トピック別にZendeskの自己解決率を分析する方法：完全ガイド

ほとんどのサポートチームは、チケットの自己解決率を単一の数値として追跡しています。全体の自己解決率が20％または40％であることを把握し、それで終わりとしています。しかし、問題は、その数値が明らかにするよりも多くのことを隠していることです。

トピック別に自己解決率を見ると、請求に関する質問は60％で自己解決されるのに対し、技術的な問題は15％にとどまることがわかります。この洞察はすべてを変えます。問題に盲目的にリソースを投入する代わりに、より優れたセルフサービスコンテンツを実際に必要とする特定のトピックに焦点を当てることができます。

このガイドでは、Zendeskでトピックベースの自己解決率トラッキングを設定する方法について説明します。チケットをカテゴリ分けし、トピックごとに自己解決率を測定し、実際に効果のあるターゲットを絞った戦略を適用する方法を学びます。

必要なもの

始める前に、以下を用意してください。

• Zendesk Support（カスタムフィールドにはTeamプラン以上が必要）
• ヘルプセンター用のZendesk Guide
• チケットフィールドとフォームを構成するための管理者アクセス
• Zendeskのレポート作成またはGoogle Analyticsに関する基本的な知識
• オプション：高度な分析用のZendesk Explore（Professional/Enterpriseで利用可能）

ステップ1：チケットをトピック別にカテゴリ分けする

トピックベースの自己解決率分析の基礎は、堅牢なカテゴリ分けシステムです。一貫したトピックタグがないと、追跡できないものは測定できません。

まず、既存のチケットを確認します。顧客が質問することのパターンを探します。ほとんどの企業では、明確なカテゴリが現れます。請求に関する問題、技術的な問題、アカウントに関する質問、ハウツーのリクエスト、および一般的な問い合わせです。

一般的なトピックを特定したら、Zendeskでカスタムドロップダウンフィールドを作成します。管理センター > オブジェクトとルール > チケットフィールド > フィールドを追加に移動します。「チケットトピック」または「リクエストカテゴリ」のような明確な名前を付けます。

実際の問い合わせタイプを反映するオプションを追加します。以下は、適切な開始セットです。

• 請求と支払い　払い戻し、請求書、支払いの失敗、サブスクリプションの変更
• 技術的な問題　バグ、エラー、統合の問題、パフォーマンスの問題
• アカウント管理　パスワードのリセット、プロフィールの更新、アクセスリクエスト、キャンセル
• 製品のハウツー　機能に関する質問、使用方法のガイダンス、ベストプラクティス
• 機能リクエスト　製品のフィードバック、機能強化の提案
• 一般的な質問　その他すべての包括的なカテゴリ

エージェントが一貫してチケットにタグを付けられるように、チケットフォームにフィールドが表示されるように構成します。Zendeskトリガーを使用して、自動タグ付けを設定することもできます。たとえば、「払い戻し」または「請求」を含むチケットに「請求と支払い」としてタグを付けるトリガーを作成します。

プロのヒント：最大5〜7個のカテゴリから始めます。トピックが多すぎると、分析が煩雑になり、エージェントのタグ付けが一貫しなくなります。パターンが現れたら、後でいつでも追加できます。

ステップ2：トピック別に自己解決率トラッキングを構成する

チケットをカテゴリ分けできるようになったので、どのトピックが自己解決され、どのトピックがチケットになるかを追跡する必要があります。

まず、ZendeskヘルプセンターでGoogle Analyticsを有効にします。Guide管理 > 設定 > Google Analyticsに移動し、トラッキングIDを追加します。これにより、ベースラインのトラフィックデータが得られます。

次に、カスタムイベントを設定して、自己解決の動作を追跡します。ユーザーがチケットを送信する前に記事を閲覧したかどうかを知りたいとします。以下をキャプチャするJavaScriptをヘルプセンターのテーマに追加します。

