दोहराए गए संपर्कों को कम करने के लिए टिकट वॉल्यूम के कारकों का विश्लेषण कैसे करें
पहचानें कि कौन-सी टिकट श्रेणियाँ सबसे अधिक दोहराए गए संपर्क उत्पन्न कर रही हैं, डिफ्लेक्शन के अवसर को मापें, और अपनी अगली योजना बैठक में अनुमानों के बजाय संख्याओं के साथ पहुँचें।
Querri खोलेंआपको क्या चाहिए
Querri (निःशुल्क ट्रायल) अपने टिकट डेटा को कनेक्ट करने, विश्लेषण चलाने, और डिफ्लेक्शन अवसर तालिका बनाने के लिए
सहायता टिकट निर्यात — Zendesk, Intercom, Freshdesk, या Salesforce Service Cloud से CSV जिसमें विषय/कारण टैग, श्रेणी, प्रोडक्ट क्षेत्र, निर्माण तिथि, और समाधान प्रकार हों
वैकल्पिक: KB लेख व्यू — लेख शीर्षक, लेख ID, और व्यू संख्या के साथ एक अलग निर्यात (चरण 5 के लिए आवश्यक)
मदद चाहिए?
यदि आपके कोई प्रश्न हों, तो आप डेमो का अनुरोध कर सकते हैं या हमारी टीम को ईमेल कर सकते हैं।
शुरू करने से पहले
सबसे महँगा टिकट उसी समस्या पर आने वाला दूसरा टिकट होता है। दोहराए गए संपर्क स्टाफ की क्षमता को खपाते हैं, CSAT को दबाते हैं, और संकेत देते हैं कि ऊपरी स्तर पर कुछ (कोई प्रोडक्ट फ्रिक्शन बिंदु, कोई नॉलेज बेस कमी, कोई टूटी प्रक्रिया) ठीक नहीं हो रहा।
समस्या शायद ही कभी प्रेरणा होती है। अधिकांश सहायता नेता मूल कारणों को संबोधित करना चाहते हैं। समस्या है प्रमाण: यह जानना कि कौन-सी श्रेणियाँ सबसे अधिक दोहराव वॉल्यूम उत्पन्न कर रही हैं, यह रुझान की तुलना में कैसा है, और सेल्फ-सर्विस कहाँ होना चाहिए पर नहीं है। यह प्लेबुक आपको दिखाती है कि वह प्रमाण कैसे प्राप्त करें: एक कच्चे टिकट निर्यात से शुरू होकर, एक बार चार्ट और एक प्राथमिकता-क्रमित डिफ्लेक्शन अवसर तालिका पर समाप्त, जिस पर आपकी टीम कार्य कर सकती है।
यह कैसे काम करता है:
- • अपने हेल्पडेस्क (Zendesk, Intercom, Freshdesk, Salesforce Service Cloud) से एक CSV निर्यात कनेक्ट करें या एक लाइव Data Connection का उपयोग करें
- • कच्चे टिकट डेटा से श्रेणी-वार वॉल्यूम विभाजन, रुझान की दिशा, और डिफ्लेक्शन अवसर तालिका तक पहुँचने के लिए पाँच प्रॉम्प्ट चलाएँ
- • यदि आपके टैग असंगत हैं या अधिकतर "Other" की ओर झुके हैं, तो टिकट के पाठ में ही वास्तविक पैटर्न खोजने के लिए Categorize टूल का उपयोग करें—शुरू करने के लिए किसी स्वच्छ वर्गीकरण की आवश्यकता नहीं
- • वैकल्पिक रूप से सेल्फ-सर्व कमियों की पहचान के लिए KB लेख व्यू डेटा को जोड़ें: वे श्रेणियाँ जहाँ ग्राहक सहायता से संपर्क करते हैं पर आपके सहायता केंद्र में उत्तर नहीं खोज पाते
- • Excel में निर्यात करें और एक प्राथमिकता-क्रमित तालिका अपनी अगली रोडमैप या कंटेंट योजना बैठक में ले जाएँ
चरणों का पालन करें
अपना टिकट डेटा अपलोड करें
अपने हेल्पडेस्क से एक CSV निर्यात अपलोड करके शुरू करें: Zendesk, Intercom, Freshdesk, या Salesforce Service Cloud सभी काम करते हैं। Querri फ़ाइल को स्वचालित रूप से प्रोफाइल करता है और उसे विश्लेषण के लिए तैयार करता है। किसी पुनः-स्वरूपण की आवश्यकता नहीं।
यदि आपका हेल्पडेस्क सीधे डेटा कनेक्शन का समर्थन करता है, तो Querri का इंटीग्रेशन पेज देखें; कनेक्ट किए गए स्रोत बिना मैन्युअल निर्यात के अद्यतन बने रहते हैं।
