Comment analyser les facteurs de volume de tickets pour réduire les contacts répétés
Identifiez quelles catégories de tickets génèrent le plus de contacts répétés, quantifiez l'opportunité de déflexion et arrivez à votre prochaine réunion de planification avec des chiffres plutôt qu'avec des intuitions.
Ouvrir QuerriCe dont vous aurez besoin
Querri (Essai gratuit) pour connecter vos données de tickets, exécuter l'analyse et générer le tableau des opportunités de déflexion
Export de tickets de support — CSV depuis Zendesk, Intercom, Freshdesk ou Salesforce Service Cloud avec tag d'objet/motif, catégorie, domaine produit, date de création et type de résolution
Facultatif : consultations d'articles KB — un export séparé avec le titre de l'article, l'ID de l'article et le nombre de consultations (requis pour l'Étape 5)
Besoin d'aide ?
Si vous avez des questions, vous pouvez demander une démo ou écrire à notre équipe.
Avant de commencer
Le ticket le plus coûteux est le deuxième sur le même sujet. Les contacts répétés épuisent les effectifs, font baisser le CSAT et signalent que quelque chose en amont (un point de friction produit, une lacune dans la base de connaissances, un processus défaillant) n'est pas corrigé.
Le problème est rarement la motivation. La plupart des responsables du support veulent traiter les causes profondes. Le problème, ce sont les preuves : savoir quelles catégories génèrent le plus de volume répété, comment cela se compare à ce qui est en tendance, et où le libre-service devrait exister mais n'existe pas. Ce guide vous montre comment obtenir ces preuves : en partant d'un export de tickets brut, pour aboutir à un diagramme à barres et à un tableau priorisé des opportunités de déflexion sur lequel votre équipe peut agir.
Comment ça marche :
- • Connectez un export CSV depuis votre centre d'assistance (Zendesk, Intercom, Freshdesk, Salesforce Service Cloud) ou utilisez une Data Connection en direct
- • Exécutez cinq prompts pour passer des données de tickets brutes à une répartition du volume par catégorie, à la direction de la tendance et à un tableau des opportunités de déflexion
- • Si vos tags sont incohérents ou fortement concentrés sur "Other", utilisez l'outil Categorize pour trouver de vrais motifs dans le texte même des tickets, sans taxonomie propre nécessaire pour commencer
- • Reliez éventuellement les données de consultations d'articles KB pour identifier les lacunes du libre-service : les catégories pour lesquelles les clients contactent le support mais ne trouvent pas de réponses dans votre centre d'aide
- • Exportez vers Excel et apportez un tableau priorisé à votre prochaine réunion de feuille de route ou de planification de contenu
Suivez les étapes
Importez vos données de tickets
Commencez par importer un export CSV depuis votre centre d'assistance : Zendesk, Intercom, Freshdesk ou Salesforce Service Cloud fonctionnent tous. Querri profile le fichier automatiquement et le prépare pour l'analyse. Aucun reformatage requis.
Si votre centre d'assistance prend en charge une connexion de données directe, consultez la page d'intégrations de Querri ; les sources connectées restent à jour sans exports manuels.
Colonnes requises : tag d'objet/motif, catégorie, domaine produit, date de création et type de résolution. L'ID ou l'e-mail du client est facultatif mais nécessaire pour l'analyse des contacts répétés dans la section « Aller plus loin » ci-dessous.
Regroupez et comptez les tickets par catégorie et par tag sur une fenêtre glissante de 90 jours
Une fois vos données connectées, exécutez ce prompt pour obtenir votre référence de volume : quelles combinaisons catégorie-tag génèrent le plus de contacts sur le dernier trimestre.
"Regroupe les tickets par catégorie et tag d'objet/motif sur une fenêtre glissante de 90 jours. Affiche le nombre total de tickets pour chaque combinaison, trié par volume décroissant."
Pourquoi 90 jours ? C'est assez long pour lisser la variance hebdomadaire, assez court pour refléter la réalité actuelle du produit et du processus. C'est votre référence de base avant toute autre chose.