• ユーザーが閲覧する記事カテゴリ
• ユーザーがチケットフォームを開始したが、放棄した場合
• ユーザーがチケットを送信する前にクリックする推奨記事

「チケットトピック」というカスタムディメンションをGoogle Analyticsに作成して、すべての自己解決データをカテゴリ別にセグメント化できるようにします。これにより、請求に関する記事を閲覧するユーザーは45％で自己解決するのに対し、技術的な記事を閲覧するユーザーは22％でしか自己解決しないことがわかります。

ProfessionalまたはEnterpriseでZendesk Exploreを使用している場合は、チケットトピックデータを自己解決率の指標と結合するカスタムレポートを作成します。これにより、データをスプレッドシートにエクスポートせずに、トピック別の自己解決率を最も明確に確認できます。

Exploreがない場合でも問題ありません。トピックタグ付きのチケットデータを毎月エクスポートし、Google Analyticsのセルフサービスデータと関連付けます。より手動になりますが、少量の場合は問題なく機能します。

ステップ3：トピック別にベースラインの自己解決率を計算する

トラッキングが完了したので、ベースラインを確立する時が来ました。改善を測定する前に、現状を知る必要があります。

自己解決率の計算式は簡単です。

自己解決率 = セルフサービスセッション数 / サポートリクエストの合計

ここで、サポートリクエストの合計 = 作成されたチケット + チケットなしで解決されたセルフサービスセッション数です。

まず、全体的なベースラインを計算し、次にトピック別に分類します。

1. 過去30日間の「チケットトピック」カスタムフィールドでチケットをフィルタリングします。
2. トピックごとに送信されたチケットをカウントします。
3. 対応するトピックカテゴリのヘルプセンターの記事閲覧数をカウントします。
4. 計算：記事閲覧数 / (記事閲覧数 + チケット数) = トピックの自己解決率

これを追跡するための簡単なスプレッドシートを作成します。

最もパフォーマンスの高いトピックと最もパフォーマンスの低いトピックを特定します。この例では、46％の自己解決率である技術的な問題は、明らかに注意が必要ですが、請求とアカウント管理は良好に機能しています。

これらのベースラインを文書化します。将来の月をこれらの数値と比較して、改善を測定します。

ステップ4：トピック別にコンテンツのギャップを分析する

いよいよ探偵の仕事です。どのトピックの自己解決率が低いかはわかっています。問題は、その理由です。

パフォーマンスの低いトピックカテゴリごとに、データを掘り下げます。

• ヘルプセンターで結果が返されない上位の検索語は何ですか？
• 「ヘルプセンターで見つかりませんでした」または「ドキュメントに記載されていません」のようなフレーズを含むチケットは何ですか？
• チケット量が多く、自己解決率が低いトピックは何ですか？

影響に基づいてコンテンツの作成を優先します。

• チケット量が多い + 自己解決率が低い = 緊急のニーズ　これらはエージェントの時間を最も浪費します。
• 結果がない一般的な検索 = クイックウィン　チケットをすぐに自己解決できる簡単な記事
• 反復的な質問に対するエージェントの時間 = 隠れたコスト　量が少なく見えても、反復的な質問は士気を低下させます。

既存のコンテンツをトピックカテゴリにマッピングします。技術的な問題カテゴリのカバー範囲がまばらであるか、製品のハウツー記事が古くなっていることに気付くかもしれません。更新が必要な可能性の高いトピックの記事にフラグを立てます。

ステップ5：トピック固有の自己解決戦略を実装する

トピックが異なれば、必要な自己解決戦術も異なります。請求に関する質問に有効なことが、技術的なトラブルシューティングに有効であるとは限りません。

請求と支払いに関するトピックの場合：

• 上位10件の請求に関する質問に対処する専用のFAQページを作成します。
• ZendeskのAnswer Botを構成して、ユーザーがチケットを送信する前に請求に関する記事を提案します。
• 一般的な問題について説明する請求関連フォームにインラインヘルプテキストを追加します。
• 確認メールに請求セルフサービスツールへの直接リンクを含めます。

