Analytics & Dashboard

Analytics & Dashboard

Das Analytics-Dashboard gibt Ihnen ein vollständiges Bild davon, wie Ihr KI-Bot und Ihr Support-Team performen. Nutzen Sie es, um die Effektivität zu messen, Wissenslücken zu identifizieren und Ihren Bot kontinuierlich zu verbessern.

Dashboard-Übersicht

Das Haupt-Dashboard zeigt auf einen Blick die wichtigsten KPIs:

KPI	Beschreibung
Gespräche gesamt	Anzahl der Gespräche, die im ausgewählten Zeitraum gestartet wurden
KI-Lösungsrate	Prozentsatz der Gespräche, die der Bot ohne menschliche Übergabe gelöst hat
Durchschn. Antwortzeit	Durchschnittliche Zeit von der Nutzernachricht bis zur ersten Bot- oder Agentenantwort
Übergaberate	Prozentsatz der Gespräche, die an einen menschlichen Agenten eskaliert wurden
Aktive Nutzer	Eindeutige Nutzer, die im Zeitraum mit dem Bot interagiert haben
Positive Feedback-Rate	Prozentsatz der Daumen-hoch-Reaktionen an allen eingereichten Feedbacks

Verwenden Sie den Datumsbereichsauswähler, um alle Metriken nach Tag, Woche, Monat oder einem benutzerdefinierten Bereich zu filtern.

Tipp

Eine hohe KI-Lösungsrate kombiniert mit einer hohen positiven Feedback-Rate zeigt an, dass Ihre Wissensdatenbank gesund ist und gut zu den Fragen der Nutzer passt.

RAG-Analytik

Der Abschnitt RAG-Analytik zeigt, wie die Retrieval-Pipeline performt:

• Retrieval-Erfolgsrate — Prozentsatz der Anfragen, bei denen das System relevante Inhalte in der Wissensdatenbank gefunden hat
• Am häufigsten abgerufene Dokumente — Welche Dokumente am häufigsten abgerufen werden, was auf stark nachgefragte Themen hinweist
• Durchschn. Relevanz-Score — Durchschnittlicher Konfidenz-Score des Re-Rankers über alle Anfragen
• Abfragevolumen nach Stunde — Heatmap des Nachrichtenvolumens zur Identifizierung von Spitzenlastzeiten

Nutzen Sie diese Daten, um Dokumente zu identifizieren, die selten abgerufen werden – sie benötigen möglicherweise bessere Titel, mehr Schlüsselwörter oder eine inhaltliche Überprüfung.

Analytik zu unbeantworteten Fragen

Der Abschnitt Analytik zu unbeantworteten Fragen zeigt Fragen auf, die der Bot nicht beantworten konnte:

• Liste unbeantworteter Fragen — Eine chronologische Liste von Fragen, die zu einer Antwort mit niedriger Konfidenz oder einer Übergabe geführt haben
• Themen-Clustering — Fragen werden automatisch nach Thema gruppiert, damit Sie Muster erkennen können
• Themen ohne Dokumente — Themen, die häufig in unbeantworteten Fragen auftauchen, aber kein passendes Dokument in der Wissensdatenbank haben

Hinweis

Die Liste Themen ohne Dokumente ist eine direkte Aufgabenliste für Ihr Wissensdatenbank-Team. Jeder Eintrag stellt eine Lücke dar, die, wenn sie mit einem Dokument gefüllt wird, die Bot-Lösungsrate sofort verbessern würde.

Verwenden Sie die Schaltfläche Exportieren, um die Liste der unbeantworteten Fragen als CSV herunterzuladen – zur Offline-Überprüfung oder zum Teilen mit Fachexperten.

Nachrichten-Feedback

Nutzer können Bot-Antworten direkt im Chat-Widget bewerten:

• 👍 Daumen hoch — Antwort war hilfreich
• 👎 Daumen runter — Antwort war nicht hilfreich

Das Analytics-Dashboard aggregiert dieses Feedback und zeigt:

• Feedback-Volumen im Zeitverlauf
• Am häufigsten negativ bewertete Antworten — mit der ursprünglichen Frage und der Bot-Antwort, damit Sie nachforschen und verbessern können
• Feedback-Trend — ob die Zufriedenheit im Zeitverlauf steigt oder sinkt

Tipp

Untersuchen Sie jede 👎 Daumen-runter-Antwort. Jede davon ist eine konkrete, reale Kundeninteraktion, bei der der Bot versagt hat. Die Behebung der zugrunde liegenden Wissenslücke verhindert, dass derselbe Fehler erneut auftritt.

