9 novembre 2026Aggiornato il Fathy Shalaby12 min di lettura
Template per l'analisi dei ticket di supporto: scopri cosa blocca gli utenti
I ticket di supporto sono una ricerca per cui hai già pagato. Etichettali in base a ciò che i clienti volevano fare, verifica la coerenza e scopri i problemi peggiori.
L'analisi dei ticket di supporto è un test da scrivania che richiede due giorni: etichetti gli ultimi 200 contatti di supporto in base al job (l'attività o l'obiettivo) che il cliente stava cercando di completare, conti i ticket per ciascun job e scopri quali creano più problemi. I clienti hanno già descritto il problema, spontaneamente e con data e ora registrate. Questo metodo evidenzia i punti di attrito, non la disponibilità a pagare, e ignora completamente tutti coloro che hanno abbandonato il prodotto senza scrivere all'assistenza.
I punti chiave
L'analisi del supporto clienti («customer support analysis») è uno dei cinque esperimenti di discovery basati sull'analisi dei dati descritti in Testing Business Ideas di David J. Bland e Alex Osterwalder (corso UPV).
Applica i tag in base al job, non all'area di prodotto. «Invio fattura al commercialista» spiega cosa c'è da sistemare; «Fatturazione» no.
L'assegnazione automatica dei tag negli helpdesk è pensata per l'instradamento dei ticket. Il tagging automatico di Zendesk confronta le parole di un nuovo ticket con i tag già in uso e aggiunge i tre più affini (Zendesk).
Verifica i tag prima di fare i conteggi. Fai classificare 20 ticket a una seconda persona; molti testi metodologici considerano una concordanza dell'80% come la soglia minima accettabile (McHugh, 2012).
Il segnale di superamento (pass signal) iniziale suggerito da Specky: il job rientra tra i primi 3 motivi per cui le persone ti contattano.
Cos'è l'analisi dei ticket di supporto?
Fare un'analisi dei ticket di supporto significa etichettare i contatti recenti ricevuti dall'assistenza in base al job che il cliente stava cercando di portare a termine, in modo da individuare quali attività creano maggiori difficoltà. Il termine «contatti» include tutti i canali: email, chat, messaggi in-app, chiamate con note allegate e persino il forum di supporto, se ne gestisci uno.
È uno dei modi più economici per quantificare un problema su un prodotto già attivo, perché il lavoro di spiegare il problema è già stato fatto dall'utente. La differenza rispetto alla classica reportistica del supporto sta nelle etichette. I team di supporto usano i tag per instradare le richieste e gestire il carico di lavoro; per prendere decisioni di prodotto, invece, si etichetta il job e l'ostacolo riscontrato, seguendo l'approccio dei .
Usala quando hai un prodotto live e un volume di contatti sufficiente per estrarre numeri significativi. È uno dei metodi più economici per dimensionare un problema, perché i clienti te lo hanno già raccontato di propria iniziativa e con tanto di timestamp.
Non usarla:
Per un prodotto quasi privo di utenti. Dieci ticket non bastano per stabilire alcuna classifica.
Per capire chi ha abbandonato il prodotto in silenzio. Queste persone non scrivono al supporto.
Quale rischio valida e quanto sono solide le prove?
Questo esperimento mette alla prova la desiderabilità (desirability): quale problema sta danneggiando maggiormente gli utenti reali? L'evidenza raccolta è direzionale. Proviene da comportamenti reali, dato che le persone si sono prese la briga di scrivere all'assistenza. Tuttavia, il semplice volume dei messaggi non indica quanto valore abbia risolvere quel problema. La nostra guida alla scelta degli esperimenti di prodotto spiega nel dettaglio come interpretare questo livello di evidenza.
Template per l'analisi dei ticket di supporto (pronto all'uso)
Apri l'immagine a schermo intero oppure copia la versione testuale qui sotto.
Chi reclutare e quanti
Nessun reclutamento. Prendi gli ultimi 200 contatti di supporto, trasversalmente a tutti i canali che utilizzi. Se ne hai meno, prendi in considerazione gli ultimi sei mesi e annota il totale. Rimuovi spam e duplicati. Assicurati di escludere i dati personali dei clienti dal tuo riassunto.
Piano d'azione passo dopo passo
Scrivi l'ipotesi di partenza, ad esempio: «l'esportazione dei dati è tra i motivi principali per cui gli utenti ci contattano».
Definisci il tuo segnale di superamento (pass signal).
Leggi 30 ticket e delinea una prima bozza di tag in base a ciò che trovi.
