> 持续流程改进 > 客户服务 > Zendesk Support > 数据模板

您的客服数据模板

Zendesk Support

← 返回改进指南

客户服务属性 (19) 客户服务活动 (14) 提取指南 (4)

您的客服数据模板

此模板可帮助您收集用于分析客服流程的正确数据。它概述了需要收集的核心数据属性、需要追踪的关键活动，并提供了如何提取这些信息的实用指南。通过此指南，您可以构建强大的事件日志，从而发掘洞察并优化服务运营。

建议收集的属性
客户服务流程中需跟踪的关键活动
Zendesk Support 数据提取指南

不熟悉事件日志？了解如何创建流程挖掘事件日志.

下载模板

客户服务属性

为了进行全面的客服分析，这些是建议包含在事件日志中的数据字段。

5 必填 7 推荐 7 可选

	名称	描述
	开始时间 StartTime	指示某项活动或事件开始时间的时间戳。
描述开始时间（Start Time）或事件时间戳记录了特定活动发生的精确日期和时间。例如，它会捕捉客户添加备注、客服被分配或工单状态变为“已解决”的时间。该时间戳是流程挖掘的基石，因为它确定了事件的时间顺序。它被用于计算活动间的时长、衡量周期时间、分析 SLA 达标情况，以及理解服务流程的时间动态。为何重要该时间戳对于事件排序、时长计算以及分析服务请求流程的时间轴至关重要。获取方式 Zendesk Ticket Audits API，审计追踪中每个事件的 `created_at` 字段。示例 2023-04-15T10:00:00Z2023-04-15T10:05:14Z2023-04-16T14:30:00Z
	服务请求 ServiceRequest	每个客户服务请求的唯一标识符，也称为工单或案例。
描述服务请求（Service Request）是主要案例标识符（Case ID），它将从创建到最终解决的所有相关活动联系在一起。每次互动、更新或内部操作都绑定到这个唯一的 ID。在流程挖掘中，按服务请求分组分析事件可以获得客户服务旅程的完整端到端视图。它是计算总解决时间等关键指标、识别流程偏差以及理解每个客户问题生命周期的基础。为何重要这是连接所有流程步骤的核心 Case ID，支持对每个独立客户服务旅程的还原与分析。获取方式 Zendesk Tickets API，`id` 字段。示例 102451287415332
	最后数据更新 LastDataUpdate	此属性指示data最后一次从Salesforce Financial Services Cloud提取的日期和时间，为分析数据“新鲜度”提供背景。这对于dashboard用户理解分析时效性至关重要，有助管理数据及时性预期，并验证data pipelines是否按计划运行。
描述该属性指示数据集从 Zendesk Support 更新的最后时间，提供了所分析数据的时效性背景。了解最后更新时间对于分析人员和业务用户至关重要，这能让他们明确自己查看的是否是最新流程信息。它有助于管理对数据实时性的预期，对于报表和监控目的也至关重要。为何重要明确反映数据的时效性，确保用户了解流程分析是基于最新状态的。获取方式这是在数据提取过程中生成并存储的元数据字段，记录了提取作业的时间戳。示例 2023-10-27T02:00:00Z
	活动名称 ActivityName	服务请求生命周期中发生的特定事件或任务的名称。
描述活动名称（Activity Name）描述了客服流程中的单个步骤或里程碑，例如“服务请求已创建”、“请求已分配给客服”或“服务请求已解决”。这些事件带有时间戳，构成了每个服务请求的操作序列。该属性对于流程流向可视化、发现流程变体以及分析事件频率和顺序至关重要。它能让分析人员了解正在执行的操作，并识别出常规路径、瓶颈以及与标准流程的偏差。为何重要该属性定义了流程中的步骤，从而实现流程图的可视化，并支持对流程流向和变体的分析。获取方式源自记录更改和操作的 Zendesk 工单审计日志或事件流。示例服务请求已创建请求已分配给客服座席已发送首次公开回复服务请求已解决
	源系统 SourceSystem	提取 data 的记录系统。
描述该属性指定了服务请求数据的来源系统，在本案例中为 Zendesk Support。它有助于数据治理和血缘追踪，特别是在整合来自多个系统的数据时。在分析中，它确保数据被正确归因到其源头，这对于维护数据完整性和理解流程背景（特别是在多系统环境下）非常重要。为何重要识别数据的来源，这对于数据治理以及在集成环境中区分流程数据至关重要。获取方式这是在数据提取过程中添加的静态值，用于标记数据的来源。示例 Zendesk Support
	SLA 目标解决时间 SlaTargetResolutionTime	根据其 SLA 策略，服务请求预期解决的目标时长。
