割して複数回エクスポートする必要がある場合があります。
配信: エクスポートは非同期プロセスです。CSVファイルは直接ダウンロードされず、エクスポートを開始したユーザーのメールアドレスにダウンロードリンクとして送信されます。

a クエリ例 config

### Part 1: Freshdesk Export Configuration

This process uses the user interface for extraction. In the **Export Tickets** dialog, configure the following settings:

```json
{
  "filter_by": {
    "created": "[Specify Date Range, e.g., Last 6 Months]",
    "status": ["Open", "Pending", "Resolved", "Closed"],
    "// additional_filters": "Optionally filter by Group, Agent, Type, etc."
  },
  "export_fields": [
    "Ticket ID",
    "Created at",
    "First responded at",
    "Resolved at",
    "Closed at",
    "Group",
    "Agent",
    "Status",
    "Priority",
    "Type",
    "// include_custom_fields": "[Select any relevant custom fields]"
  ]
}
```

### Part 2: Data Transformation Script (Python with Pandas)

The exported CSV is a snapshot and must be transformed into an event log. The following script reshapes the data to create a row for each key activity.

```python
import pandas as pd

# --- Configuration ---
# Replace with the actual path to your downloaded Freshdesk CSV export
input_csv_path = 'freshdesk_export.csv'
output_csv_path = 'freshdesk_event_log.csv'

# --- Load Data ---
def transform_freshdesk_export(file_path):
    """Loads the Freshdesk export and transforms it into an event log."""
    try:
        df_raw = pd.read_csv(file_path)
    except FileNotFoundError:
        print(f"Error: The file {file_path} was not found.")
        return None

    # --- Rename and Select Columns ---
    # Adjust column names based on your specific export file
    column_mapping = {
        'Ticket ID': 'ServiceRequest',
        'Agent': 'AssignedAgent',
        'Type': 'ServiceRequestType',
        'Status': 'Status',
        'Priority': 'Priority',
        'Created at': 'Time_Ticket_Created',
        'First responded at': 'Time_First_Response_Sent',
        'Resolved at': 'Time_Ticket_Resolved',
        'Closed at': 'Time_Ticket_Closed'
    }
    df = df_raw.rename(columns=column_mapping)

    # Define the columns that are common to all events for a given ticket
    base_columns = ['ServiceRequest', 'AssignedAgent', 'ServiceRequestType', 'Status', 'Priority']
    # Ensure all required base columns exist
    for col in base_columns:
        if col not in df.columns:
            df[col] = None # Add missing columns as null

    # --- Unpivot Timestamp Columns to Create Events ---
    events = []
    activity_map = {
        'Time_Ticket_Created': 'Ticket Created',
        'Time_First_Response_Sent': 'First Response Sent',
        'Time_Ticket_Resolved': 'Ticket Resolved',
        'Time_Ticket_Closed': 'Ticket Closed'
    }

    for time_col, activity_name in activity_map.items():
        if time_col in df.columns:
            # Select rows where the timestamp exists
            df_event = df[df[time_col].notna()].copy()
            if not df_event.empty:
                df_event['Activity'] = activity_name
                df_event['EventTime'] = pd.to_datetime(df_event[time_col])
                events.append(df_event[base_columns + ['Activity', 'EventTime']])

    if not events:
        print("No events could be generated. Please check your column names and data.")
        return None

    # --- Combine, Sort, and Finalize ---
    df_event_log = pd.concat(events, ignore_index=True)

    # Calculate Resolution Time (optional, as an attribute)
    if 'Time_Ticket_Created' in df.columns and 'Time_Ticket_Resolved' in df.columns:
        df_res_time = df[['ServiceRequest', 'Time_Ticket_Created', 'Time_Ticket_Resolved']].dropna()
        df_res_time['ResolutionTime'] = (pd.to_datetime(df_res_time['Time_Ticket_Resolved']) - pd.to_datetime(df_res_time['Time_Ticket_Created'])).dt.total_seconds() / 3600.0 # In hours
        df_event_log = df_event_log.merge(df_res_time[['ServiceRequest', 'ResolutionTime']], on='ServiceRequest', how='left')

    # Sort the event log for proper ordering
    df_event_log = df_event_log.sort_values(by=['ServiceRequest', 'EventTime'], ascending=[True, True])

    return df_event_log

# --- Execute Transformation ---
if __name__ == "__main__":
    event_log = transform_freshdesk_export(input_csv_path)
    if event_log is not None:
        event_log.to_csv(output_csv_path, index=False)
        print(f"Event log successfully created at: {output_csv_path}")
```

