Como analisar os fatores de volume de tickets para reduzir contatos repetidos
Identifique quais categorias de tickets estão gerando mais contatos repetidos, quantifique a oportunidade de deflexão e chegue à sua próxima reunião de planejamento com números em vez de intuições.
Abrir o QuerriO que você vai precisar
Querri (Teste grátis) para conectar seus dados de tickets, executar a análise e gerar a tabela de oportunidades de deflexão
Exportação de tickets de suporte — CSV do Zendesk, Intercom, Freshdesk ou Salesforce Service Cloud com tag de assunto/motivo, categoria, área de produto, data de criação e tipo de resolução
Opcional: visualizações de artigos de KB — uma exportação separada com título do artigo, ID do artigo e número de visualizações (necessária para o Passo 5)
Precisa de ajuda?
Se você tiver alguma dúvida, pode solicitar uma demo ou enviar um e-mail para a nossa equipe.
Antes de começar
O ticket mais caro é o segundo sobre o mesmo problema. Contatos repetidos drenam a equipe, derrubam o CSAT e sinalizam que algo mais acima (um ponto de fricção no produto, uma lacuna na base de conhecimento, um processo quebrado) não está sendo corrigido.
O problema raramente é motivação. A maioria dos líderes de suporte quer atacar as causas-raiz. O problema é a evidência: saber quais categorias estão gerando o maior volume de contatos repetidos, como isso se compara ao que está em tendência e onde o autoatendimento deveria existir, mas não existe. Este playbook mostra como obter essa evidência: começando com uma exportação bruta de tickets e terminando com um gráfico de barras e uma tabela priorizada de oportunidades de deflexão sobre a qual sua equipe pode agir.
Como funciona:
- • Conecte uma exportação CSV do seu helpdesk (Zendesk, Intercom, Freshdesk, Salesforce Service Cloud) ou use uma Data Connection ao vivo
- • Execute cinco prompts para ir dos dados brutos de tickets a um detalhamento de volume por categoria, à direção da tendência e a uma tabela de oportunidades de deflexão
- • Se suas tags forem inconsistentes ou muito concentradas em "Other", use a ferramenta Categorize para encontrar padrões reais no próprio texto dos tickets — não é preciso uma taxonomia limpa para começar
- • Opcionalmente, una os dados de visualizações de artigos de KB para identificar lacunas de autoatendimento: categorias sobre as quais os clientes contatam o suporte, mas não encontram respostas na sua central de ajuda
- • Exporte para o Excel e leve uma tabela priorizada à sua próxima reunião de roadmap ou de planejamento de conteúdo
Siga os passos
Carregue seus dados de tickets
Comece carregando uma exportação CSV do seu helpdesk: Zendesk, Intercom, Freshdesk ou Salesforce Service Cloud funcionam. O Querri faz o perfil do arquivo automaticamente e o prepara para a análise. Nenhuma reformatação necessária.
Se o seu helpdesk oferece conexão de dados direta, confira a página de integrações do Querri; fontes conectadas ficam sempre atualizadas, sem exportações manuais.
Colunas necessárias: tag de assunto/motivo, categoria, área de produto, data de criação e tipo de resolução. O ID ou e-mail do cliente é opcional, mas necessário para a análise de contatos repetidos na seção Aprofundando, abaixo.
Agrupe e conte os tickets por categoria e tag em uma janela móvel de 90 dias
Com seus dados conectados, execute este prompt para obter sua linha de base de volume: quais combinações de categoria e tag estão gerando mais contatos no último trimestre.
"Agrupe os tickets por categoria e tag de assunto/motivo em uma janela móvel de 90 dias. Mostre a contagem total de tickets para cada combinação, ordenada por volume decrescente."
Por que 90 dias? É tempo suficiente para suavizar a variação semanal e curto o bastante para refletir a realidade atual do produto e do processo. Esta é a sua linha de base antes de qualquer outra coisa.