描述该属性定义了解决工单的服务水平协议（SLA）目标。该目标通常是动态的，取决于请求的优先级、类型或客户的服务方案等因素。这是“SLA 合规绩效”仪表板的基础属性，作为衡量实际解决时间的基准。分析相对于该目标的绩效有助于量化服务交付质量，并确保履行对客户的合同义务。为何重要定义了对客户的服务承诺，作为衡量准时绩效和 SLA 合规性的基准。获取方式源自应用于工单的 SLA 策略。此信息可通过 Zendesk 工单指标 API 获取。示例 144002880086400
	优先级 Priority	分配给服务请求的优先级，例如“低”、“普通”、“高”或“紧急”。
描述优先级反映了服务请求的紧急程度，通常会影响其在队列中的位置和目标解决时间，帮助客服优先处理最关键的问题。该属性对于绩效和 SLA 分析至关重要。“服务请求解决时间分析”仪表板利用优先级进行数据切片，从而揭示高优先级请求的处理速度是否快于低优先级请求，以及资源分配是否符合业务需求。为何重要指示请求的紧急程度，这对于分析 SLA 合规性以及确保及时处理关键问题至关重要。获取方式 Zendesk Tickets API，`priority` 字段。示例低普通高紧急
	指派处理人 AssignedAgent	负责处理该服务请求的客服人员姓名或 ID。
描述该属性识别在特定时间点负责某项活动或服务请求的具体客服。如果请求被重新分配，该属性在生命周期内可能会发生变化。按“负责客服”分析是了解客服工作负载、绩效和效率的关键。它支持“客服工作负载与效率”仪表板，允许对比不同客服的处理时间和案例量，有助于发现辅导机会并确保工作负载平衡。为何重要追踪执行操作的客服，以便分析个人绩效、工作负载分布和资源分配。获取方式 Zendesk Tickets API，`assignee_id` 字段。用户信息可从 Users API 获取。示例约翰·史密斯Jane DoeSupportBot
	是否发生SLA违约 IsSlaBreached	一个布尔标志，指示服务请求的解决时间是否超过了其 SLA 目标。
描述该计算属性是一个简单的 true/false 标签，显示服务请求是否未能满足定义的解决时间 SLA。它是通过对比实际解决时长与计划的 SLA 目标得出的。该标签简化了 SLA 合规性分析。它是“SLA 合规绩效”仪表板和“SLA 合规率”KPI 的核心数据点，可以快速汇总并直观展示有多少请求达到了服务目标，以及有多少未达标。为何重要为每个案例的 SLA 达标情况提供明确的结果，简化合规性监控和报表编制。获取方式在数据转换期间，通过将总解决时间与 SlaTargetResolutionTime 进行比较得出。示例 truefalse
	服务请求类型 ServiceRequestType	服务请求的分类，例如“提问”、“事件”、“问题”或“任务”。
描述该属性根据服务请求的性质进行分类。此分类通常在请求创建或分拨时设置，有助于确定合适的工作流和优先级。在分析中，按服务请求类型进行细分是基础。它可以对比不同类型问题的解决时间、升级率和流程流向，如“服务请求解决时间分析”和“内部升级率及原因”仪表板所示。这有助于识别某些类型的请求是否更难处理或效率更低。为何重要对请求进行分类，以便对不同类型的问题进行性能比较和分析，这对于有针对性的流程改进至关重要。获取方式 Zendesk Tickets API，`type` 字段。示例提问事件问题任务
	沟通渠道 CommunicationChannel	提交服务请求或进行沟通的渠道。
描述该属性识别所使用的沟通方式，如电子邮件、网页表单、聊天或电话。它反映了客户与服务台的互动方式。了解渠道使用情况对于资源规划和提升客户体验非常重要。“沟通渠道使用概览”仪表板分析这些数据，以查看哪些渠道最受欢迎，以及某些渠道是否与较长的解决时间或不同的流程路径相关联。这有助于决策应在何处投入服务改进或自动化资源。为何重要展示客户与客服的互动方式，以便分析渠道效率及其对流程和客户体验的影响。获取方式 Zendesk Tickets API，`via.channel` 字段。示例网页emailapichat
	解决时长 ServiceRequestResolutionTime	从服务请求创建到最终解决所经过的总时长。
描述该指标衡量服务请求的端到端时长，计算方式为“服务请求已解决”活动与“服务请求已创建”活动的时间戳之差。这是任何客服流程中最重要的 KPI 之一。它是“服务请求解决时间分析”仪表板和“平均服务请求解决时间”KPI 的首要指标。分析此时长有助于识别系统性延迟，并衡量支持流程的整体效率。为何重要衡量端到端的案例持续时间，这是评估整体流程效率和客户体验的关键 KPI。获取方式通过从每个服务请求的最终解决时间戳中减去创建时间戳计算得出。示例 720086400172800
	产品服务类别 ProductServiceCategory	客户请求涉及的特定产品、服务或功能。
