> Continue verbetering > Klantenservice > Zendesk Support > datatemplate

Uw Klantenservice Data Template

Zendesk Support

Klantenservice `Attributes` (19) Klantenservice `Activities` (14) Extractie Guides (4)

Uw Klantenservice Data Template

Deze template helpt u de juiste data te verzamelen voor het analyseren van uw klantenserviceproces. Het schetst essentiële data attributes om te verzamelen, belangrijke activiteiten om te volgen, en biedt praktische begeleiding over hoe deze informatie te extraheren. Met behulp van deze gids kunt u een robuuste event log bouwen om inzichten te ontdekken en uw serviceoperaties te verbeteren.

Aanbevolen attributen om vast te leggen
Belangrijke activiteiten om te volgen voor uw klantenserviceproces
Extractie begeleiding voor Zendesk Support

Nieuw met event logs? Leer hoe je een process mining event log creëert.

Template downloaden

Klantenservice `Attributes`

Dit zijn de aanbevolen data velden om op te nemen in uw event log voor uitgebreide klantenserviceanalyse.

5 Verplicht 7 Aanbevolen 7 Optioneel

	Naam	Omschrijving
	Serviceaanvraag ServiceRequest	De unieke identificatie voor elke klantenserviceaanvraag, ook bekend als een ticket of case.
Omschrijving De Serviceaanvraag is de primaire case identifier die alle activiteiten koppelt die gerelateerd zijn aan één klantvraag of -probleem, van creatie tot uiteindelijke oplossing. Elke interactie, update of interne actie is gekoppeld aan deze unieke ID. In process mining maakt het analyseren van events gegroepeerd op Serviceaanvraag een compleet end-to-end beeld mogelijk van het klantenserviceproces. Het is de basis voor het berekenen van belangrijke metrics zoals totale oplostijd, het identificeren van procesafwijkingen en het begrijpen van de levenscyclus van elk klantprobleem. Het belang Dit is de essentiële Case ID die alle processtappen verbindt, waardoor de reconstructie en analyse van elke individuele klantenservice journey mogelijk is. Vindplaats Zendesk Tickets API, `id` field. Voorbeelden 102451287415332
	Starttijd StartTime	De `timestamp` die aangeeft wanneer een `activiteit` of `event` begon.
Omschrijving De Starttijd, of event timestamp, registreert de exacte datum en tijd waarop een specifieke activiteit plaatsvond. Het legt bijvoorbeeld vast wanneer een klantopmerking werd toegevoegd, wanneer een agent werd toegewezen, of wanneer de ticketstatus veranderde naar 'Opgelost'. Deze timestamp is fundamenteel voor process mining aangezien het de chronologische volgorde van events vaststelt. Het wordt gebruikt om tijdsduren tussen activiteiten te berekenen, cyclustijden te meten, prestaties te analyseren ten opzichte van SLA's, en de temporele dynamiek van het serviceproces te begrijpen. Het belang Deze timestamp is essentieel voor het ordenen van events, het berekenen van tijdsduren en het analyseren van de tijdlijn van het serviceaanvraagproces. Vindplaats Zendesk Ticket Audits API, `created_at` field voor elke event in de audit trail. Voorbeelden 2023-04-15T10:00:00Z2023-04-15T10:05:14Z2023-04-16T14:30:00Z
	Activiteitsnaam ActivityName	De naam van de specifieke event of taak die plaatsvond binnen de levenscyclus van de serviceaanvraag.
Omschrijving De Activiteitsnaam beschrijft een enkele stap of mijlpaal in het klantenserviceproces, zoals 'Serviceaanvraag aangemaakt', 'Aanvraag toegewezen aan Agent', of 'Serviceaanvraag opgelost'. Deze events zijn voorzien van een timestamp en vormen de sequentie van acties voor elke serviceaanvraag. Dit attribuut is cruciaal voor het visualiseren van de processtroom, het ontdekken van procesvarianten en het analyseren van de frequentie en volgorde van events. Het stelt analisten in staat te begrijpen welke acties worden uitgevoerd en om veelvoorkomende paden, knelpunten en afwijkingen van de standaardprocedure te identificeren. Het belang Dit attribuut definieert de stappen in het proces, waardoor de visualisatie van de proceskaart en analyse van processtromen en variaties mogelijk is. Vindplaats Afgeleid van Zendesk ticket audit logs of event streams die wijzigingen en acties vastleggen. Voorbeelden Serviceverzoek AangemaaktAanvraag Toegewezen aan AgentEerste Publieke Reactie Agent VerzondenServiceaanvraag Opgelost
	Bronsysteem SourceSystem	Het bronsysteem waaruit de data is geëxtraheerd.
Omschrijving Dit attribuut specificeert het oorspronkelijke systeem voor de serviceaanvraag data, wat in dit geval Zendesk Support is. Het helpt bij data governance en -herkomst, vooral bij het combineren van data uit meerdere systemen. In analyse zorgt het ervoor dat data correct wordt toegeschreven aan de bron, wat belangrijk is voor het handhaven van data-integriteit en het begrijpen van de context van het proces, met name in multi-systeem omgevingen. Het belang Identificeert de herkomst van de data, wat cruciaal is voor data governance en voor het onderscheiden van procesdata in geïntegreerde omgevingen. Vindplaats Dit is een statische waarde, toegevoegd tijdens het data-extractieproces, om de herkomst van de data te labelen. Voorbeelden Zendesk Support
	Laatste data-update LastDataUpdate	De tijdstempel van de meest recente verversing of extractie van gegevens uit het bronsysteem.
Omschrijving Dit attribuut geeft aan wanneer de dataset voor het laatst werd bijgewerkt vanuit Zendesk Support. Het biedt context over de actualiteit van de geanalyseerde data. Het kennen van de laatste update-tijd is cruciaal voor analisten en zakelijke gebruikers om te begrijpen of ze de meest actuele procesinformatie bekijken. Het helpt verwachtingen te beheren over de actualiteit van de data en is essentieel voor rapportage- en monitoringdoeleinden. Het belang Biedt duidelijkheid over de actualiteit van de data, zodat gebruikers begrijpen hoe actueel de procesanalyse is. Vindplaats Dit is een metadata veld, gegenereerd en opgeslagen tijdens het data-extractieproces, dat de timestamp van de extractietaak vastlegt. Voorbeelden 2023-10-27T02:00:00Z
	Beoogde SLA-Oplostijd SlaTargetResolutionTime	De beoogde duur waarbinnen een serviceaanvraag naar verwachting wordt opgelost, gebaseerd op het SLA-beleid.
Omschrijving Dit attribuut definieert het Service Level Agreement (SLA) doel voor het oplossen van een ticket. Dit doel is vaak dynamisch en hangt af van factoren zoals de prioriteit, het type van de aanvraag of het serviceplan van de klant. Dit is een fundamenteel attribuut voor het 'SLA Compliance Performance' dashboard. Het dient als de benchmark waartegen de werkelijke oplostijd wordt gemeten. Het analyseren van prestaties ten opzichte van dit doel helpt de kwaliteit van de dienstverlening te kwantificeren en zorgt ervoor dat contractuele verplichtingen aan klanten worden nagekomen. Het belang Definieert de servicebelofte aan de klant en dient als benchmark voor het meten van tijdige prestaties en SLA-compliance. Vindplaats Afgeleid van de SLA-policies die op een ticket worden toegepast. Deze informatie is beschikbaar via de Zendesk Ticket Metrics API. Voorbeelden 144002880086400
	Communicatiekanaal CommunicationChannel	Het kanaal waarlangs de serviceaanvraag werd ingediend of communicatie plaatsvond.
Omschrijving Dit attribuut identificeert de gebruikte communicatiemethode, zoals e-mail, webformulier, chat of telefoon. Het weerspiegelt hoe klanten interacteren met de servicedesk. Inzicht in kanaalgebruik is belangrijk voor resourceplanning en het verbeteren van de klantervaring. Het 'Communication Channel Usage Overview' dashboard analyseert deze data om te zien welke kanalen het populairst zijn en of bepaalde kanalen geassocieerd zijn met langere oplostijden of verschillende procespaden. Het kan helpen bij de beslissing waar te investeren in serviceverbeteringen of automatisering. Het belang Toont hoe klanten en agents interacteren, waardoor analyse van kanaalefficiëntie en de impact ervan op het proces en de klantervaring mogelijk is. Vindplaats Zendesk Tickets API, `via.channel` field. Voorbeelden webe-mailapichat
	Is `SLA` Geschonden IsSlaBreached	Een boolean flag die aangeeft of de oplostijd van de serviceaanvraag de SLA-doelstelling heeft overschreden.
Omschrijving Dit berekende attribuut is een eenvoudige 'true' of 'false' vlag die aangeeft of een serviceaanvraag niet voldeed aan de gedefinieerde Service Level Agreement (SLA) voor oplostijd. Het wordt afgeleid door de werkelijke oplosduur te vergelijken met de geplande SLA-doelstelling. Deze vlag vereenvoudigt de SLA compliance analyse. Het is het kerndatapunt voor het 'SLA Compliance Performance' dashboard en de 'SLA Compliance Rate' KPI, wat snelle aggregatie en visualisatie mogelijk maakt van hoeveel aanvragen aan de servicedoelen voldoen versus hoeveel niet. Het belang Biedt een duidelijk, binair resultaat voor SLA-prestaties per case, wat compliance monitoring en rapportage vereenvoudigt. Vindplaats Berekend tijdens data transformatie door de totale oplostijd te vergelijken met de SlaTargetResolutionTime. Voorbeelden truefalse
	Oplostijd ServiceRequestResolutionTime	De totale verstreken tijd vanaf het moment dat een serviceaanvraag werd aangemaakt totdat deze definitief werd opgelost.
Omschrijving Deze metric meet de end-to-end duur van een serviceaanvraag. Het wordt berekend als het verschil tussen de timestamp van de activiteit 'Service Request Resolved' en de activiteit 'Service Request Created'. Dit is een van de belangrijkste KPI's voor elk klantenserviceproces. Het is de primaire metric voor het 'Service Request Resolution Time Analysis' dashboard en de 'Average Service Request Resolution Time' KPI. Het analyseren van deze duur helpt systemische vertragingen te identificeren en de algehele efficiëntie van het supportproces te meten. Het belang Meet de end-to-end doorlooptijd van een case, een kritieke KPI voor het beoordelen van de algehele procesefficiëntie en klantervaring. Vindplaats Berekend door de creation timestamp af te trekken van de final resolution timestamp voor elke Service Request. Voorbeelden 720086400172800
	Prioriteit Priority	Het prioriteitsniveau toegewezen aan de serviceaanvraag, zoals 'Laag', 'Normaal', 'Hoog' of 'Urgent'.