Identifique as 10 principais categorias por volume e direção da tendência
O volume sozinho não diz onde focar. Adicionar a direção da tendência mostra quais categorias estão crescendo e quais estão se estabilizando — o que muda a forma como você prioriza.
"A partir dos dados de tickets, identifique as 10 principais categorias por volume total de tickets nos últimos 90 dias. Para cada categoria, calcule o volume dos 30 dias mais recentes em comparação com os 30 dias anteriores e rotule a tendência como Crescente, Estável ou Decrescente."
Uma categoria estável de alto volume é candidata a investimento em deflexão. Uma que saltou 40% no mês passado pode precisar de investigação imediata. O rótulo de tendência é como você define as prioridades.
Calcule o % do volume total que cada categoria representa
Este é o seu principal visual de saída: um gráfico de barras que responde à pergunta com que toda conversa sobre deflexão começa: "O que estamos de fato resolvendo, e qual é o tamanho de cada parte?"
"Para as 10 principais categorias de tickets, calcule qual porcentagem do volume total de tickets cada uma representa na janela de 90 dias. Exiba como um gráfico de barras ordenado por volume, com a porcentagem indicada em cada barra."
Depois, exporte a tabela de oportunidades de deflexão: peça ao Querri para formatar as 10 principais categorias com volume, direção da tendência, potencial de deflexão estimado (Alto / Médio / Baixo) e tipo de ação recomendada (Artigo de KB, Orientação no aplicativo, Correção de produto ou Mudança de processo), e exportar para o Excel. Leve-a à sua próxima reunião de roadmap ou de planejamento de conteúdo.
Verificação de consistência: anote qual porcentagem dos tickets está marcada como "Other" ou "General". Se for 30% ou mais, sinalize isso na sua saída: o gráfico está perdendo sinal. Veja a seção Aprofundando, abaixo, para saber como recuperá-lo.
Una os dados de visualizações de artigos de KB para revelar categorias de alto volume com baixo uso de autoatendimento
Este passo revela as oportunidades de deflexão mais claras: categorias sobre as quais os clientes contatam o suporte, mas não encontram respostas na sua central de ajuda.
"Conecte os dados de visualizações de artigos da base de conhecimento. Una-os às principais categorias de tickets da análise de tickets de suporte. Para cada categoria de alto volume, identifique se existe um artigo de KB correspondente e quantas vezes ele foi visualizado no mesmo período de 90 dias. Sinalize as categorias em que o volume de tickets é alto, mas as visualizações de artigos de KB são baixas ou em que nenhum artigo existe."
Uma categoria de alto volume com zero ou quase zero visualizações de KB é um forte sinal de que o conteúdo não existe, não é encontrável ou não resolve o problema. É para lá que seu investimento em conteúdo deve ir primeiro.
Transforme sua análise em uma apresentação. Quando terminar, peça ao Querri que empacote tudo em uma apresentação de slides; ele reunirá seus gráficos, o detalhamento por categoria e a tabela de oportunidades de deflexão em uma apresentação estruturada que você pode compartilhar diretamente com sua equipe ou com a liderança.
Aprofundando
Adicione estrutura aos tickets individuais
Aprofundando
Adicione estrutura aos tickets individuais
Os cinco passos acima dão a você padrões agregados: quais categorias, quanto volume, quais tendências. Quando você precisa ir linha por linha e entender o que está acontecendo no nível do ticket individual, as ferramentas Researcher e Categorize oferecem três opções adicionais.
Classifique os tickets por potencial de autoatendimento
O potencial de deflexão agregado do Passo 4 é uma estimativa. O Researcher aplica essa classificação linha por linha sobre o conteúdo real do ticket, dando a você um número mais defensável de quanto volume é realmente passível de deflexão.
"Adicione uma coluna 'Potencial de autoatendimento' a cada ticket, classificando-o como: Totalmente resolvível por autoatendimento, Parcialmente resolvível por autoatendimento ou Requer agente."
