Eine Frage, die Sie beim Umstieg von Live-Chat auf Messaging bedenken sollten, ist die Messung des Erfolgs Ihrer Messaging-Implementierung mit Explore. Mit ein wenig Vorbereitung können Sie die durch die Migration verursachten Änderungen minimieren und dennoch alle Vorteile von Messaging nutzen.
In diesem Beitrag werden einige wichtige Überlegungen zu Berichten im Zusammenhang mit Messaging erläutert. Sie erfahren beispielsweise, wie sich der gewählte Konversationsstil auf Ihre Metriken auswirkt, welche Metriken Sie für die Erfolgsmessung verwenden und wann Sie Echtzeitüberwachung oder besser historisches Reporting verwenden sollten.
In diesem Beitrag werden folgende Themen behandelt:
- Einfluss der Messaging-Konversationsstile auf Ihre Metriken
- Erfolgsdefinition für den Konversationsstil „Live-Chat“
- Verwenden von Echtzeit- und Verlaufsdaten zur Erfolgsmessung
Verwandte Beiträge:
Einfluss der Messaging-Konversationsstile auf Ihre Metriken
Eine der wichtigsten Entscheidungen, die Sie beim Umstieg auf Messaging treffen müssen, betrifft den zu implementierenden Konversationsstil. Die gewählten Konversationsstile bestimmen, welche Explore-Metriken Sie in Ihren Berichten verwenden.
In der nachstehenden Tabelle sehen Sie einen Überblick über die verschiedenen Messaging-Konversationsstile und ihren Einfluss auf die Metriken.
| Konversationsstil | Beschreibung | Einfluss auf Metriken |
|---|---|---|
| Live-Chat | Eine einzelne, in sich abgeschlossene Live-Interaktion. Diese Konversation kommt einem Chat am nächsten. Nach der Interaktion wird das Messaging-Ticket gelöst und automatisch geschlossen. Zendesk empfiehlt, beim Umstieg auf Messaging zunächst diesen Stil zu wählen und später gegebenenfalls zu einem der weiter unten beschriebenen Konversationsstile zu wechseln. Sie können aber auch beim Live-Chat-Stil bleiben oder mehrere Stile nebeneinander nutzen. |
Da der Konversationsstil „Live-Chat” ähnlich funktioniert wie der herkömmliche Live-Chat, werden auch für die Erfolgsmessung ganz ähnliche Metriken verwendet. Zum Beispiel sollten Sie sich auch hier um kurze Erstantwortzeiten und eine hohe Anzahl beim ersten Kontakt gelöster Tickets bemühen. Weitere Informationen finden Sie unter Erfolgsdefinition für den Konversationsstil „Live-Chat“. |
| Erneut geöffnet | Mehrere Live-Interaktionen. Dieser Konversationsstil ähnelt dem Live-Chat-Stil, mit dem Unterschied, dass der Agent das Ticket nach der ersten Live-Interaktion in den Status „Gelöst“ versetzt. Anschließend bleibt das Ticket für einen gewissen Zeitraum in diesem Status, damit der Kunde die Konversation mit demselben Agenten fortsetzen kann, ohne einen neuen Chat eröffnen, wieder in der Warteschlange warten und sein Problem noch einmal einem anderen Agenten erklären zu müssen. |
Da Tickets erneut geöffnet werden können, sind bei diesem Stil höhere Ticketlebenszyklus-Metriken (z. B. Wartezeit Anfragender oder Zeit bis zur vollständigen Lösung) zu erwarten als beim herkömmlichen Live-Chat. Diese erhöhten Metriken deuten aber nicht unbedingt auf eine schlechtere Leistung hin, da ein einzelnes erneut geöffnetes Ticket in diesem Zusammenhang zwei separaten Live-Chat-Konversationen entspricht. |
| Asynchron | Mehrere Live- und Nicht-Live-Interaktionen. Der Kunde interagiert über einen längeren Zeitraum hinweg mit einem oder mehreren Agenten. Der Ticketlebenszyklus endet erst, wenn das Problem des Kunden vollständig gelöst ist, und kann einige Tage oder sogar Wochen dauern. |
Da sich asynchrone Konversationen über einen längeren Zeitraum erstrecken und die Agenten möglicherweise auf Antworten des Kunden warten müssen, sind Metriken zum Ticketlebenszyklus (z. B. Wartezeit Anfragender oder Zeit bis zur vollständigen Lösung) bei diesem Konversationsstil meist keine verlässliche Grundlage für Personalplanungen oder Prognosen. Das vorkonfigurierte Zendesk Messaging-Dashboard enthält Berichte, die speziell für die Überwachung der Agentenleistung und der Kundenzufriedenheit bei diesem Konversationsstil ausgelegt sind. Weitere Informationen finden Sie unter Analysieren von Messaging-Tickets. |
Erfolgsdefinition für den Konversationsstil „Live-Chat“
Wie bereits erwähnt, gibt es zu den Metriken für die Messung von Live-Chat aufgrund der Ähnlichkeiten beider Ansätze meist direkte Entsprechungen für den Konversationsstil „Live-Chat“.