Omschrijving Prioriteit geeft de urgentie van een serviceaanvraag aan en beïnvloedt vaak de positie in de wachtrij en de beoogde oplostijd. Het helpt agents om zich eerst te richten op de meest kritieke problemen. Dit attribuut is essentieel voor prestatie- en SLA-analyse. Het 'Serviceaanvraag Oplostijd Analyse' dashboard gebruikt prioriteit om data te segmenteren, wat onthult of aanvragen met hoge prioriteit sneller worden afgehandeld dan die met lagere prioriteit en of resources effectief worden toegewezen volgens de bedrijfsbehoeften. Het belang Geeft de urgentie van een aanvraag aan, wat cruciaal is voor het analyseren van SLA-compliance en het waarborgen dat kritieke problemen snel worden aangepakt. Vindplaats Zendesk Tickets API, `priority` field. Voorbeelden LaagNormaalHoog`Urgent`
	Serviceaanvraagtype ServiceRequestType	De classificatie van de serviceaanvraag, zoals 'Vraag', 'Incident', 'Probleem' of 'Taak'.
Omschrijving Dit attribuut categoriseert de serviceaanvraag op basis van de aard ervan. Deze classificatie wordt doorgaans ingesteld wanneer de aanvraag wordt aangemaakt of getrieerd en helpt de juiste workflow en prioriteit te bepalen. In analyse is segmenteren op Serviceaanvraagtype fundamenteel. Het maakt het vergelijken van oplostijden, escalatiepercentages en processtromen voor verschillende soorten problemen mogelijk, zoals getoond in dashboards zoals 'Service Request Resolution Time Analysis' en 'Internal Escalation Rate & Causes'. Dit helpt te identificeren of bepaalde soorten aanvragen problematischer of inefficiënter zijn om af te handelen. Het belang Categoriseert aanvragen voor prestatievergelijking en analyse over verschillende soorten problemen, wat cruciaal is voor gerichte procesverbetering. Vindplaats Zendesk Tickets API, `type` field. Voorbeelden Vraag`Incident`ProblemTask
	Toegewezen agent AssignedAgent	De naam of ID van de klantenserviceagent die is toegewezen om de serviceaanvraag af te handelen.
Omschrijving Dit attribuut identificeert de specifieke agent die verantwoordelijk is voor een activiteit of de serviceaanvraag op een bepaald moment. Het kan gedurende de levenscyclus veranderen als de aanvraag opnieuw wordt toegewezen. Analyseren per Toegewezen Agent is cruciaal voor het begrijpen van de agentwerkdruk, prestaties en efficiëntie. Het ondersteunt het 'Agent Workload and Efficiency' dashboard door vergelijkingen van afhandeltijden en case volumes over verschillende agents mogelijk te maken, wat helpt bij het identificeren van coachingsmogelijkheden en het waarborgen van evenwichtige werkdrukken. Het belang Houdt bij welke agent een actie heeft uitgevoerd, waardoor analyse mogelijk is van individuele prestaties, werkdrukverdeling en resource toewijzing. Vindplaats Zendesk Tickets API, `assignee_id` field. Gebruikersdetails kunnen worden opgehaald uit de Users API. Voorbeelden John SmithJane DoeSupportBot
	Aantal informatieaanvragen InformationRequestCount	Het totale aantal keren dat informatie werd opgevraagd bij de klant voor één serviceaanvraag.
Omschrijving Deze berekende metric telt de voorkomens van de activiteit 'Informatie opgevraagd bij klant' voor elke serviceaanvraag. Een hoge telling suggereert dat agents niet alle benodigde informatie vooraf verzamelen. Dit attribuut wordt gebruikt in het 'Analyse van herhaalde informatieaanvragen' dashboard. Het bijhouden van deze telling helpt bij het identificeren van procesinefficiënties en gebieden voor agenttraining. Het verminderen van het aantal keren dat informatie wordt opgevraagd kan de oplostijden aanzienlijk verkorten en de klantervaring verbeteren. Het belang Kwantificeert heen-en-weer communicatie met de klant, benadrukt inefficiënties die oplostijden verlengen en de klantervaring verslechteren. Vindplaats Berekend door het aantal events te tellen waarbij de ActivityName 'Informatie aangevraagd van klant' is voor elke Service Request. Voorbeelden 013
	Agentgroep AgentGroup	De supportgroep of het team waaraan de serviceaanvraag is toegewezen.
Omschrijving Dit attribuut vertegenwoordigt het team van agents dat verantwoordelijk is voor de serviceaanvraag. Aanvragen worden vaak naar specifieke groepen gerouteerd op basis van vaardigheid, productgebied of taal. Analyseren per Agent Groep helpt bij het begrijpen van teamprestaties, werkdrukverdeling en escalatiepatronen tussen teams. Het biedt een hoger niveau van inzicht dan individuele agentanalyse en kan helpen bij het identificeren van systemische problemen binnen specifieke afdelingen of functies. Het belang Houdt teamverantwoordelijkheid bij, waardoor analyse mogelijk is van groepsprestaties, interteamoverdrachten en resource toewijzing over verschillende supportlagen of specialismen. Vindplaats Zendesk Tickets API, `group_id` field. Groepsdetails kunnen worden opgehaald uit de Groups API. Voorbeelden Tier 1 SupportTechnische SupportFacturatie
	Eindtijd EndTime	De timestamp die aangeeft wanneer een activiteit of event is voltooid.
Omschrijving De Eindtijd vertegenwoordigt de voltooiingstijd van een activiteit. In veel event log structuren kan de Starttijd van de volgende activiteit dienen als de Eindtijd van de huidige. Voor statusgebaseerde activiteiten zoals 'Agent onderzoekt probleem' markeert het wanneer die status is afgesloten. Dit attribuut is essentieel voor het berekenen van de exacte duur van activiteiten, wat een kerncomponent is van prestatieanalyse. Het helpt te identificeren welke stappen het meest tijdrovend zijn en vormt de basis voor gedetailleerde knelpuntanalyse en berekeningen van resource-efficiëntie. Het belang Maakt de berekening van activiteitsduur mogelijk, wat essentieel is voor het identificeren van knelpunten en het meten van prestaties. Vindplaats Dit wordt vaak afgeleid door de StartTime te nemen van de daaropvolgende event in de sequentie voor een gegeven Serviceaanvraag. Voorbeelden 2023-04-15T10:05:14Z2023-04-15T11:20:30Z2023-04-16T15:00:00Z
	Is Heropend IsReopened	Een boolean flag die aangeeft of een serviceaanvraag opnieuw werd geopend nadat deze als opgelost was gemarkeerd.
Omschrijving Dit attribuut is een vlag die waar wordt als een serviceaanvraag teruggaat naar een open status nadat deze eerder was ingesteld op opgelost of gesloten. Het signaleert dat de initiële oplossing niet voldoende was. Deze vlag is cruciaal voor het volgen van herwerk en mislukte 'first-contact resolution'. Het ondersteunt direct het 'Reopened Service Request Trends' dashboard en de 'Service Request Reopen Rate' KPI door het gemakkelijk te maken de cases te tellen en te analyseren die extra aandacht vereisen, wat vaak diepere onderliggende problemen aangeeft. Het belang Identificeert herwerk en mislukte oplossingen, en helpt bij het meten van de kwaliteit en effectiviteit van de geboden oplossingen. Vindplaats Berekend tijdens data transformatie door te controleren of de status van een ticket verandert van 'resolved' of 'closed' terug naar 'open'. Voorbeelden truefalse
	Oplossingscode ResolutionCode	Een code of categorie die de reden aangeeft voor de uiteindelijke oplossing of sluiting van de aanvraag.
Omschrijving De Oplossingscode biedt gestructureerde informatie over de uitkomst van een serviceaanvraag. Voorbeelden zijn 'Opgelost door Agent', 'Duplicaat', 'Geen actie nodig' of 'Bekend probleem'. Het biedt meer context dan een eenvoudige 'Gesloten' status. Dit attribuut is bijzonder waardevol voor grondoorzaakanalyse. Voor het 'Trends in heropende serviceaanvragen' dashboard kan het analyseren van heropeningspercentages per oplossingscode onthullen of bepaalde soorten oplossingen minder effectief zijn, waardoor klanten opnieuw contact moeten opnemen met support. Het belang Biedt inzicht in de uitkomst van een serviceaanvraag, wat cruciaal is voor grondoorzaakanalyse en om te begrijpen waarom aanvragen worden heropend. Vindplaats Dit is doorgaans een aangepast ticketveld in Zendesk. De exacte veldnaam hangt af van de specifieke Zendesk configuratie. Voorbeelden Eerste contact oplossingGeëscaleerd naar `Tier 2`Wachtend op klantProductfout
	Product Servicecategorie ProductServiceCategory	Het specifieke product, de service of functie waar de aanvraag van de klant over gaat.
Omschrijving Dit attribuut biedt gedetailleerde context door de serviceaanvraag te categoriseren op basis van een product- of servicegebied. Het wordt vaak handmatig ingesteld door een agent of automatisch op basis van de inhoud van de aanvraag. Deze categorisatie is essentieel voor de 'Request Categorization Accuracy' en 'Investigation Cycle Time Breakdown' dashboards. Het maakt een diepgaande analyse mogelijk in welke producten de meeste supportaanvragen genereren, welke het meest complex zijn om op te lossen, en of de initiële categorisatie overeenkomt met de uiteindelijke oplossing, wat helpt bij het verbeteren van routering en agenttraining. Het belang Koppelt aanvragen aan specifieke zakelijke gebieden, producten of services, waardoor gerichte analyse mogelijk wordt van probleemgebieden en hun impact op het proces. Vindplaats Dit is doorgaans een aangepast ticketveld in Zendesk. De exacte veldnaam hangt af van de specifieke Zendesk configuratie. Voorbeelden Mobiele appAbonnementenbeheerAPI IntegratieHardware
	Tevredenheidsbeoordeling SatisfactionRating	De tevredenheidsscore gegeven door de klant nadat de serviceaanvraag was opgelost.
Omschrijving Dit attribuut legt de feedback van de klant vast over hun service-ervaring, doorgaans verzameld via een enquête nadat het ticket is opgelost. Gangbare beoordelingen zijn 'Goed', 'Slecht' of een numerieke score. Dit is een directe meting van klanttevredenheid en is een belangrijke uitkomstmetric. Het wordt gebruikt om de 'Klanttevredenheidsscore' KPI te berekenen. Het analyseren van tevredenheidsscores in combinatie met procesdata, zoals oplostijd of het aantal agentinteracties, kan onthullen welke procesgedragingen leiden tot betere klantresultaten. Het belang Meet direct klantfeedback over de geleverde service, en koppelt procesprestaties aan klantresultaten. Vindplaats Zendesk Tickets API, `satisfaction_rating.score` field. Voorbeelden goodbadaangeboden

Verplicht Aanbevolen Optioneel

Klantenservice `Activities`

Dit zijn de belangrijkste processtappen en mijlpalen om vast te leggen in uw event log voor accurate klantenservice procesontdekking.

