تحليل تذاكر الدعم اختبار مكتبي يستغرق يومين: تصنّف فيه آخر 200 تواصل مع الدعم بحسب المهمة التي كان العميل يحاول إنجازها، ثم تحصي التذاكر لكل مهمة، وتنظر أي المهام تسبب أكبر قدر من المتاعب. لقد وصف العملاء المشكلة بأنفسهم، دون أن تسألهم، وبختم زمني. وهو يُظهر الألم لا الاستعداد للدفع، ويغفل كل من غادر دون أن يكتب إليك.
أهم النقاط
"تحليل دعم العملاء" واحد من خمسة تجارب اكتشاف لتحليل البيانات في كتاب Testing Business Ideas لديفيد ج. بلاند وأليكس أوسترفالدر (UPV course).
صنّف بحسب المهمة لا بحسب منطقة المنتج. عبارة "أحاول إرسال فاتورة إلى محاسبي" تخبرك بما يجب إصلاحه؛ أما "الفوترة" فلا تخبرك بشيء.
صُمّمت الوسوم التلقائية في أنظمة الدعم للتوجيه. فالوسم التلقائي في Zendesk يطابق كلمات التذكرة الجديدة مع الوسوم المستخدمة أصلًا ويضيف أفضل ثلاثة منها (Zendesk).
تحقق من وسومك قبل أن تبدأ العدّ. اطلب من شخص ثانٍ أن يصنّف 20 تذكرة؛ فكثير من المراجع المنهجية تعدّ اتفاقًا بنسبة 80% الحد الأدنى المقبول (McHugh, 2012).
إشارة النجاح المبدئية في Specky: أن تكون المهمة بين أهم 3 أسباب يتواصل الناس معك بسببها.
ما هو تحليل تذاكر الدعم؟
تحليل تذاكر الدعم يعني تصنيف آخر حالات التواصل مع الدعم بحسب المهمة التي كان العميل يحاول إنجازها، لترى أي المهام تسبب أكبر قدر من المتاعب. و"حالات التواصل" تشمل كل القنوات: البريد الإلكتروني، والدردشة، والرسائل داخل التطبيق، والمكالمات التي لها ملاحظات، ومنتدى الدعم إن كان لديك واحد.
وهو من أرخص الطرق لتقدير حجم مشكلة في منتج قائم، لأن عمل وصف المشكلة قد أُنجز أصلًا. والفرق بينه وبين تقارير الدعم المعتادة هو الوسم. فرق الدعم تصنّف من أجل التوجيه وحجم العمل؛ أما لقرارات المنتج فتصنّف بحسب المهمة وما الذي أعاقها، على نهج jobs to be done.
متى تستخدم تحليل تذاكر الدعم ومتى لا تستخدمه؟
استخدمه حين يكون لديك منتج قائم وعدد كافٍ من حالات التواصل يمكن عدّها. فهو من أرخص الطرق لتقدير حجم مشكلة، لأن العملاء أخبروك بها أصلًا دون أن تسألهم، وأضافوا إليها ختمًا زمنيًا.
منتج لا يكاد يملك مستخدمين. عشر تذاكر لا تستطيع ترتيب شيء.
للتعرف على من غادروا بصمت. هؤلاء لا يكتبون إليك.
للإجابة عن سؤال المال. كومة التذاكر تُظهر الألم، وهو غير الاستعداد للدفع. لذلك جرّب اختبار نية الشراء الوهمي.
أي مخاطرة يختبرها، وما قوة الدليل؟
هذا الاختبار يقيس الرغبة (desirability): أي مشكلة تؤلم العملاء الحقيقيين أكثر؟ والدليل اتجاهي. فهو يأتي من سلوك حقيقي، إذ تكلّف الناس عناء الكتابة إليك. لكن حجم التذاكر لا يخبرك بقيمة إصلاح المشكلة. ويشرح دليلنا لاختيار تجربة المنتج كيف تقرأ هذا المستوى.
قالب تحليل تذاكر الدعم الجاهز للنسخ
افتح الصورة بالحجم الكامل، أو انسخ النسخة النصية أدناه.
من تستقطب وكم عددهم
لا حاجة إلى استقطاب أحد. خذ آخر 200 حالة تواصل مع الدعم من كل القنوات التي تستخدمها. وإن كان لديك أقل من ذلك، فاستخدم آخر ستة أشهر ودوّن الإجمالي. احذف الرسائل المزعجة والمكررة. ولا تضع بيانات العملاء الشخصية في ملخصك.
خطة العمل خطوة بخطوة
اكتب الفرضية، مثل: "تصدير البيانات من أهم أسباب تواصل الناس معنا".
حدّد إشارة النجاح.