技術的な問題の場合：

• ヘルプセンターでトラブルシューティングの意思決定ツリーを作成します（「問題Xですか？Yを試してください。まだ機能しませんか？Zを試してください。」）
• スクリーンショットとステップバイステップガイドを使用します。技術的なユーザーは、正しく実行していることを視覚的に確認する必要があります。
• 一般的な技術ワークフローの関連する記事をリンクします。
• 積極的にメンテナンスされている「既知の問題」ページを作成します。

アカウント管理の場合：

• 可能な限りセルフサービスのアカウント設定を有効にします（パスワードのリセット、プロフィールの更新）。
• アカウント関連のプロセスをスクリーンショットで明確に文書化します。
• チーム管理や権限などの複雑なアカウントタスクには、ビデオチュートリアルを使用します。
• キャンセル/アップグレードパスを明確にします。混乱したユーザーはチケットを作成します。

製品のハウツーの場合：

• ユーザーのジャーニー段階（はじめに、高度な使用法、パワーユーザーのヒント）でコンテンツを整理します。
• 簡単な視覚的なデモンストレーションにはGIFを使用します。
• 「この記事は役に立ちましたか？」フィードバックを実装して、ギャップを特定します。
• ユーザーが機能を自然に発見できるように、関連する機能を相互リンクします。

トピック固有のAnswer Bot応答を設定します。ユーザーが払い戻しについて入力を開始すると、Answer Botは払い戻しポリシーの記事をすぐに表示する必要があります。チケットトピックを関連するヘルプコンテンツに一致させるトリガーベースの記事の提案を構成します。

エージェント用にトピックベースのマクロを作成します。請求に関する質問が表示されたら、ワンクリックで上位の請求に関する記事へのリンクを含む応答を挿入する必要があります。これにより、次回は顧客がセルフサービスを利用するようにトレーニングされます。

ステップ6：継続的に監視および最適化する

トピックベースの自己解決は、設定して忘れるプロジェクトではありません。トレンドを把握して反復処理するには、定期的なレビューが必要です。

毎月のレビュー頻度を設定します。

• トピック別の自己解決率を月ごとに比較します。
• トピックの分布の変化を特定します（技術的なチケットが突然増えていますか？）。
• カテゴリ分けが必要な新しいチケットトピックを確認します。

以下を示す簡単なダッシュボードを作成します。

• チケット量が多い上位3つのトピック（エージェントの時間をどこに費やしていますか？）。
• 自己解決率が高い上位3つのトピック（何がうまくいっていますか？）。
• 注意が必要な下位3つのトピック（次にどこに焦点を当てますか？）。

改善についてA/Bテストを実行します。

• 同じトピックの異なる記事タイトルをテストします。「パスワードをリセットする方法」と「パスワードを忘れましたか？回復する方法はこちら」
• エージェントの応答でAnswer Botの提案と手動の記事リンクを比較します。
• 新しいコンテンツが30日間の自己解決率に与える影響を測定します。

四半期ごとに、一歩下がります。

• 新しいパターンに基づいてトピックカテゴリを絞り込みます。
• 関連性のなくなった古いコンテンツをアーカイブします。
• 最新のスクリーンショットと情報でトレンドのトピック記事を更新します。

避けるべき一般的な間違い

トピックベースの自己解決を実装する際に、これらの落とし穴に注意してください。

• カテゴリが多すぎる　5〜7個のトピックでシンプルに保ちます。カテゴリが多いほど、タグ付けが一貫性がなくなり、データが煩雑になります。
• タグ付けの一貫性がない　トピックの定義についてエージェントを徹底的にトレーニングします。あるエージェントの「技術的な問題」は、別のエージェントの「製品のハウツー」です。
• モバイルを無視する　ヘルプセンターのトラフィックの半分はおそらくモバイルからのものです。すべてのトピックコンテンツが小さな画面でうまく機能することを確認します。
• 設定して忘れる　トピック別の自己解決には継続的な注意が必要です。毎月のレビューをスケジュールしないと、データは役に立たなくなります。
• ワンサイズフィットオールのコンテンツ　請求に関する質問には迅速な回答が必要です。技術的な問題には詳細なガイドが必要です。コンテンツ形式をトピックのニーズに合わせます。

eesel AIでZendeskの自己解決率を向上させる

手動でのカテゴリ分けと追跡は機能しますが、時間がかかります。より自動化されたアプローチを探している場合は、この課題に対処するために特にeesel AIを構築しました。

