Wie man die Nutzung von Zendesk-Autoantworten mit Triggern und Tags verfolgt

Um die Nutzung manuell zu verfolgen, müssen Sie benutzerdefinierte Auslöser einrichten, um spezifische Tags (wie „autoreply_fired“) zu Tickets hinzuzufügen, wenn automatische Antworten aktiv sind. Erstellen Sie dann benutzerdefinierte Ansichten, die auf diesen Tags sowie den Standard-Tags von Zendesk (z. B. „ar_marked_helpful“) basieren, um die Leistung zu segmentieren und zu überwachen.

Die manuelle Methode ist komplex und erfordert eine ständige Wartung von Auslösern und Ansichten. Sie bietet begrenzte Intelligenz, da sie hauptsächlich Klicks verfolgt, anstatt zu verstehen, warum eine automatische Antwort hilfreich war oder nicht, und sie lernt oder passt sich nicht im Laufe der Zeit an.

Zendesk fügt automatisch Tags hinzu wie „ar_suggest_true“ (Artikel vorgeschlagen), „ar_marked_helpful“ (Kunde fand es hilfreich), „ar_marked_unhelpful“ (Kunde fand es nicht hilfreich) und „ai_agent_automated_resolution“ (KI-Agent hat gelöst). Diese bieten eine Grundlage für die Interaktion.

Die Reihenfolge der Auslöser ist entscheidend, da Zendesk Auslöser sequenziell verarbeitet. Wenn ein früherer Auslöser ein Ticket so ändert, dass ein späterer, abhängiger Auslöser nicht ausgelöst wird, können Ihre Tracking-Daten ungenau oder unvollständig werden.

Sie können einen spezifischen Auslöser erstellen, der Tickets identifiziert, die als „ar_marked_helpful“ markiert wurden, aber dann ihren Status von „Gelöst“ wieder auf „Offen“ ändern. Dieser Auslöser sollte ein neues Tag hinzufügen (z. B. „autoreply_reopened“), das Sie dann in einer dedizierten Ansicht verwenden können.

Ja, KI-native Plattformen wie eesel AI bieten eine modernere Alternative. Sie lassen sich schnell integrieren, lernen aus all Ihren Wissensquellen (nicht nur dem Help Center) und bieten integrierte, umsetzbare Berichte, oft mit Simulationsmöglichkeiten für proaktive Einblicke.