描述该属性通过按产品或服务领域对服务请求进行分类来提供详细背景。它通常由客服手动设置，或根据请求内容自动设置。此分类对于“请求分类准确率”和“调查周期时间分解”仪表板至关重要。它支持深度分析哪些产品产生的支持请求最多、哪些最难解决，以及初始分类是否与最终解决方案一致，从而有助于改进转派机制和客服培训。为何重要将请求链接到特定的业务领域、产品或服务，从而能够对问题区域及其对流程的影响进行针对性分析。获取方式这通常是 Zendesk 中的自定义工单字段，具体字段名称取决于您的 Zendesk 配置。示例移动应用订阅管理API 集成硬件
	座席组 AgentGroup	服务请求分配到的支持组或团队。
描述该属性代表负责处理服务请求的客服团队。请求通常根据技能、产品领域或语言路由到特定的小组。按“客服组”分析有助于了解团队层面的绩效、工作负载分布以及团队间的升级模式。它比单个客服分析提供了更高维度的视角，有助于识别特定部门或职能内部的系统性问题。为何重要追踪团队职责，以便分析小组绩效、团队间交接以及不同支持层级或专业领域间的资源分配。获取方式 Zendesk Tickets API，`group_id` 字段。小组信息可从 Groups API 获取。示例一线支持技术支持账单
	是否重新打开 IsReopened	一个布尔标志，指示服务请求在被标记为“已解决”后是否又被重新开启。
描述该属性是一个标签，如果服务请求在之前被设为已解决或已关闭后又转回开启状态，则该标签为 true。它信号化了初始解决并不充分。该标签对于追踪返工和首次解决失败至关重要。它直接支持“重开服务请求趋势”仪表板和“服务请求重开率”KPI，使统计和分析需要额外关注的案例变得简单，而这些案例通常预示着更深层的潜在问题。为何重要识别重复劳动和失败的解决方案，有助于衡量所提供解决方案的质量和有效性。获取方式在数据转换期间，通过检查工单状态是否从“已解决”或“已关闭”变回“开启”来计算得出。示例 truefalse
	满意度评分 SatisfactionRating	服务请求解决后客户提供的满意度得分。
描述该属性捕获客户对服务体验的反馈，通常在工单解决后通过调查收集。常见的评分包括“好”、“差”或数字分数。这是对客户情绪的直接衡量，也是关键的结果指标，用于计算“客户情绪得分”KPI。将满意度评分与流程数据（如解决时间或客服介入次数）结合分析，可以揭示哪些流程行为能带来更好的客户结果。为何重要直接衡量客户对所提供服务的反馈，将流程绩效与客户成果联系起来。获取方式 Zendesk Tickets API，`satisfaction_rating.score` 字段。示例 goodbadoffered
	结束时间 EndTime	指示活动或事件完成的时间戳。
描述结束时间（End Time）代表活动的完成时间。在许多事件日志结构中，下一活动的开始时间可以作为当前活动的结束时间。对于“客服调查问题”等基于状态的活动，它标记了该状态结束的时间点。该属性对于计算活动的精确时长至关重要，而时长是绩效分析的核心组件。它有助于识别哪些步骤最耗时，并为详细的瓶颈分析和资源效率计算提供依据。为何重要实现对活动持续时间的计算，这对于识别瓶颈和衡量绩效至关重要。获取方式这通常是通过获取给定服务请求序列中后续事件的 StartTime 推导出来的。示例 2023-04-15T10:05:14Z2023-04-15T11:20:30Z2023-04-16T15:00:00Z
	解决代码 ResolutionCode	指示请求最终解决或关闭原因的代码或类别。
描述解决代码（Resolution Code）提供了关于服务请求结果的结构化信息。例如“客服已解决”、“重复请求”、“无需采取行动”或“已知问题”。它比简单的“已关闭”状态提供了更多背景信息。该属性对根本原因分析非常有价值。在“重开服务请求趋势”仪表板中，按解决代码分析重开率可以揭示某些类型的解决方案是否效果较差，从而导致客户不得不再次联系支持团队。为何重要提供服务请求结果的洞察，这对于根本原因分析以及理解请求被重新开启的原因至关重要。获取方式这通常是 Zendesk 中的自定义工单字段，具体字段名称取决于您的 Zendesk 配置。示例首次联系解决率已升级到二线支持等待客户回复产品缺陷
	请求信息次数 InformationRequestCount	单个服务请求中向客户索取信息的总次数。
描述该计算指标统计了每个服务请求中出现“向客户索取信息”活动的次数。计数过高表明客服未能预先收集齐所有必要信息。该属性用于“重复索取信息分析”仪表板。追踪此计数有助于识别流程中的低效环节和客服培训需求。减少索取信息的次数可以显著缩短解决时间并提升客户体验。为何重要量化与客户之间的往返沟通次数，识别出那些拉长解决时间并损害客户体验的低效环节。获取方式通过统计每个服务请求中 ActivityName 为“向客户请求信息”的事件数量计算得出。示例 013