Darüber hinaus können Sie in Explore verschiedene Metriken analysieren, die die gezielte Untersuchung für Ihr Unternehmen besonders wichtiger Aspekte ermöglichen, zum Beispiel Bearbeitungsvolumen, Kundenerlebnis oder Agentenleistung.
In diesem Abschnitt finden Sie eine Gegenüberstellung der herkömmlichen Chat-Metriken und der entsprechenden Messaging-Metriken für diese drei Bereiche. Der direkte Vergleich dieser Metriken kann Ihnen helfen zu beurteilen, welche Vorteile ein Umstieg von Chat auf Messaging für Ihr Unternehmen mit sich bringt.
Metriken zur Überwachung des Volumens
In der folgenden Tabelle sind die Metriken zur Messung des Ticketvolumens für Legacy Chat und die entsprechenden Metriken für den Messaging-Konversationsstil „Live-Chat“ aufgeführt.
|
Legacy-Chat-Metrik Aus dem Dataset „Engagement“ |
Entsprechende Messaging-Metrik Aus dem Dataset „Messaging tickets“ |
|---|---|
|
Chats Anzahl der Chatsitzungen. |
Messaging-Tickets Gesamtzahl der über Messaging-Kanäle erstellten Tickets. |
|
Abgeschlossene Chats Anzahl der erfolgreich von Agenten abgeschlossenen Chatsitzungen (außer von Agenten abgebrochene und verpasste Chats). |
Gelöste Tickets Anzahl gelöster oder geschlossener Messaging-Tickets. |
|
Verpasste eingehende Chats Anzahl der eingehenden Chatsitzungen, bei denen der Besucher den Chat ohne Antwort des Agenten beendet. Eingehende Chatsitzungen werden von Besuchern (Endbenutzern) eingeleitet. |
Unbeantwortete ungelöste Messaging-Tickets
Anzahl der ungelösten Messaging-Tickets, die derzeit keine Agentenantworten aufweisen. Nach dem Status „Neu“ filtern. |
|
Abgebrochene Chats Anzahl der vom Agenten angenommenen oder ihm zugewiesenen Chats, bei denen der Besucher auf eine Nachricht des Agenten antwortet und dann den Chat verlässt. |
Messaging bietet keine direkt entsprechende Metrik, da unterbrochene Konversationen zu einem späteren Zeitpunkt fortgesetzt werden können. Stattdessen könnten Sie beispielsweise „veraltete” Konversationen messen, indem Sie sich die Messaging-Tickets ansehen, die sich seit mehr als einem Tag oder einer Woche im Status „Wartend“ befinden. |
|
Weitergeleitete Chats Anzahl der Chats, die an andere Abteilungen oder Agenten weitergeleitet wurden. |
Neu zugewiesene Messaging-Tickets Anzahl der Messaging-Tickets, die mehr als einem Agenten zugewiesen wurden. |
|
Offlinenachrichten Anzahl der Offlinenachrichten, die hinterlassen wurden, während keine Agenten online waren. |
Außerhalb der Geschäftsstunden erstellte Messaging-Tickets Anzahl der Messaging-Tickets, die außerhalb des zum Zeitpunkt der Ticketerstellung zugewiesenen Zeitplans erstellt wurden. |
Metriken zur Überwachung des Kundenerlebnisses
In der folgenden Tabelle sind die Metriken zur Messung des Kundenerlebnisses für Legacy Chat und die entsprechenden Metriken für den Messaging-Konversationsstil „Live-Chat“ aufgeführt.
