Wenn Sie sich jemals gewünscht haben, dass Ihre Zendesk-Makros Agenten auffordern könnten, bestimmte Details auszufüllen, bevor sie sie senden, sind Sie nicht allein. Support-Teams auf der ganzen Welt stehen vor derselben Frustration: Makros sind großartig für die Konsistenz, aber es sind statische Vorlagen, die sich nicht an jede einzelne Situation anpassen können.
Stellen Sie sich ein Rückerstattungs-Makro vor, das den Agenten auffordern könnte, den genauen Betrag einzugeben. Oder ein Versand-Update, das sofort nach der Trackingnummer fragt. Das ist der Traum. Aber hier ist die Realität: Zendesk-Makros unterstützen nativ keine Eingabefelder, die Agenten zur Eingabe von Werten auffordern.
Dieser Leitfaden erläutert, warum diese Einschränkung besteht, welche Workarounds Teams heute verwenden und wie moderne KI einen grundlegend anderen Ansatz für personalisierte Support-Antworten bietet.
Die Einschränkung verstehen: Warum Zendesk-Makros nicht nativ zur Eingabe auffordern
Beginnen wir mit dem Kernproblem. Ein Zendesk-Makro ist im Wesentlichen ein gespeicherter Satz von Aktionen und Text, den Agenten mit einem Klick auf Tickets anwenden können. Sie sind leistungsstark für die Standardisierung, funktionieren aber wie Mad Libs, bei denen alle Lücken bereits ausgefüllt sind.
Die Feature-Anfrage für Eingabeaufforderungen kursiert seit Jahren in der Zendesk-Community. Ein Benutzer beschrieb den Schmerzpunkt perfekt:
Ohne native Eingabeaufforderungen greifen Agenten auf Workarounds zurück, die Risiken bergen. Sie könnten:
- Makrotext manuell nach Platzhaltermarkierungen wie
$XXX_AMOUNT_XXXdurchsuchen, bevor sie ihn senden - Aus externen Notizen kopieren und einfügen, in denen sie variable Informationen gespeichert haben
- Das Makro im laufenden Betrieb bearbeiten, in der Hoffnung, nichts zu übersehen
Das Ergebnis? Inkonsistente Kundenerlebnisse, potenzielle Fehler und zusätzliche kognitive Belastung für Agenten, die bereits mehrere Tickets jonglieren.
Workaround 1: Verwenden von benutzerdefinierten Feldern und Platzhaltern
Der gebräuchlichste Workaround besteht darin, benutzerdefinierte Benutzerfelder zu erstellen, um variable Daten zu speichern, und diese Felder dann in Ihren Makros mithilfe von Platzhaltern zu referenzieren.
So funktioniert es. Nehmen wir an, Sie müssen Kunden häufig das Ablaufdatum ihrer Mitgliedschaft mitteilen. Anstatt Agenten dies jedes Mal manuell nachschlagen zu lassen, tun Sie Folgendes:
- Erstellen Sie im Admin Center ein benutzerdefiniertes Benutzerfeld namens "Ablaufdatum der Mitgliedschaft".
- Füllen Sie dieses Feld mit Daten (per API, Massen-Upload oder Integration).
- Referenzieren Sie es in Ihrem Makro mithilfe der Platzhaltersyntax.
Der Platzhalter sieht so aus:
{{ticket.requester.custom_fields.member_expiration_date}}
Sie können Datumsangaben sogar mit der Ruby-Syntax formatieren, um die Lesbarkeit zu verbessern:
{{ticket.requester.custom_fields.member_expiration_date | date: "%-d %B %Y"}}
Dies gibt etwas wie "15. Januar 2026" anstelle des rohen Zeitstempels aus.
Die Einschränkung? Dies funktioniert nur für Daten, die bereits in Zendesk gespeichert sind. Es löst nicht den Anwendungsfall, in dem ein Agent neue Informationen eingeben muss (z. B. einen anteiligen Rückerstattungsbetrag, der sofort berechnet wird). Dafür sind Sie wieder bei der manuellen Bearbeitung.
Workaround 2: Dynamischer Inhalt für mehrsprachige Unterstützung
Wenn Ihre Herausforderung eher die Unterstützung mehrerer Sprachen als die variable Dateneingabe ist, kann die Funktion Dynamischer Inhalt von Zendesk helfen.