必填推荐可选

客户服务活动

为了准确进行客服流程发现，这些是您的事件日志中应捕获的关键流程步骤和里程碑。

6 推荐 8 可选

	活动	描述
	已向客户请求信息	当座席需要客户提供更多信息才能继续处理，并将工单状态更改为“待处理”时发生。此状态更改明确表示流程现在正在等待外部参与者。
为何重要该活动突显了对客户的依赖，并会暂停内部 SLA 计时。单个工单上频繁或重复出现此类情况可能表明初始信息收集不完整，会导致解决时间延长。获取方式这是 Zendesk Ticket Audits API 中记录的明确状态变更事件，在“status”字段变为“pending”（待处理）时捕获。捕获识别工单审计中工单状态设置为“待处理”的“更改”事件。事件类型 explicit
	服务请求已关闭	这是最后一项活动，标志着服务请求的永久关闭。这通常发生在工单标记为“已解决”且客户在设定的一段时间内没有新回复后，由系统自动完成。
为何重要作为最终的结束事件，它标志着工单生命周期的终结。从“已解决”到“已关闭”的时间代表了潜在重新开启的窗口，而“已关闭”事件确认了解决方案已被接受。获取方式这是在 Zendesk Ticket Audits API 中记录的明确状态变更，在“status”字段设为“closed”（已关闭）时捕获。捕获识别工单审计中工单状态设置为“已关闭”的“更改”事件。事件类型 explicit
	服务请求已创建	该活动标志着客服流程的开始，即通过电子邮件、网页表单或聊天等任何渠道在 Zendesk 中生成新工单。系统会在创建时明确记录该事件，并附带唯一的工单 ID 和时间戳。
为何重要作为主要的启动事件，它对于计算案例的总时长和分析随时间变化的请求量至关重要。它是衡量关键绩效指标（如首次回复时间和总解决时间）的基准。获取方式这是在 Zendesk Ticket Audits API 中捕获的明确事件。它对应于工单的“创建”事件，提供了初始创建时间戳。捕获从工单审计日志中的工单创建事件中捕获。事件类型 explicit
	服务请求已解决	座席在向客户提供解决方案后将服务请求标记为“已解决”。这是一个临时状态，因为在工单永久关闭之前，客户可以通过回复重新开启工单。
为何重要这是衡量解决时间和客服效率的首要里程碑。它标志着客服认为工作已完成的时间点，并为分析工单重开后的返工情况提供了基础。获取方式这是在 Zendesk Ticket Audits API 中记录的明确状态变更，在“status”字段设为“solved”（已解决）时捕获。捕获识别工单审计中工单状态设置为“已解决”的“更改”事件。事件类型 explicit
	服务请求已重新开启	如果客户回复状态为“已解决”的工单，就会触发此活动。Zendesk 会自动将状态改回“开启”，表示问题未完全解决。
为何重要工单重开是首次解决率（FCR）失败和解决方案质量不佳的关键指标。分析工单重开的频率和原因，有助于发现客服培训和解决流程中需要改进的环节。获取方式这是 Ticket Audits API 中的明确状态变更，在“status”从“solved”（已解决）回到“open”（开启）时捕获。捕获追踪从“已解决”到“开启”的状态“变更”事件。事件类型 explicit
	请求已分配给客服	该事件表示服务请求已分配给特定的客服进行处理。这可以根据路由规则自动发生，也可以由团队负责人或客服手动操作。
为何重要分派是问责和工作量管理的关键里程碑。分析分派时间及其重新分派模式可以揭示分拣和分配过程中的瓶颈。获取方式这是 Zendesk Ticket Audits API 中的一个明确的“变更”事件，每当“assignee_id”字段被填充或更改时都会记录。捕获追踪 Ticket Audits 日志中“assignee_id”字段的变更。事件类型 explicit
	发生 SLA 违规	该活动标记了服务请求未能满足预定义服务水平协议（如首次回复时间或解决时间）的时间点。该事件是通过对比工单活动时间戳与 SLA 策略计算得出的。