Identifiez les 10 principales catégories par volume et par direction de tendance
Le volume seul ne vous dit pas où vous concentrer. Ajouter la direction de la tendance montre quelles catégories croissent par rapport à celles qui se stabilisent, ce qui change votre façon de prioriser.
"À partir des données de tickets, identifie les 10 principales catégories par volume total de tickets sur les 90 derniers jours. Pour chaque catégorie, calcule le volume des 30 jours les plus récents par rapport aux 30 jours précédents, et étiquette la tendance comme Croissante, Stable ou Décroissante."
Une catégorie stable à fort volume est une candidate à l'investissement en déflexion. Une catégorie qui a bondi de 40 % le mois dernier peut nécessiter une enquête immédiate. L'étiquette de tendance est votre façon de fixer les priorités.
Calculez le % du volume total que représente chaque catégorie
C'est votre principal visuel de sortie : un diagramme à barres qui répond à la question par laquelle commence toute discussion sur la déflexion : "Que résolvons-nous réellement, et quelle est la taille de chaque pièce ?"
"Pour les 10 principales catégories de tickets, calcule le pourcentage du volume total de tickets que chacune représente sur la fenêtre de 90 jours. Affiche-le sous forme de diagramme à barres trié par volume, avec le pourcentage indiqué sur chaque barre."
Exportez ensuite le tableau des opportunités de déflexion : demandez à Querri de mettre en forme les 10 principales catégories avec le volume, la direction de la tendance, le potentiel de déflexion estimé (Élevé / Moyen / Faible) et le type d'action recommandé (Article KB, Guidance in-app, Correctif produit ou Changement de processus), puis de l'exporter vers Excel. Apportez-le à votre prochaine réunion de feuille de route ou de planification de contenu.
Contrôle de cohérence : notez le pourcentage de tickets étiquetés "Other" ou "General". S'il atteint 30 % ou plus, signalez-le dans votre sortie : il manque du signal au diagramme. Consultez la section « Aller plus loin » ci-dessous pour savoir comment le récupérer.
Reliez les données de consultations d'articles KB pour faire ressortir les catégories à fort volume et faible usage du libre-service
Cette étape fait ressortir les opportunités de déflexion les plus claires : les catégories pour lesquelles les clients contactent le support, mais ne trouvent pas de réponses dans votre centre d'aide.
"Connecte les données de consultations d'articles de la base de connaissances. Relie-les aux principales catégories de tickets de l'analyse des tickets de support. Pour chaque catégorie à fort volume, identifie si un article KB correspondant existe et combien de fois il a été consulté sur la même période de 90 jours. Signale les catégories où le volume de tickets est élevé mais où les consultations d'articles KB sont faibles ou bien où aucun article n'existe."
Une catégorie à fort volume avec zéro ou presque aucune consultation KB est un signal fort que le contenu n'existe pas, n'est pas trouvable ou ne résout pas le problème. C'est là que votre investissement en contenu doit aller en premier.
Transformez votre analyse en présentation. Une fois terminé, demandez à Querri de l'emballer sous forme de présentation de diapositives ; il rassemblera vos graphiques, la répartition par catégorie et le tableau des opportunités de déflexion dans une présentation structurée que vous pourrez partager directement avec votre équipe ou votre direction.
Aller plus loin
Ajoutez de la structure aux tickets individuels
Aller plus loin
Ajoutez de la structure aux tickets individuels
Les cinq étapes ci-dessus vous donnent des motifs agrégés : quelles catégories, quel volume, quelles tendances. Lorsque vous devez aller ligne par ligne et comprendre ce qui se passe au niveau du ticket individuel, les outils Researcher et Categorize vous offrent trois options supplémentaires.
Classez les tickets par potentiel de libre-service
Le potentiel de déflexion agrégé de l'Étape 4 est une estimation. Le Researcher applique cette classification ligne par ligne au contenu réel du ticket, vous donnant un chiffre plus défendable sur le volume réellement déflectable.
"Ajoute une colonne 'Potentiel de libre-service' à chaque ticket, en le classant comme : Entièrement en libre-service, Partiellement en libre-service ou Nécessite un agent."
