Zendesk 데이터는 다양한 데이터 집합으로 나뉩니다. 각 데이터 집합에는 Explore 보고서를 만드는 데 사용할 수 있는 메트릭과 속성이 포함되어 있습니다. 보고서를 만들기 전에 특정 데이터 집합을 선택해야 합니다.
이 문서를 참조하여 보고서에 적합한 데이터 집합을 선택하고 데이터 집합이 비즈니스 정보를 저장하는 방식에 대한 자세한 정보를 알아보세요.
이 문서에서는 다음과 같은 주제를 다룹니다.
관련 문서:
사용 가능한 기본 데이터 집합 이해하기
아래 표에서는 각 제품에 대해 사용할 수 있는 데이터 집합에 대해 설명합니다.
| Zendesk 제품 | 데이터 집합 이름 | 포함 내용 |
|---|---|---|
| Support | 티켓 | 티켓 ID 및 담당자와 같은 티켓 세부 정보에 대한 정보. 티켓 업데이트 이벤트를 포함하지 않습니다. |
| 업데이트 기록 | 티켓의 수명 기간 동안 업데이트된 티켓에 대한 정보. | |
| 백로그 기록 | 해당 날짜 종료 시 미해결 티켓에 대한 정보. | |
| SLA | Service Level Agreement (SLA) (서비스 수준 협약) 성과에 대한 정보입니다. SLA 정책이 적용된 티켓이 있는 경우에만 사용할 수 있습니다. SLA 정책 정의 및 사용하기를 참조하세요. |
|
| 그룹 SLA | 그룹 Service Level Agreement (SLA) (서비스 수준 협약) 성과에 대한 정보입니다. SLA 정책이 적용된 티켓이 있는 경우에만 사용할 수 있습니다. 내부 팀을 위한 그룹 SLA 정책 정의하기를 참조하세요. |
|
| Guide | Knowledge Capture | 지원 티켓 수를 줄일 수 있는 문서 선택의 효율성을 이해하는 데 도움이 되는 정보입니다. |
| 팀 게시 | 문서를 만들고, 게시하고, 편집한 시간 등을 포함하여 Guide에서의 팀 활동을 이해하는 데 도움이 되는 정보입니다. Enterprise 플랜에서만 사용할 수 있습니다. |
|
| 지식창고 | 헬프 센터 문서를 얼마나 자주 조회하고 있는지, 어느 문서가 좋아요 또는 싫어요 표를 받고 있는지 등을 이해하는 데 도움이 되는 정보입니다. | |
| 검색 | 지식창고에서 사용자가 수행한 검색 및 검색한 용어에 대한 정보입니다. | |
| 커뮤니티 | 게시물과 댓글 수, 찬성 표와 반대 표, 커뮤니티 구성원 등 커뮤니티 포럼에서의 활동에 대한 정보입니다. | |
| 메시징 및 실시간 채팅 | 메시징 티켓 | 웹, 모바일 및 소셜 메시징 채널을 포함한 모든 메시징 채널에 대한 정보입니다. 티켓 수, 해결 시간, 만족도 등을 포함합니다. |
| 참여 | Chat을 사용한 고객 참여에 대한 정보입니다. | |
| 채팅 동시 실행 | 상담사의 동시 채팅 참여 처리에 대한 정보입니다. | |
| Talk | 전화 | 콜 센터 및 상담사 활동에 대한 정보입니다. |
| Answer Bot | 문서 추천 | 고객에게 자동으로 추천된 헬프 센터 문서의 성과에 대한 정보입니다. |
| 플로우 빌더 | Zendesk 채널 전반의 봇 성과에 대한 정보입니다. | |
| 옴니채널 | 상담사 상태 | 그룹과 상담사가 채널 전반에서 시간을 어떻게 사용하는지에 대한 정보입니다. |
| 일별 상담사 상태 |
그룹과 상담사가 채널 전반에서 시간을 어떻게 사용하는지에 대해 일별로 집계한 정보입니다. 메트릭 및 속성 전체 목록 |
|
| 상담사 생산성 |
상담사에게 제공 및 배정된 작업 항목과 상담사가 수용 능력을 어떻게 사용했는지에 대한 정보입니다. 메트릭 및 속성 전체 목록 |
|
| AI | 생성형 AI 상담사 도구 | 상담사들이 다음 생성형 AI 기능을 사용하는 방법에 대한 정보입니다. 요약하기, 확장하기 및 더욱 친밀하게와 더욱 격식 있게 |
| 지능형 분류 | 의도, 언어 및 감성으로 강화된 티켓과 관련된 메트릭 및 속성을 포함합니다. 메트릭 및 속성 전체 목록 |
데이터 집합 구조 이해하기
Explore 데이터 집합에는 제품에 대한 모든 사용 가능한 정보가 포함되어 있습니다. 데이터를 효율적으로 쿼리하고 중복되거나 일관되지 않은 데이터를 방지하기 위해 Explore는 데이터를 여러 데이터 테이블로 그룹화합니다. 데이터 테이블을 데이터가 저장되는 일종의 "상자"로 생각하면 됩니다. 각 데이터 테이블은 분리되지 않고 테이블에서 각 로우에 대한 고유 식별자 역할을 하는 연결 포인트 특별 속성으로 서로 결합됩니다.
아래 예제 도표에서 티켓 데이터는 티켓 데이터 테이블에 저장되고 사용자 데이터는 별도의 사용자 데이터 테이블에 저장됩니다. 이러한 데이터 테이블은 연결 포인트 특별 속성을 사용하여 데이터 집합에서 결합됩니다.
예를 들어 티켓 ID는 티켓 데이터 테이블에 대한 연결 포인트이지만, 요청자 ID는 사용자 테이블에 대한 연결 포인트입니다.
사용자가 보고서를 실행하면 Explore는 필수 메트릭과 속성이 포함된 테이블과 테이블을 연결해야 하는지 여부를 결정합니다. 필수 메트릭 및 속성이 한 테이블에 있으면 연결(또는 결합)되지 않습니다. 이에 대한 한 예는 상태별로 티켓 ID의 수를 세는 보고서입니다.
하지만 필수 메트릭 및 속성이 여러 데이터 테이블에 있는 경우에는 테이블이 결합됩니다. 이에 대한 한 예는 담당자 이름별로 티켓 업데이트 수를 세는 보고서입니다. 이 경우에는 티켓 업데이트, 티켓 및 사용자 테이블이 결합되어 결과를 생성합니다.
Explore 데이터 테이블은 LEFT JOIN 메서드를 사용하여 연결됩니다. 즉, 테이블이 결합되면 오른쪽 테이블에 일치하는 로우가 없더라도 보고서는 왼쪽 테이블의 모든 로우를 리턴합니다. 위의 예에서 담당자 이름별 티켓 ID 수는 담당자가 있거나 없는 모든 티켓을 리턴합니다.
필요한 데이터의 양이 많거나 보고서 실행 속도가 빨라 여러 데이터 테이블에 데이터를 저장하는 것이 기술적으로 불가능한 경우도 있습니다. 이에 대한 한 예는 백로그 데이터 집합입니다. 이 데이터 집합은 하나의 테이블만 사용하여 데이터를 저장합니다.