ステップ

前提条件: システムにPython 3.6以降がインストールされていることを確認してください。API呼び出し用のrequestsとデータ操作用のpandasの必要なPythonライブラリをpip install requests pandasコマンドを実行してインストールします。
Freshdesk APIキーの取得: 管理者としてFreshdeskインスタンスにログインします。右上のプロフィールアイコンをクリックし、「プロフィール設定」を選択します。APIキーは右側に表示されます。このキーを安全にコピーしてください。
Pythonスクリプトのセットアップ: 新しいPythonファイル（例: extract_freshdesk.py）を作成します。「query」セクションに提供されている完全なPythonスクリプトをこのファイルにコピーします。
スクリプトパラメータの設定: スクリプトを開き、上部にあるプレースホルダー変数を更新します。DOMAINにはFreshdeskドメイン（例: yourcompany.freshdesk.com）、API_KEYには取得したキー、START_DATE_STRにはデータ抽出の希望開始日を「YYYY-MM-DD」形式で設定します。
スクリプトの実行: ターミナルからpython extract_freshdesk.pyコマンドを使用してスクリプトを実行します。スクリプトはFreshdesk APIからチケットデータのフェッチを開始します。
抽出の監視: スクリプトはコンソールに進捗状況を更新表示し、現在処理しているチケットのページを示します。日付範囲とチケット数によっては、APIレート制限のため、このプロセスにかなりの時間がかかる場合があります。
APIレスポンスの処理: スクリプトには、チケットをページごとにフェッチしてAPIページネーションを処理するロジックが含まれています。また、429 Too Many Requestsエラーが受信された場合は実行を一時停止し、Freshdeskが指定した期間後に再試行することで、APIレート制限を尊重します。
データ変換: 各チケットについて、スクリプトは関連する会話とアクティビティをフェッチします。その後、これらの生のJSONレスポンスを解析し、「チケット作成」、「ステータスが保留に変更」、「チケット解決」など、必要な13のアクティビティそれぞれについて明示的なレコードを識別および作成します。
出力の確認: スクリプトが完了すると、同じディレクトリにfreshdesk_event_log.csvというファイルが生成されます。このファイルには、抽出されたすべてのアクティビティと属性を含む構造化されたイベントログが含まれます。
アップロードの準備: 生成されたCSVファイルを開き、期待されるデータが含まれていることを確認します。ServiceRequest、Activity、EventTimeの各列が存在し、正しく入力されていることを確認します。これでファイルはProcessMindにアップロードする準備ができました。

設定

前提条件: チケットデータへの完全なアクセス権を持つAPIキーを取得するには、管理者権限を持つFreshdeskアカウントが必要です。Python 3.6以降、およびrequestsとpandasライブラリがインストールされている必要があります。
API認証情報: スクリプトには、お客様固有のFreshdesk DOMAINと有効なAPI_KEYが必要です。これらはスクリプト内で変数として設定する必要があります。
日付範囲: START_DATE_STR変数は、抽出の開始点を決定します。実行時間とAPI使用量を管理するため、3～6ヶ月のような短い範囲から始めることをお勧めします。スクリプトは効率のためにupdated_sinceフィルターを使用します。
APIエンドポイントバージョン: このスクリプトはFreshdesk v2 API用に構築されています。お客様のアカウントがこのバージョンと互換性があることを確認してください。
パフォーマンスに関する考慮事項: スクリプトはFreshdeskのAPIレート制限に従います。組み込みの遅延メカニズムにより、これらの制限を超えることを防ぎますが、これにより大量のデータ抽出は遅くなります。数年間の全履歴データをロードする場合は、スクリプトをバッチ処理で実行するか、オフピーク時に実行することを検討してください。
含まれるデータ: スクリプトはチケットとその関連する会話を取得するように設定されています。include=statsパラメーターは、解決時間や応答時間などのメタデータを効率的にフェッチするために使用されます。