Etichetta in base al job, non all'area del prodotto. Usa ad esempio «Invio fattura al commercialista», non «Bug esportazione».
Etichetta tutti i 200 ticket. Fai controllare 20 di questi a una seconda persona.
Conta i ticket per ogni job e confronta i diversi tipi di clienti.
Estrai cinque citazioni rappresentative.
Guida al tagging
Job: cosa stava cercando di completare il cliente?
Bloccato da: bug, non lo trova, non esiste, poco chiaro o policy
Esito: risolto, fornito workaround o abbandonato
Tipo di cliente: piano, dimensione o segmento
Citazione: una frase detta con le loro parole
Cosa misurare
Il numero di contatti per job e la relativa classifica. La percentuale di casi risolti con un workaround o rimasti senza soluzione. La presenza di un job concentrato prevalentemente su una specifica tipologia di cliente.
Segnale di superamento da impostare prima di iniziare
Il punto di partenza di Specky: questo job rientra tra i primi 3 motivi per cui le persone ti contattano. È una linea guida iniziale, non un benchmark universale. Applica le medesime regole di tagging a ogni ticket.
Registro dei risultati
Job
Contatti
Posizione
Bloccato da
% non risolti
Tipo di cliente
Citazione
Come creare uno schema di tagging solido e coerente?
Prepara un piccolo codebook prima di iniziare a etichettare l'intero gruppo di 200 ticket. La guida all'analisi tematica di Nielsen Norman Group consiglia di assegnare a ogni codice un nome, una descrizione ed esempi di frasi pertinenti e non pertinenti; questo accorgimento diventa cruciale quando più persone si occupano della classificazione (Nielsen Norman Group).
Un esempio pratico di codebook per i ticket di supporto:
Campo
Regola
Esempio pertinente
Esempio non pertinente
Job
Un'espressione verbale comprensibile per il cliente
«Rimborsare la caparra a un cliente»
«Pagamenti»
Bloccato da
Esattamente uno dei cinque valori predefiniti
«Non lo trova»: l'impostazione esiste ma l'utente non l'ha vista
«Problema UX»
Esito
Risolto, fornito workaround o abbandonato
«Il supporto ha emesso il rimborso manualmente» = workaround
«Chiuso»
Tipo di cliente
Preso dai dati dell'account, non tirato a indovinare
«Piano: Team, 6 postazioni»
«Sembra un cliente importante»
Quattro regole per mantenere i conteggi accurati:
Definisci i tag dopo aver letto 30 ticket, poi bloccali. Cerca di individuare tra gli 8 e i 15 job. Se aumenti il numero, la categorizzazione perderà di coerenza.
Riduci al minimo la voce «Altro». Se raccoglie più di un ticket su dieci, significa che manca un job essenziale nell'elenco.
Un solo job per ticket. Se un messaggio tocca due problemi diversi, etichetta quello per cui il cliente ha aperto il ticket e prendi nota del secondo a parte.
Valuta l'intera conversazione, non solo la prima riga. Spesso il vero problema emerge solo al secondo o al terzo messaggio.
Come verificare l'affidabilità dei tuoi tag?
Chiedi a un collega di classificare 20 dei 200 ticket usando lo stesso codebook, senza fargli vedere le tue etichette. Calcola su quanti ticket avete scelto lo stesso job: quella percentuale rappresenta il vostro accordo percentuale (percent agreement).
Lo studio del 2012 di Mary McHugh sull'affidabilità tra valutatori (inter-rater reliability) spiega che molti manuali indicano l'80% di concordanza come soglia minima accettabile; illustra anche perché l'indice kappa di Cohen, che corregge l'accordo dovuto al caso, genera solitamente valori più bassi (McHugh, 2012). Per un test di prodotto rapido di due giorni, la percentuale di accordo è sufficiente: 16 su 20 corrisponde all'80%.
Se il risultato è inferiore, evita di discutere singolo ticket per singolo ticket. Identifica semplicemente i due job che avete confuso più spesso, riscrivi le definizioni aggiungendo un esempio pertinente e uno non pertinente per ciascuno, e riassegna i tag a quei ticket.
Conviene fidarsi dei tag automatici di Zendesk o Intercom?
Usali come spunto di partenza, mai come dato finale. Entrambi gli strumenti sono progettati per smistare i ticket e monitorare le operazioni di assistenza, e le loro categorie rispecchiano queste finalità.