6 Aanbevolen 8 Optioneel

	Activiteit	Omschrijving
	Aanvraag Toegewezen aan Agent	Deze event geeft aan dat de serviceaanvraag is toegewezen aan een specifieke agent voor afhandeling. Het kan automatisch gebeuren op basis van routeringsregels of handmatig door een teamleider of agent.
Het belang Toewijzing is een kritieke mijlpaal voor verantwoordelijkheid en werkdrukbeheer. Het analyseren van de tijd tot toewijzing en herverdelingspatronen onthult knelpunten in het triage- en distributieproces. Vindplaats Dit is een expliciete 'Wijziging' event in de Zendesk Ticket Audits API, gelogd wanneer het veld 'assignee_id' wordt ingevuld of gewijzigd. Vastleggen Volg wijzigingen aan het veld 'assignee_id' in de Ticket Audits log. Gebeurtenistype explicit
	Informatie Opgevraagd van Klant	Treedt op wanneer een agent meer informatie van een klant nodig heeft om verder te gaan en de ticketstatus wijzigt naar 'pending'. Deze statuswijziging geeft expliciet aan dat het proces nu wacht op een externe partij.
Het belang Deze activiteit benadrukt afhankelijkheden van de klant en pauzeert interne SLA-timers. Frequente of herhaalde gevallen op één ticket kunnen wijzen op onvolledige initiële informatieverzameling en leiden tot langere oplostijden. Vindplaats Dit is een expliciete statuswijziging event, vastgelegd in de Zendesk Ticket Audits API. Het wordt vastgelegd wanneer het 'status' veld verandert naar 'in behandeling'. Vastleggen Identificeer 'Change'-events in de Ticket Audits waarbij de ticketstatus is ingesteld op 'pending'. Gebeurtenistype explicit
	Serviceaanvraag Gesloten	Dit is de laatste activiteit, die de permanente afsluiting van de serviceaanvraag markeert. Dit gebeurt doorgaans automatisch nadat een bepaalde periode is verstreken sinds het ticket als 'opgelost' werd gemarkeerd, zonder nieuwe reacties van de klant.
Het belang Als de definitieve eind-event rondt het de levenscyclus van het ticket af. De tijd van 'opgelost' tot 'gesloten' vertegenwoordigt het venster voor mogelijke heropeningen, en de 'gesloten' event bevestigt dat de oplossing is geaccepteerd. Vindplaats Dit is een expliciete statuswijziging, vastgelegd in de Zendesk Ticket Audits API, wanneer het 'status' veld is ingesteld op 'gesloten'. Vastleggen Identificeer 'Change'-events in de Ticket Audits waarbij de ticketstatus is ingesteld op 'closed'. Gebeurtenistype explicit
	Serviceaanvraag Heropend	Deze activiteit vindt plaats als een klant reageert op een ticket dat de status 'opgelost' heeft. Zendesk verandert de status automatisch terug naar 'open', wat aangeeft dat het probleem niet volledig was opgelost.
Het belang Heropeningen zijn een kritieke indicator van mislukte First Contact Resolution en slechte oplossingskwaliteit. Het analyseren van de frequentie en redenen voor heropende tickets helpt gebieden te identificeren voor het verbeteren van agenttraining en oplossingsprocedures. Vindplaats Dit is een expliciete statuswijziging in de Ticket Audits API, vastgelegd wanneer de 'status' beweegt van 'opgelost' terug naar 'open'. Vastleggen Volg status 'Wijziging' events van 'opgelost' naar 'open'. Gebeurtenistype explicit
	Serviceaanvraag Opgelost	Een agent markeert de serviceaanvraag als 'opgelost' na het leveren van een oplossing aan de klant. Dit is een tijdelijke status, aangezien het ticket opnieuw kan worden geopend door een klantreactie voordat het definitief wordt gesloten.
Het belang Dit is de primaire mijlpaal voor het meten van de oplostijd en agentefficiëntie. Het markeert het punt waarop de agent gelooft dat het werk voltooid is, en biedt een basis voor het analyseren van herwerk als het ticket wordt heropend. Vindplaats Dit is een expliciete statuswijziging, vastgelegd in de Zendesk Ticket Audits API, wanneer het 'status' veld is ingesteld op 'opgelost'. Vastleggen Identificeer 'Change'-events in de Ticket Audits waarbij de ticketstatus is ingesteld op 'solved'. Gebeurtenistype explicit
	Serviceverzoek Aangemaakt	Deze activiteit markeert het begin van het klantenserviceproces, wanneer een nieuw ticket wordt gegenereerd in Zendesk vanuit elk kanaal zoals e-mail, webformulier of chat. Deze event wordt expliciet gelogd door het systeem met een unieke ticket-ID en timestamp bij aanmaak.
Het belang Als de primaire start-event is het essentieel voor het berekenen van de totale doorlooptijd van de case en het analyseren van inkomende aanvraagvolumes over tijd. Het dient als de basislijn voor het meten van belangrijke prestatie-indicatoren zoals de tijd tot de eerste reactie en de totale oplostijd. Vindplaats Dit is een expliciete event, vastgelegd in de Zendesk Ticket Audits API. Het komt overeen met de 'Create' event voor een ticket, die de initiële aanmaak timestamp levert. Vastleggen Vastgelegd vanuit de ticket creation event in het Ticket Audits log. Gebeurtenistype explicit
	`SLA Breach` Opgetreden	Deze activiteit markeert het moment waarop een serviceaanvraag niet voldoet aan een vooraf gedefinieerde Service Level Agreement (SLA), zoals de eerste reactietijd of oplostijd. Deze event wordt berekend op basis van ticketactiviteit timestamps vergeleken met SLA-beleid.
Het belang SLA-schendingen hebben direct invloed op klanttevredenheid en contractuele compliance. Het analyseren van wanneer en waarom ze optreden is cruciaal voor het identificeren van systemische vertragingen, personeelstekorten of onrealistische prestatiedoelen. Vindplaats Dit kan worden verkregen uit de Zendesk Ticket Metrics API, die SLA-schending timestamps ('breached_at') opslaat. Als alternatief kan het worden berekend door ticket event timestamps te vergelijken met de gedefinieerde SLA-regels. Vastleggen Gebruik de 'breached_at' timestamp uit de Ticket Metrics API of bereken door de oplostijd te vergelijken met de SLA-beleidstijd. Gebeurtenistype calculated
	Aanvraag Gecategoriseerd en Geprioriteerd	Deze activiteit vindt plaats wanneer een agent of automatisering ticketvelden instelt of bijwerkt zoals type, categorie en prioriteit. Deze stap wordt gelogd als een wijzigingsevent in de geschiedenis van het ticket.
Het belang Juiste categorisatie en prioritering zijn essentieel voor efficiënte routering en toewijzing van middelen. Het analyseren van deze activiteit helpt de nauwkeurigheid van initiële triage en de impact ervan op oplostijden te bepalen. Vindplaats Vastgelegd vanuit de Zendesk Ticket Audits API als 'Change' events. Het kan worden geïdentificeerd door te zoeken naar de eerste update van velden zoals 'priority', 'type' of custom fields gerelateerd aan categorisatie. Vastleggen Filter Ticket Audit logs op de eerste 'Change' event op belangrijke categorisatievelden na aanmaak. Gebeurtenistype explicit
	Eerste Publieke Reactie Agent Verzonden	Deze activiteit markeert de eerste keer dat een agent een openbare opmerking stuurt naar de klant, in tegenstelling tot een geautomatiseerde bevestiging. Deze event is een cruciale indicator van de initiële betrokkenheid van de agent bij het probleem van de klant.
Het belang Dit is een belangrijke mijlpaal voor het meten van de 'First Reply Time' SLA, een cruciale indicator van servicegerichtheid. Het scheidt geautomatiseerde communicatie van de start van actieve, mensgestuurde onderzoek en support. Vindplaats Geïdentificeerd door de eerste openbare opmerking te vinden in de Ticket Comments stream waarvan de auteur een menselijke agent is (geen geautomatiseerde systeemgebruiker). Vastleggen Scan ticketopmerkingen, filter op openbare opmerkingen van agents en selecteer die met de vroegste timestamp. Gebeurtenistype inferred
	Initiële bevestiging verzonden	Vertegenwoordigt de geautomatiseerde eerste reactie die naar de klant wordt verzonden, en bevestigt dat hun aanvraag is ontvangen. Dit wordt doorgaans afgehandeld door een Zendesk trigger die een getemplateerde e-mailnotificatie verstuurt onmiddellijk na het aanmaken van het ticket.
Het belang Het volgen van deze activiteit is cruciaal voor het meten van de initiële responsiviteit en het beheren van klantverwachtingen. De tijd tussen het aanmaken van de aanvraag en deze bevestiging is een belangrijke metric voor klanttevredenheid. Vindplaats Afgeleid van de eerste openbare opmerking over het ticket als de auteur een geautomatiseerde gebruiker is of als het binnen enkele seconden na het aanmaken van het ticket plaatsvindt. Dit kan worden geïdentificeerd door de Ticket Comments stream te analyseren. Vastleggen Identificeer de eerste openbare opmerking die is gemaakt door een automatisering of trigger direct na het aanmaken van het ticket. Gebeurtenistype inferred
	Interne Escalatie Getriggerd	Vertegenwoordigt de overdracht van een serviceaanvraag naar een ander intern team of een hogere ondersteuningslaag. Dit wordt doorgaans afgeleid wanneer de toegewezen groep van het ticket wordt gewijzigd.
Het belang Het volgen van escalaties is essentieel voor het identificeren van proceszwaktes, kennishiaten in front-line support, en complexe aanvraagtypen. Hoge escalatiepercentages kunnen duiden op een behoefte aan betere training of procesdocumentatie. Vindplaats Afgeleid van een 'Change'-event in de Ticket Audits API waarbij het veld 'group_id' is gewijzigd. Een wijziging in groep duidt op een overdracht tussen teams. Vastleggen Monitor wijzigingen in het veld 'group_id' in het Ticket Audits log. Gebeurtenistype inferred
	Klant Heeft Gereageerd	Deze event wordt geactiveerd wanneer een klant reageert op een ticket, doorgaans een ticket dat de status 'in behandeling' had. Zendesk brengt de ticketstatus automatisch van 'in behandeling' terug naar 'open', wat aangeeft dat de agent het werk kan hervatten.
Het belang Deze activiteit markeert het einde van een wachttijd en is een trigger voor het proces om door te gaan. Het analyseren van de tijd die klanten nodig hebben om te reageren kan inzichten verschaffen in de duidelijkheid van agentaanvragen. Vindplaats Deze event komt overeen met een nieuwe openbare opmerking van de eindgebruiker, die een expliciete statuswijziging van 'in behandeling' naar 'open' activeert in de Ticket Audits API. Vastleggen Volg status 'Wijziging' events van 'in behandeling' naar 'open' of identificeer nieuwe openbare opmerkingen van een eindgebruiker. Gebeurtenistype explicit
	Tevredenheids `Survey` Verzonden	Vertegenwoordigt het moment waarop een klanttevredenheidsonderzoek (CSAT) automatisch naar de klant wordt verzonden. Dit gebeurt meestal korte tijd nadat het ticket als opgelost is gemarkeerd.
Het belang Deze activiteit initieert de feedbackloop van de klant. Begrijpen wanneer en of enquêtes worden verzonden is belangrijk voor het contextualiseren van tevredenheidsscores en het meten van de effectiviteit van het feedbackprogramma. Vindplaats Dit kan worden afgeleid uit een automatisatielogboek of door een specifieke tag die aan het ticket wordt toegevoegd. De 'satisfaction_rating' sectie in de Ticket Audits API registreert ook wanneer de enquête werd aangeboden. Vastleggen Zoek naar tags zoals 'csat_sent' of gebruik de timestamp van wanneer de tevredenheidsbeoordeling werd aangeboden. Gebeurtenistype inferred
	Tevredenheidsbeoordeling Ontvangen	Deze event vindt plaats wanneer de klant zijn reactie indient op de tevredenheidsenquête, een beoordeling zoals 'Goed' of 'Slecht' gevend. De beoordeling en eventuele bijbehorende opmerking worden gelogd tegen het ticket.
Het belang Directe feedback van klanten is van onschatbare waarde voor het meten van servicekwaliteit en klanttevredenheid. Het analyseren van deze beoordelingen in de context van de processtroom helpt specifieke activiteiten of agents te correleren met resultaten. Vindplaats Vastgelegd als een 'Change'-event in de Ticket Audits API wanneer het veld 'satisfaction_rating' wordt ingevuld met de score en opmerking van de klant. Vastleggen Filter Ticket Audit logs op wijzigingen in het veld 'satisfaction_rating'. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractie Guides