Sentiment-Analytik

v1.6.0

Der Abschnitt Sentiment-Analytik bietet eine ML-gestützte Analyse der Kundenstimmung über alle Gespräche hinweg:

• Sentiment-Verteilung — Aufschlüsselung der Gespräche nach erkannter Stimmung (positiv, neutral, negativ)
• Sentiment-Trend — Wie sich die allgemeine Kundenstimmung im Zeitverlauf verändert
• Warnmeldungen bei negativem Sentiment — Gespräche, die mit negativem Sentiment markiert wurden, werden zur vorrangigen Überprüfung hervorgehoben
• Sentiment nach Thema — Welche Themen tendenziell negatives Sentiment erzeugen, was Ihnen hilft, problematische Bereiche in Ihrer Wissensdatenbank zu identifizieren

Sentiment-Daten fließen in das sentiment-bewusste Routing-System ein (siehe Menschliche Übergabe) — Gespräche mit erkanntem negativem Sentiment können automatisch priorisiert werden, um eine schnellere Antwort durch menschliche Agenten zu ermöglichen.

Tipp

Überwachen Sie das Sentiment-Trend-Diagramm wöchentlich. Ein rückläufiger Trend kann auf neue Produktprobleme oder Wissensdatenbank-Lücken hinweisen, die sofortige Aufmerksamkeit erfordern.

Gesprächsverlauf-Diagramm

v1.6.10

Das Dashboard enthält ein interaktives Gespräche im Zeitverlauf-Flächendiagramm, das das tägliche Gesprächsvolumen als sanftes Farbverlauf-Flächendiagramm visualisiert. Das Diagramm verwendet die Primärfarbe Ihres Themes und bietet:

• Datumsachse — Zeigt Daten entlang der horizontalen Achse
• Gesprächsanzahl — Die vertikale Achse zeigt die Anzahl der Gespräche pro Tag
• Hover-Tooltip — Fahren Sie über einen Datenpunkt, um das genaue Datum und die Gesprächsanzahl zu sehen
• Responsives Layout — Passt sich automatisch an die Dashboard-Breite an

Verwenden Sie dieses Diagramm, um Trends im Gesprächsvolumen zu identifizieren, Spitzentage zu erkennen und Volumenänderungen mit Ereignissen wie Produkteinführungen oder Marketingkampagnen zu korrelieren.

Admin-Metriken

Administratoren haben Zugriff auf zusätzliche operative Metriken:

• Agentenantwortzeit — Wie schnell menschliche Agenten antworten, nachdem sie ein Gespräch übernommen haben
• SLA-Verletzungsrate — Prozentsatz der übergebenen Gespräche, die das SLA-Ziel überschritten haben (siehe Menschliche Übergabe)
• Gesprächsvolumen nach Kanal — Aufschlüsselung der Gespräche nach Web-Widget, LINE OA und anderen Kanälen
• Wissensdatenbank-Abdeckung — Dokumentanzahl, insgesamt indexierte Chunks und Zeitstempel der letzten Aktualisierung
• Kosten pro Gespräch — Geschätzte KI-Inferenzkosten pro gelöstem Gespräch (Enterprise-Plan)

Alle Admin-Metriken können als CSV exportiert oder als Diagramme im Dashboard angezeigt werden.

Spracherkennungs-Analytik

v1.6.1

Die Seite Spracherkennungs-Analytik (Analytik → Spracherkennung) gibt Administratoren Einblick darin, wie Besuchersprachen in Gesprächen erkannt werden.

Wichtige Metriken:

Metrik	Beschreibung
Häufigste Sprachen	Verteilung der erkannten Sprachen über alle Gespräche im ausgewählten Zeitraum
Aufschlüsselung der Erkennungsmethode	Wie jede Sprache identifiziert wurde — Unicode-Skriptanalyse, Browser-Sprachkopfzeile, Diakritika oder Gesprächskontinuität
Erkennungsrate	Prozentsatz der Gespräche, bei denen die Sprache erfolgreich erkannt wurde, im Vergleich zum Rückfall auf die Organisationssprache
Täglicher Sprachtrend	Gesprächsvolumen pro Sprache im Zeitverlauf

Datumsbereich: Verwenden Sie den Selektor oben rechts, um nach den letzten 7, 14, 30 oder 90 Tagen zu filtern.

Hinweis

Spracherkennungs-Analytik ist nur für Admin-Benutzer verfügbar. Reguläre Mitglieder und Agenten sehen diesen Abschnitt nicht in der Seitenleiste.

Verwenden Sie diese Daten, um:

• zu überprüfen, ob die Spracherkennung für Ihren Kundenstamm korrekt funktioniert
• zu entscheiden, ob der Widget-Sprachselektor für bestimmte Gebietsschemas aktiviert werden soll
• zu erkennen, ob Kunden Sprachen verwenden, die in Ihrer Wissensdatenbank unterrepräsentiert sind