आवश्यक कॉलम: विषय/कारण टैग, श्रेणी, प्रोडक्ट क्षेत्र, निर्माण तिथि, और समाधान प्रकार। ग्राहक ID या ईमेल वैकल्पिक है पर नीचे “गहराई में जाएँ” अनुभाग में दोहराए गए संपर्क विश्लेषण के लिए आवश्यक है।
90-दिन की रोलिंग विंडो में टिकटों को श्रेणी और टैग के अनुसार समूहित करें और गिनें
अपना डेटा कनेक्ट होने पर, अपना वॉल्यूम आधार प्राप्त करने के लिए यह प्रॉम्प्ट चलाएँ: पिछली तिमाही में कौन-से श्रेणी-टैग संयोजन सबसे अधिक संपर्क उत्पन्न कर रहे हैं।
"टिकटों को 90-दिन की रोलिंग विंडो में श्रेणी और विषय/कारण टैग के अनुसार समूहित करें। प्रत्येक संयोजन के लिए कुल टिकट संख्या दिखाएँ, वॉल्यूम के अवरोही क्रम में क्रमबद्ध।"
90 दिन ही क्यों? यह साप्ताहिक उतार-चढ़ाव को सहज करने के लिए पर्याप्त लंबा है, और वर्तमान प्रोडक्ट तथा प्रक्रिया की वास्तविकता को दर्शाने के लिए पर्याप्त छोटा। किसी भी अन्य चीज़ से पहले यही आपका आधार है।
वॉल्यूम और रुझान की दिशा के अनुसार शीर्ष 10 श्रेणियों की पहचान करें
अकेला वॉल्यूम आपको यह नहीं बताता कि कहाँ ध्यान केंद्रित करें। रुझान की दिशा जोड़ने से पता चलता है कि कौन-सी श्रेणियाँ बढ़ रही हैं बनाम स्थिर हो रही हैं, जो आपकी प्राथमिकता-निर्धारण के तरीके को बदल देता है।
"टिकट डेटा से, पिछले 90 दिनों में कुल टिकट वॉल्यूम के अनुसार शीर्ष 10 श्रेणियों की पहचान करें। प्रत्येक श्रेणी के लिए, सबसे हाल के 30 दिनों के वॉल्यूम की तुलना उससे पहले के 30 दिनों से करें, और रुझान को बढ़ता हुआ, स्थिर, या घटता हुआ के रूप में लेबल करें।"
एक स्थिर उच्च-वॉल्यूम श्रेणी डिफ्लेक्शन निवेश के लिए एक उम्मीदवार है। पिछले महीने 40% बढ़ी श्रेणी को तत्काल जाँच की आवश्यकता हो सकती है। रुझान लेबल ही आपके प्राथमिकताएँ तय करने का तरीका है।
गणना करें कि प्रत्येक श्रेणी कुल वॉल्यूम का कितना % है
यह आपका प्राथमिक आउटपुट विज़ुअल है: एक बार चार्ट जो उस प्रश्न का उत्तर देता है जिससे हर डिफ्लेक्शन चर्चा शुरू होती है: "हम वास्तव में किसका समाधान कर रहे हैं, और प्रत्येक हिस्सा कितना बड़ा है?"
"शीर्ष 10 टिकट श्रेणियों के लिए, गणना करें कि 90-दिन की विंडो में प्रत्येक कुल टिकट वॉल्यूम का कितना प्रतिशत है। इसे वॉल्यूम के अनुसार क्रमबद्ध एक बार चार्ट के रूप में दिखाएँ, जिसमें प्रत्येक बार पर प्रतिशत लेबल हो।"
फिर डिफ्लेक्शन अवसर तालिका निर्यात करें: Querri से कहें कि शीर्ष 10 श्रेणियों को वॉल्यूम, रुझान की दिशा, अनुमानित डिफ्लेक्शन संभावना (उच्च / मध्यम / निम्न), और अनुशंसित कार्य प्रकार (KB लेख, इन-ऐप गाइडेंस, प्रोडक्ट फिक्स, या प्रोसेस चेंज) के साथ स्वरूपित करे, और Excel में निर्यात करे। इसे अपनी अगली रोडमैप या कंटेंट योजना बैठक में ले जाएँ।
तर्कसंगति जाँच: ध्यान दें कि कितने प्रतिशत टिकट "Other" या "General" के रूप में टैग किए गए हैं। यदि यह 30%+ है, तो इसे अपने आउटपुट में चिह्नित करें: चार्ट में संकेत की कमी है। इसे कैसे पुनः प्राप्त करें, इसके लिए नीचे “गहराई में जाएँ” अनुभाग देखें।
उच्च-वॉल्यूम वाली श्रेणियों को कम सेल्फ-सर्विस उपयोग के साथ सामने लाने के लिए KB लेख व्यू डेटा को जोड़ें