Hoe u uw data uit Zendesk Support haalt

Stappen

Navigeer naar Zendesk Explore: Log in bij uw Zendesk-instantie en open het Explore-product door op het productstarterpictogram in de bovenste balk te klikken en Explore te selecteren.
Maak een nieuwe query aan: Klik in Explore op het pictogram Queries in de linkerzijbalk en vervolgens op de knop "Nieuwe query" rechtsboven.
Selecteer de dataset: Selecteer in het venster "Kies een dataset" de dataset Support: Tickets. Deze dataset bevat de primaire ticket attributes en belangrijke event timestamps.
Voeg Metrics toe: Ga in de querybouwer naar het paneel "Metrics" en klik op "Toevoegen". Selecteer COUNT(Tickets). Dit helpt bij het valideren van het data volume.
Voeg Attributes toe aan rijen: Ga naar het paneel "Rijen" en klik op "Toevoegen". Voeg de volgende attributes toe. Deze vormen de basiskolommen van uw export in breed formaat.
- Ticket ID (Dit is uw Case Identifier, ServiceRequest)
- Assignee name (AssignedAgent)
- Ticket type (ServiceRequestType)
- Ticket priority (Priority)
- Ticket channel (CommunicationChannel)
- SLA resolution time (SlaTargetResolutionTime)
- SLA breach status (IsSlaBreached)
- Full resolution time (min) (ServiceRequestResolutionTime)
Voeg Activity Timestamps toe aan rijen: Voeg de volgende timestamp attributes toe aan het paneel "Rijen". Elk hiervan vertegenwoordigt een potentiële activiteit. Sommige activiteiten vereisen het aanmaken van een custom calculated attribute.
- Ticket created - Timestamp: Voor Service Request Created en Initial Acknowledgment Sent.
- Ticket assigned - Timestamp: Voor Request Assigned To Agent.
- First reply time - Timestamp: Voor First Agent Public Reply Sent.
- Ticket solved - Timestamp: Voor Service Request Resolved en Satisfaction Survey Sent.
- Ticket reopened - Timestamp: Voor Service Request Reopened.
- Satisfaction rating received - Timestamp: Voor Satisfaction Rating Received.
- Ticket closed - Timestamp: Voor Service Request Closed.
Maak Custom Calculated Attributes aan voor andere activiteiten: Sommige activiteiten zijn gebaseerd op specifieke veldwijzigingen en vereisen het aanmaken van custom attributes om hun timestamp vast te leggen. Ga naar het menu Berekeningen (rekenmachine-pictogram) en selecteer "Standard calculated attribute". Maak één attribute aan voor elk van de volgende activiteiten. U moet de exacte namen voor velden en waarden in uw Zendesk-instantie vinden.
- Naam: Timestamp - Categorized and Prioritized. Formule: IF ([Changes - Field name] = "priority" OR [Changes - Field name] = "type") THEN [Update - Timestamp] ENDIF. Nadat u het heeft aangemaakt, voegt u dit nieuwe attribute toe aan het paneel "Rijen" en wijzigt u de aggregator naar MIN.
- Naam: Timestamp - Info Requested. Formule: IF ([Changes - Field name] = "status" AND [Changes - New value] = "pending") THEN [Update - Timestamp] ENDIF. Voeg het toe aan "Rijen" en stel de aggregator in op MIN.
- Naam: Timestamp - Customer Responded. Formule: IF ([Changes - Field name] = "status" AND [Changes - Previous value] = "pending" AND [Changes - New value] = "open") THEN [Update - Timestamp] ENDIF. Voeg het toe aan "Rijen" en stel de aggregator in op MIN.
- Naam: Timestamp - Escalated. Formule: IF ([Changes - Field name] = "group") THEN [Update - Timestamp] ENDIF. Voeg het toe aan "Rijen" en stel de aggregator in op MIN.
- Naam: Timestamp - SLA Breach. Formule: IF ([SLA breach status]=TRUE) THEN [SLA update - Timestamp] ENDIF. Voeg het toe aan "Rijen" en stel de aggregator in op MIN.
Filter de data: Ga naar het paneel "Filters" en klik op "Toevoegen". Voeg een filter toe voor Ticket created - Date en selecteer een passend datumbereik, zoals de laatste 3 tot 6 maanden, om de dataset beheersbaar te houden.
Voer het rapport uit en exporteer het: Klik op "Opslaan" om de query uit te voeren. Zodra de tabel de data weergeeft, klikt u op de knop "Exporteren" en kiest u het gewenste formaat, zoals CSV of Excel.
Transformeer Data naar Event Log Format: Het geëxporteerde bestand is in een "breed" formaat waarbij elke rij een ticket is en elke kolom een event timestamp. U moet dit transformeren naar een "lang" formaat voor process mining. Gebruik een tool zoals Microsoft Excel (met Power Query's Unpivot-functie), Python of een andere data voorbereidingstool.
- Maak voor elke rij (ticket) meerdere nieuwe rijen, één voor elke niet-lege timestamp-kolom.
- De uiteindelijke tabel moet kolommen bevatten zoals ServiceRequest, ActivityName, StartTime, en de andere attributes, die gedupliceerd zullen worden voor elke activiteit van een bepaalde serviceaanvraag.

Configuratie

Dataset: De primaire dataset om te gebruiken is Support: Tickets. Deze geeft toegang tot de meeste ticket properties en belangrijke timestamps in één enkele query.
Rechten: U heeft minimaal een Editor- of Admin-rol nodig in Zendesk Explore om queries te maken en op te slaan.
Datumbereik: Het is cruciaal om een datumbereikfilter in te stellen op Ticket created - Date. Een bereik van 3 tot 6 maanden data wordt aanbevolen om inzicht en prestaties in evenwicht te houden. Het exporteren van miljoenen tickets kan traag zijn of mislukken.
Queryfilters: Overweeg om filters toe te voegen voor specifieke ticket properties zoals Ticket brand, Ticket form, of Ticket group om de analyse te richten op een specifieke service of team.
Berekende attributes: Deze methode is sterk afhankelijk van het creëren van standaard berekende attributes om timestamps vast te leggen voor events die geen standaard attributes zijn, zoals statuswijzigingen of escalaties. Zorg ervoor dat u de rechten heeft om deze attributes te creëren.

a Voorbeeldquery config

This extraction is configured through the Zendesk Explore graphical user interface. There is no single script to execute. The configuration below outlines the components to add in the query builder.