a クエリ例 python

import requests
import pandas as pd
import time
import datetime
import re

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your Freshdesk domain
DOMAIN = class="hl-string">'[your_domain].freshdesk.com'
class=class="hl-string">"hl-comment"># Replace with your Freshdesk API Key
API_KEY = class="hl-string">'[your_api_key]'
class=class="hl-string">"hl-comment"># Set the start date for the extraction in class="hl-string">'YYYY-MM-DD' format.
START_DATE_STR = class="hl-string">'2023-01-01'

BASE_URL = fclass="hl-string">'https://{DOMAIN}/api/v2'
AUTH = (API_KEY, class="hl-string">'X')

def make_api_request(url, params=None):
    class="hl-string">"""Makes a GET request to the Freshdesk API, handling rate limits."""
    while True:
        try:
            response = requests.get(url, auth=AUTH, params=params)
            response.raise_for_status()
            return response
        except requests.exceptions.HTTPError as err:
            if err.response.status_code == 429:
                retry_after = int(err.response.headers.get(class="hl-string">'Retry-After', 60))
                print(fclass="hl-string">"Rate limit exceeded. Retrying after {retry_after} seconds...")
                time.sleep(retry_after)
            else:
                print(fclass="hl-string">"HTTP Error: {err}")
                return None
        except requests.exceptions.RequestException as err:
            print(fclass="hl-string">"Request Error: {err}")
            return None

def parse_iso_timestamp(ts):
    class="hl-string">"""Parses Freshdesk's ISO 8601 timestamp string."""
    if not ts or not isinstance(ts, str):
        return None
    return datetime.datetime.strptime(ts, class="hl-string">'%Y-%m-%dT%H:%M:%SZ')

def get_freshdesk_event_log(start_date):
    class="hl-string">"""Fetches and processes Freshdesk tickets to create an event log."""
    events = []
    page = 1
    
    class=class="hl-string">"hl-comment"># Convert start_date to the required format for the API query
    start_datetime = datetime.datetime.strptime(start_date, class="hl-string">'%Y-%m-%d')
    query_date = start_datetime.strftime(class="hl-string">'%Y-%m-%dT%H:%M:%SZ')

    while True:
        print(fclass="hl-string">"Fetching tickets page {page}...")
        tickets_url = fclass="hl-string">'{BASE_URL}/tickets'
        class=class="hl-string">"hl-comment"># Use class="hl-string">'updated_since' for incremental loads. For a full load, consider filtering by class="hl-string">'created_at'.
        params = {class="hl-string">'page': page, class="hl-string">'per_page': 100, class="hl-string">'order_by': class="hl-string">'updated_at', class="hl-string">'order_type': class="hl-string">'asc', class="hl-string">'updated_since': query_date, class="hl-string">'include': class="hl-string">'stats,requester'}
        
        response = make_api_request(tickets_url, params=params)
        if not response:
            break
            
        tickets_data = response.json()
        if not tickets_data:
            print(class="hl-string">"No more tickets found.")
            break

        for ticket in tickets_data:
            ticket_id = ticket[class="hl-string">'id']
            created_at = parse_iso_timestamp(ticket[class="hl-string">'created_at'])
            resolved_at = parse_iso_timestamp(ticket.get(class="hl-string">'stats', {}).get(class="hl-string">'resolved_at'))
            
            resolution_time_hours = (resolved_at - created_at).total_seconds() / 3600 if resolved_at and created_at else None

            common_attrs = {
                class="hl-string">'ServiceRequest': ticket_id,
                class="hl-string">'ServiceRequestType': ticket.get(class="hl-string">'type'),
                class="hl-string">'Priority': ticket.get(class="hl-string">'priority'),
                class="hl-string">'AssignedAgent': ticket.get(class="hl-string">'responder_id'),
                class="hl-string">'ResolutionTime': resolution_time_hours
            }
            