为何重要违反 SLA 会直接影响客户满意度和合同合规性。分析违规发生的时间和原因，对于识别系统性延迟、资源短缺或不切实际的绩效目标至关重要。获取方式这可以从 Zendesk Ticket Metrics API 获取，该 API 存储了 SLA 违规时间戳（“breached_at”）。或者，也可以通过对比工单事件时间戳与定义的 SLA 规则来计算。捕获使用 Ticket Metrics API 中的“breached_at”时间戳，或者通过对比解决时间与 SLA 策略时间进行计算。事件类型 calculated
	客户已回复	当客户回复工单（通常是处于“待处理”状态的工单）时会触发该事件。Zendesk 会自动将工单状态从“待处理”转回“开启”，提示客服可以恢复工作。
为何重要该活动标志着等待时间的结束，是流程继续进行的触发点。分析客户响应所需的时间可以深入了解客服请求的清晰度。获取方式该事件对应于终端用户的新公开备注，这会在 Ticket Audits API 中触发从“待处理”到“开启”的明确状态变更。捕获追踪从“待处理”到“开启”的状态“变更”事件，或识别终端用户的新公开备注。事件类型 explicit
	已发送初始确认	代表发送给客户的自动化第一响应，确认请求已收到。这通常由 Zendesk 触发器处理，在工单创建后立即发送模板化电子邮件通知。
为何重要追踪该活动对于衡量初始响应速度和管理客户预期至关重要。从请求创建到回复确认的时间是衡量客户满意度的核心指标。获取方式如果工单的第一条公开评论由自动用户发布，或者发生在工单创建后的几秒钟内，则可推断得出。这可以通过分析工单评论流来识别。捕获识别紧随工单创建之后由自动化或触发器创建的第一条公开评论。事件类型 inferred
	已触发内部升级	代表将服务请求转移到不同的内部团队或更高级别的支持层级。这通常通过工单分配组的变更来判定。
为何重要追踪升级情况是识别流程薄弱环节、一线支持知识缺口以及复杂请求类型的关键。高升级率可能表明需要加强培训或完善流程文档。获取方式从工单审计 API 中修改了“组 ID” (group_id) 字段的“更改”事件中推断得出。组的更改意味着团队之间的交接。捕获监控工单审计日志中“组 ID” (group_id) 字段的更改。事件类型 inferred
	座席已发送首次公开回复	该活动标志着客服首次向客户发送公开备注，而非自动确认回复。该事件是衡量客服初步介入客户问题的关键指标。
为何重要这是衡量“首次回复时间”SLA 的关键里程碑，也是反映服务响应速度的核心指标。它将自动化沟通与人工介入调查支持的开始区分开来。获取方式通过在工单评论流中查找作者为人工座席（而非自动系统用户）的第一条公开评论来识别。捕获扫描工单备注，筛选来自客服的公开备注，并选择时间戳最早的一条。事件类型 inferred
	收到满意度评分	当客户提交满意度调查响应并提供“好”或“差”等评价时，会发生该事件。评分及任何相关备注都会记录在工单中。
为何重要直接的客户反馈对于衡量服务质量和客户情绪至关重要。在流程流的背景下分析这些评分，有助于将特定活动或座席与最终结果联系起来。获取方式当“满意度评分” (satisfaction_rating) 字段填充了客户的分数和评论时，在工单审计 API 中捕获为“更改”事件。捕获筛选工单审计日志中“满意度评分” (satisfaction_rating) 字段的更改。事件类型 explicit
	满意度调查已发送	代表自动向客户发送客户满意度（CSAT）调查的时间点，通常发生在工单标记为“已解决”后不久。
为何重要该活动启动了客户反馈循环。了解调查发送的时间及是否发送，对于结合背景分析满意度得分以及衡量反馈计划的有效性非常重要。获取方式这可以从自动化日志或添加到工单的特定标签中推导出来。Ticket Audits API 中的“satisfaction_rating”部分也会记录提供调查的时间。捕获查找类似 'csat_sent' 的标签，或使用提供满意度评分时的时间戳。事件类型 inferred
	请求已分类并分级	当客服或自动化程序设置或更新工单字段（如类型、类别和优先级）时，会发生此活动。该步骤作为变更事件记录在工单历史记录中。
为何重要合理的分类和优先级排序对于高效转派和资源分配至关重要。分析这一活动有助于评估初始分拨的准确性及其对解决时间的影响。获取方式从 Zendesk 工单审计 API 捕获为“更改”事件。可以通过查找对“优先级”、“类型”或与分类相关的自定义字段的首次更新来识别。捕获筛选创建后关键分类字段的第一个“更改”事件。事件类型 explicit