すべてのチケットに手動でタグを付けたり、複雑なGoogle Analyticsの設定を構築したりする代わりに、eeselは過去のチケットを分析して、トピックパターンを自動的に識別します。カスタムフィールドを1つも設定しなくても、どのタイプの質問がうまく自己解決され、どの質問がより良いコンテンツを必要とするかを学習します。

トピックベースの自己解決の場合、これはどのように機能しますか？

• 自動トピック識別　eeselは過去のチケットを読み取り、手動でのタグ付けなしでトピック別に自動的にグループ化します。
• スマートな記事の提案　新しいチケットが届くと、eeselはチケットの内容とトピックに基づいて、関連するヘルプセンターの記事を提案します。
• 組み込みの自己解決分析　複雑なGA構成やスプレッドシートの操作なしで、どのトピックが最も自己解決されるかを確認します。
• 継続的な学習　eeselはコンテンツのギャップを特定し、チケット量の多いトピックに基づいて新しい記事を提案します。

控えめに始めることができます。送信する前に、eeselがエージェントが確認するための返信を下書きするようにします。品質を確認したら、自己解決される特定のトピックの自律的な応答に拡張します。プレーンな英語でエスカレーションルールを定義します。「500ドルを超える請求紛争は常に人にエスカレーションする」複雑なワークフロービルダーは必要ありません。

公開する前に、過去のチケットでシミュレーションを実行して、eeselが達成する自己解決率を確認します。これにより、実際のチケット履歴からの実際のデータでアプローチを検証できます。

よくある質問

Q1：Zendeskのトピック別の自己解決率をトラッキングする最適な方法は？

まず、チケットのトピックに関するカスタムドロップダウンフィールドを作成します。チケットの80%をカバーする5〜7個のカテゴリを選択します。ヘルプセンターでGoogle Analyticsを有効にして、記事の閲覧数を追跡します。次に、30日間の記事の閲覧数と作成されたチケットを比較して、トピックごとのベースラインの自己解決率を計算します。

Q2：トピック別のZendeskの自己解決率分析では、いくつのトピックカテゴリを作成する必要がありますか？

最大5〜7個のカテゴリを目指してください。トピックが多すぎると、タグ付けに一貫性がなくなり、分析が困難になります。大まかなカテゴリ（請求、技術、アカウント、ハウツー、一般）から始めて、個別の追跡が必要な明確なパターンが見られる場合にのみカテゴリを分割します。

Q3：Zendesk Exploreなしで、トピック別のZendeskの自己解決率を追跡できますか？

はい。Exploreを使用するとレポート作成が簡単になりますが、ヘルプセンターのトラフィックにGoogle Analyticsを使用し、チケットを手動でエクスポートすることで、トピック別に自己解決率を追跡できます。トピックタグ付きのチケットを毎月エクスポートし、トピックごとにチケットをカウントし、GAの記事閲覧データと関連付けて、自己解決率を計算します。

Q4：通常、Zendeskで最も自己解決率が高いトピックはどれですか？

請求およびアカウント管理に関する質問は、明確で事実に基づいた回答があるため、通常は最も自己解決率が高くなります。技術的な問題や複雑な製品に関する質問は、トラブルシューティングやパーソナライズされたガイダンスが必要になることが多いため、自己解決率が低くなる傾向があります。コンテンツ作成の取り組みを、パフォーマンスの低いトピックに集中させてください。

Q5：Zendeskのトピック別の自己解決率の指標をどのくらいの頻度で見直す必要がありますか？

トレンドを早期に把握するために、毎月見直してください。トピック別の自己解決率を月ごとに比較し、カテゴリ別のチケット量の変化を特定し、カテゴリ分けが必要な新しいトピックを見つけます。四半期ごとに詳細なレビューを実施して、カテゴリを絞り込み、古いコンテンツをアーカイブし、主要なコンテンツイニシアチブを計画します。