            class=class="hl-string">"hl-comment"># 1. Ticket Created
            events.append({
                **common_attrs,
                class="hl-string">'Activity': class="hl-string">'Ticket Created',
                class="hl-string">'EventTime': created_at.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S'),
                class="hl-string">'Status': class="hl-string">'Open' 
            })
            
            class=class="hl-string">"hl-comment"># 2. First Response Sent
            first_responded_at = ticket.get(class="hl-string">'stats', {}).get(class="hl-string">'first_responded_at')
            if first_responded_at:
                events.append({
                    **common_attrs,
                    class="hl-string">'Activity': class="hl-string">'First Response Sent',
                    class="hl-string">'EventTime': parse_iso_timestamp(first_responded_at).strftime(class="hl-string">'%Y-%m-%d %H:%M:%S'),
                    class="hl-string">'Status': ticket.get(class="hl-string">'status')
                })

            class=class="hl-string">"hl-comment"># Fetch conversations for detailed activities
            conv_url = fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/conversations'
            conv_response = make_api_request(conv_url)
            if conv_response:
                conversations = conv_response.json()
                for conv in conversations:
                    event_time = parse_iso_timestamp(conv[class="hl-string">'created_at']).strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')
                    
                    class=class="hl-string">"hl-comment"># 3. Customer Responded vs 4. Internal Note Added
                    if conv[class="hl-string">'source_type'] == class="hl-string">'note':
                        if conv.get(class="hl-string">'private', False):
                            events.append({
                                **common_attrs,
                                class="hl-string">'Activity': class="hl-string">'Internal Note Added',
                                class="hl-string">'EventTime': event_time,
                                class="hl-string">'Status': ticket.get(class="hl-string">'status')
                            })
                        else: class=class="hl-string">"hl-comment"># System generated notes for status changes etc.
                            body_text = conv.get(class="hl-string">'body_text', class="hl-string">'')
                            class=class="hl-string">"hl-comment"># 5. Status Changed to Pending
                            if class="hl-string">'Status changed from' in body_text and class="hl-string">'to Pending' in body_text:
                                events.append({**common_attrs, class="hl-string">'Activity': class="hl-string">'Status Changed to Pending', class="hl-string">'EventTime': event_time, class="hl-string">'Status': class="hl-string">'Pending'})
                            class=class="hl-string">"hl-comment"># 6. Ticket Assigned / Reassigned
                            if class="hl-string">'Assigned to' in body_text:
                                activity_name = class="hl-string">'Ticket Assigned' if any(e[class="hl-string">'Activity'] == class="hl-string">'Ticket Assigned' for e in events if e[class="hl-string">'ServiceRequest'] == ticket_id) else class="hl-string">'Ticket Reassigned'
                                events.append({**common_attrs, class="hl-string">'Activity': activity_name, class="hl-string">'EventTime': event_time, class="hl-string">'Status': ticket.get(class="hl-string">'status')})
                            class=class="hl-string">"hl-comment"># 7. Ticket Priority Changed
                            if class="hl-string">'Priority changed from' in body_text:
                                events.append({**common_attrs, class="hl-string">'Activity': class="hl-string">'Ticket Priority Changed', class="hl-string">'EventTime': event_time, class="hl-string">'Status': ticket.get(class="hl-string">'status')})
                            class=class="hl-string">"hl-comment"># 8. Satisfaction Survey Sent
                            if class="hl-string">'Satisfaction Survey was sent to the contact' in body_text:
                                events.append({**common_attrs, class="hl-string">'Activity': class="hl-string">'Satisfaction Survey Sent', class="hl-string">'EventTime': event_time, class="hl-string">'Status': ticket.get(class="hl-string">'status')})
                    else: class=class="hl-string">"hl-comment"># Not a note, so it's a reply
                        class=class="hl-string">"hl-comment"># 9. Customer Responded
                        if conv.get(class="hl-string">'incoming', False):
                            events.append({
                                **common_attrs,
                                class="hl-string">'Activity': class="hl-string">'Customer Responded',
                                class="hl-string">'EventTime': event_time,
                                class="hl-string">'Status': class="hl-string">'Open' class=class="hl-string">"hl-comment"># Typically a customer response re-opens the ticket
                            })
            