**Dataset**: `Support: Tickets`

**Metrics**:
1.  `COUNT(Tickets)`

**Rows (Attributes)**:
1.  `Ticket ID`
2.  `Assignee name`
3.  `Ticket type`
4.  `Ticket priority`
5.  `Ticket channel`
6.  `SLA resolution time`
7.  `SLA breach status`
8.  `Full resolution time (min)`
9.  `MIN(Ticket created - Timestamp)`
10. `MIN(Ticket assigned - Timestamp)`
11. `MIN(First reply time - Timestamp)`
12. `MIN(Ticket solved - Timestamp)`
13. `MIN(Ticket reopened - Timestamp)`
14. `MIN(Satisfaction rating received - Timestamp)`
15. `MIN(Ticket closed - Timestamp)`
16. `MIN(Timestamp - Categorized and Prioritized)` (Custom calculated attribute)
17. `MIN(Timestamp - Info Requested)` (Custom calculated attribute)
18. `MIN(Timestamp - Customer Responded)` (Custom calculated attribute)
19. `MIN(Timestamp - Escalated)` (Custom calculated attribute)
20. `MIN(Timestamp - SLA Breach)` (Custom calculated attribute)

**Filters**:
1.  `Ticket created - Date`: Select a date range (e.g., last 180 days)

**Standard Calculated Attribute Formulas**:
*   `Timestamp - Categorized and Prioritized`: `IF ([Changes - Field name] = "priority" OR [Changes - Field name] = "type") THEN [Update - Timestamp] ENDIF`
*   `Timestamp - Info Requested`: `IF ([Changes - Field name] = "status" AND [Changes - New value] = "pending") THEN [Update - Timestamp] ENDIF`
*   `Timestamp - Customer Responded`: `IF ([Changes - Field name] = "status" AND [Changes - Previous value] = "pending" AND [Changes - New value] = "open") THEN [Update - Timestamp] ENDIF`
*   `Timestamp - Escalated`: `IF ([Changes - Field name] = "group") THEN [Update - Timestamp] ENDIF`
*   `Timestamp - SLA Breach`: `IF ([SLA breach status]=TRUE) THEN [SLA update - Timestamp] ENDIF`

Stappen

Bereid Zendesk API-toegang voor: Log in bij Zendesk als administrator. Navigeer naar het Admin Center en ga vervolgens naar Apps en integraties > API's > Zendesk API. Zorg ervoor dat onder het tabblad Instellingen 'Token Access' is ingeschakeld. Klik op 'API-token toevoegen' om een nieuw token aan te maken. Kopieer het gegenereerde token veilig, want het zal niet opnieuw worden weergegeven.
Stel de Python-omgeving in: Zorg ervoor dat u Python 3.6 of nieuwer heeft geïnstalleerd. Installeer de requests library, die nodig is voor het maken van HTTP-verzoeken naar de Zendesk API. U kunt deze installeren via de commandoregel: pip install requests.
Configureer het Python-script: Sla het meegeleverde Python-script op in een bestand, zoals extract_zendesk_log.py. Open het bestand in een teksteditor en werk de placeholder-variabelen bovenaan bij: ZENDESK_SUBDOMAIN, ZENDESK_EMAIL en API_TOKEN met de specifieke details en credentials van uw Zendesk-instantie.
Definieer de extractieperiode: Zoek de START_TIMESTAMP-variabele in het script. Deze waarde bepaalt de historische startdatum voor de data-extractie. Dit moet een Unix epoch timestamp zijn. Voor een initiële analyse wordt een waarde aanbevolen die overeenkomt met de laatste 3 tot 6 maanden.
Voer het script uit: Open een terminal of command prompt, navigeer naar de map waarin u het script hebt opgeslagen en voer het uit met de opdracht: python extract_zendesk_log.py.
Monitor de uitvoering: Het script zal voortgangsupdates naar de console afdrukken, die het aantal verwerkte tickets aangeven. De totale uitvoeringstijd is afhankelijk van het volume van de geëxtraheerde data en eventuele API rate limiting opgelegd door Zendesk. Het script includes basic logic to handle rate limit responses.
Haal het Event Log op: Na succesvolle voltooiing zal het script een bestand met de naam zendesk_event_log.csv aanmaken in dezelfde map. Dit bestand bevat de gestructureerde event log, klaar voor analyse.
Bereid voor op upload: Open het bestand zendesk_event_log.csv om te controleren of het correct is gegenereerd. Controleer of de kolommen overeenkomen met de vereiste attributes: ServiceRequest, ActivityName, StartTime, SourceSystem en LastDataUpdate. Het bestand is nu klaar voor upload naar de process mining tool.

Configuratie

API Credentials: Het script vereist een geldig Zendesk-subdomein, het e-mailadres van een agent- of admin-gebruiker en een actieve API-token. De gebruiker die aan deze gegevens is gekoppeld, moet machtigingen hebben om tickets, ticketaudits, gebruikers en ticketstatistieken te lezen.
Datumbereik: De startdatum van de extractie wordt bepaald door de START_TIMESTAMP-variabele in het script, dit moet een Unix-epoch-timestamp zijn. Het is raadzaam om te beginnen met een kortere periode, zoals 3 maanden, om de uitvoer en prestaties van het script te valideren voordat u een grotere historische data-extractie probeert.
Incremental Export API: Deze oplossing maakt gebruik van de Incremental Export API van Zendesk. Dit is de meest efficiënte en aanbevolen methode voor het ophalen van een groot aantal tickets, aangezien deze is ontworpen voor bulkdata-export en veelvoorkomende pagineringsproblemen vermijdt.
Prestaties en Rate Limiting: Zendesk handhaaft API rate limits die variëren op basis van het abonnement. Het script heeft ingebouwde logica om de uitvoering te pauzeren wanneer een rate limit wordt bereikt, gebaseerd op de Retry-After header die door de API wordt geretourneerd. Voor zeer grote instanties kan de extractie enkele uren duren.
Vereisten: Deze extractiemethode vereist een werkende Python 3.6+ omgeving en de externe requests library. Administratorrechten voor de betreffende Zendesk-instantie zijn noodzakelijk om de vereiste API-token te genereren.

a Voorbeeldquery python

import requests
import json
import time
import datetime
import csv

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your Zendesk details
ZENDESK_SUBDOMAIN = class="hl-string">'[your_zendesk_subdomain]'
ZENDESK_EMAIL = class="hl-string">'[your_zendesk_login_email]'
API_TOKEN = class="hl-string">'[your_zendesk_api_token]'

class=class="hl-string">"hl-comment"># Set the start time for the export (Unix epoch timestamp)
class=class="hl-string">"hl-comment"># Example: 1672531200 is Jan 1, 2023 00:00:00 GMT
START_TIMESTAMP = 1672531200

class=class="hl-string">"hl-comment"># --- Script --- 

BASE_URL = fclass="hl-string">'https://{ZENDESK_SUBDOMAIN}.zendesk.com/api/v2'
AUTH = (fclass="hl-string">'{ZENDESK_EMAIL}/token', API_TOKEN)
SOURCE_SYSTEM = class="hl-string">'Zendesk Support'
LAST_DATA_UPDATE = datetime.datetime.utcnow().isoformat() + class="hl-string">'Z'

CSV_FILENAME = class="hl-string">'zendesk_event_log.csv'
CSV_HEADERS = [
    class="hl-string">'ServiceRequest', class="hl-string">'ActivityName', class="hl-string">'StartTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
    class="hl-string">'AssignedAgent', class="hl-string">'ServiceRequestType', class="hl-string">'Priority', class="hl-string">'CommunicationChannel',
    class="hl-string">'SlaTargetResolutionTime', class="hl-string">'IsSlaBreached', class="hl-string">'ServiceRequestResolutionTime'
]

def get_user_name(user_id, users_cache, session):
    if user_id in users_cache:
        return users_cache[user_id]
    if user_id is None:
        return None
    try:
        response = session.get(fclass="hl-string">'{BASE_URL}/users/{user_id}.json')
        response.raise_for_status()
        user_name = response.json().get(class="hl-string">'user', {}).get(class="hl-string">'name')
        users_cache[user_id] = user_name
        return user_name
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">'Warning: Could not fetch user {user_id}. Error: {e}')
        users_cache[user_id] = str(user_id)
        return str(user_id)

def format_duration(seconds):
    if seconds is None:
        return None
    return str(datetime.timedelta(seconds=seconds))

def main():
    session = requests.Session()
    session.auth = AUTH
    users_cache = {}
    event_log = []

    class=class="hl-string">"hl-comment"># Fetch tickets using the incremental export API
    url = fclass="hl-string">'{BASE_URL}/incremental/tickets/cursor.json?start_time={START_TIMESTAMP}'
    ticket_count = 0

    while url:
        print(fclass="hl-string">'Fetching tickets from: {url}')
        try:
            response = session.get(url)

            if response.status_code == 429:
                retry_after = int(response.headers.get(class="hl-string">'Retry-After', 60))
                print(fclass="hl-string">'Rate limit hit. Retrying after {retry_after} seconds.')
                time.sleep(retry_after)
                continue

            response.raise_for_status()
            data = response.json()
            tickets = data.get(class="hl-string">'tickets', [])

            for ticket in tickets:
                ticket_count += 1
                ticket_id = ticket[class="hl-string">'id']
                print(fclass="hl-string">'Processing ticket {ticket_id} ({ticket_count} total)...')

                class=class="hl-string">"hl-comment"># Fetch ticket metrics for SLA and resolution time
                metrics_response = session.get(fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/metrics.json')
                ticket_metrics = metrics_response.json().get(class="hl-string">'ticket_metric', {}) if metrics_response.ok else {}

                resolution_time_seconds = ticket_metrics.get(class="hl-string">'full_resolution_time_in_minutes', {}).get(class="hl-string">'business')
                if resolution_time_seconds:
                    resolution_time_seconds *= 60

                class=class="hl-string">"hl-comment"># Fetch ticket audits for events
                audits_url = fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/audits.json'
                audits_response = session.get(audits_url)
                audits = audits_response.json().get(class="hl-string">'audits', []) if audits_response.ok else []

                first_agent_reply_sent = False

                for audit in audits:
                    audit_created_at = audit[class="hl-string">'created_at']
                    base_event = {
                        class="hl-string">'ServiceRequest': ticket_id,
                        class="hl-string">'StartTime': audit_created_at,
                        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
                        class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
                        class="hl-string">'AssignedAgent': get_user_name(ticket.get(class="hl-string">'assignee_id'), users_cache, session),
                        class="hl-string">'ServiceRequestType': ticket.get(class="hl-string">'type'),
                        class="hl-string">'Priority': ticket.get(class="hl-string">'priority'),
                        class="hl-string">'CommunicationChannel': ticket.get(class="hl-string">'via', {}).get(class="hl-string">'channel'),
                        class="hl-string">'SlaTargetResolutionTime': None, class=class="hl-string">"hl-comment"># Requires parsing SLA policies, complex
                        class="hl-string">'IsSlaBreached': ticket_metrics.get(class="hl-string">'sla_breach_at') is not None,
                        class="hl-string">'ServiceRequestResolutionTime': format_duration(resolution_time_seconds)
                    }

                    for event in audit.get(class="hl-string">'events', []):
                        event_type = event.get(class="hl-string">'type')
                        class=class="hl-string">"hl-comment"># Service Request Created
                        if event_type == class="hl-string">'Create' and event.get(class="hl-string">'field_name') == class="hl-string">'id':
                            new_event = base_event.copy()
                            new_event[class="hl-string">'ActivityName'] = class="hl-string">'Service Request Created'
                            event_log.append(new_event)