推荐可选

提取指南

如何从 Zendesk Support 获取数据

步骤

导航至 Zendesk Explore：登录您的 Zendesk 实例，点击顶部栏的产品启动图标并选择 Explore 来打开该产品。
创建新查询：在 Explore 中，点击左侧边栏的“查询”图标，然后点击右上角的“新建查询”按钮。
选择数据集：在“选择数据集”窗口中，选择 Support: Tickets 数据集。此数据集包含主要的工单属性和关键事件时间戳。
添加指标：在查询生成器中，转到“指标”面板并点击“添加”。选择 COUNT(Tickets)。这有助于验证数据量。
将属性添加到行：转到“行”面板并点击“添加”。添加以下属性，这些将构成宽格式导出的基础列：
- Ticket ID（这是您的案例标识符 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)
将活动时间戳添加到行：将以下时间戳属性添加到“行”面板。每一个都代表一个潜在活动。某些活动需要创建自定义计算属性：
- Ticket created - Timestamp：对应 Service Request Created 和 Initial Acknowledgment Sent。
- Ticket assigned - Timestamp：对应 Request Assigned To Agent。
- First reply time - Timestamp：对应 First Agent Public Reply Sent。
- Ticket solved - Timestamp：对应 Service Request Resolved 和 Satisfaction Survey Sent。
- Ticket reopened - Timestamp：对应 Service Request Reopened。
- Satisfaction rating received - Timestamp：对应 Satisfaction Rating Received。
- Ticket closed - Timestamp：对应 Service Request Closed。
为其他活动创建自定义计算属性：某些活动基于特定的字段更改，需要创建自定义属性来捕获其时间戳。转到“计算”菜单（计算器图标）并选择“标准计算属性”。为以下每个活动创建一个属性。您需要在 Zendesk 实例中查找字段和值的确切名称：
- 名称：Timestamp - Categorized and Prioritized。公式：IF ([Changes - Field name] = "priority" OR [Changes - Field name] = "type") THEN [Update - Timestamp] ENDIF。创建后，将此新属性添加到“行”面板并将聚合器更改为 MIN。
- 名称：Timestamp - Info Requested。公式：IF ([Changes - Field name] = "status" AND [Changes - New value] = "pending") THEN [Update - Timestamp] ENDIF。将其添加到“行”并设置聚合器为 MIN。
- 名称：Timestamp - Customer Responded。公式：IF ([Changes - Field name] = "status" AND [Changes - Previous value] = "pending" AND [Changes - New value] = "open") THEN [Update - Timestamp] ENDIF。将其添加到“行”并设置聚合器为 MIN。
- 名称：Timestamp - Escalated。公式：IF ([Changes - Field name] = "group") THEN [Update - Timestamp] ENDIF。将其添加到“行”并设置聚合器为 MIN。
- 名称：Timestamp - SLA Breach。公式：IF ([SLA breach status]=TRUE) THEN [SLA update - Timestamp] ENDIF。将其添加到“行”并设置聚合器为 MIN。
筛选数据：转到“筛选”面板并点击“添加”。为 Ticket created - Date 添加筛选器，并选择合适的时间范围（如过去 3 到 6 个月），以保持数据集的大小适中。
运行并导出报告：点击“保存”以运行查询。数据显示在表格中后，点击“导出”按钮并选择您喜欢的格式，例如 CSV 或 Excel。
将数据转换为事件日志格式：导出的文件是“宽”格式，其中每行是一个工单，每列是一个事件时间戳。您必须将其转换为用于流程挖掘的“长”格式。可以使用 Microsoft Excel（利用 Power Query 的“逆透视列”功能）、Python 或其他数据准备工具：
- 对于每一行（工单），为每个非空时间戳列创建多个新行。
- 最终表格应包含 ServiceRequest、ActivityName、StartTime 等列，以及其他属性，这些属性将针对给定服务请求的每个活动进行复制。

配置

数据集 (Dataset)：首选数据集是 Support: Tickets。这使您能够在单次查询中访问大部分工单属性和关键时间戳。
权限：您至少需要 Zendesk Explore 中的“编辑者” (Editor) 或“管理员” (Admin) 角色才能创建和保存查询。
日期范围：在 Ticket created - Date 上设置日期范围过滤器至关重要。建议选择 3 到 6 个月的数据，以平衡分析深度与性能。导出数百万张工单可能速度较慢或导致失败。
查询过滤器：考虑针对特定的工单属性添加过滤器，例如 Ticket brand、Ticket form 或 Ticket group，以便将分析重点放在特定的服务或团队上。
计算属性 (Calculated Attributes)：此方法高度依赖于创建标准计算属性，以捕获非默认属性的事件时间戳（如状态更改或升级）。请确保您拥有创建这些属性的权限。

a 查询示例 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`

步骤

准备 Zendesk API 访问： 以管理员身份登录 Zendesk。导航至管理中心，然后转到“应用和集成” > “API” > “Zendesk API”。在“设置”选项卡下，确保已启用“令牌访问”。点击“添加 API 令牌”以创建新令牌。请务必安全地复制生成的令牌，因为它不会再次显示。
设置 Python 环境： 确保已安装 Python 3.6 或更高版本。安装 requests 库，它是向 Zendesk API 发起 HTTP 请求所必需的。您可以使用命令行安装：pip install requests。
配置 Python 脚本： 将提供的 Python 脚本保存为文件，例如 extract_zendesk_log.py。在文本编辑器中打开该文件，并使用您特定的 Zendesk 实例详情和凭据更新顶部的占位符变量：ZENDESK_SUBDOMAIN、ZENDESK_EMAIL 和 API_TOKEN。
定义提取周期： 在脚本中找到 START_TIMESTAMP 变量。此值决定了数据提取的历史开始日期。它必须是 Unix 时间戳。对于初始分析，建议使用对应过去 3 到 6 个月的值。
执行脚本： 打开终端或命令行提示符，导航至保存脚本的目录，然后使用以下命令运行：python extract_zendesk_log.py。
监控执行： 脚本将在控制台打印进度更新，显示已处理的工单数量。总执行时间取决于要提取的数据量以及 Zendesk 实施的任何 API 频率限制。该脚本包含处理频率限制响应的基础逻辑。
检索事件日志： 成功完成后，脚本将在同一目录中创建一个名为 zendesk_event_log.csv 的文件。此文件包含已准备好进行分析的结构化事件日志。
准备上传： 打开 zendesk_event_log.csv 文件以确保其正确生成。验证列是否匹配所需的属性：ServiceRequest、ActivityName、StartTime、SourceSystem 和 LastDataUpdate。该文件现在可以上传到流程挖掘工具中进行分析了。

