Vind de belangrijkste oorzaken achter een piek in supporttickets

Overzicht

Computer kan gegevens over supporttickets van tools zoals Snowflake en Databricks analyseren, het ticketvolume over verschillende tijdsperioden vergelijken en de productgebieden, klantsegmenten en probleemcategorieën identificeren die een piek veroorzaken. Het verricht het datavolgzaamheidswerk, zoals het koppelen van tickettabellen aan klantattributen, het groeperen van problemen op basis van door de zaak gedefinieerde categorieën en het vergelijken van trends over kwartalen heen, zodat support- en productteams direct een bruikbaar rapport krijgen in plaats van een verzoek in te dienen bij de analyseteams.

Belangrijkste resultaat

Computer heeft een analyserapport voor supporttickets opgesteld waarin de grootste bijdragers aan de kwartaal-op-kwartaal toename van tickets per productgebied en klantsegment zijn geïdentificeerd.

Het overzicht biedt een dashboard met KPI-kaarten voor het totale aantal tickets, de kwartaal-op-kwartaal verandering, de belangrijkste productgebieden, de getroffen klantsegmenten en de actiepunten met de hoogste prioriteit, zodat u snel kunt zien waar de piek vandaan komt.

De sectie Probleemfactoren bevat de volledige tabel met probleemfactoren, gesorteerd op bijdrage aan de toename, inclusief productgebied, klantsegment, tickets in het lopende kwartaal, tickets in het vorige kwartaal, absolute verandering, procentuele verandering, aandeel in de totale toename, betrouwbaarheidsnotitie en voorgestelde eigenaar.

De sectie Trend toont het wekelijkse ticketvolume per belangrijk productgebied en klantsegment, wat nuttig is om te zien of de verandering een gestage stijging was, een piek van één week of een patroon dat gekoppeld is aan een lancering of incident.

Computer heeft ook een actieraamwerk in vier delen toegepast: nu onderzoeken (problemen met een groot volume en recente sterke stijgingen), nauwlettend volgen (groeiende problemen die nog niet de grootste factoren zijn), gegevens opschonen (categorieën met ontbrekende of inconsistente labels) en deprioriteren (wijzigingen met een laag volume die luidruchtig of geïsoleerd lijken).

Vergroten

Vergroten

Tips

• Geef de ticketdefinities op die voor u belangrijk zijn: De standaardanalyse kan alle supporttickets omvatten, maar u kunt deze verfijnen door te zeggen: “Sluit interne testtickets, door bots gegenereerde tickets en tickets gelabeld als facturering uit.”
• Voeg downstream-context toe: Vervolg met “maak hiervan een overzicht voor VP's voor de wekelijkse productreview” of “stel vervolgvragen op voor de producteigenaren van de top drie factoren.”

Voeg extra filters toe: Voeg beperkingen toe zoals “neem alleen zakelijke klanten op”, “vergelijk betaalde accounts met proefaccounts” of “focus op tickets geopend na de laatsterelease.”