                        class=class="hl-string">"hl-comment"># Initial Acknowledgment Sent (Proxy by Notification event)
                        if event_type == class="hl-string">'Notification':
                            new_event = base_event.copy()
                            new_event[class="hl-string">'ActivityName'] = class="hl-string">'Initial Acknowledgment Sent'
                            event_log.append(new_event)

                        class=class="hl-string">"hl-comment"># Request Categorized And Prioritized, Assigned, Status Changes
                        if event_type == class="hl-string">'Change':
                            field = event.get(class="hl-string">'field_name')
                            if field in [class="hl-string">'type', class="hl-string">'priority', class="hl-string">'custom_field_[your_category_field_id]']:
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'Request Categorized And Prioritized'
                                event_log.append(new_event)
                            
                            if field == class="hl-string">'assignee_id':
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'Request Assigned To Agent'
                                new_event[class="hl-string">'AssignedAgent'] = get_user_name(event.get(class="hl-string">'value'), users_cache, session)
                                event_log.append(new_event)

                            if field == class="hl-string">'group_id':
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'Internal Escalation Triggered'
                                event_log.append(new_event)

                            if field == class="hl-string">'status':
                                new_status = event.get(class="hl-string">'value')
                                if new_status == class="hl-string">'pending':
                                    new_event = base_event.copy()
                                    new_event[class="hl-string">'ActivityName'] = class="hl-string">'Information Requested From Customer'
                                    event_log.append(new_event)
                                elif new_status == class="hl-string">'solved':
                                    new_event = base_event.copy()
                                    new_event[class="hl-string">'ActivityName'] = class="hl-string">'Service Request Resolved'
                                    event_log.append(new_event)
                                    class=class="hl-string">"hl-comment"># Satisfaction Survey Sent (Proxy: occurs after solve)
                                    solve_time = datetime.datetime.fromisoformat(audit_created_at.replace(class="hl-string">'Z', class="hl-string">'+00:00'))
                                    survey_time = solve_time + datetime.timedelta(hours=1)
                                    survey_event = new_event.copy()
                                    survey_event[class="hl-string">'ActivityName'] = class="hl-string">'Satisfaction Survey Sent'
                                    survey_event[class="hl-string">'StartTime'] = survey_time.isoformat().replace(class="hl-string">'+00:00', class="hl-string">'Z')
                                    event_log.append(survey_event)
                                elif new_status == class="hl-string">'closed':
                                    new_event = base_event.copy()
                                    new_event[class="hl-string">'ActivityName'] = class="hl-string">'Service Request Closed'
                                    event_log.append(new_event)
                                elif new_status == class="hl-string">'open' and event.get(class="hl-string">'previous_value') in [class="hl-string">'solved', class="hl-string">'pending']:
                                    activity = class="hl-string">'Service Request Reopened' if event.get(class="hl-string">'previous_value') == class="hl-string">'solved' else class="hl-string">'Customer Responded'
                                    new_event = base_event.copy()
                                    new_event[class="hl-string">'ActivityName'] = activity
                                    event_log.append(new_event)
                            
                            if field == class="hl-string">'satisfaction_score':
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'Satisfaction Rating Received'
                                event_log.append(new_event)

                        class=class="hl-string">"hl-comment"># First Agent Public Reply Sent & Customer Responded
                        if event_type == class="hl-string">'Comment':
                            author_id = event.get(class="hl-string">'author_id')
                            author_details_response = session.get(fclass="hl-string">'{BASE_URL}/users/{author_id}.json')
                            author_role = author_details_response.json().get(class="hl-string">'user',{}).get(class="hl-string">'role', class="hl-string">'end-user') if author_details_response.ok else class="hl-string">'end-user'

                            if author_role in [class="hl-string">'agent', class="hl-string">'admin'] and event.get(class="hl-string">'public') and not first_agent_reply_sent:
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'First Agent Public Reply Sent'
                                event_log.append(new_event)
                                first_agent_reply_sent = True

                class=class="hl-string">"hl-comment"># SLA Breach Occurred
                if ticket_metrics.get(class="hl-string">'sla_breach_at'):
                    sla_breach_time = ticket_metrics.get(class="hl-string">'sla_breach_at')
                    new_event = base_event.copy()
                    new_event[class="hl-string">'ActivityName'] = class="hl-string">'SLA Breach Occurred'
                    new_event[class="hl-string">'StartTime'] = sla_breach_time
                    event_log.append(new_event)

            url = data.get(class="hl-string">'after_url')
            if not data.get(class="hl-string">'end_of_stream', False):
                time.sleep(1) class=class="hl-string">"hl-comment"># Be a good API citizen
            else:
                url = None

        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">'An error occurred: {e}')
            break

    class=class="hl-string">"hl-comment"># Write to CSV
    print(fclass="hl-string">'Writing {len(event_log)} events to {CSV_FILENAME}...')
    with open(CSV_FILENAME, class="hl-string">'w', newline=class="hl-string">'', encoding=class="hl-string">'utf-8') as csvfile:
        writer = csv.DictWriter(csvfile, fieldnames=CSV_HEADERS)
        writer.writeheader()
        class=class="hl-string">"hl-comment"># Sort events by ticket and then by time for chronological order
        sorted_log = sorted(event_log, key=lambda x: (x[class="hl-string">'ServiceRequest'], x[class="hl-string">'StartTime']))
        for row in sorted_log:
            writer.writerow(row)
    print(class="hl-string">'Extraction complete.')

if __name__ == class="hl-string">'__main__':
    main()

Stappen

Bereid Zendesk API-toegang voor: Log in bij Zendesk als administrator. Navigeer naar het Admin Center en ga vervolgens naar Apps en integraties > API's > Zendesk API. Zorg ervoor dat onder het tabblad Instellingen 'Token Access' is ingeschakeld. Klik op 'API-token toevoegen' om een nieuw token aan te maken. Kopieer het gegenereerde token veilig, want het zal niet opnieuw worden weergegeven.
Stel de Python-omgeving in: Zorg ervoor dat u Python 3.6 of nieuwer heeft geïnstalleerd. Installeer de requests library, die nodig is voor het maken van HTTP-verzoeken naar de Zendesk API. U kunt deze installeren via de commandoregel: pip install requests.
Configureer het Python-script: Sla het meegeleverde Python-script op in een bestand, zoals extract_zendesk_log.py. Open het bestand in een teksteditor en werk de placeholder-variabelen bovenaan bij: ZENDESK_SUBDOMAIN, ZENDESK_EMAIL en API_TOKEN met de specifieke details en credentials van uw Zendesk-instantie.
Definieer de extractieperiode: Zoek de START_TIMESTAMP-variabele in het script. Deze waarde bepaalt de historische startdatum voor de data-extractie. Dit moet een Unix epoch timestamp zijn. Voor een initiële analyse wordt een waarde aanbevolen die overeenkomt met de laatste 3 tot 6 maanden.
Voer het script uit: Open een terminal of command prompt, navigeer naar de map waarin u het script hebt opgeslagen en voer het uit met de opdracht: python extract_zendesk_log.py.
Monitor de uitvoering: Het script zal voortgangsupdates naar de console afdrukken, die het aantal verwerkte tickets aangeven. De totale uitvoeringstijd is afhankelijk van het volume van de geëxtraheerde data en eventuele API rate limiting opgelegd door Zendesk. Het script includes basic logic to handle rate limit responses.
Haal het Event Log op: Na succesvolle voltooiing zal het script een bestand met de naam zendesk_event_log.csv aanmaken in dezelfde map. Dit bestand bevat de gestructureerde event log, klaar voor analyse.
Bereid voor op upload: Open het bestand zendesk_event_log.csv om te controleren of het correct is gegenereerd. Controleer of de kolommen overeenkomen met de vereiste attributes: ServiceRequest, ActivityName, StartTime, SourceSystem en LastDataUpdate. Het bestand is nu klaar voor upload naar de process mining tool.

Configuratie

API Credentials: Het script vereist een geldig Zendesk-subdomein, het e-mailadres van een agent- of admin-gebruiker en een actieve API-token. De gebruiker die aan deze gegevens is gekoppeld, moet machtigingen hebben om tickets, ticketaudits, gebruikers en ticketstatistieken te lezen.
Datumbereik: De startdatum van de extractie wordt bepaald door de START_TIMESTAMP-variabele in het script, dit moet een Unix-epoch-timestamp zijn. Het is raadzaam om te beginnen met een kortere periode, zoals 3 maanden, om de uitvoer en prestaties van het script te valideren voordat u een grotere historische data-extractie probeert.
Incremental Export API: Deze oplossing maakt gebruik van de Incremental Export API van Zendesk. Dit is de meest efficiënte en aanbevolen methode voor het ophalen van een groot aantal tickets, aangezien deze is ontworpen voor bulkdata-export en veelvoorkomende pagineringsproblemen vermijdt.
Prestaties en Rate Limiting: Zendesk handhaaft API rate limits die variëren op basis van het abonnement. Het script heeft ingebouwde logica om de uitvoering te pauzeren wanneer een rate limit wordt bereikt, gebaseerd op de Retry-After header die door de API wordt geretourneerd. Voor zeer grote instanties kan de extractie enkele uren duren.
Vereisten: Deze extractiemethode vereist een werkende Python 3.6+ omgeving en de externe requests library. Administratorrechten voor de betreffende Zendesk-instantie zijn noodzakelijk om de vereiste API-token te genereren.