यह चरण सबसे स्पष्ट डिफ्लेक्शन अवसरों को सामने लाता है: वे श्रेणियाँ जिनके बारे में ग्राहक सहायता से संपर्क करते हैं, पर जिनके उत्तर आपके सहायता केंद्र में नहीं मिलते।
"नॉलेज बेस लेख व्यू डेटा को कनेक्ट करें। इसे सहायता टिकट विश्लेषण की शीर्ष टिकट श्रेणियों से जोड़ें। प्रत्येक उच्च-वॉल्यूम श्रेणी के लिए, पहचानें कि क्या कोई संबंधित KB लेख मौजूद है और उसी 90-दिन की अवधि में उसे कितनी बार देखा गया। उन श्रेणियों को चिह्नित करें जहाँ टिकट वॉल्यूम अधिक है पर KB लेख व्यू कम हैं या जहाँ कोई लेख मौजूद ही नहीं है।"
शून्य या लगभग शून्य KB व्यू वाली उच्च-वॉल्यूम श्रेणी एक मज़बूत संकेत है कि कंटेंट या तो मौजूद नहीं है, खोजने योग्य नहीं है, या समस्या का समाधान नहीं कर रहा। आपका कंटेंट निवेश वहीं सबसे पहले जाना चाहिए।
अपने विश्लेषण को एक प्रस्तुति में बदलें। समाप्त होने पर, Querri से कहें कि इसे एक स्लाइड डेक के रूप में तैयार करे; यह आपके चार्ट, श्रेणी विभाजन, और डिफ्लेक्शन अवसर तालिका को एक संरचित प्रस्तुति में संकलित करेगा जिसे आप सीधे अपनी टीम या नेतृत्व के साथ साझा कर सकते हैं।
गहराई में जाएँ
अलग-अलग टिकटों में संरचना जोड़ें
गहराई में जाएँ
अलग-अलग टिकटों में संरचना जोड़ें
ऊपर दिए पाँच चरण आपको समग्र पैटर्न देते हैं: कौन-सी श्रेणियाँ, कितना वॉल्यूम, कौन-से रुझान। जब आपको पंक्ति-दर-पंक्ति जाकर यह समझना हो कि अलग-अलग टिकट स्तर पर क्या हो रहा है, तब Researcher और Categorize टूल आपको तीन अतिरिक्त विकल्प देते हैं।
टिकटों को सेल्फ-सर्विस संभावना के अनुसार वर्गीकृत करें
चरण 4 की समग्र डिफ्लेक्शन संभावना एक अनुमान है। Researcher उस वर्गीकरण को वास्तविक टिकट कंटेंट के विरुद्ध पंक्ति-दर-पंक्ति लागू करता है, जिससे आपको यह अधिक प्रतिरक्षणीय संख्या मिलती है कि कितना वॉल्यूम वास्तव में डिफ्लेक्ट किया जा सकता है।
"प्रत्येक टिकट में एक 'सेल्फ-सर्विस संभावना' कॉलम जोड़ें, उसे इस रूप में वर्गीकृत करते हुए: पूरी तरह सेल्फ-सर्विस योग्य, आंशिक रूप से सेल्फ-सर्विस योग्य, या एजेंट आवश्यक।"
टिकट स्तर पर दोहराए गए संपर्कों को चिह्नित करें
एक बार चिह्नित होने पर, आप केवल दोहराए गए संपर्कों तक फ़िल्टर कर सकते हैं और उस उपसमुच्चय पर ऊपर दिए किसी भी प्रॉम्प्ट को चला सकते हैं। कुछ श्रेणियों में कुल वॉल्यूम कम पर दोहराव दरें बहुत अधिक होती हैं, जिसका अर्थ है कि समस्या व्यवस्थित रूप से हल नहीं हो रही।
"एक 'दोहराया गया संपर्क' कॉलम जोड़ें जो किसी ऐसे ग्राहक के किसी भी टिकट को चिह्नित करे जिसने पिछले 7 दिनों के भीतर उसी श्रेणी में टिकट भेजा हो। चिह्नित टिकटों को हाँ के रूप में लेबल करें और मूल टिकट ID शामिल करें।"
गड़बड़ या कैच-ऑल टैग से संकेत पुनः प्राप्त करें
यदि आपकी तर्कसंगति जाँच ने पर्याप्त "Other" या "General" वॉल्यूम प्रकट किया, तो यही पुनर्प्राप्ति का रास्ता है। Categorize कच्चे टिकट पाठ को पढ़ता है और प्राकृतिक समूहन खोजता है, बिना यह माँग किए कि आप पहले श्रेणियाँ परिभाषित करें।
"वर्तमान में 'Other' या 'General' के रूप में टैग किए गए टिकटों के विवरण में मुख्य विषय क्या हैं?"
