Potresti pianificare i report dei dashboard al di fuori di Explore per fornire file PDF al tuo team. Oppure puoi estrarre manualmente i numeri ogni mese e inserirli in un foglio di calcolo. Puoi anche creare report in Explore per gli stessi numeri. Se questi metodi mostrano risultati diversi, può creare confusione. Perché i numeri non corrispondono?
Analizzando queste discrepanze, è importante ricordare che i PDF e i fogli di calcolo sono statici, mentre Explore è dinamici.
Questo articolo include i seguenti argomenti:
Perché i risultati cambiano
Ad esempio, supponiamo di aver esportato i dati dell’intero mese di luglio il 1 agosto e di averli inseriti in un foglio di calcolo. Ma più tardi, a settembre, esegui un altro report in Explore sugli stessi dati, che mostra valori diversi per luglio.
| Colonna di luglio basata su un'esportazione nel mese di agosto: | Colonna di luglio in un report eseguito in Explore a settembre: |
 |
 |
Continua a leggere per scoprire:
Perché esistono differenze nei ticket creati?
Il numero totale di ticket creati può diminuire se sono stati eliminati i ticket.
I ticket eliminati vengono rimossi dal dataset Tickets. Pertanto, se contrassegni i ticket come spam o li elimini inaltro modo , questi ticket vengono rimossi dal numero totale di ticket. Questo, per estensione, cambia anche il numero di creazioni di ticket.
Nell’esempio qui sopra, il numero di ticket creati è passato da 705 a 693. Ciò suggerisce che sono stati eliminati 12 ticket tra l’esportazione dei dati ad agosto e l’esecuzione del report in Explore a settembre.
Se stai ripristinando i ticket eliminati, il numero totale di ticket creati può aumentare .
Per esaminare i numeri dei ticket eliminati e recuperati, puoi usare le metriche Eliminazioni e recuperi nel dataset Cronologia aggiornamenti.
Per le eliminazioni, non puoi vedere dettagli come l’ID ticket o altri attributi (perché i ticket sono stati eliminati), ma puoi vedere:
- Quando i ticket sono stati eliminati, usando l’attributo Aggiorna - Data/ora
- Chi ha eliminato i ticket, usando l’attributo Nome autore aggiornamenti
Per i recuperi, puoi esaminare informazioni simili su quando si è verificato e chi l’ha eseguito e puoi anche esaminare altri attributi del ticket come l’ID del ticket (perché il ticket esiste di nuovo).
Perché esistono differenze nei ticket risolti?
In genere, i ticket creati vengono esaminati in base all’attributo Ticket creato - Data e i ticket risolti in base all’attributo Ticket risolto - Data . Tuttavia, ci sono scenari in cui questi numeri variano in base a determinati eventi.
Quando si esaminano i ticket risolti in base alla data di soluzione, questi numeri sono influenzati dalla metrica Riaperture (disponibile nei dataset Cronologia ticket e aggiornamenti). Questo numero cambia se i ticket vengono riaperti tra il momento in cui i dati vengono esportati e il momento in cui il report viene eseguito in Explore. Una riapertura può rimuovere completamente un ticket da questa metrica (perché non è più risolto) o spostarlo da un periodo a un altro (se l'ultima soluzione era in un periodo diverso dalla prima soluzione).
Quando si esaminano i ticket risolti in base alla data di creazione , questi numeri sono influenzati dalle soluzioni nel tempo. Se lunedì sono stati creati 10 ticket e 2 sono stati risolti lo stesso giorno, un’esportazione mostra 2 ticket risolti per lunedì. Se altri 3 ticket vengono risolti martedì, il report, e la prossima esportazione, mostrano che 5 ticket risolti sono stati creati lunedì.
La metrica Ticket risolti nel dataset Cronologia aggiornamenti esamina solo l’ ultima soluzione dei ticket attualmente risolti. Puoi vederlo guardando la formula della metrica, in particolare le due condizioni in grassetto:
IF ([Changes - Field name]="status"
AND [Changes - Previous value]!="solved"
AND ([Changes - New value]="solved" OR [Changes - New value]="closed")
AND ([Ticket status - Unsorted] = "Solved" OR [Ticket status - Unsorted] = "Closed")
AND [Update - Timestamp]=[Ticket solved - Timestamp])
THEN [Update ID]
ENDIF
Se vuoi monitorare tutte le soluzioni, puoi creare una metrica calcolata standard che elimini queste due condizioni relative allo stato corrente e alla data, lasciando la formula seguente:
IF ([Changes - Field name]="status"
AND [Changes - Previous value]!="solved"
AND ([Changes - New value]="solved" OR [Changes - New value]="closed"))
THEN [Update ID]
ENDIF
Perché esistono differenze tra i ticket in una determinata categoria?