I tag di Zendesk sono parole chiave che forniscono contesto ai ticket per viste, ricerche, regole aziendali e report (Zendesk). Il tagging automatico scansiona il testo dei nuovi ticket cercando parole più lunghe di due caratteri, le confronta con i tag già in uso e aggiunge le tre più pertinenti, ad esempio per instradare le richieste (Zendesk). Si tratta di un semplice abbinamento di parole chiave sul primo messaggio, non di una comprensione reale del job.
L'intelligent triage di Zendesk prevede argomento, sentiment (su una scala a cinque punti) e lingua (su circa 150 idiomi) analizzando l'oggetto del ticket e il primo commento pubblico, restituendo un indice di confidenza per ciascun elemento (Zendesk).
Intercom adotta tre strumenti differenti: i conversation topic, che sono automatici e retroattivi; i data attribute, che sono strutturati e possono essere resi obbligatori prima della chiusura della conversazione; infine i tag, usati per contrassegnare risposte specifiche e applicati dagli operatori o tramite Workflow. La stessa Intercom consiglia di utilizzarli in modo combinato (Intercom).
Topics Explorer di Intercom raggruppa le conversazioni tramite intelligenza artificiale invece che tramite parole chiave: all'attivazione analizza gli ultimi 90 giorni per poi aggiornarsi quotidianamente. Richiede il componente aggiuntivo Pro con Fin attivo, non valuta il sentiment e può tralasciare conversazioni atipiche o con volumi troppo bassi (Intercom).
La strategia più pratica: esporta 200 contatti mantenendo i tag già presenti come colonna di riferimento, e affianca due nuove colonne: «Job» e «Bloccato da». Se l'analisi diventa una pratica ricorrente nel tuo team, inserisci il campo «Job» come attributo obbligatorio alla chiusura del ticket: il prossimo ciclo di analisi sarà molto più veloce.
Esempio pratico (ipotetico)
Questo scenario è fittizio e serve a illustrare la metodologia. Il team di un software gestionale di prenotazioni per saloni di bellezza è convinto che il problema principale sia legato ai bug nella sincronizzazione dei calendari. Decide quindi di etichettare gli ultimi 200 contatti in base al job.
La sincronizzazione del calendario si posiziona solo all'ottavo posto. I primi tre job risultano essere: «modificare una prenotazione per conto di un cliente», «rimborsare una caparra» e «aggiungere un secondo collaboratore». In particolare, «rimborsare una caparra» salta all'occhio: la maggior parte dei casi si è conclusa con un intervento manuale del supporto.
L'ipotesi di partenza sulla sincronizzazione del calendario non supera il test (pass signal fallito). Il team archivia l'evidenza e formula una nuova assunzione sulla necessità di gestire i rimborsi delle caparre in autonomia (self-serve).
I numeri di questo esempio: scartati 14 contatti tra spam e duplicati, ne rimangono 200. Il job «modificare una prenotazione per conto di un cliente» registra 34 ticket, «rimborsare una caparra» 29 e «aggiungere un secondo collaboratore» 22. La sincronizzazione del calendario ne ottiene solo 9. Dei 29 ticket sui rimborsi, ben 21 (il 72%) erano bloccati da una funzionalità «non esistente» e sono stati risolti manualmente dal supporto; 18 di questi provenivano da saloni iscritti ai due piani più economici. Una seconda persona ha classificato 20 ticket concordando su 17 (l'85%), confermando la validità della classifica.
Ticket di supporto vs feedback del team vendite vs analisi di product analytics
Potenziali clienti che non hanno ancora acquistato
Chiunque utilizzi il prodotto, in silenzio
Domanda chiave
Quale job crea più problemi?
Cosa frena la decisione d'acquisto?
Cosa fanno realmente le persone?
Tipo di evidenza
Direzionale, non sollecitata
Indiretta, filtrata dalle vendite
Comportamentale direzionale
Punto debole
Non rileva il churn silenzioso
Memoria e incentivi commerciali
Mostra il cosa, mai il perché
Tempo richiesto
Circa due giorni
Da uno a due giorni
Da uno a due giorni
Sfrutta l'analisi dei ticket di supporto per scoprire il job critico, poi affidati alla product analytics per vedere quanti utenti si bloccano nello stesso passaggio senza contattare l'assistenza. Se anche i potenziali acquirenti lamentano la mancanza di quel job prima della firma, il feedback del team vendite ti confermerà che il problema sta costando sia deal che ore di supporto.
Quali sono gli errori più comuni nell'analisi dei ticket?