|
Legacy-Chat-Metrik Aus dem Dataset „Engagement“ |
Entsprechende Messaging-Metrik Aus dem Dataset „Messaging tickets“ |
|---|---|
|
% Chats mit guter Zufriedenheitsbewertung Anteil der von Endbenutzern als gut bewertete Chatsitzungen an der Gesamtanzahl der bewerteten Chats |
Tickets mit guter Zufriedenheitsbewertung Anzahl der Messaging-Tickets mit einer guten Zufriedenheitsbewertung. |
|
Chat – Dauer – Sek. Zeit zwischen der ersten und letzten Chatnachricht in Sekunden. |
Zeit bis zur vollständigen Lösung – Min. Zeit in Minuten zwischen de Erstellung des Messaging-Tickets und der endgültigen Lösung. (Setzt voraus, dass Messaging-Tickets nach Abschluss der Interaktion gelöst und geschlossen werden.) |
|
Chat – Wartezeit – Sek. Zeit, die der Endbenutzer auf die erste Antwort eines Agenten wartete. Wenn kein Agent antwortet, wird die Zeit zurückgegeben, die der Endbenutzer gewartet hat, bevor er die Chatsitzung verließ. |
Zeit bis zur ersten Reaktion – Sek. Zeit in Sekunden zwischen der Erstellung des Messaging-Tickets und der ersten Antwort eines Agenten. |
|
Chat – Zeit bis zur 1. Antwort – Sek. Zeit in Sekunden zwischen dem Eintritt des Kunden in den Chat und der ersten Antwort des Agenten. |
Zeit bis zur ersten Reaktion – Sek. Zeit in Sekunden zwischen der Erstellung des Messaging-Tickets und der ersten Antwort eines Agenten. |
|
Chat – durchschnittliche Antwortzeit – Sek. Durchschnittliche Zeit in Sekunden, bis ein Agent während der Chatsitzung auf Besucherkommentare geantwortet hat. |
Durchschnittliche Wartezeit Anfragender – Sek. Durchschnittliche Zeit in Sekunden zwischen dem Versand der Nachricht eines Endbenutzers und der Antwort des Agenten. |
|
Chat – Agentennachrichten Anzahl der während der Chatsitzung von einem Agenten eingereichten Kommentare. |
Agentennachrichten Anzahl der vom Agenten gesendeten Nachrichten. |
|
Chat – Besuchernachrichten Anzahl der während der Chatsitzung vom Besucher (Endbenutzer) eingereichten Kommentare. |
Nachrichten des Anfragenden Anzahl der vom Anfragenden gesendeten Nachrichten. |
Metriken zur Überwachung der Agentenleistung
In der folgenden Tabelle sind die Metriken zur Messung der Agentenleistung für Legacy Chat und die entsprechenden Metriken für den Messaging-Konversationsstil „Live-Chat“ aufgeführt.