a Voorbeeldquery python

import requests
import json
import time
import datetime
import csv

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your Zendesk details
ZENDESK_SUBDOMAIN = class="hl-string">'[your_zendesk_subdomain]'
ZENDESK_EMAIL = class="hl-string">'[your_zendesk_login_email]'
API_TOKEN = class="hl-string">'[your_zendesk_api_token]'

class=class="hl-string">"hl-comment"># Set the start time for the export (Unix epoch timestamp)
class=class="hl-string">"hl-comment"># Example: 1672531200 is Jan 1, 2023 00:00:00 GMT
START_TIMESTAMP = 1672531200

class=class="hl-string">"hl-comment"># --- Script --- 

BASE_URL = fclass="hl-string">'https://{ZENDESK_SUBDOMAIN}.zendesk.com/api/v2'
AUTH = (fclass="hl-string">'{ZENDESK_EMAIL}/token', API_TOKEN)
SOURCE_SYSTEM = class="hl-string">'Zendesk Support'
LAST_DATA_UPDATE = datetime.datetime.utcnow().isoformat() + class="hl-string">'Z'

CSV_FILENAME = class="hl-string">'zendesk_event_log.csv'
CSV_HEADERS = [
    class="hl-string">'ServiceRequest', class="hl-string">'ActivityName', class="hl-string">'StartTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
    class="hl-string">'AssignedAgent', class="hl-string">'ServiceRequestType', class="hl-string">'Priority', class="hl-string">'CommunicationChannel',
    class="hl-string">'SlaTargetResolutionTime', class="hl-string">'IsSlaBreached', class="hl-string">'ServiceRequestResolutionTime'
]

def get_user_name(user_id, users_cache, session):
    if user_id in users_cache:
        return users_cache[user_id]
    if user_id is None:
        return None
    try:
        response = session.get(fclass="hl-string">'{BASE_URL}/users/{user_id}.json')
        response.raise_for_status()
        user_name = response.json().get(class="hl-string">'user', {}).get(class="hl-string">'name')
        users_cache[user_id] = user_name
        return user_name
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">'Warning: Could not fetch user {user_id}. Error: {e}')
        users_cache[user_id] = str(user_id)
        return str(user_id)

def format_duration(seconds):
    if seconds is None:
        return None
    return str(datetime.timedelta(seconds=seconds))

def main():
    session = requests.Session()
    session.auth = AUTH
    users_cache = {}
    event_log = []

    class=class="hl-string">"hl-comment"># Fetch tickets using the incremental export API
    url = fclass="hl-string">'{BASE_URL}/incremental/tickets/cursor.json?start_time={START_TIMESTAMP}'
    ticket_count = 0

    while url:
        print(fclass="hl-string">'Fetching tickets from: {url}')
        try:
            response = session.get(url)

            if response.status_code == 429:
                retry_after = int(response.headers.get(class="hl-string">'Retry-After', 60))
                print(fclass="hl-string">'Rate limit hit. Retrying after {retry_after} seconds.')
                time.sleep(retry_after)
                continue

            response.raise_for_status()
            data = response.json()
            tickets = data.get(class="hl-string">'tickets', [])

            for ticket in tickets:
                ticket_count += 1
                ticket_id = ticket[class="hl-string">'id']
                print(fclass="hl-string">'Processing ticket {ticket_id} ({ticket_count} total)...')

                class=class="hl-string">"hl-comment"># Fetch ticket metrics for SLA and resolution time
                metrics_response = session.get(fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/metrics.json')
                ticket_metrics = metrics_response.json().get(class="hl-string">'ticket_metric', {}) if metrics_response.ok else {}

                resolution_time_seconds = ticket_metrics.get(class="hl-string">'full_resolution_time_in_minutes', {}).get(class="hl-string">'business')
                if resolution_time_seconds:
                    resolution_time_seconds *= 60

                class=class="hl-string">"hl-comment"># Fetch ticket audits for events
                audits_url = fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/audits.json'
                audits_response = session.get(audits_url)
                audits = audits_response.json().get(class="hl-string">'audits', []) if audits_response.ok else []

                first_agent_reply_sent = False

                for audit in audits:
                    audit_created_at = audit[class="hl-string">'created_at']
                    base_event = {
                        class="hl-string">'ServiceRequest': ticket_id,
                        class="hl-string">'StartTime': audit_created_at,
                        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
                        class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
                        class="hl-string">'AssignedAgent': get_user_name(ticket.get(class="hl-string">'assignee_id'), users_cache, session),
                        class="hl-string">'ServiceRequestType': ticket.get(class="hl-string">'type'),
                        class="hl-string">'Priority': ticket.get(class="hl-string">'priority'),
                        class="hl-string">'CommunicationChannel': ticket.get(class="hl-string">'via', {}).get(class="hl-string">'channel'),
                        class="hl-string">'SlaTargetResolutionTime': None, class=class="hl-string">"hl-comment"># Requires parsing SLA policies, complex
                        class="hl-string">'IsSlaBreached': ticket_metrics.get(class="hl-string">'sla_breach_at') is not None,
                        class="hl-string">'ServiceRequestResolutionTime': format_duration(resolution_time_seconds)
                    }

                    for event in audit.get(class="hl-string">'events', []):
                        event_type = event.get(class="hl-string">'type')
                        class=class="hl-string">"hl-comment"># Service Request Created
                        if event_type == class="hl-string">'Create' and event.get(class="hl-string">'field_name') == class="hl-string">'id':
                            new_event = base_event.copy()
                            new_event[class="hl-string">'ActivityName'] = class="hl-string">'Service Request Created'
                            event_log.append(new_event)

                        class=class="hl-string">"hl-comment"># Initial Acknowledgment Sent (Proxy by Notification event)
                        if event_type == class="hl-string">'Notification':
                            new_event = base_event.copy()
                            new_event[class="hl-string">'ActivityName'] = class="hl-string">'Initial Acknowledgment Sent'
                            event_log.append(new_event)

                        class=class="hl-string">"hl-comment"># Request Categorized And Prioritized, Assigned, Status Changes
                        if event_type == class="hl-string">'Change':
                            field = event.get(class="hl-string">'field_name')
                            if field in [class="hl-string">'type', class="hl-string">'priority', class="hl-string">'custom_field_[your_category_field_id]']:
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'Request Categorized And Prioritized'
                                event_log.append(new_event)
                            
                            if field == class="hl-string">'assignee_id':
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'Request Assigned To Agent'
                                new_event[class="hl-string">'AssignedAgent'] = get_user_name(event.get(class="hl-string">'value'), users_cache, session)
                                event_log.append(new_event)

                            if field == class="hl-string">'group_id':
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'Internal Escalation Triggered'
                                event_log.append(new_event)

                            if field == class="hl-string">'status':
                                new_status = event.get(class="hl-string">'value')
                                if new_status == class="hl-string">'pending':
                                    new_event = base_event.copy()
                                    new_event[class="hl-string">'ActivityName'] = class="hl-string">'Information Requested From Customer'
                                    event_log.append(new_event)
                                elif new_status == class="hl-string">'solved':
                                    new_event = base_event.copy()
                                    new_event[class="hl-string">'ActivityName'] = class="hl-string">'Service Request Resolved'
                                    event_log.append(new_event)
                                    class=class="hl-string">"hl-comment"># Satisfaction Survey Sent (Proxy: occurs after solve)
                                    solve_time = datetime.datetime.fromisoformat(audit_created_at.replace(class="hl-string">'Z', class="hl-string">'+00:00'))
                                    survey_time = solve_time + datetime.timedelta(hours=1)
                                    survey_event = new_event.copy()
                                    survey_event[class="hl-string">'ActivityName'] = class="hl-string">'Satisfaction Survey Sent'
                                    survey_event[class="hl-string">'StartTime'] = survey_time.isoformat().replace(class="hl-string">'+00:00', class="hl-string">'Z')
                                    event_log.append(survey_event)
                                elif new_status == class="hl-string">'closed':
                                    new_event = base_event.copy()
                                    new_event[class="hl-string">'ActivityName'] = class="hl-string">'Service Request Closed'
                                    event_log.append(new_event)
                                elif new_status == class="hl-string">'open' and event.get(class="hl-string">'previous_value') in [class="hl-string">'solved', class="hl-string">'pending']:
                                    activity = class="hl-string">'Service Request Reopened' if event.get(class="hl-string">'previous_value') == class="hl-string">'solved' else class="hl-string">'Customer Responded'
                                    new_event = base_event.copy()
                                    new_event[class="hl-string">'ActivityName'] = activity
                                    event_log.append(new_event)
                            
                            if field == class="hl-string">'satisfaction_score':
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'Satisfaction Rating Received'
                                event_log.append(new_event)

                        class=class="hl-string">"hl-comment"># First Agent Public Reply Sent & Customer Responded
                        if event_type == class="hl-string">'Comment':
                            author_id = event.get(class="hl-string">'author_id')
                            author_details_response = session.get(fclass="hl-string">'{BASE_URL}/users/{author_id}.json')
                            author_role = author_details_response.json().get(class="hl-string">'user',{}).get(class="hl-string">'role', class="hl-string">'end-user') if author_details_response.ok else class="hl-string">'end-user'

                            if author_role in [class="hl-string">'agent', class="hl-string">'admin'] and event.get(class="hl-string">'public') and not first_agent_reply_sent:
                                new_event = base_event.copy()
                                new_event[class="hl-string">'ActivityName'] = class="hl-string">'First Agent Public Reply Sent'
                                event_log.append(new_event)
                                first_agent_reply_sent = True

                class=class="hl-string">"hl-comment"># SLA Breach Occurred
                if ticket_metrics.get(class="hl-string">'sla_breach_at'):
                    sla_breach_time = ticket_metrics.get(class="hl-string">'sla_breach_at')
                    new_event = base_event.copy()
                    new_event[class="hl-string">'ActivityName'] = class="hl-string">'SLA Breach Occurred'
                    new_event[class="hl-string">'StartTime'] = sla_breach_time
                    event_log.append(new_event)

            url = data.get(class="hl-string">'after_url')
            if not data.get(class="hl-string">'end_of_stream', False):
                time.sleep(1) class=class="hl-string">"hl-comment"># Be a good API citizen
            else:
                url = None

        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">'An error occurred: {e}')
            break

    class=class="hl-string">"hl-comment"># Write to CSV
    print(fclass="hl-string">'Writing {len(event_log)} events to {CSV_FILENAME}...')
    with open(CSV_FILENAME, class="hl-string">'w', newline=class="hl-string">'', encoding=class="hl-string">'utf-8') as csvfile:
        writer = csv.DictWriter(csvfile, fieldnames=CSV_HEADERS)
        writer.writeheader()
        class=class="hl-string">"hl-comment"># Sort events by ticket and then by time for chronological order
        sorted_log = sorted(event_log, key=lambda x: (x[class="hl-string">'ServiceRequest'], x[class="hl-string">'StartTime']))
        for row in sorted_log:
            writer.writerow(row)
    print(class="hl-string">'Extraction complete.')