اقرأ 30 تذكرة وصُغ مسودة الوسوم مما تراه.
صنّف بحسب المهمة لا بحسب منطقة المنتج. "أحاول إرسال فاتورة إلى محاسبي"، لا "خلل في التصدير".
صنّف كل التذاكر الـ 200. واطلب من شخص ثانٍ مراجعة 20 منها.
احسب عدد التذاكر لكل مهمة، وقارن بين أنواع العملاء.
اختر خمسة اقتباسات تمثيلية.
دليل التصنيف
المهمة: ما الذي كان العميل يحاول إنجازه؟
سبب التعثر: خلل، أو لم يجده، أو غير موجود، أو مربك، أو سياسة
النتيجة: حُلّت، أو أُعطي حلًا بديلًا، أو استسلم
نوع العميل: الخطة، أو الحجم، أو الشريحة
الاقتباس: سطر واحد بكلماته
ما الذي تقيسه
عدد حالات التواصل لكل مهمة وترتيبها. ونسبة الحالات التي انتهت بحل بديل أو لم تُحلّ أبدًا. وهل تتركز المهمة في نوع واحد من العملاء.
إشارة النجاح التي تحددها قبل أن تبدأ
نقطة البداية في Specky: أن تكون هذه المهمة من أهم 3 أسباب يتواصل الناس معك بسببها. هذه نقطة بداية وليست معيارًا مرجعيًا. طبّق قواعد الوسم نفسها على كل تذكرة.
سجل النتائج
المهمة
حالات التواصل
الترتيب
سبب التعثر
نسبة غير المحلول
نوع العميل
الاقتباس
كيف تبني نظام وسوم للتذاكر يصمد؟
اكتب دليل ترميز قصيرًا قبل أن تصنّف التذاكر الـ 200 كلها. يوصي دليل Nielsen Norman Group للتحليل الموضوعي بأن تعطي كل رمز اسمًا ووصفًا وأمثلة لنصوص تناسبه وأخرى لا تناسبه، وهذا أهم ما يكون حين يشترك أكثر من شخص في الترميز (Nielsen Norman Group).
دليل ترميز عملي لتذاكر الدعم:
الحقل
القاعدة
مثال يناسب
مثال لا يناسب
المهمة
عبارة فعلية يتعرف عليها العميل
"استرداد عربون عميل"
"المدفوعات"
سبب التعثر
قيمة واحدة بالضبط من خمس قيم
"لم يجده": الإعداد موجود لكنه لم يعثر عليه
"مشكلة في تجربة الاستخدام"
النتيجة
حُلّت، أو أُعطي حلًا بديلًا، أو استسلم
"استردّ الدعم المبلغ يدويًا" = حل بديل
"مغلقة"
نوع العميل
يؤخذ من بيانات الحساب لا بالتخمين
"الخطة: Team، 6 مقاعد"
"يبدو عميلًا كبيرًا"
أربع قواعد تبقي الأعداد نزيهة:
صُغ الوسوم من 30 تذكرة ثم ثبّتها. استهدف نحو 8 إلى 15 مهمة. وإذا زاد العدد عن ذلك فلن يصنّف أحد بثبات.
أبقِ فئة "أخرى" صغيرة. إذا وقعت فيها أكثر من تذكرة واحدة تقريبًا من كل عشر، فهناك مهمة ناقصة من القائمة.
مهمة واحدة لكل تذكرة. إذا شملت التذكرة مهمتين، فاختر المهمة التي بدأ بها العميل ودوّن الثانية.
صنّف المحادثة كلها لا السطر الأول. كثيرًا ما لا تظهر المهمة الحقيقية إلا في الرسالة الثانية أو الثالثة.
كيف تتحقق من أن وسومك موثوقة؟
اطلب من شخص ثانٍ أن يصنّف 20 تذكرة من الـ 200 بدليل الترميز نفسه، دون أن يرى تصنيفاتك. ثم احسب التذاكر التي اخترتما لها المهمة نفسها. هذه النسبة هي نسبة الاتفاق المئوية.
تشير ورقة ماري ماكهيو لعام 2012 عن موثوقية المقيّمين إلى أن كثيرًا من المراجع توصي باتفاق بنسبة 80% حدًّا أدنى مقبولًا، وتشرح لماذا تأتي إحصائية كابا لجاكوب كوهين، التي تصحح الاتفاق الناتج عن الصدفة، أقل عادة (McHugh, 2012). وفي اختبار منتج يستغرق يومين تكفي نسبة الاتفاق المئوية: 16 من 20 تساوي 80%.
وإذا جاءت نتيجتك أقل من ذلك، فلا تتجادل حول كل تذكرة على حدة. ابحث عن المهمتين اللتين خلطتَ بينهما أكثر، وأعد كتابة تعريفيهما بمثال يناسب وآخر لا يناسب لكل منهما، ثم أعد تصنيف تلك التذاكر.