            class=class="hl-string">"hl-comment"># 10. SLA Breached
            if ticket.get(class="hl-string">'fr_escalated', False) or ticket.get(class="hl-string">'resolution_escalated', False):
                 breach_time = ticket.get(class="hl-string">'stats', {}).get(class="hl-string">'status_updated_at', ticket.get(class="hl-string">'updated_at'))
                 events.append({
                    **common_attrs,
                    class="hl-string">'Activity': class="hl-string">'SLA Breached',
                    class="hl-string">'EventTime': parse_iso_timestamp(breach_time).strftime(class="hl-string">'%Y-%m-%d %H:%M:%S'),
                    class="hl-string">'Status': ticket.get(class="hl-string">'status')
                })

            class=class="hl-string">"hl-comment"># 11. Ticket Resolved
            if resolved_at:
                events.append({
                    **common_attrs,
                    class="hl-string">'Activity': class="hl-string">'Ticket Resolved',
                    class="hl-string">'EventTime': resolved_at.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S'),
                    class="hl-string">'Status': class="hl-string">'Resolved'
                })

            class=class="hl-string">"hl-comment"># 12. Ticket Reopened
            reopened_at = ticket.get(class="hl-string">'stats', {}).get(class="hl-string">'reopened_at')
            if reopened_at:
                events.append({
                    **common_attrs,
                    class="hl-string">'Activity': class="hl-string">'Ticket Reopened',
                    class="hl-string">'EventTime': parse_iso_timestamp(reopened_at).strftime(class="hl-string">'%Y-%m-%d %H:%M:%S'),
                    class="hl-string">'Status': class="hl-string">'Open'
                })
                
            class=class="hl-string">"hl-comment"># 13. Ticket Closed
            closed_at = ticket.get(class="hl-string">'stats', {}).get(class="hl-string">'closed_at')
            if closed_at:
                events.append({
                    **common_attrs,
                    class="hl-string">'Activity': class="hl-string">'Ticket Closed',
                    class="hl-string">'EventTime': parse_iso_timestamp(closed_at).strftime(class="hl-string">'%Y-%m-%d %H:%M:%S'),
                    class="hl-string">'Status': class="hl-string">'Closed'
                })

        page += 1

    class=class="hl-string">"hl-comment"># Create DataFrame and sort by time
    df = pd.DataFrame(events)
    df[class="hl-string">'EventTime'] = pd.to_datetime(df[class="hl-string">'EventTime'])
    df = df.sort_values(by=[class="hl-string">'ServiceRequest', class="hl-string">'EventTime']).reset_index(drop=True)
    df[class="hl-string">'EventTime'] = df[class="hl-string">'EventTime'].dt.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')

    return df

if __name__ == class="hl-string">'__main__':
    print(class="hl-string">"Starting Freshdesk data extraction...")
    event_log_df = get_freshdesk_event_log(START_DATE_STR)
    if not event_log_df.empty:
        output_filename = class="hl-string">'freshdesk_event_log.csv'
        event_log_df.to_csv(output_filename, index=False)
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")
    else:
        print(class="hl-string">"No data extracted.")