Il dataset Tickets esamina lo stato corrente dei ticket, inclusi stato, gruppo, assegnatario, priorità, campi personalizzati e altro ancora. Ciò significa che se un campo viene modificato tra il momento in cui i dati vengono esportati e il momento in cui viene eseguito un report in Explore, è probabile che i risultati subiscano modifiche.
Nelle schermate di esempio qui sopra, puoi vedere che l’esportazione di agosto mostra 10 segnali luminosi e 61 bug. Ma nel report di settembre, Explore mostra 2 segnali luminosi e 69 bug. Ciò suggerisce che 8 ticket sono stati riclassificati da punto luminoso a bug tra l’esportazione e l’esecuzione del report.
Questo tipo di modifica può influire anche sui filtri del report. Ad esempio, supponiamo di avere un report filtrato in modo da mostrare solo i ticket del gruppo A. Se un ticket viene spostato dal gruppo A a un altro gruppo tra il momento dell'esportazione e quello del report, quel ticket non apparirà più nel report.
Per i ticket assegnati in origine al gruppo B e poi riassegnati al gruppo A, vale il contrario.
I numeri in prospettiva
Quando si considerano le discrepanze tra i report Explore e le esportazioni, è utile tenere in prospettiva i numeri effettivi. Considera quanto segue:
- Se un risultato passa da 20 ticket a 21, l’aumento è di 1. Non sembra un granché. Ma questa è una variazione del 5%.
- Se un altro risultato passa da 1.998 a 2.100, la differenza è 102. Potrebbe sembrare grandioso. Ma è anche solo una variazione del 5%.
Quando si tratta di varianze, bisogna considerare sia la percentuale che il numero grezzo. Questo può aiutarti a capire che cosa è importante o meno.
Pensa a quanti agenti hai a disposizione. Se hai 200 agenti e un risultato cambia di 102, ciò suggerisce che circa la metà degli agenti, in media, ha cambiato quel campo in un ticket tra l'esportazione dei dati e l'esecuzione del report in Explore.
Anche in questo caso, puoi esaminare questi risultati nel dataset Cronologia aggiornamenti. Usa l’attributo Nome autore aggiornamenti per filtrare un report che mostra l’attributo [Modifiche - Nome campo] pertinente e il risultato precedente o nuovo che ti ha lasciato perplesso.
Le modifiche sono frequenti, ad esempio 100 agenti che apportano modifiche a un campo all'incirca nel periodo.
Tuttavia, potresti notare che uno o due agenti cambiano più spesso i risultati dei campi. Forse è un manager che fa ordine con i membri del team. O forse sono nuovi e all'inizio non hanno capito come applicare il campo, nel qual caso potrebbero essere utili ulteriori corsi di formazione.
Uso degli aggregatori giusti
Infine, quando consideri le durate, è una buona idea ricordare "quantità rispetto alla qualità".
Per impostazione predefinita, Explore usa l’aggregatore mediano (MED) per metriche quali il tempo di prima risposta e il tempo di soluzione. Tuttavia, potrebbero esserci assegnatari o gruppi che gestiscono pochissimi ticket e in modo molto diverso dai tuoi normali agenti. Forse provengono da team finanziari o di sicurezza a cui i ticket non partecipano molto spesso e che non hanno le stesse aspettative sui tempi di risposta.
L’uso dell’aggregatore MED per le metriche di durata aiuta a proteggersi da questi outlier. Se usi l’aggregatore di media (AVG), questa protezione è ridotta. Ad esempio, supponiamo che il team finanziario si occupi di quel ticket proveniente da quel cliente da sei mesi mentre il resto del team risolve regolarmente i ticket entro una settimana. I valori anomali del team finanziario influiscono notevolmente sull’età dei ticket non risolti, specialmente se usi l’aggregatore AVG.
Quando il team finanziario risolverà il ticket, anche il tempo di soluzione per il periodo in cui lo hanno risolto potrebbe risentirne in modo significativo, di nuovo, specialmente se usi AVG.
Conclusione
I numeri che cambiano nel tempo possono creare confusione. Abbiamo capito. Soprattutto se il tuo capo te lo chiede. Tuttavia, le ragioni per le modifiche possono essere molteplici.
Se sei preoccupato, considera i problemi menzionati sopra e il modo in cui potrebbero influire sulla situazione. Se hai ancora domande, consulta la documentazione di Explore o la community per assistenza oppure contatta l’assistenza clienti Zendesk.
Avvertenza sulla traduzione: questo articolo è stato tradotto usando un software di traduzione automatizzata per fornire una comprensione di base del contenuto. È stato fatto tutto il possibile per fornire una traduzione accurata, tuttavia Zendesk non garantisce l'accuratezza della traduzione.
Per qualsiasi dubbio sull'accuratezza delle informazioni contenute nell'articolo tradotto, fai riferimento alla versione inglese dell'articolo come versione ufficiale.