配置

API 凭据： 脚本需要一个有效的 Zendesk 子域名、座席或管理员用户的电子邮件地址，以及一个激活的 API 令牌。与该凭据关联的用户必须拥有读取工单 (tickets)、工单审计 (ticket audits)、用户 (users) 和工单指标 (ticket metrics) 的权限。
日期范围： 提取的开始日期由脚本中的 START_TIMESTAMP 变量控制，该变量必须是 Unix 时间戳。建议先从较短的时间段（如 3 个月）开始，以在尝试提取更大规模的历史数据之前验证脚本的输出和性能。
增量导出 API： 本方案使用 Zendesk 的增量导出 API (Incremental Export API)。这是获取大量工单最高效且官方推荐的方法，因为它专为大批量数据导出而设计，避免了常见的翻页性能问题。
性能与频率限制： Zendesk 会根据订阅计划强制执行 API 频率限制。脚本内置了重试逻辑，当达到频率限制时，会根据 API 返回的 Retry-After 响应头自动暂停执行。对于数据量极大的实例，提取过程可能需要数小时。
前提条件： 此提取方法需要运行 Python 3.6+ 环境以及 requests 外部库。此外，需要拥有目标 Zendesk 实例的管理员权限，以便生成所需的 API 令牌。

a 查询示例 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()

步骤

准备 Zendesk API 访问： 以管理员身份登录 Zendesk。导航至管理中心，然后转到“应用和集成” > “API” > “Zendesk API”。在“设置”选项卡下，确保已启用“令牌访问”。点击“添加 API 令牌”以创建新令牌。请务必安全地复制生成的令牌，因为它不会再次显示。
设置 Python 环境： 确保已安装 Python 3.6 或更高版本。安装 requests 库，它是向 Zendesk API 发起 HTTP 请求所必需的。您可以使用命令行安装：pip install requests。
配置 Python 脚本： 将提供的 Python 脚本保存为文件，例如 extract_zendesk_log.py。在文本编辑器中打开该文件，并使用您特定的 Zendesk 实例详情和凭据更新顶部的占位符变量：ZENDESK_SUBDOMAIN、ZENDESK_EMAIL 和 API_TOKEN。
定义提取周期： 在脚本中找到 START_TIMESTAMP 变量。此值决定了数据提取的历史开始日期。它必须是 Unix 时间戳。对于初始分析，建议使用对应过去 3 到 6 个月的值。
执行脚本： 打开终端或命令行提示符，导航至保存脚本的目录，然后使用以下命令运行：python extract_zendesk_log.py。
监控执行： 脚本将在控制台打印进度更新，显示已处理的工单数量。总执行时间取决于要提取的数据量以及 Zendesk 实施的任何 API 频率限制。该脚本包含处理频率限制响应的基础逻辑。
检索事件日志： 成功完成后，脚本将在同一目录中创建一个名为 zendesk_event_log.csv 的文件。此文件包含已准备好进行分析的结构化事件日志。
准备上传： 打开 zendesk_event_log.csv 文件以确保其正确生成。验证列是否匹配所需的属性：ServiceRequest、ActivityName、StartTime、SourceSystem 和 LastDataUpdate。该文件现在可以上传到流程挖掘工具中进行分析了。

配置

API 凭据： 脚本需要一个有效的 Zendesk 子域名、座席或管理员用户的电子邮件地址，以及一个激活的 API 令牌。与该凭据关联的用户必须拥有读取工单 (tickets)、工单审计 (ticket audits)、用户 (users) 和工单指标 (ticket metrics) 的权限。
日期范围： 提取的开始日期由脚本中的 START_TIMESTAMP 变量控制，该变量必须是 Unix 时间戳。建议先从较短的时间段（如 3 个月）开始，以在尝试提取更大规模的历史数据之前验证脚本的输出和性能。
增量导出 API： 本方案使用 Zendesk 的增量导出 API (Incremental Export API)。这是获取大量工单最高效且官方推荐的方法，因为它专为大批量数据导出而设计，避免了常见的翻页性能问题。
性能与频率限制： Zendesk 会根据订阅计划强制执行 API 频率限制。脚本内置了重试逻辑，当达到频率限制时，会根据 API 返回的 Retry-After 响应头自动暂停执行。对于数据量极大的实例，提取过程可能需要数小时。
前提条件： 此提取方法需要运行 Python 3.6+ 环境以及 requests 外部库。此外，需要拥有目标 Zendesk 实例的管理员权限，以便生成所需的 API 令牌。

a 查询示例 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()