|
Legacy-Chat-Metrik Aus dem Dataset „Engagement“ |
Entsprechende Messaging-Metrik Aus dem Dataset „Messaging tickets“ |
|---|---|
|
Zuweisungen Anzahl der Interaktionen, die Agenten zugewiesen wurden. Während einer Chatsitzung kann ein Endbenutzer mit mehreren Agenten interagieren. Jede Interaktion zählt als separates Ereignis. |
Mitarbeiterstationen Anzahl von Agenten, denen ein Ticket zugewiesen wurde. |
|
% Chats mit guter Zufriedenheitsbewertung Anteil der von Endbenutzern als gut bewertete Chatsitzungen an der Gesamtanzahl der bewerteten Chats |
Tickets mit guter Zufriedenheitsbewertung (Anzahl der Messaging-Tickets mit einer guten Zufriedenheitsbewertung) dividiert durch Tickets mit Zufriedenheitsbewertung (Anzahl der Messaging-Tickets, die vom Anfragenden entweder als schlecht oder gut bewertet wurden). |
|
Chat – Wartezeit Zeit, die der Endbenutzer auf die erste Antwort eines Agenten wartete. Wenn kein Agent antwortet, wird die Zeit zurückgegeben, die der Endbenutzer gewartet hat, bevor er die Chatsitzung verließ. |
Zuweisung zur ersten Antwort – Sek. Zeit in Sekunden zwischen der letzten Zuweisung und der ersten Antwort eines Agenten. |
|
Interaktion – Dauer – Min. Zeit in Sekunden zwischen dem Eintritt des Agenten in den Chat und dem Zeitpunkt, zu dem der erste Teilnehmer den Chat verlassen hat. Während einer Chatsitzung kann der Endbenutzer mit mehreren Agenten interagieren. Jede Interaktion zählt als separates Ereignis. |
Bearbeitungszeit – Min. Zeit in Minuten, die der Agent für die Interaktion mit dem Endbenutzer im Messaging-Ticket aufwendet. Weitere Informationen finden Sie unter Wie wird die Metrik „Bearbeitungszeit“ im Dataset „Messaging-Tickets“ berechnet? |
|
Chat – durchschnittliche Antwortzeit – Sek. Durchschnittliche Zeit in Sekunden, bis ein Agent während der Chatsitzung auf Besucherkommentare geantwortet hat. |
Durchschnittliche Wartezeit Anfragender – Sek. Durchschnittliche Zeit in Sekunden zwischen dem Versand der Nachricht eines Endbenutzers und der Antwort des Agenten. |
|
% Annahmerate – Zuweisungen Anteil der Zuweisungen, die von einem Agenten angenommen wurden, an der Gesamtanzahl der Agentenzuweisungen |
Das Ticketvolumen im Vergleich zur Anzahl der einem Agenten zugewiesenen Tickets (verglichen sowohl mit der Leistung des Teams als auch mit seiner bisherigen persönlichen Leistung). |
Verwenden von Echtzeit- und Verlaufsdaten zur Erfolgsmessung
Bei Professional- und höheren Plänen sind nicht nur historische Reporting-Daten, sondern auch Echtzeitdaten verfügbar. Durch die Kombination aus Echtzeit- und Verlaufsdaten erhalten Sie einen noch umfassenderen Einblick in Ihren Erfolg mit Messaging.
Wann Echtzeitüberwachung verwendet werden sollte (Professional und höher)
Unabhängig vom gewählten Konversationsstil können Sie anhand von Echtzeitdaten das aktuelle Ticketvolumen in der Warteschlange sowie, wenn Sie die Omnichannel-Verteilung mit einheitlichem Agentenstatus aktiviert haben, den Status und die Kapazität des aktuellen Agenten bestimmen.
Nutzen Sie die Echtzeitüberwachung, um Fragen wie diese zu beantworten:
- Woran arbeiten meine Agenten derzeit?
- In welchem Status befinden sich meine Agenten momentan?
- Wie groß ist mein Rückstand im Moment?
- Wie ist der Stand meiner Operationen?
- Habe ich genügend Agenten, um die Warteschlange zu bewältigen?
- Biete ich ein gutes Kundenerlebnis?
- Wie ist die aktuelle Stimmung meiner Kunden?
Weitere Informationen zur Echtzeitüberwachung finden Sie in den folgenden Beiträgen:
Wann historische Daten verwendet werden sollten
Anhand von historischen Daten wie den im oben stehenden Abschnitt vorgestellten Metriken können Sie Tickets- und Agentendaten aus abgeschlossenen Konversationen analysieren. Dabei lassen sich die Daten auf verschiedenen Granularitätsebenen untersuchen, um die Leistung Ihres Teams mit den Erwartungen zu vergleichen und festzustellen, wo Verbesserungen möglich sind.
Nutzen Sie die das historische Reporting, um Fragen wie diese zu beantworten:
- Wie ist meine durchschnittliche Zeit bis zur ersten Antwort?
- Wann war das Ticketvolumen in der vergangenen Woche am höchsten?
- Welche Auswirkungen hatte dieses hohe Volumen auf die Antwortzeiten meiner Agenten?
Weitere Informationen zum historischen Reporting für Messaging-Tickets finden Sie in den folgenden Beiträgen: