시리즈의 문서
헬프 센터가 라이브인 상태(셀프 서비스 시작하기 - 6부: 헬프 센터 시작하기 참조)에서 이제 헬프 센터가 어떻게 사용되고 있는지, 문서가 얼마나 유용한지, 셀프 서비스를 얼마나 잘 제공하고 있는지 파악하는 데 도움이 될 주요 셀프 서비스 메트릭을 추적하기 시작해야 합니다.
이 문서에서 다루는 주제는 다음과 같습니다.
셀프 서비스 점수 계산하기
헬프 센터의 성공은 여러 가지 방법으로 측정될 수 있습니다. 매달 얼마나 많은 사용자가 헬프 센터를 방문하고 몇 번이나 문서를 조회하는지 등 헬프 센터 사용도에 대한 이해를 얻고자 할 것입니다. 새로운 셀프 서비스 채널을 홍보하는 노력에 따라 사용도가 증가되어야 합니다.
헬프 센터 사용자 수를 동일한 기간에 만들어진 티켓 수와 비교할 수도 있습니다. 이를 셀프 서비스 점수(셀프 서비스 비율 및 티켓 수 감소율이라고도 함)라고 합니다.
셀프 서비스 점수 = 헬프 센터의 총 사용자 세션 수 / 티켓의 총 사용자 수
수식을 통해 셀프 서비스를 사용하여 스스로 문제를 해결하려고 시도한 고객 4명 중 한 명이 지원 요청을 제출함을 의미하는 4:1 등의 비율을 얻을 수 있습니다. 여기에서 점점 더 높은 비율(예를 들어 사용자 40명 중 1명만 티켓 제출 - 40:1 비율)을 얻으면 성공이 입증되는 것입니다.
- 헬프 센터에서 Google 애널리틱스 사용 설정하기에 설명된 대로 Google 애널리틱스 계정을 설정하여 Guide에 연결합니다.
- Google 애널리틱스에서 몇 달치 사용자 활동이 있는 경우에는 헬프 센터에서 방문자 세션 수에 대한 30일 스냅샷을 작성합니다.
- 이 수를 해당 기간 동안 티켓을 제출한 총 사용자 수로 나눕니다. Explore 사용법: 매달 티켓을 제출하는 사용자 수 알아보기
Google 애널리틱스를 헬프 센터에 연결하기
여느 웹사이트와 마찬가지로 헬프 센터가 어떤 식으로 사용되고 있으며 어느 부분을 개선해야 할지 등 가능한 자세하게 측정하고 싶을 것입니다. Google 애널리틱스를 헬프 센터에 연결한 후에는 트래픽, 사용자 참여도 및 기타 전형적인 웹사이트 메트릭을 분석할 수 있습니다.
Google 애널리틱스에서 추적할 만한 몇 가지 메트릭은 다음을 포함합니다.
- 사용자 - 사용자 메트릭은 셀프 서비스 점수 계산에 도움이 되는 것은 물론 방문자들이 세션 동안 액세스하는 페이지도 보여줌으로써 방문자가 콘텐츠를 얼마나 잘 이용하는지 전체적으로 파악할 수 있습니다.
- 평균 세션 지속 시간 - 평균 세션 지속 시간이 낮다면 방문자가 콘텐츠를 이용하고 있지 않음을 나타낼 수 있습니다.
- 신규 세션 비율 - 이 메트릭은 재방문자 수와 신규 방문자 수에 대한 정보를 제공함으로써 예를 들어 신규 사용자를 위해 더 많은 시작하기 콘텐츠를 제공하는 등 어떤 콘텐츠 종류에 중점을 두어야 할지 결정하는 데 도움을 줄 수 있습니다.
- 이탈률 - 시작 페이지(문서 목록이 있는 카테고리 및 섹션 페이지)의 이탈률이 높다면 방문자에게 필요한 콘텐츠를 제공하고 있지 않거나 문서 제목이 개선되어야 함을 나타낼 수 있습니다.
Google 애널리틱스로 추적할 수 있는 아주 많은 데이터가 있으므로 다음 문서 시리즈를 반드시 읽고 이 주제를 심도 있게 이해하시기 바랍니다.
Explore에서 헬프 센터 활동 대시보드 사용하기
헬프 센터 활동이 추적되어 Explore의 Zendesk Guide 대시보드에 제공됩니다. 지식창고 문서, 검색, 봇, Knowledge Capture 및 커뮤니티(Zendesk Gather를 사용하여 커뮤니티를 사용 설정한 경우)에 대한 활동이 추적됩니다.
이 3가지 대시보드에서 발견하는 데이터의 도움을 받아 헬프 센터와 콘텐츠를 분석하고 개선할 수 있습니다. 모든 데이터가 흥미롭고 중요하지만 특히 일부 데이터는 지식창고 콘텐츠에 변경이 필요함을 나타내는 훌륭한 지표 역할을 합니다.