Signalez les contacts répétés au niveau du ticket
Une fois signalés, vous pouvez filtrer uniquement les contacts répétés et exécuter n'importe lequel des prompts ci-dessus sur ce sous-ensemble. Certaines catégories ont un faible volume total mais des taux de répétition très élevés, ce qui signifie que le problème n'est systématiquement pas résolu.
"Ajoute une colonne 'Contact répété' signalant tout ticket d'un client ayant soumis un ticket dans la même catégorie au cours des 7 jours précédents. Étiquette les tickets signalés comme Oui et inclus l'ID du ticket d'origine."
Récupérez du signal à partir de tags désordonnés ou fourre-tout
Si votre contrôle de cohérence a révélé un volume important de "Other" ou "General", voici la voie de récupération. Categorize lit le texte brut des tickets et trouve des regroupements naturels, sans exiger que vous définissiez d'abord les catégories.
"Quels sont les thèmes principaux dans les descriptions des tickets actuellement étiquetés 'Other' ou 'General' ?"
Conseils pour une meilleure analyse
Vérifiez l'hygiène des tags avant de commencer
Avant de tirer des conclusions de votre répartition par catégorie, vérifiez le pourcentage de tickets qui se trouvent dans "Other" ou dans une catégorie fourre-tout. S'il atteint 30 % ou plus, notez-le explicitement dans votre sortie et utilisez l'outil Categorize pour récupérer le signal manquant, mais n'attendez pas une taxonomie parfaite pour commencer.
Utilisez la fenêtre de 90 jours comme référence de base par défaut
La fenêtre de 90 jours lisse la variance hebdomadaire tout en reflétant la réalité actuelle. Les fenêtres plus courtes sont plus bruitées ; les plus longues peuvent masquer des changements récents de produit ou de processus qui font activement monter ou baisser le volume.
Apportez le tableau, pas seulement le diagramme
Le diagramme à barres répond à « que résolvons-nous ». Le tableau des opportunités de déflexion répond à « que faisons-nous à ce sujet ». Les deux sont nécessaires pour une réunion de planification productive. Ne partagez pas l'un sans l'autre.
Les problèmes produit sont d'excellents résultats, pas des échecs
Lorsque l'analyse pointe vers un problème produit plutôt qu'une lacune de contenu, c'est le meilleur résultat possible : elle donne à votre équipe des preuves quantifiées à apporter à l'ingénierie, et non de simples anecdotes. L'export est conçu exactement pour cette conversation.
Les tags sont un point de départ, pas un prérequis
Vous n'avez pas besoin d'une taxonomie propre pour commencer. Même lorsque les tags sont incohérents, Querri peut travailler à partir du texte brut des tickets pour trouver de vrais motifs. Utilisez l'outil Categorize sur toute catégorie fourre-tout pour faire ressortir ce qu'elle contient réellement, puis corrigez la pratique d'étiquetage par la suite.
Exécutez-le chaque mois ; faites une revue complète chaque trimestre
Une fois que vous l'avez exécuté la première fois, les exécutions suivantes prennent moins de 10 minutes. Chaque mois, vous vérifiez si les tendances ont évolué. Chaque trimestre, vous effectuez une revue complète des opportunités de déflexion pour évaluer si vos investissements se reflètent dans les chiffres.
Questions fréquentes
Comment réduire les contacts répétés dans le support client ?
Comment identifier les causes profondes d'un volume élevé de tickets de support ?
Qu'est-ce que le taux de déflexion dans le support client, et comment l'améliorer ?
Comment bâtir un dossier d'investissement pour la base de connaissances ou le libre-service à partir des données de tickets ?
Comment analyser les tendances des tickets de support pour prioriser où me concentrer ?
Autres ressources populaires
Exemples
Parcourir tous les cas d'usage
Découvrez comment d'autres équipes utilisent Querri pour l'analyse de données.
Blog
Analyser les réponses NPS à grande échelle
Du chaos des enquêtes à des thèmes clairs : une démarche pratique.
Démo
Demander une présentation guidée
Voyez Querri en action avec vos propres données.
Blog
Donner du sens au texte non structuré
Comment analyser vraiment les données ouvertes de tickets et d'enquêtes.