# 對話報表

{% hint style="info" %}
此功能原名稱：聊天統計
{% endhint %}

## 日期區間

<figure><img src="/files/u6wJ7Tnqve04Cnag3xvn" alt=""><figcaption></figcaption></figure>

* 一進到網頁的預設日期，是從今天開始算到過去 14 天（兩週）
* 可以點選日期，去搜尋該日期區間的數據
* 搜尋新日期之後，整個頁面的數據都會同時被更新
* 當日數據每小時更新一次
* 「全部通訊渠道」可以篩選只看哪一個社群平台的對話紀錄量

## 上排數據總覽說明

<figure><img src="/files/48cxrvDRSb9lF1ExrkRN" alt=""><figcaption></figcaption></figure>

* 總新增事件 = 新增機器人事件＋新增客服事件
  * 新增真人客服事件：未觸發機器人模組進行互動都屬於客服事件，但機器人事件轉向真人客服事件則不會計算進去
  * 新增機器人事件：觸發 「 社群渠道設定/歡迎訊息 」、 「 離線訊息/即時回覆 」、「 關鍵字自動回覆 」、「 社群身份綁定／綁定成功訊息 」 和 「 購物車再行銷/綁定成功訊息 」

{% hint style="info" %}
小提醒：對話事件在 「 已結束 」 狀態，當客人再次傳送訊息時，此時對話事件會進到 「 待處理 」 狀態中，也會算進一次 「 新增客服事件 」
{% endhint %}

* 機器人轉真人客服觸發時機：
  1. 客人在機器人模組中點選按鈕導向 「真人客服 」
  2. 客人在傳送訊息中，未打中任何關鍵字觸發機器人模組，也會轉向真人客服

{% hint style="info" %}
小提醒：從機器人事件轉到 「處理中」 的真人客服事件則不會被計算進去
{% endhint %}

* 跟進事件次數
  * 同一個對話在還沒被結束前，跟進次數只會算一次（就算從 123 客服指派到 456 客服）
* 真人客服事件跟進率
  * 計算方式：跟進事件/(新增客服事件＋機器人轉真人事件）
* 結束事件次數
  * 計從 「 處理中 」 事件點擊 「 結束 」 按鈕即會計算一次，因此一個對話有可能被結束超過一次以上
  * 範例：
    * 對話 A 結束後，客人在同一個對話裡面，提出了另外一個問題
    * 第二個問題再次被解決之後，這個對話 A 就產生了 2 個事件結束次數

{% hint style="info" %}
小提醒：若是因為 「 自動結束 」 功能結束的對話事件則不會納入計算
{% endhint %}

* 結束事件率
  * 計算方式：結束事件次數／跟進事件次數

## 數據總覽常見問題

* 新增事件＆結束事件次數
  * 這兩個是算法是分開獨立的
  * 範例：
    * 選擇的日期區間是 9/1 - 9/8
    * 事件 B 在 8/31 新增的，但卻在 9/2 被結束
    * 選擇的日期區間裡，事件 B 不會包含在『新增事件』，但事件 B 在 9/2 被結束次數會顯示在 「 結束事件次數 」
* Ｑ1：對話初始是 「 機器人對話 」，但客人從機器人訊息導到 「 真人客服 」，這種情況的事件怎麼計算？
  * A1：以事件最一開始創建的狀態來記錄，所以這個事件只會記錄在「機器人對話」的總數裡面

## 圖表

### 新增事件統計

列出該日期區間，每天新增事件的次數

![開啟「時段分析」](/files/ouM0nEHaSmuxrAdnWZ3p) ![未開啟「時段分析」](/files/Bz223nxlng40U0yZTlnZ)

1. 預設顯示該日期區間中每天的數據，也可以選擇讓圖表顯示 「 每週 」 或 「 每月 」 的數據；每週都是以禮拜天～禮拜六，視為一週
2. 時段分析：時段分析將會按小時匯總數據資料，以協助管理者了解新增客服事件的趨勢
3. 點擊 「 下載 CSV 」 ：以 csv 格式，導出該日期區間的數據，方便其他數據分析用途
4. 圖表可支援放大區塊工具列

![](/files/6EoVdRxorSsbzAKZiogu)

* 滑鼠移到想看的日期上，會顯示不同事件的占比
  * 以圖 06-14 示範
    * 06-14 總共有 47 個新增事件
    * 新增機器人事件：81% = 38 個機器人事件 / 47 總共新增事件
    * 新增客服事件：19% = 9 個客服事件 / 47 總共新增事件

### 事件處理統計

![](/files/G8pSB8azc7NSCMbyMyb0)

* 「 跟進事件次數 」只以第一個跟進的為主

### 平均等候時間

![](/files/Tx9lBArW0nBtEzKxRvwV)