बेहतर विश्लेषण के लिए सुझाव
शुरू करने से पहले टैग की स्वच्छता जाँचें
अपने श्रेणी विभाजन से निष्कर्ष निकालने से पहले, जाँचें कि कितने प्रतिशत टिकट "Other" या किसी कैच-ऑल में हैं। यदि यह 30% या अधिक है, तो इसे अपने आउटपुट में स्पष्ट रूप से नोट करें और गुम संकेत को पुनः प्राप्त करने के लिए Categorize टूल का उपयोग करें, पर शुरू करने के लिए सही वर्गीकरण की प्रतीक्षा न करें।
90-दिन की विंडो को अपने डिफ़ॉल्ट आधार के रूप में उपयोग करें
90-दिन की विंडो साप्ताहिक उतार-चढ़ाव को सहज करती है और साथ ही वर्तमान वास्तविकता को दर्शाती है। छोटी विंडो अधिक शोर भरी होती हैं; लंबी विंडो हाल के प्रोडक्ट या प्रक्रिया बदलावों को छुपा सकती हैं जो सक्रिय रूप से वॉल्यूम को ऊपर या नीचे ले जा रहे हैं।
केवल चार्ट नहीं, तालिका भी ले जाएँ
बार चार्ट "हम किसका समाधान कर रहे हैं" का उत्तर देता है। डिफ्लेक्शन अवसर तालिका "हम इसके बारे में क्या करें" का उत्तर देती है। एक उत्पादक योजना बैठक के लिए दोनों आवश्यक हैं। एक को दूसरे के बिना साझा न करें।
प्रोडक्ट समस्याएँ बेहतरीन परिणाम हैं, विफलताएँ नहीं
जब विश्लेषण किसी कंटेंट कमी के बजाय किसी प्रोडक्ट समस्या की ओर इशारा करता है, तो यह सर्वोत्तम संभव परिणाम है: यह आपकी टीम को इंजीनियरिंग के पास ले जाने के लिए केवल किस्सों के बजाय मात्रात्मक प्रमाण देता है। निर्यात ठीक इसी चर्चा के लिए डिज़ाइन किया गया है।
टैग एक प्रारंभिक बिंदु हैं, पूर्वापेक्षा नहीं
शुरू करने के लिए आपको किसी स्वच्छ वर्गीकरण की आवश्यकता नहीं। भले ही टैग असंगत हों, Querri कच्चे टिकट पाठ से काम करके वास्तविक पैटर्न खोज सकता है। किसी भी कैच-ऑल बकेट पर Categorize टूल का उपयोग करके यह सामने लाएँ कि उनके अंदर वास्तव में क्या है, फिर आगे के लिए टैगिंग प्रथा को सुधारें।
इसे मासिक चलाएँ; पूरी समीक्षा त्रैमासिक करें
एक बार पहली बार इसे चला लेने के बाद, आगे के रन 10 मिनट से कम लेते हैं। मासिक रूप से आप जाँचते हैं कि रुझान बदले हैं या नहीं। त्रैमासिक रूप से आप यह आकलन करने के लिए डिफ्लेक्शन अवसरों की पूरी समीक्षा करते हैं कि आपके निवेश संख्याओं में दिख रहे हैं या नहीं।
अक्सर पूछे जाने वाले प्रश्न
मैं ग्राहक सहायता में दोहराए गए संपर्कों को कैसे कम करूँ?
मैं उच्च सहायता टिकट वॉल्यूम के मूल कारणों की पहचान कैसे करूँ?
ग्राहक सहायता में डिफ्लेक्शन दर क्या है, और मैं इसे कैसे सुधारूँ?
मैं टिकट डेटा का उपयोग करके नॉलेज बेस या सेल्फ-सर्विस निवेश के लिए व्यावसायिक तर्क कैसे बनाऊँ?
ध्यान कहाँ केंद्रित करना है, यह तय करने के लिए मैं सहायता टिकट रुझानों का विश्लेषण कैसे करूँ?
अन्य लोकप्रिय संसाधन
उदाहरण
सभी उपयोग के मामले देखें
जानें कि अन्य टीमें डेटा विश्लेषण के लिए Querri का उपयोग कैसे करती हैं।
ब्लॉग
बड़े पैमाने पर NPS प्रतिक्रियाओं का विश्लेषण
सर्वेक्षण की अराजकता से स्पष्ट विषयों तक: एक व्यावहारिक मार्गदर्शन।
डेमो
एक मार्गदर्शित प्रस्तुति का अनुरोध करें
अपने स्वयं के डेटा के साथ Querri को क्रिया में देखें।
ब्लॉग
असंरचित पाठ को समझना
खुले टिकट और सर्वेक्षण डेटा का वास्तव में विश्लेषण कैसे करें।