هل تثق بالوسوم التلقائية في Zendesk أو Intercom؟
استخدمها قائمةً أولى لا نتيجةً نهائية. فكلتا الأداتين مصممة لتوجيه عمل الدعم ورفع التقارير عنه، وفئاتهما تعكس ذلك.
وسوم Zendesk كلمات تضيف سياقًا إلى التذاكر من أجل العروض والبحث وقواعد العمل والتقارير (Zendesk). ويفحص الوسم التلقائي أوصاف التذاكر الجديدة بحثًا عن كلمات يزيد طولها على حرفين، ويقارنها بالوسوم المستخدمة أصلًا، ويضيف أفضل ثلاث مطابقات، مثلًا لتوجيه التذاكر (Zendesk). وهذه مطابقة كلمات في الرسالة الأولى، لا قراءة للمهمة.
الفرز الذكي (intelligent triage) في Zendesk يتنبأ بالموضوع والمشاعر على مقياس من خمس نقاط واللغة (نحو 150 لغة) انطلاقًا من موضوع التذكرة وأول تعليق عام فيها، ولكل منها حقل ثقة (Zendesk).
تفصل Intercom بين ثلاث أدوات: موضوعات المحادثة، وهي تلقائية وتنطبق على المحادثات السابقة أيضًا؛ وسمات البيانات، وهي منظمة ويمكن جعلها إلزامية قبل إغلاق المحادثة؛ والوسوم، وهي تعلّم ردودًا بعينها ويطبقها أعضاء الفريق أو سير العمل (Workflows). وتوصي Intercom بالجمع بينها (Intercom).
Topics Explorer في Intercom يجمّع المحادثات بالذكاء الاصطناعي لا بالكلمات المفتاحية، ويحلل الأيام التسعين الماضية عند تفعيله ثم يتحدث يوميًا. ويتطلب الإضافة Pro مع تشغيل Fin، ولا يقيّم المشاعر، وقد يترك المحادثات المتنوعة أو قليلة العدد بلا موضوع (Intercom).
الخطوة العملية: صدّر 200 حالة تواصل مع ما لديها من وسوم، واحتفظ بها في عمود، وأضف بجانبها عمودَي المهمة وسبب التعثر الخاصين بك. وإذا استحق التحليل مكانًا في روتينك، فاجعل "المهمة" سمة أو حقلًا إلزاميًا عند الإغلاق لتكون الجولة التالية أرخص.
مثال تطبيقي (افتراضي)
هذا المثال مُختلق لتوضيح الطريقة. فريق يدير تطبيق حجوزات للصالونات يعتقد أن المشكلة الأولى هي أخطاء مزامنة التقويم. فيصنّف آخر 200 حالة تواصل بحسب المهمة.
تبيّن أن مزامنة التقويم هي المهمة الثامنة من حيث الشيوع. أما الثلاث الأولى فهي "تعديل حجز نيابةً عن عميل" و"استرداد عربون" و"إضافة موظف ثانٍ". ويبرز "استرداد عربون": فقد انتهت معظم حالاته بحل يدوي من الدعم.
تفشل إشارة النجاح بالنسبة إلى مزامنة التقويم. فيسجل الفريق ذلك، ويكتب فرضية جديدة عن الاسترداد الذاتي للعربون.
والأعداد المختلقة وراء ذلك: بعد حذف 14 حالة مزعجة أو مكررة يتبقى 200. "تعديل حجز نيابةً عن عميل" لها 34، و"استرداد عربون" 29، و"إضافة موظف ثانٍ" 22. ومزامنة التقويم لها 9. ومن بين حالات الاسترداد الـ 29، تعثرت 21 حالة (72%) بسبب "غير موجود" وانتهت باسترداد يدوي من الدعم، وجاءت 18 حالة من صالونات على أدنى خطتين. وصنّف شخص ثانٍ 20 تذكرة واتفق معك في 17، أي 85%، فالترتيب سليم.
تحليل تذاكر الدعم مقابل ملاحظات فريق المبيعات مقابل فحص تحليلات المنتج
أجرِ تحليل تذاكر الدعم لتجد المهمة، ثم فحص تحليلات المنتج لترى كم شخصًا يصل إلى هذه النقطة دون أن يكتب إليك. وإذا أثار المشترون المهمة نفسها قبل أن يوقّعوا، فإن ملاحظات المبيعات تؤكد أنها تكلّفك صفقات كما تكلّفك ساعات دعم.
ما أكثر أخطاء تحليل تذاكر الدعم شيوعًا؟
التصنيف بحسب منطقة المنتج. "الفوترة" لا تخبرك بشيء. المهمة هي التي تخبرك بما يجب إصلاحه.