ステップ

チケットの表示およびエクスポート権限を持つ管理者アカウントでFreshdeskインスタンスにログインします。
左側のナビゲーションメニューからメインのチケットタブに移動し、チケットリストを表示します。
右側のチケットをフィルターパネルを使用して、データ抽出の範囲を定義します。最低でも、例えば過去6ヶ月など、作成日の期間を設定してください。データセットを絞り込むために、グループ、エージェント、ソースなどの他のフィルターを追加することもできます。
フィルターを適用したら、チケットリストの右上にある、トレイに下向きの矢印のように見えるエクスポートアイコンをクリックします。
チケットをエクスポートポップアップウィンドウで、含めたいフィールドを選択します。イベントログに必要なすべての関連するデフォルトおよびカスタムフィールド（チケットID、作成日時、解決日時、クローズ日時、初回応答日時、エージェント、グループ、ステータス、優先度、タイプ、その他有用なカスタムフィールド）を必ず選択してください。
選択を確認します。Freshdeskはバックグラウンドでエクスポート処理を開始します。データがCSVファイルとしてダウンロードできるリンクを含むメールが届きます。大規模なデータセットの場合、これには時間がかかる場合があります。
メール内のリンクからCSVファイルをダウンロードします。
エクスポートされたファイルには、チケットの現在の状態と主要なタイムスタンプを表す、チケットごとの1行が含まれています。イベントログを作成するには、このデータを変換する必要があります。
クエリセクションで提供されているPythonスクリプトのようなスクリプト、またはデータ準備ツールを使用して、タイムスタンプ列（作成日時、初回応答日時、解決日時、クローズ日時）を別々の行にアンピボットします。新しい行ごとに1つのアクティビティを表します。
元のタイムスタンプ列を特定のActivity名にマッピングします。例えば、「作成日時」列を「チケット作成」アクティビティにマッピングします。
必要な列（ServiceRequest、Activity、EventTime）と、その他の推奨される属性を含む最終的なイベントログCSVを生成します。
変換されたファイルを、プロセスマイニングツールへのアップロードに適したCSV形式で保存します。

設定

権限: アカウントからのチケットの表示およびエクスポート権限を持つ管理者またはカスタムロールが必要です。
日付範囲フィルター: 履歴全体のエクスポート（非常に時間がかかる場合があります）を避けるため、「作成日」または「クローズ日」の時間フィールドを使用して日付範囲を設定することが重要です。最初の分析には通常、3～6ヶ月の期間が推奨されます。
チケットフィールド: エクスポートダイアログでは、含めるフィールドを選択できます。Created at、First responded at、Resolved at、Closed at など、イベントログの基礎となる利用可能なすべてのタイムスタンプフィールドを必ず選択してください。また、Ticket ID のような識別子フィールドや、Agent、Group、Priority、Type のようなコンテキストフィールドも追加してください。
データ量: エクスポートは一度にエクスポートできるチケット数に制限があり、通常30,000チケットです。大規模なデータセットの場合、日付範囲を月単位など、より小さなチャンクに分割して複数回エクスポートする必要がある場合があります。
配信: エクスポートは非同期プロセスです。CSVファイルは直接ダウンロードされず、エクスポートを開始したユーザーのメールアドレスにダウンロードリンクとして送信されます。

a クエリ例 config

### Part 1: Freshdesk Export Configuration

This process uses the user interface for extraction. In the **Export Tickets** dialog, configure the following settings:

```json
{
  "filter_by": {
    "created": "[Specify Date Range, e.g., Last 6 Months]",
    "status": ["Open", "Pending", "Resolved", "Closed"],
    "// additional_filters": "Optionally filter by Group, Agent, Type, etc."
  },
  "export_fields": [
    "Ticket ID",
    "Created at",
    "First responded at",
    "Resolved at",
    "Closed at",
    "Group",
    "Agent",
    "Status",
    "Priority",
    "Type",
    "// include_custom_fields": "[Select any relevant custom fields]"
  ]
}
```