지식창고 활동
이 대시보드의 통계에는 만들어진 문서 수, 문서 조회 수, 그리고 총 투표 수, 수신 및 댓글 수가 포함됩니다. 이들 중 문서 조회수, 투표 수 및 댓글 수가 특히 중요합니다.
- 조회 수는 지식창고 문서의 총 조회 수입니다. 시간의 경과에 따라 추적하여 조회 수가 증가되는 것을 보고자 할 것입니다. 이 수를 통해 얼마나 잘 헬프 센터 및 지식창고의 사용을 촉진 및 유도하고 있는지 알 수 있습니다.
- 순 문서 투표 수는 모든 문서에 대한 모든 긍정적 투표 및 부정적 투표 수의 차이입니다. 부정적 투표 수가 높다면 문서를 업데이트 및 개선해야 한다는 뜻일 수 있습니다. 반면 긍정적 투표 수가 높다면 문서가 유용하며 티켓 수 감소에 도움이 된다는 뜻입니다.
- 댓글 수는 지식창고의 문서에 달린 총 댓글 수입니다. 문서에 댓글이 많다는 것은 콘텐츠가 혼동스럽거나 불완전하여 고객이 후속 질문을 해야 한다는 의미일 수도 있습니다.
이 대시보드에 대한 자세한 내용은 Explore로 지식창고 활동 분석하기를 참조하세요.
검색 활동
- 결과 없음은 0개의 결과를 리턴한 검색 수입니다. 이는 고객이 지식창고에 없는 무언가를 검색하고 있다는 뜻입니다. 엉뚱한 검색 문자열을 사용하여 결과가 없거나, 고객이 찾고 있는 정보를 제공하기 위해 새 지식창고 문서가 필요할 수도 있습니다.
- 클릭 없음은 아무 결과도 선택되지 않은 검색 수입니다. 콘텐츠 격차를 나타내거나(무언가를 검색했지만 아무 것도 없었음), 지식창고 문서의 제목을 업데이트해야 함을 나타낼 수도 있습니다(문서가 있지만 사용하는 검색어가 제목에 포함되어 있지 않음).
- 티켓 만듦은 티켓이 만들어진 검색 수입니다. 이 통계를 심층 분석하면 티켓이 만들어진 각 검색어를 볼 수 있습니다. 다음과 같은 두 가지가 원인일 수 있습니다. 첫째, 검색했지만 결과가 없어서 고객이 필요한 답을 얻기 위해 바로 티켓을 만들었습니다. 둘째, 문서를 클릭했으며 어떤 이유로든 상담사의 도움이 더 필요했습니다. 이는 문서에 정보를 더 추가해야 한다는 것을 의미할 수 있습니다.
이러한 통계 각각에 대해 어떤 검색 문자열이 사용되고 있는지 볼 수 있습니다. 고객이 대체 용어(이전 제품 이름, 경쟁사 중 한 곳에서 사용하는 용어)를 사용하고 있거나 빈번하게 철자를 잘 못 쓰고 있는 것을 발견할 수도 있습니다. 이런 경우 레이블을 사용하면 아주 편리합니다. 이러한 대체 용어와 틀린 철자를 문서의 레이블로 추가하여 고객의 검색 결과를 개선할 수 있습니다.
이 대시보드에 대한 자세한 내용은 Explore로 헬프 센터 검색 결과 분석하기를 참조하세요.
Knowledge Capture 활동
컨텍스트 패널의 지식을 사용하여 문서를 만들고 상담사가 지식창고 콘텐츠에 바로 연결할 수 있도록 하는 경우 Explore의 Guide 리포팅 대시보드에 그 사용에 대한 리포팅도 제공됩니다.
이 대시보드에 대한 자세한 내용은 지식 활동 분석하기를 참조하세요.
커뮤니티 활동
이 대시보드의 통계에는 작성된 게시물 수, 게시물을 조회한 사용자 수, 그리고 총 투표 수, 수신 및 댓글 수가 포함됩니다.
커뮤니티는 또한 피드백을 제공하기 위한 곳이므로 커뮤니티 게시물을 통해 해당 주제를 다루는 지식창고 문서를 만들어야 한다는 것을 알 수도 있습니다.
이 대시보드에 대한 자세한 내용은 Explore로 커뮤니티 활동 분석하기를 참조하세요.
자동 답장 활동
마지막으로 셀프 서비스 채널의 일부로 봇을 사용 설정했다면 문서 추천 활동을 추적할 수 있습니다.
고객이 문서를 클릭하는지, 상담사 개입 없이 얼마나 많은 문제가 해결되었는지, 그리고 얼마나 많은 문서가 유용하지 않다고 표시되었는지 추적함으로써 문서가 지원 문제 해결에 도움이 되고 있는지 알아볼 수 있습니다. 이 데이터는 셀프 서비스가 제대로 기능을 발휘하고 티켓 수를 줄이고 있는지 판단할 수 있는 가장 직접적인 정보 소스입니다.
이 대시보드에 대한 자세한 내용은 문서 추천 분석하기를 참조하세요.