Методы анализа

Анализ часто используемых статей

Ранжирование статей в домене от наиболее часто повторно используемых до наименее часто используемых может быть очень информативным. Если мы построим кривую частотного распределения, то увидим, что очень небольшой процент проблем является причиной высокого процента заявок.

Такой взгляд на статьи позволяет нам выявить самые насущные проблемы. Теперь у нас есть возможность решить несколько вопросов, которые определят основные факторы заявок и затрат на техническую поддержку. Наша цель состоит в том, чтобы удалить известные проблемы в верхней части кривой с помощью:

• Продвижение статьи с решение через каналы самообслуживания.
• Автоматизация обнаружения и решения проблемы.
• Или, в идеале, улучшение продукта, чтобы устранить причину проблемы.

Также имеет смысл понять, есть ли статьи на другом конце кривой, в «длинном хвосте», статьи, посвященные тем же или похожим вопросам.

Определите общие проблемы

При анализе известных проблем мы ищем закономерности или кластеры похожих проблем. Этот анализ открывает возможности для уменьшения количества повторяющихся статей в домене. Кроме того, это выявит некоторые общие симптомы, которые имеют ряд возможных решений.

Определите распространенные причины

Проблема, имеющая одну причину и решение, может проявляться с очень разными симптомами у разных клиентов.

Как для общих проблем, так и для общих причин, эксперты облегчают организацию статей, которые позволят сотрудникам поддержки найти правильное решение оптимальным способом.

Управление и анализ обратной связи

Эксперты также могут выявлять закономерности и тенденции на основе отзывов о статьях в базе знаний и социальных сетях.

Заполнение пробелов в контенте

Анализ активности каналов самообслуживания для выявления неудачных сессий - там где клиент не нашел полезного контента.

Анализ соотношения новых и известных проблем

Какой процент открытых инцидентов разрешается с помощью существующих статей (известных) по сравнению с процентом, требующим исследования (новых)? Знание соотношения известного и нового помогает нам оценить эффективность нашей модели самообслуживания. Кроме того, важно отличать известные проблемы от новых, потому что то, что мы делаем для повышения эффективности решения известных проблем, сильно отличается от того, что мы делаем для улучшения процесса решения новых проблем.