* 平均等候時間：每個事件從產生後，到被客服人員按下 「 跟進 」 的時間（待處理 -> 處理中）
* 平均值 = 選擇期間的每天平均等候時間加總／選擇期間的天數
* 平均值：可以當作每日平均等候時間一個基準，去觀察哪一天客人的事件會等比較久被跟進

### 平均處理時間

![](/files/GGZa3STR88g1OLCqMHfj)

* 平均處理時間計算方式：不管是真人客服或機器人事件，從任何狀態（待處理、處理中）進到 **已結束** 都會被納入計算。
* 平均處理時間計算範例：
  * 如果同一個事件移轉給多個客服人員：
    * 客服 A 跟進 3 分鐘之後移轉客服 B
    * 客服 B 跟進 4 分鐘之後移轉給客服 A
    * 客服 A 跟進後在 5 分鐘之後結束此事件
    * 客服 A 的處理時間：3 + 5 = 8 分鐘
    * 客服 B 的處理時間：4 分鐘
    * 平均處理時間：( 8 + 4 ) / 2 = 6 分鐘
* 平均值 = 選擇期間的每天平均處理時間加總／選擇期間的天數
* 「 平均值 」 可以當作 「 每日平均處理時間 」 的一個基準，去觀察哪一天客人的事件都用多少時間解決

### 平均回應時間

* 當對話已在成員「處理中」：每當客人又發送新的訊息時，團隊成員第一次作出回覆的時間差。\
  如果客人發送了多個訊息，團隊成員才回覆，會以客人發出的第一則訊息時間計算。
* 報表時間範圍中的回覆時間平均值
* 計算方式：每個對話的首次回應時間加總／對話數

以下圖情境為例：

* 16:50 顧客發問，並在 16:50 也收到品牌端回覆 ⇒ 獲得一段回覆時間差（且此階段已完結）
* 16:50 顧客接續發問，並連傳 3 則訊息才收到品牌端回覆 ⇒ 這一個新階段的第一則顧客訊息與品牌成員回覆的時間差，就是第二段回覆時間差

<figure><img src="/files/d62CImNws7tEh6U72EqP" alt=""><figcaption></figcaption></figure>

![](/files/RnOKoA6HAaO5ZMe41kcp)

### 平均首次回應時間

{% hint style="danger" %}
官網對話插件的對話尚不支援計算
{% endhint %}

* 首次回應時間：計算客服首次回覆客人第一則訊息的時間差（待處理 -> 第一次回覆）
* 計算方式：全部的首次回應時間加總 / 首次回覆次數
* 若客服人員重啟事件後，客人沒有傳送訊息，而是客服人員再次回復，則不算在首次回覆的數據。

以下圖情境為例：

* 13:45 時客人發送第一句訊息並開啟對話視窗（對話落在待處理），品牌成員跟進到處理中，17:29 首次回覆該名客人，此時這中間的時間差就是一段首次回應時間。
* 但若客人在對話處理中，又傳送新的訊息，此時儘管品牌成員有新的回覆，該回覆的時間差，也不會拿來計算平均首次回應時間（因該對話並未被結束、從待處理再到跟進後的首次回覆這個過程）

<div><figure><img src="/files/Nqx6gcUwLXERM5UXW8yy" alt=""><figcaption><p>從待處理跟進此對話</p></figcaption></figure> <figure><img src="/files/xB7L5yEsZxdYdI8YkvR6" alt=""><figcaption><p>跟進中送出的第一則訊息</p></figcaption></figure></div>

<figure><img src="/files/jDwHVgkGTuZywqb69N7v" alt=""><figcaption></figcaption></figure>

### 遺漏訊息

定義：無論客人端傳送訊息落在哪個事件狀態，如果真人客服未回應時間差超過 720 分鐘，該次回應會被視為遺漏訊息。

![](/files/U3RQ1Xjs2DTH2DDjAfHe)

## 事件來源

![](/files/xBHKygGmTQ4uWbpahkdH)

* 顯示事件來源各個渠道的數量、占比
* 沒有被開通的渠道，依舊會顯示在這個區域
* 沒有開通的渠道數據會是 0（或是已開通但該日期區間沒有事件來源）

## 團隊成員統計

![團隊成員列表統計](/files/9JOa86k9lowmExGDuxUJ) ![點擊的個人表現](/files/PyFihyZ0d8DSxBlI0eKp)

* 預設第一頁最多會顯示 10 個成員
* 點選團隊成員的名字會彈出圖表，顯示該團隊成員，每天事件處理統計的數據


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.omnichat.ai/features/tong-ji-biao/chat-dashboard-new.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.