### Part 2: Data Transformation Script (Python with Pandas)

The exported CSV is a snapshot and must be transformed into an event log. The following script reshapes the data to create a row for each key activity.

```python
import pandas as pd

# --- Configuration ---
# Replace with the actual path to your downloaded Freshdesk CSV export
input_csv_path = 'freshdesk_export.csv'
output_csv_path = 'freshdesk_event_log.csv'

# --- Load Data ---
def transform_freshdesk_export(file_path):
    """Loads the Freshdesk export and transforms it into an event log."""
    try:
        df_raw = pd.read_csv(file_path)
    except FileNotFoundError:
        print(f"Error: The file {file_path} was not found.")
        return None

    # --- Rename and Select Columns ---
    # Adjust column names based on your specific export file
    column_mapping = {
        'Ticket ID': 'ServiceRequest',
        'Agent': 'AssignedAgent',
        'Type': 'ServiceRequestType',
        'Status': 'Status',
        'Priority': 'Priority',
        'Created at': 'Time_Ticket_Created',
        'First responded at': 'Time_First_Response_Sent',
        'Resolved at': 'Time_Ticket_Resolved',
        'Closed at': 'Time_Ticket_Closed'
    }
    df = df_raw.rename(columns=column_mapping)

    # Define the columns that are common to all events for a given ticket
    base_columns = ['ServiceRequest', 'AssignedAgent', 'ServiceRequestType', 'Status', 'Priority']
    # Ensure all required base columns exist
    for col in base_columns:
        if col not in df.columns:
            df[col] = None # Add missing columns as null

    # --- Unpivot Timestamp Columns to Create Events ---
    events = []
    activity_map = {
        'Time_Ticket_Created': 'Ticket Created',
        'Time_First_Response_Sent': 'First Response Sent',
        'Time_Ticket_Resolved': 'Ticket Resolved',
        'Time_Ticket_Closed': 'Ticket Closed'
    }

    for time_col, activity_name in activity_map.items():
        if time_col in df.columns:
            # Select rows where the timestamp exists
            df_event = df[df[time_col].notna()].copy()
            if not df_event.empty:
                df_event['Activity'] = activity_name
                df_event['EventTime'] = pd.to_datetime(df_event[time_col])
                events.append(df_event[base_columns + ['Activity', 'EventTime']])

    if not events:
        print("No events could be generated. Please check your column names and data.")
        return None

    # --- Combine, Sort, and Finalize ---
    df_event_log = pd.concat(events, ignore_index=True)

    # Calculate Resolution Time (optional, as an attribute)
    if 'Time_Ticket_Created' in df.columns and 'Time_Ticket_Resolved' in df.columns:
        df_res_time = df[['ServiceRequest', 'Time_Ticket_Created', 'Time_Ticket_Resolved']].dropna()
        df_res_time['ResolutionTime'] = (pd.to_datetime(df_res_time['Time_Ticket_Resolved']) - pd.to_datetime(df_res_time['Time_Ticket_Created'])).dt.total_seconds() / 3600.0 # In hours
        df_event_log = df_event_log.merge(df_res_time[['ServiceRequest', 'ResolutionTime']], on='ServiceRequest', how='left')

    # Sort the event log for proper ordering
    df_event_log = df_event_log.sort_values(by=['ServiceRequest', 'EventTime'], ascending=[True, True])

    return df_event_log

# --- Execute Transformation ---
if __name__ == "__main__":
    event_log = transform_freshdesk_export(input_csv_path)
    if event_log is not None:
        event_log.to_csv(output_csv_path, index=False)
        print(f"Event log successfully created at: {output_csv_path}")
```

お客様のカスタマーサービスデータテンプレート

お客様のカスタマーサービスデータテンプレート

カスタマーサービス属性

カスタマーサービスアクティビティ

抽出ガイド

FreshdeskネイティブチケットデータのCSVエクスポート

ステップ

設定

a クエリ例 config

Freshdesk REST APIを介したPythonスクリプトによる抽出

ステップ

設定

a クエリ例 python

Freshdeskコネクタを備えたサードパーティETLツール

ステップ

設定

a クエリ例 config

今すぐ始めますか？

今すぐFreshdeskカスタマーサービスを最適化

お客様のカスタマーサービスデータテンプレート

お客様のカスタマーサービスデータテンプレート

カスタマーサービス属性

カスタマーサービスアクティビティ

抽出ガイド

FreshdeskネイティブチケットデータのCSVエクスポート

ステップ

設定

a クエリ例 config

Freshdesk REST APIを介したPythonスクリプトによる抽出

ステップ

設定

a クエリ例 python

Freshdeskコネクタを備えたサードパーティETLツール

ステップ

設定

a クエリ例 config

お客様のプライバシーを大切にしています

今すぐ始めますか？

今すぐFreshdeskカスタマーサービスを最適化