步骤

导航至 Zendesk Explore：登录您的 Zendesk 实例，点击顶部栏的产品启动图标并选择 Explore 来打开该产品。
创建新查询：在 Explore 中，点击左侧边栏的“查询”图标，然后点击右上角的“新建查询”按钮。
选择数据集：在“选择数据集”窗口中，选择 Support: Tickets 数据集。此数据集包含主要的工单属性和关键事件时间戳。
添加指标：在查询生成器中，转到“指标”面板并点击“添加”。选择 COUNT(Tickets)。这有助于验证数据量。
将属性添加到行：转到“行”面板并点击“添加”。添加以下属性，这些将构成宽格式导出的基础列：
- Ticket ID（这是您的案例标识符 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)
将活动时间戳添加到行：将以下时间戳属性添加到“行”面板。每一个都代表一个潜在活动。某些活动需要创建自定义计算属性：
- Ticket created - Timestamp：对应 Service Request Created 和 Initial Acknowledgment Sent。
- Ticket assigned - Timestamp：对应 Request Assigned To Agent。
- First reply time - Timestamp：对应 First Agent Public Reply Sent。
- Ticket solved - Timestamp：对应 Service Request Resolved 和 Satisfaction Survey Sent。
- Ticket reopened - Timestamp：对应 Service Request Reopened。
- Satisfaction rating received - Timestamp：对应 Satisfaction Rating Received。
- Ticket closed - Timestamp：对应 Service Request Closed。
为其他活动创建自定义计算属性：某些活动基于特定的字段更改，需要创建自定义属性来捕获其时间戳。转到“计算”菜单（计算器图标）并选择“标准计算属性”。为以下每个活动创建一个属性。您需要在 Zendesk 实例中查找字段和值的确切名称：
- 名称：Timestamp - Categorized and Prioritized。公式：IF ([Changes - Field name] = "priority" OR [Changes - Field name] = "type") THEN [Update - Timestamp] ENDIF。创建后，将此新属性添加到“行”面板并将聚合器更改为 MIN。
- 名称：Timestamp - Info Requested。公式：IF ([Changes - Field name] = "status" AND [Changes - New value] = "pending") THEN [Update - Timestamp] ENDIF。将其添加到“行”并设置聚合器为 MIN。
- 名称：Timestamp - Customer Responded。公式：IF ([Changes - Field name] = "status" AND [Changes - Previous value] = "pending" AND [Changes - New value] = "open") THEN [Update - Timestamp] ENDIF。将其添加到“行”并设置聚合器为 MIN。
- 名称：Timestamp - Escalated。公式：IF ([Changes - Field name] = "group") THEN [Update - Timestamp] ENDIF。将其添加到“行”并设置聚合器为 MIN。
- 名称：Timestamp - SLA Breach。公式：IF ([SLA breach status]=TRUE) THEN [SLA update - Timestamp] ENDIF。将其添加到“行”并设置聚合器为 MIN。
筛选数据：转到“筛选”面板并点击“添加”。为 Ticket created - Date 添加筛选器，并选择合适的时间范围（如过去 3 到 6 个月），以保持数据集的大小适中。
运行并导出报告：点击“保存”以运行查询。数据显示在表格中后，点击“导出”按钮并选择您喜欢的格式，例如 CSV 或 Excel。
将数据转换为事件日志格式：导出的文件是“宽”格式，其中每行是一个工单，每列是一个事件时间戳。您必须将其转换为用于流程挖掘的“长”格式。可以使用 Microsoft Excel（利用 Power Query 的“逆透视列”功能）、Python 或其他数据准备工具：
- 对于每一行（工单），为每个非空时间戳列创建多个新行。
- 最终表格应包含 ServiceRequest、ActivityName、StartTime 等列，以及其他属性，这些属性将针对给定服务请求的每个活动进行复制。

配置

数据集 (Dataset)：首选数据集是 Support: Tickets。这使您能够在单次查询中访问大部分工单属性和关键时间戳。
权限：您至少需要 Zendesk Explore 中的“编辑者” (Editor) 或“管理员” (Admin) 角色才能创建和保存查询。
日期范围：在 Ticket created - Date 上设置日期范围过滤器至关重要。建议选择 3 到 6 个月的数据，以平衡分析深度与性能。导出数百万张工单可能速度较慢或导致失败。
查询过滤器：考虑针对特定的工单属性添加过滤器，例如 Ticket brand、Ticket form 或 Ticket group，以便将分析重点放在特定的服务或团队上。
计算属性 (Calculated Attributes)：此方法高度依赖于创建标准计算属性，以捕获非默认属性的事件时间戳（如状态更改或升级）。请确保您拥有创建这些属性的权限。

a 查询示例 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`

您的客服数据模板

您的客服数据模板

客户服务属性

客户服务活动

提取指南

用于报表和数据导出的 Zendesk Explore 界面

步骤

配置

a 查询示例 config

使用 Zendesk Support REST API 的 Python 脚本

步骤

配置

a 查询示例 python

用于批量数据的 Zendesk Incremental Exports API

步骤

配置

a 查询示例 python

用于 Zendesk 的第三方 ETL 工具连接器

步骤

配置

a 查询示例 config

准备好开始了吗？

消除客服瓶颈，立即提升 CSAT

您的客服数据模板

您的客服数据模板

客户服务属性

客户服务活动

提取指南

用于报表和数据导出的 Zendesk Explore 界面

步骤

配置

a 查询示例 config

使用 Zendesk Support REST API 的 Python 脚本

步骤

配置

a 查询示例 python

用于批量数据的 Zendesk Incremental Exports API

步骤

配置

a 查询示例 python

用于 Zendesk 的第三方 ETL 工具连接器

步骤

配置

a 查询示例 config

我们重视您的隐私

准备好开始了吗？

消除客服瓶颈，立即提升 CSAT