Mit dynamischem Inhalt können Sie Inhaltsvarianten für verschiedene Sprachen erstellen und diese dann in Makros mithilfe von Platzhaltern wie:
{{dc.welcome_message}}
Wenn ein Agent das Makro anwendet, zeigt Zendesk automatisch die entsprechende Sprachversion basierend auf den Gebietsschemaeinstellungen des Benutzers an.
Dieser Ansatz reduziert die Komplexität der Makrobibliothek. Anstatt separate Makros für jede Sprache zu erstellen, verwalten Sie ein Makro, das den richtigen Inhalt dynamisch abruft.
Dynamischer Inhalt ist immer noch statisch. Es fordert Agenten nicht zur Eingabe auf. Es wählt lediglich aus vorgefertigten Inhalten basierend auf von Ihnen definierten Regeln aus.
Workaround 3: Manuelle Agentenbearbeitung mit klaren Platzhaltern
Wenn die anderen Workarounds nicht passen, greifen viele Teams darauf zurück, Agenten darin zu schulen, Makros vor dem Senden manuell zu bearbeiten. Der Schlüssel hierbei ist die Verwendung offensichtlicher, schwer zu übersehender Platzhaltermarkierungen.
Verwenden Sie anstelle von subtilen Platzhaltern, die sich in den Text einfügen, Markierungen wie:
$REFUND_AMOUNT$anstelle von$50.00[[TRACKING_NUMBER]]anstelle eines gefälschten Tracking-Codes{{AGENT_NAME}}für agentenspezifische Personalisierung
Bewährte Methoden für diesen Ansatz:
- Verwenden Sie eine einheitliche Formatierung für alle Makros
- Fügen Sie Kommentare in die Makrobeschreibung ein, die Agenten daran erinnern, was sie ersetzen müssen
- Schulen Sie neue Mitarbeiter speziell in diesem Workflow
- Überprüfen Sie regelmäßig gesendete Tickets, um Fehler zu erkennen
Das Risiko ist menschliches Versagen. Ein Agent in Eile könnte einen Platzhalter übersehen und einem Kunden eine Antwort senden, die besagt: "Ihre Rückerstattung von $REFUND_AMOUNT$ wurde bearbeitet." Kein toller Anblick.
Ein besserer Ansatz: KI-gestützte dynamische Antworten mit eesel AI
Alle diese Workarounds sind Patches für eine grundlegende Einschränkung. Makros wurden für eine Zeit entwickelt, in der Support bedeutete, dieselbe Antwort an viele Personen zu senden. Die heutigen Kunden erwarten Personalisierung. Untersuchungen von McKinsey zeigen, dass 71 % der Kunden personalisierte Erlebnisse erwarten, und 76 % sind frustriert, wenn Unternehmen diese nicht liefern.
Hier ändert KI die Gleichung vollständig.
eesel AI funktioniert anders als Makros. Anstelle von statischen Vorlagen lernt es aus Ihrem vorhandenen Wissen (vergangene Tickets, Hilfeartikel, Makros, verbundene Dokumente) und entwirft personalisierte Antworten für jede einzelne Situation.
So sieht das in der Praxis aus:
- Ein Agent öffnet ein Ticket zu einer Rückerstattungsanfrage
- eesel AI analysiert das Ticket, ruft relevante Informationen aus Ihrer Wissensdatenbank ab und entwirft eine Antwort
- Die Antwort enthält personalisierte Details ohne Platzhaltersuche
- Der Agent überprüft, bearbeitet bei Bedarf und sendet
Kein $XXX_AMOUNT_XXX zum Ersetzen. Keine manuelle Dateneingabe. Nur eine kontextuell passende Antwort, die so klingt, als hätte Ihr Team sie geschrieben.
Über das Entwerfen hinaus kann eesel AI Echtzeitaktionen ausführen, die Makros einfach nicht können:
- Nachschlagen von Bestelldetails in Shopify
- Überprüfen des Abonnementstatus in Ihrer Datenbank
- Erstellen von Problemen in Jira Service Management
- Referenzieren von Daten aus Confluence oder Google Docs
Und im Gegensatz zum Alles-oder-Nichts-Ansatz der traditionellen Automatisierung können Sie mit eesel AI im Copilot-Modus beginnen (Entwerfen von Antworten zur Überprüfung durch den Agenten) und schrittweise zur vollständigen Autonomie übergehen, wenn das Vertrauen wächst. Sie können sogar Simulationen auf vergangenen Tickets durchführen, um zu sehen, wie es funktionieren würde, bevor Sie live gehen.