if __name__ == class="hl-string">'__main__':
    main()

Stappen

Navigeer naar Zendesk Explore: Log in bij uw Zendesk-instantie en open het Explore-product door op het productstarterpictogram in de bovenste balk te klikken en Explore te selecteren.
Maak een nieuwe query aan: Klik in Explore op het pictogram Queries in de linkerzijbalk en vervolgens op de knop "Nieuwe query" rechtsboven.
Selecteer de dataset: Selecteer in het venster "Kies een dataset" de dataset Support: Tickets. Deze dataset bevat de primaire ticket attributes en belangrijke event timestamps.
Voeg Metrics toe: Ga in de querybouwer naar het paneel "Metrics" en klik op "Toevoegen". Selecteer COUNT(Tickets). Dit helpt bij het valideren van het data volume.
Voeg Attributes toe aan rijen: Ga naar het paneel "Rijen" en klik op "Toevoegen". Voeg de volgende attributes toe. Deze vormen de basiskolommen van uw export in breed formaat.
- Ticket ID (Dit is uw Case Identifier, ServiceRequest)
- Assignee name (AssignedAgent)
- Ticket type (ServiceRequestType)
- Ticket priority (Priority)
- Ticket channel (CommunicationChannel)
- SLA resolution time (SlaTargetResolutionTime)
- SLA breach status (IsSlaBreached)
- Full resolution time (min) (ServiceRequestResolutionTime)
Voeg Activity Timestamps toe aan rijen: Voeg de volgende timestamp attributes toe aan het paneel "Rijen". Elk hiervan vertegenwoordigt een potentiële activiteit. Sommige activiteiten vereisen het aanmaken van een custom calculated attribute.
- Ticket created - Timestamp: Voor Service Request Created en Initial Acknowledgment Sent.
- Ticket assigned - Timestamp: Voor Request Assigned To Agent.
- First reply time - Timestamp: Voor First Agent Public Reply Sent.
- Ticket solved - Timestamp: Voor Service Request Resolved en Satisfaction Survey Sent.
- Ticket reopened - Timestamp: Voor Service Request Reopened.
- Satisfaction rating received - Timestamp: Voor Satisfaction Rating Received.
- Ticket closed - Timestamp: Voor Service Request Closed.
Maak Custom Calculated Attributes aan voor andere activiteiten: Sommige activiteiten zijn gebaseerd op specifieke veldwijzigingen en vereisen het aanmaken van custom attributes om hun timestamp vast te leggen. Ga naar het menu Berekeningen (rekenmachine-pictogram) en selecteer "Standard calculated attribute". Maak één attribute aan voor elk van de volgende activiteiten. U moet de exacte namen voor velden en waarden in uw Zendesk-instantie vinden.
- Naam: Timestamp - Categorized and Prioritized. Formule: IF ([Changes - Field name] = "priority" OR [Changes - Field name] = "type") THEN [Update - Timestamp] ENDIF. Nadat u het heeft aangemaakt, voegt u dit nieuwe attribute toe aan het paneel "Rijen" en wijzigt u de aggregator naar MIN.
- Naam: Timestamp - Info Requested. Formule: IF ([Changes - Field name] = "status" AND [Changes - New value] = "pending") THEN [Update - Timestamp] ENDIF. Voeg het toe aan "Rijen" en stel de aggregator in op MIN.
- Naam: Timestamp - Customer Responded. Formule: IF ([Changes - Field name] = "status" AND [Changes - Previous value] = "pending" AND [Changes - New value] = "open") THEN [Update - Timestamp] ENDIF. Voeg het toe aan "Rijen" en stel de aggregator in op MIN.
- Naam: Timestamp - Escalated. Formule: IF ([Changes - Field name] = "group") THEN [Update - Timestamp] ENDIF. Voeg het toe aan "Rijen" en stel de aggregator in op MIN.
- Naam: Timestamp - SLA Breach. Formule: IF ([SLA breach status]=TRUE) THEN [SLA update - Timestamp] ENDIF. Voeg het toe aan "Rijen" en stel de aggregator in op MIN.
Filter de data: Ga naar het paneel "Filters" en klik op "Toevoegen". Voeg een filter toe voor Ticket created - Date en selecteer een passend datumbereik, zoals de laatste 3 tot 6 maanden, om de dataset beheersbaar te houden.
Voer het rapport uit en exporteer het: Klik op "Opslaan" om de query uit te voeren. Zodra de tabel de data weergeeft, klikt u op de knop "Exporteren" en kiest u het gewenste formaat, zoals CSV of Excel.
Transformeer Data naar Event Log Format: Het geëxporteerde bestand is in een "breed" formaat waarbij elke rij een ticket is en elke kolom een event timestamp. U moet dit transformeren naar een "lang" formaat voor process mining. Gebruik een tool zoals Microsoft Excel (met Power Query's Unpivot-functie), Python of een andere data voorbereidingstool.
- Maak voor elke rij (ticket) meerdere nieuwe rijen, één voor elke niet-lege timestamp-kolom.
- De uiteindelijke tabel moet kolommen bevatten zoals ServiceRequest, ActivityName, StartTime, en de andere attributes, die gedupliceerd zullen worden voor elke activiteit van een bepaalde serviceaanvraag.

Configuratie

Dataset: De primaire dataset om te gebruiken is Support: Tickets. Deze geeft toegang tot de meeste ticket properties en belangrijke timestamps in één enkele query.
Rechten: U heeft minimaal een Editor- of Admin-rol nodig in Zendesk Explore om queries te maken en op te slaan.
Datumbereik: Het is cruciaal om een datumbereikfilter in te stellen op Ticket created - Date. Een bereik van 3 tot 6 maanden data wordt aanbevolen om inzicht en prestaties in evenwicht te houden. Het exporteren van miljoenen tickets kan traag zijn of mislukken.
Queryfilters: Overweeg om filters toe te voegen voor specifieke ticket properties zoals Ticket brand, Ticket form, of Ticket group om de analyse te richten op een specifieke service of team.
Berekende attributes: Deze methode is sterk afhankelijk van het creëren van standaard berekende attributes om timestamps vast te leggen voor events die geen standaard attributes zijn, zoals statuswijzigingen of escalaties. Zorg ervoor dat u de rechten heeft om deze attributes te creëren.

a Voorbeeldquery config

This extraction is configured through the Zendesk Explore graphical user interface. There is no single script to execute. The configuration below outlines the components to add in the query builder.

**Dataset**: `Support: Tickets`

**Metrics**:
1.  `COUNT(Tickets)`

**Rows (Attributes)**:
1.  `Ticket ID`
2.  `Assignee name`
3.  `Ticket type`
4.  `Ticket priority`
5.  `Ticket channel`
6.  `SLA resolution time`
7.  `SLA breach status`
8.  `Full resolution time (min)`
9.  `MIN(Ticket created - Timestamp)`
10. `MIN(Ticket assigned - Timestamp)`
11. `MIN(First reply time - Timestamp)`
12. `MIN(Ticket solved - Timestamp)`
13. `MIN(Ticket reopened - Timestamp)`
14. `MIN(Satisfaction rating received - Timestamp)`
15. `MIN(Ticket closed - Timestamp)`
16. `MIN(Timestamp - Categorized and Prioritized)` (Custom calculated attribute)
17. `MIN(Timestamp - Info Requested)` (Custom calculated attribute)
18. `MIN(Timestamp - Customer Responded)` (Custom calculated attribute)
19. `MIN(Timestamp - Escalated)` (Custom calculated attribute)
20. `MIN(Timestamp - SLA Breach)` (Custom calculated attribute)

**Filters**:
1.  `Ticket created - Date`: Select a date range (e.g., last 180 days)

**Standard Calculated Attribute Formulas**:
*   `Timestamp - Categorized and Prioritized`: `IF ([Changes - Field name] = "priority" OR [Changes - Field name] = "type") THEN [Update - Timestamp] ENDIF`
*   `Timestamp - Info Requested`: `IF ([Changes - Field name] = "status" AND [Changes - New value] = "pending") THEN [Update - Timestamp] ENDIF`
*   `Timestamp - Customer Responded`: `IF ([Changes - Field name] = "status" AND [Changes - Previous value] = "pending" AND [Changes - New value] = "open") THEN [Update - Timestamp] ENDIF`
*   `Timestamp - Escalated`: `IF ([Changes - Field name] = "group") THEN [Update - Timestamp] ENDIF`
*   `Timestamp - SLA Breach`: `IF ([SLA breach status]=TRUE) THEN [SLA update - Timestamp] ENDIF`

Uw Klantenservice Data Template

Uw Klantenservice Data Template

Klantenservice `Attributes`

Klantenservice `Activities`

Extractie Guides

Zendesk Explore UI voor Rapport en Data Export

Stappen

Configuratie

a Voorbeeldquery config

Python Script met Zendesk Support REST API

Stappen

Configuratie

a Voorbeeldquery python

Zendesk Incremental Exports API voor Bulk Data

Stappen

Configuratie

a Voorbeeldquery python

Third-Party ETL Tool Connector voor Zendesk

Stappen

Configuratie

a Voorbeeldquery config

Klaar om te starten?

Beëindig Knelpunten in Klantenservice, Verhoog CSAT Nu

Uw Klantenservice Data Template

Uw Klantenservice Data Template

Klantenservice Attributes

Klantenservice Activities

Extractie Guides

Zendesk Explore UI voor Rapport en Data Export

Stappen

Configuratie

a Voorbeeldquery config

Python Script met Zendesk Support REST API

Stappen

Configuratie

a Voorbeeldquery python

Zendesk Incremental Exports API voor Bulk Data

Stappen

Configuratie

a Voorbeeldquery python

Third-Party ETL Tool Connector voor Zendesk

Stappen

Configuratie

a Voorbeeldquery config

Wij hechten veel waarde aan je privacy

Klaar om te starten?

Beëindig Knelpunten in Klantenservice, Verhoog CSAT Nu

Klantenservice `Attributes`

Klantenservice `Activities`