Zendesk Dashboard Beispiele

Zendesk ist eine cloud-basierte Help-Desk-Lösung, welche weltweit von mehr als 200.000 Unternehmen als Supportticket-System für das effektive Management des Kundenservices verwendet wird. Mit datapine’s moderner KPI Dashboard Software können Sie Ihre Zendesk Daten in Kombination mit zahlreichen weiteren Datenquellen tiefgründig analysieren und dadurch das volle Potential Ihrer Unternehmensdaten nutzen, um die Qualität Ihres Kundensupports langfristig und nachhaltig zu steigern. Dank professioneller Dashboards behalten Sie jederzeit alle wichtigen Kennzahlen im Blick und können diese mit wenigen Klicks innerhalb des Teams bzw. Unternehmens zur Förderung einer datengetriebenen Unternehmenskultur teilen. Im Folgenden werden wir Ihnen die Vorteile professioneller Zendesk Dashboards mit der Hilfe von 3 praxisrelevanten Beispielen demonstrieren.

Unser erstes Zendesk Dashboard Beispiel ist ein operatives Dashboard für das effektive, tägliche Management des Kundensupports, welches beispielsweise dem Teamleiter einen allumfassenden Überblick über die tagesaktuelle Support-Performance liefert. Dabei werden unter anderem diese Kennzahlen visuell ansprechend abgebildet: die Anzahl der Tickets und der Ticket-Status, die erste Reaktionszeit (FRT) sowie die mittlere Lösungszeit (MTTR). Im oberen Bereich des Dashboards finden Sie anschaulich die Anzahl der Tickets je Ticket-Status wie z. B. erstellte, nicht zugeordnete, offene, gelöste und eskalierte Tickets sowie die prozentuale Abweichung der jeweiligen Kennzahl zum Vortag. Dank einer solchen anschaulichen Übersicht in Echtzeit können z. B. Probleme im Ticket-System oder eine erhöhte Anzahl von Kundenfragen frühzeitig erkannt werden und entsprechende Gegenmaßnahmen zeitnah eingeleitet werden.

Im unteren Bereich des Dashboards finden Sie dann die Anzahl der gelösten Tickets für jeden einzelnen Supportmitarbeiter sowie die tagesaktuellen Werte als auch die monatlichen Durchschnittswerte für die erste Reaktionszeit (FRT) und die mittlere Lösungszeit (MTTR), welche wir stellvertretend für zwei zentrale Help-Desk Kennzahlen ausgewählt haben. Die FRT beschreibt die durchschnittliche Zeitspanne zwischen einer Kundenanfrage und der ersten Reaktion bzw. Antwort des Kundensupports auf diese. Die MTTR hingegen erfasst die durchschnittliche Zeit, die vom Kundendienst nach der Eröffnung eines Falls bis zur vollständigen Lösung benötigt wird. Beide Kennzahlen beeinflussen im erheblichen Maße die Kundenzufriedenheit, da Kunden einerseits ungern lange auf eine Antwort warten und andererseits das Anliegen möglichst schnell und effektiv geklärt haben möchten. Daher sollten Sie diese beiden Kennzahlen auch täglich überwachen, vor allem weil die Kundenzufriedenheit häufig nicht jeden Tag erhoben wird oder aber die entsprechende Sample-Size für einen Tag nicht ausreichend ist, um eine sinnvolle Analyse durchzuführen.

Moderne, dynamische Dashboard-Lösungen wie datapine erleichtern Ihnen hierbei dank einer großen Anzahl an Interaktionsmöglichen wie z. B. Drill-Down, Zoom-In, Drill-Through und umfangreiche Filteroptionen die tägliche Überwachung und Analyse aller relevanter Kennzahlen aus verschiedenen Blickwinkeln. Außerdem reduzieren diese den manuellen Analyse- und Reporting-Aufwand auf ein Minimum.

Unser zweites Zendesk Dashboard Beispiel – das Zendesk KPI Dashboard – hat im Gegensatz zu unserer ersten Dashboard Vorlage einen strategischen Fokus und betrachtet einen längeren Zeithorizont. Für den letzten Monat werden unter anderem folgende Kennzahlen dargestellt: die Kundenzufriedenheit, die verschiedenen Ticketarten, die Anzahl der Tickets für alle relevanten Supportkanäle sowie die zeitliche Entwicklung auf Tagesbasis der bereits besprochenen ersten Reaktionszeit (FRT) und mittleren Lösungszeit (MTTR).

Im oberen Bereich des Dashboards finden Sie darüber hinaus erneut eine Darstellung der einzelnen Ticket-Status für den letzten Monat. Beispielsweise können wir sehen, dass ca. 800 von 20.000 Tickets innerhalb eines Monats erneut geöffnet wurden, also ungefähr jedes 25. Ticket. Solche Analysen mit entsprechend größerer Sample-Size über einen längeren Zeitraum helfen Ihnen dabei, die täglichen Kennzahlen auf unserem ersten operativen Dashboard-Beispiel besser zu bewerten (dies gilt analog für die FRT und MTTR). Darunter ist darüber hinaus der Verlauf für die Anzahl der erstellten und gelösten Tickets für jeden einzelnen Tag im Monat dargestellt. Dies erlaubt es Ihnen, Muster und Trends zu erkennen, die Sie in Ihren zukünftigen Ressourcen-Planungen berücksichtigen können. Außerdem ist es lohnenswert, die Anzahl der Tickets pro Wochentag oder auf Stundenbasis genauer zu analysieren. Erhalten Sie beispielsweise besonders an Montagen viele telefonische Kundenanfragen, können Sie dies in der entsprechenden Personalplanung berücksichtigen. Bei der Erkennung solcher Muster und Anomalien in den Daten helfen Ihnen bei modernen Dashboard Tools wie datapine auch intelligente Datenalarme: diese identifizieren diese selbstständig mit der Hilfe von künstlicher Intelligenz und Machine Learning.

Im unteren Teil des Zendesk KPI Dashboards finden Sie eine Übersicht zu den verschiedenen Ticketarten sowie den am häufigsten genutzten Kontakt-Kanälen der Kunden. Zur Veranschaulichung haben wir dies jeweils in 4 Kategorien eingeteilt, dies kann natürlich je nach Branche und Geschäftsmodell stark variieren. In unserem Beispiel nutzt der Großteil der Kunden die E-Mail zur Kontaktaufnahme. Auch hier sind für Ihre strategischen Planungen Trendanalysen sinnvoll, um den Bedürfnissen der Kunden auch in der Zukunft gerecht zu werden – also die präferierte Kontakt-Form in bestmöglicher Qualität anzubieten. Bei der Betrachtung der Ticketarten sollten Sie versuchen, aus der heterogenen Gesamtheit der Tickets maximal 5 bis 6 Hauptkategorien zu bilden. Anschließend können Sie dann die relevanten Kennzahlen für diese Hauptkategorien im Detail analysieren bzw. auf Ihren Dashboards mit wenigen Klicks filtern. Mit dieser Vorgehensweise können Sie beispielsweise ineffiziente Vorgehensweisen des Kundensupport für bestimmte Ticket-Kategorien identifizieren, welches sich beispielsweise durch eine lange mittlere Lösungszeit oder eine geringe Kundenzufriedenheit mit der gebotenen Lösung manifestiert.