Ihre Zendesk-Daten sind in verschiedene Datasets aufgeteilt. Jedes Dataset umfasst Metriken und Attribute, die zum Erstellen von Berichten verwendet werden können. Sie müssen ein spezifisches Dataset auswählen, bevor Sie einen Bericht erstellen können.
Im vorliegenden Beitrag erfahren Sie, wie Sie das richtige Dataset für Ihre Berichte auswählen. Außerdem finden Sie ausführlichere Informationen dazu, wie Ihre Unternehmensinformationen in Datasets gespeichert werden.
In diesem Beitrag werden folgende Themen behandelt:
Verwandte Beiträge:
Überblick über die verfügbaren Standard-Datasets
In der nachstehenden Tabelle sind die für die einzelnen Produkte verfügbaren Datasets aufgeführt.
Zendesk-Produkt | Dataset-Name | Inhalt |
---|---|---|
Support | Tickets | Informationen zu Ticketdetails wie Ticket-ID und Empfänger. Enthält keine Ticketaktualisierungsereignisse. |
Aktualisierungsverlauf | Informationen zu Aktualisierungen, die an Tickets während ihres Lebenszyklus vorgenommen wurden. | |
Rückstandsverlauf | Informationen zu Ihren ungelösten Tickets am Ende eines bestimmten Datums. | |
SLAs | Informationen zur Leistung Ihrer Service-Level-Vereinbarungen (SLA). Nur verfügbar, wenn Sie Tickets haben, für die SLA-Richtlinien gelten. Weitere Informationen finden Sie unter Definieren und Verwenden von SLA-Richtlinien. |
|
Gruppen-SLAs | Informationen zur Leistung Ihrer Gruppen-Service-Level-Vereinbarungen (SLA). Nur verfügbar, wenn Sie Tickets haben, für die SLA-Richtlinien gelten. Weitere Informationen finden Sie unter Definieren von Gruppen-SLA-Richtlinien für interne Teams. |
|
Guide | Knowledge Capture | Informationen, aus denen hervorgeht, wie effektiv bestimmte Beiträge zur Vermeidung von Supporttickets beitragen. |
Team Publishing | Informationen, aus denen beispielsweise hervorgeht, wann Ihr Team in Guide Beiträge erstellt, veröffentlicht und bearbeitet hat. Nur bei Enterprise-Plänen verfügbar. |
|
Wissensdatenbank | Informationen, anhand derer Sie unter anderem feststellen können, wie häufig Ihre Help-Center-Beiträge aufgerufen werden und welche von ihnen Upvotes oder Downvotes erhalten. | |
Suche | Informationen zu den Suchvorgängen von Benutzer in Ihrer Wissensdatenbank und den dabei verwendeten Suchbegriffen. | |
Community | Informationen über die Aktivitäten in Ihren Community-Foren, z. B. die Anzahl der Posts und Kommentare, positive und negative Bewertungen, Community-Mitglieder und mehr. | |
Messaging und Live-Chat | Messaging-Tickets | Informationen über alle Messaging-Kanäle, einschließlich Web, Mobile und Social-Media-Messaging. Enthält die Anzahl von Tickets, Lösungszeiten, Kundenzufriedenheit und mehr. |
Interaktion | Informationen zu den Kundeninteraktionen über Zendesk Chat. | |
Gleichzeitige Chats | Informationen zur gleichzeitigen Betreuung mehrerer Chats durch Ihre Agenten. | |
Talk | Anrufe | Informationen zu Ihrer Call-Center- und Agentenaktivität. |
Answer Bot | Beitragsempfehlungen | Informationen zur Leistung von Help-Center-Beiträgen, die Kunden automatisch empfohlen werden. |
Flow Builder | Informationen zur Leistung der Bots auf allen Zendesk-Kanälen. | |
Omnichannel | Agentenstatus | Informationen darüber, wie Gruppen und Agenten ihre Zeit in den verschiedenen Kanälen verbringen. |
Täglicher Agentenstatus |
Informationen darüber, wie Gruppen und Agenten ihre Zeit in den verschiedenen Kanälen verbringen, täglich aggregiert. Vollständige Liste aller Metriken und Attribute |
|
Agentenproduktivität |
Informationen über angebotene und den Agenten zugewiesene Arbeitselemente und wie Agenten ihre Kapazitäten nutzen. Vollständige Liste aller Metriken und Attribute |
|
KI | Generative KI-Agententools | Informationen über die Nutzung der folgenden generativen KI-Funktionen durch Agenten: Zusammenfassen, Erweitern und Freundlicher gestalten bzw. Formeller gestalten. |
Intelligente Einschätzung | Enthält Metriken und Attribute, die sich auf Tickets beziehen und mit Absicht, Sprache und Stimmung angereichert sind.Vollständige Liste aller Metriken und Attribute |
Überblick über die Dataset-Struktur
Explore-Datasets enthalten alle verfügbaren Informationen zu Ihrem Produkt. Um effiziente Abfragen Ihrer Daten zu ermöglichen und duplizierte oder inkonsistente Daten zu vermeiden, gruppiert Explore Ihre Daten in mehreren Datentabellen. Sie können sich eine Datentabelle als eine Art „Box“ vorstellen, in der Ihre Daten abgelegt werden. Die einzelnen Datentabellen sind nicht isoliert, sondern durch spezielle Attribute miteinander verbunden, die die einzelnen Datenzeilen der Tabellen eindeutig identifizieren.
Im folgenden Beispieldiagramm sind die Ticketdaten in der Datentabelle Tickets und die Benutzerdaten in einer separaten Tabelle namens Users gespeichert. Diese Datentabellen sind in den Datasets durch spezielle Attribute miteinander verbunden.
Das Attribut Ticket – ID ist beispielsweise der Verbindungspunkt für die Datentabelle Ticket, während das Attribut Anfragender – ID als Verbindungspunkt für die Tabelle Users dient.
Wenn ein Benutzer einen Bericht ausführt, bestimmt Explore, welche Tabellen die erforderlichen Metriken und Attribute enthalten und ob die Tabellen verbunden werden müssen. Wenn die erforderlichen Metriken und Attribute in einer Tabelle enthalten sind, werden keine Verbindungen (oder Joins) hergestellt. Dies ist beispielsweise bei einem Bericht der Fall, der Ticket-IDs nach Status zählt.
Wenn sich die erforderlichen Metriken und Attribute hingegen in verschiedenen Datentabellen befinden, werden diese Tabellen miteinander verbunden. Dies ist beispielsweise bei einem Bericht der Fall, der Ticketaktualisierungen nach Mitarbeiternamen zählt. In diesem Fall werden die Tabellen Ticket Updates, Tickets und Users miteinander verknüpft, um das Ergebnis zu generieren.
Explore-Datentabellen werden mithilfe der Methode LEFT JOIN verbunden. Das bedeutet, dass der Bericht bei verbundenen Tabellen alle Zeilen aus der Tabelle auf der linken Seite zurückgibt, auch wenn die Tabelle auf der rechten Seite keine Übereinstimmungen enthält. Im oben stehenden Beispiel gibt eine Aufzählung der Ticket-IDs nach Mitarbeiternamen alle Tickets mit und ohne Mitarbeiter zurück.
In manchen Fällen ist es technisch nicht möglich, Daten in mehreren Datentabellen zu speichern, weil das Datenvolumen zu hoch ist oder der Bericht nicht schnell genug ausgeführt werden kann. Dies ist beispielsweise beim Dataset „Rückstandsverlauf“ der Fall. Es weist nur eine Tabelle für die Speicherung von Daten auf.