Die richtige Vorgehensweise für Ihr Team wählen
Welche Lösung passt also zu Ihrer Situation? Hier ist ein einfaches Framework:
| Ihre Situation | Empfohlene Vorgehensweise |
|---|---|
| Kleines Team, einfache Variablen, die in Zendesk gespeichert sind | Benutzerdefinierte Felder + Platzhalter |
| Mehrsprachige Supportanforderungen | Dynamischer Inhalt |
| Komplexe, personalisierte Antworten mit neuen Daten | KI-gestützte Lösung |
| Knappes Budget, bereit, ein gewisses Fehlerrisiko zu akzeptieren | Manuelle Bearbeitung mit klaren Platzhaltern |
Lassen Sie uns dies weiter aufschlüsseln.
Benutzerdefinierte Felder funktionieren am besten, wenn: Ihre variablen Daten bereits in Zendesk gespeichert sind und sich nicht oft ändern. Mitgliedschaftsstufen, Kontotypen oder Abonnementstufen sind gute Beispiele. Der Einrichtungsaufwand zahlt sich aus, wenn Sie diese Felder in vielen Makros verwenden.
Dynamischer Inhalt ist ideal für: Teams, die mehrere Sprachen unterstützen und eine einzige Makrobibliothek verwalten möchten. Es geht nicht um variable Eingaben, sondern um intelligente Inhaltsauswahl.
KI-Lösungen wie eesel AI sind sinnvoll, wenn: Sie mit komplexen, differenzierten Antworten umgehen, die Kontext und Personalisierung erfordern. Wenn Ihre Agenten viel Zeit damit verbringen, Makroantworten vor dem Senden anzupassen, kann KI diese Fleißarbeit vollständig eliminieren.
Die manuelle Bearbeitung ist eine praktikable kurzfristige Option, wenn: Sie ein kleines Team, ein begrenztes Budget und relativ einfache variable Anforderungen haben. Seien Sie einfach auf gelegentliche menschliche Fehler vorbereitet.
Der Migrationspfad ist ebenfalls eine Überlegung wert. Viele Teams beginnen mit benutzerdefinierten Feldern, stoßen auf die Einschränkungen und erkunden dann KI als nächsten Schritt. Die gute Nachricht ist, dass eesel AI von Ihren vorhandenen Makros lernen kann, sodass Ihre Investition in aktuelle Workflows nicht verschwendet wird.
Beginnen Sie noch heute mit der Erstellung dynamischer Support-Antworten
Die Einschränkung ist real: Zendesk-Makros unterstützen nativ keine Eingabefelder, die Agenten zur Eingabe von Werten auffordern. Sie haben Workarounds (benutzerdefinierte Felder, dynamischer Inhalt, manuelle Bearbeitung), jeder mit seinen eigenen Kompromissen.
Aber es gibt hier ein größeres Bild. Die Erwartung an personalisierten Support steigt stetig. Kunden möchten nicht das Gefühl haben, eine Standardantwort zu erhalten, selbst wenn die zugrunde liegenden Informationen standardisiert sind. Sie möchten sich gehört und verstanden fühlen.
Das ist die Verschiebung, die KI ermöglicht. Anstatt mit Platzhaltern und Workarounds zu kämpfen, können Sie Antworten erhalten, die wirklich auf die Situation jedes Kunden zugeschnitten sind. Kein manueller Variablenersatz. Kein Risiko, $REFUND_AMOUNT$ an einen Kunden zu senden. Einfach schneller, genauer, menschlich klingender Support.
Wenn Sie bereit sind, über statische Makros hinauszugehen, erkunden Sie, wie eesel AI in Zendesk integriert wird. Sie können mit KI-entworfenen Antworten beginnen, die Agenten überprüfen, und dann auf die vollständige Automatisierung ausweiten, wenn Sie die Ergebnisse sehen. Die Einrichtung dauert Minuten, nicht Wochen, und Sie können sie auf vergangenen Tickets testen, bevor Sie eine einzige Live-Konversation berühren.
Häufig gestellte Fragen
Diesen Beitrag teilen
Article by
Stevia Putri
Stevia Putri is a marketing generalist at eesel AI, where she helps turn powerful AI tools into stories that resonate. She’s driven by curiosity, clarity, and the human side of technology.