Categorizzare per area di prodotto. L'etichetta «Fatturazione» non fornisce indicazioni utili. È il job a spiegare cosa correggere.
Prendere in considerazione solo l'ultima settimana. Un rilascio difettoso può falsare completamente i dati di sette giorni.
Affidarsi ciecamente ai tag automatici dell'helpdesk. Sono pensati per smistare i messaggi, non per fare discovery di prodotto.
Confondere il rumore con il valore. I clienti più rumorosi non sempre corrispondono a quelli a maggior valore.
Dimenticare gli utenti silenziosi. Chi abbandona il prodotto senza scrivere non compare in questo set di dati.
Come eseguire questo test in Specky
Nella schermata Assumptions, clicca sulla nota d'ipotesi, seleziona Pick a test e scegli Customer support analysis. Specky imposterà automaticamente i passaggi, il segnale di superamento e una pianificazione di due giorni.
Specky estrae i dati dagli strumenti integrati. Se hai collegato una piattaforma come Zendesk, Intercom, Freshdesk o Help Scout, chiedi direttamente nella chat di raggruppare i contatti in base all'obiettivo dell'utente. Ricordati di verificare personalmente i cluster generati: la classificazione è la sostanza stessa del test.
Se l'inbox del supporto non è integrata, etichetta manualmente un file esportato e incolla i totali nel sistema.
Clicca su Start running, allega i dati quantitativi raccolti come evidenza e registra il risultato.
Il superamento del test comparirà sulla board come Early signal (segnale preliminare) e non come Supported, poiché il volume indica un attrito evidente ma non un impegno economico.
Come gestire i diversi esiti
Supported (indicato come Early signal): hai individuato il job critico. Crea una soluzione semplice gestita a mano con un concierge test e controlla se i ticket diminuiscono.
Unclear: il job si trova a metà classifica o riguarda un segmento circoscritto. Conduci alcune interviste con i clienti appartenenti a quel gruppo. L'esercizio della speed boat ti aiuterà a capire se avvertono il problema con la stessa intensità suggerita dai numeri.
Contradicted: non rientra tra i problemi primari. Riduci la priorità di questo aspetto e dedicati alle vere urgenze. Tutte le scommesse collegate a questa nota passeranno allo stato Contradicted.
Domande frequenti
Come si analizzano i ticket di supporto clienti?
Leggi 30 ticket recenti e stila una prima lista di tag basandoti su cosa volevano ottenere gli utenti. Scrivi una definizione sintetica per ciascun tag, quindi classifica gli ultimi 200 contatti annotando job, blocco ed esito finale. Fai verificare 20 ticket a un'altra persona per confermare la coerenza, poi conta i ticket per ciascun job per capire quali creano maggiori disagi e quali rimangono irrisolti.
Quanti ticket di supporto bisogna analizzare?
Un volume di circa 200 contatti recenti è una soglia ottimale: offre un campione sufficiente per far emergere i job più frequenti ed è abbastanza compatto da poter essere etichettato a mano in una giornata. Se hai meno volume, allarga l'analisi agli ultimi sei mesi specificando il totale. Evita di limitarti a una singola settimana, perché un rilascio problematico potrebbe alterare i risultati.
Quali parametri usare per etichettare i ticket?
Etichetta in base al job che il cliente stava cercando di portare a termine, al fattore che lo ha bloccato e a come si è conclusa la conversazione. Aggiungi il tipo di cliente recuperandolo dai dati del suo account. I tag generici legati alle aree di prodotto, come «Fatturazione» o «Export», sono comodi per l'instradamento ma troppo ampi per decidere cosa sviluppare o ottimizzare.
L'intelligenza artificiale può etichettare i ticket al posto mio?
Può preparare una prima bozza rapida. L'intelligent triage di Zendesk e il Topics Explorer di Intercom raggruppano le conversazioni in automatico, ma nascono per il routing e la reportistica operativa; inoltre, il modello di Zendesk analizza esclusivamente l'oggetto e il primo messaggio. Conviene sempre controllare un campione manualmente e rietichettare per job: il valore dell'analisi risiede proprio nel processo di tagging.
I ticket di supporto rivelano ciò per cui i clienti sono disposti a pagare?
No. I ticket segnalano i punti di attrito degli utenti, non la loro intenzione di spesa per risolverli. Un job che genera molti contatti e richiede workaround manuali è senza dubbio un ottimo candidato d'intervento, ma è fondamentale affiancare a questo riscontro un test che richieda un impegno tangibile, come un'offerta concierge o un test di finto acquisto (mock purchase).
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