Sinalize contatos repetidos no nível do ticket
Depois de sinalizados, você pode filtrar apenas os contatos repetidos e executar qualquer um dos prompts acima nesse subconjunto. Algumas categorias têm baixo volume total, mas taxas de repetição muito altas — o que significa que o problema sistematicamente não está sendo resolvido.
"Adicione uma coluna 'Contato repetido' sinalizando qualquer ticket de um cliente que enviou um ticket na mesma categoria nos 7 dias anteriores. Rotule os tickets sinalizados como Sim e inclua o ID do ticket original."
Recupere sinal de tags bagunçadas ou genéricas
Se a sua verificação de consistência revelou um volume significativo de "Other" ou "General", este é o caminho de recuperação. O Categorize lê o texto bruto dos tickets e encontra agrupamentos naturais, sem exigir que você defina as categorias primeiro.
"Quais são os principais temas nas descrições dos tickets atualmente marcados como 'Other' ou 'General'?"
Dicas para uma análise melhor
Verifique a higiene das tags antes de começar
Antes de tirar conclusões do seu detalhamento por categoria, verifique qual porcentagem dos tickets está em "Other" ou em uma categoria genérica. Se for 30% ou mais, registre isso explicitamente na sua saída e use a ferramenta Categorize para recuperar o sinal que falta — mas não espere por uma taxonomia perfeita para começar.
Use a janela de 90 dias como sua linha de base padrão
A janela de 90 dias suaviza a variação semanal sem deixar de refletir a realidade atual. Janelas mais curtas são mais ruidosas; janelas mais longas podem mascarar mudanças recentes de produto ou de processo que estão ativamente empurrando o volume para cima ou para baixo.
Leve a tabela, não só o gráfico
O gráfico de barras responde "o que estamos resolvendo". A tabela de oportunidades de deflexão responde "o que fazemos a respeito". Os dois são necessários para uma reunião de planejamento produtiva. Não compartilhe um sem o outro.
Problemas de produto são ótimos resultados, não fracassos
Quando a análise aponta para um problema de produto em vez de uma lacuna de conteúdo, esse é o melhor resultado possível: ela dá à sua equipe evidência quantificada para levar à engenharia, não apenas relatos isolados. A exportação foi projetada exatamente para essa conversa.
Tags são um ponto de partida, não um pré-requisito
Você não precisa de uma taxonomia limpa para começar. Mesmo quando as tags são inconsistentes, o Querri consegue trabalhar a partir do texto bruto dos tickets para encontrar padrões reais. Use a ferramenta Categorize em qualquer categoria genérica para revelar o que realmente existe dentro dela e, depois, ajuste a prática de uso de tags daqui em diante.
Execute mensalmente; faça uma revisão completa a cada trimestre
Depois da primeira execução, as execuções seguintes levam menos de 10 minutos. Mensalmente, você verifica se as tendências mudaram. Trimestralmente, você faz uma revisão completa das oportunidades de deflexão para avaliar se seus investimentos estão aparecendo nos números.
Perguntas frequentes
Como reduzir contatos repetidos no suporte ao cliente?
Como identificar as causas-raiz de um alto volume de tickets de suporte?
O que é taxa de deflexão no suporte ao cliente e como melhorá-la?
Como construir um business case para investir em base de conhecimento ou autoatendimento usando dados de tickets?
Como analisar tendências de tickets de suporte para priorizar onde focar?
Outros recursos populares
Exemplos
Explore todos os casos de uso
Descubra como outras equipes usam o Querri para análise de dados.
Blog
Análise de respostas de NPS em escala
Do caos das pesquisas a temas claros: um passo a passo prático.
Demo
Solicite uma demonstração
Veja o Querri em ação com seus próprios dados.
Blog
Como dar sentido a texto não estruturado
Como analisar de verdade respostas abertas de tickets e pesquisas.