تصنيف الأسبوع الأخير فقط. إصدار سيئ واحد قد يهيمن على أسبوع كامل.
ترك الوسوم التلقائية في الدعم تقرر. صُمّمت للتوجيه لا للتعلم.
اعتبار الضجيج قيمة. العملاء الأعلى صوتًا قد لا يكونون أفضل عملائك.
نسيان الصامتين. من تركوك دون أن يكتبوا لا وجود لهم في هذه البيانات.
كيف تجري الاختبار في Specky
في صفحة الافتراضات (Assumptions)، انقر على الملاحظة واختر Pick a test، ثم Customer support analysis. يملأ Specky الخطوات وإشارة النجاح وجدولًا زمنيًا من يومين.
يقرأ Specky من الأدوات المتصلة. فإذا ربطت أداة دعم مثل Zendesk أو Intercom أو Freshdesk أو Help Scout، فاطلب في الدردشة تجميع حالات التواصل بحسب ما كان العميل يحاول فعله. راجع المجموعات بنفسك، لأن التصنيف هو الاختبار.
إذا لم يكن صندوق الدعم لديك متصلًا، فصنّف ملفًا مصدَّرًا يدويًا والصق الأعداد.
يظهر النجاح على اللوحة بوصفه Early signal لا Supported، لأن الحجم يُظهر الألم لا الالتزام.
ماذا تفعل مع كل نتيجة
Supported (تظهر كـ Early signal): عرفتَ المهمة. ابنِ حلًا رخيصًا يدويًا باختبار concierge وانظر هل تنخفض حالات التواصل.
غير واضحة: المهمة في مرتبة متوسطة أو متركزة في مجموعة واحدة. أجرِ بضع مقابلات مع أولئك العملاء. وقد يُظهر تمرين speed boat هل يشعرون بها بقدر ما توحي الأرقام.
Contradicted: ليست من الأسباب الأولى. توقف عن التعامل معها على أنها عاجلة واعمل على ما هو عاجل فعلًا. وأي رهان يستند إلى هذه الملاحظة يظهر الآن Contradicted.
الأسئلة الشائعة
كيف تحلل تذاكر دعم العملاء؟
اقرأ 30 تذكرة حديثة وصُغ مسودة وسوم بحسب ما كان العملاء يحاولون فعله. اكتب تعريفًا من سطر واحد لكل وسم، ثم صنّف آخر 200 حالة تواصل بحسب المهمة وسبب التعثر والنتيجة. اطلب من شخص ثانٍ مراجعة 20 منها، ثم احسب التذاكر لكل مهمة لترى أي المهام تسبب أكبر قدر من المتاعب وأيها ينتهي بلا حل.
كم تذكرة دعم ينبغي أن تحلل؟
نحو 200 حالة تواصل حديثة نقطة بداية عملية: تكفي لتتمايز المهام الأولى، وتصغر بما يسمح بتصنيفها يدويًا في يوم. وإن كان لديك أقل من ذلك، فاستخدم آخر ستة أشهر ودوّن الإجمالي. وتجنب أسبوعًا واحدًا، لأن إصدارًا سيئًا واحدًا قد يهيمن عليه.
بماذا ينبغي أن تصنّف تذاكر الدعم؟
صنّف بحسب المهمة التي كان العميل يحاول إنجازها، وما الذي أعاقه، وكيف انتهى التواصل. وأضف نوع العميل من بيانات حسابه. أما وسوم منطقة المنتج مثل "الفوترة" أو "التصدير" فمفيدة للتوجيه لكنها أعمّ من أن تخبرك بما تبنيه أو تصلحه.
هل يستطيع الذكاء الاصطناعي وسم تذاكر الدعم نيابةً عنك؟
يستطيع أن يعطيك مسودة أولى سريعة. فالفرز الذكي في Zendesk وTopics Explorer في Intercom كلاهما يجمّع التذاكر تلقائيًا، لكنهما مصممان للتوجيه والتقارير، وتنبؤ Zendesk يقرأ الموضوع وأول تعليق فقط. راجع عينة يدويًا وأعد التصنيف بحسب المهمة، لأن الوسم هو التحليل نفسه.
هل تُظهر تذاكر الدعم ما سيدفع العملاء مقابله؟
لا. تُظهر تذاكر الدعم أين يتألم العملاء، لا هل سيدفعون لإصلاح ذلك. والمهمة التي لها حالات تواصل كثيرة وحلول يدوية بديلة مرشحة قوية، لكن اقرن النتيجة باختبار يطلب التزامًا حقيقيًا، مثل عرض concierge أو شراء وهمي.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing