一句话回答
聊天分析是对在线客服对话的量化:有多少对话发起、多久有人回复、多少以已解决收尾、访客打了几分,以及对话什么时候开始。这些指标要放在一起看,因为任何一个单独看都可能很好看,而另一个其实在出问题。
公式: 解决率 = 已解决会话 ÷ 全部会话。首次响应时间 = 从会话开始到第一次回复的平均秒数。
什么是聊天分析?
聊天分析就是对在线客服对话做量化:有多少对话发起、多久有人回复、多少对话以“已解决”收尾、访客打了几分,以及对话在什么时间、从哪个页面开始。它把一条条零散的聊天变成团队可以逐周对比、据此行动的数字。
这个词其实指两件不同的事,搜索结果里也混在一起。一件是客服运营报表:对话量、响应速度、解决情况、满意度、每个坐席的工作量。另一件是对聊天内容做文本分析:按话题、意图或情绪给对话归类,有时叫对话分析。本文讲前一件,因为它是每个客服团队第一天就需要的,也是能用算术验证的;话题和情绪分析建立在它之上。
聊天分析的核心指标
五个数字能回答大多数运营问题。要放在一起看:任何一个单独看都可能很好看,而另一个其实在出问题。
| 指标 | 回答什么问题 | 公式 | 要留意什么 |
|---|---|---|---|
| 会话数 | 需求有多大? | 周期内发起的会话数 | 数的是对话,不是访问;对话不等于统计里的会话 |
| 首次响应时间 | 访客要等多久? | 从会话开始到第一次回复的秒数,取平均 | 平均数会掩盖长等待,旁边要看中位数 |
| 解决率 | 对话是不是以问题解决收尾? | 已解决会话 ÷ 全部会话 | 周期末尾才发起的对话可能还没结束 |
| 满意度(CSAT) | 访客觉得被帮到了吗? | 所有 1–5 分的平均 | 打分的人很少,要同时看打分人数 |
| 分时段需求 | 对话什么时候开始,那时有人在吗? | 按星期和小时统计的发起数 | 对照工作时间看,不要看全天平均 |
加入自动化之后,还有两项辅助指标。自助解决比例是在需要真人之前,由知识库答完的问题占比(通用概念见 工单分流)。转人工原因说明机器人为什么把对话交给真人:没有匹配答案、访客要求人工、达到轮数上限,或坐席主动接手。
各家工具的口径并不统一。有的厂商把首次响应时间定义为坐席被分配之后的时间,没有分配坐席时从机器人移交时开始计时(Freshworks,链接见资料来源)。如果有工具从访客发出第一条消息就开始计时,同样一批对话会得出不同的数字。拿数字去跨工具比较或对照行业基准之前,先弄清楚:计时从哪里开始、机器人的回复算不算响应、什么才算已解决。相关术语页 首次响应 和 解决率 有更详细的说明,在线客服 则解释这个渠道本身。
算例:连续两周的聊天数据
示例数据:一家店铺对比连续两周的在线客服数据。
| 指标 | 第 1 周 | 第 2 周 | 变化 |
|---|---|---|---|
| 会话数 | 400 | 520 | +30.0% |
| 已解决 | 312 | 364 | +16.7% |
| 解决率 | 312 ÷ 400 = 78.0% | 364 ÷ 520 = 70.0% | −8.0 个百分点 |
| 平均首次响应 | 52 秒 | 41 秒 | −11 秒 |
| 首次响应中位数 | 30 秒 | 25 秒 | −5 秒 |
| 收到的满意度评分 | 61 | 49 | |
| 已解决会话中的评分占比 | 61 ÷ 312 = 19.6% | 49 ÷ 364 = 13.5% | −6.1 个百分点 |
| 平均满意度 | 4.4 | 4.1 | −0.3 |
| 在工作时间外发起 | 96 ÷ 400 = 24.0% | 162 ÷ 520 = 31.2% | +7.2 个百分点 |
单看“首次响应变快了”,会觉得这周不错。放在一起看就不一样:会话量涨了 30%,回复更快,但以已解决收尾的比例掉了 8 个百分点,而且多出来的对话多数发生在没人值班的时候:第 2 周有 31.2% 的对话在工作时间外开始,上一周是 24.0%。满意度均值也只基于更少的评分,所以 0.3 分的下降是该去看看的信号,不能当作结论。
这只是假设,不是诊断。它帮你决定下一步看哪里:没人覆盖的时段的星期 × 小时视图、对话开始的页面,以及没解决就结束的那些对话。
为什么平均数旁边要放中位数
取九次首次响应时间(单位秒):12、15、18、20、25、30、40、60、480。总和是 700,平均数是 700 ÷ 9 = 77.8 秒。中位数是按大小排序后的第五个,即 25 秒。只要有一位访客等了八分钟,平均数就被拉到典型等待时间的三倍。两个数都要报;两者差得远时,去读那条慢的对话。
读聊天数据时常见的误区
- 把客服会话数和统计会话数相加。 一条对话是和一位访客的一个会话线程;统计里的会话是按空闲超时切开的一次访问。它们是不同的单位,不能相加。
- 把机器人的回复算作首次响应。 如果一句自动问候也算,首次响应时间会好看得离谱,却完全说明不了真人的情况。规则定一次,之后保持不变。
- 把离线留言当作已解决。 下班后留的言还没有人回复。要单独列一行。
- 在很小的样本上判断满意度。 6 个评分算出的 4.8,证据比 90 个评分算出的 4.2 弱得多。分数旁边一定要写评分数。
- 统计窗口截止到今天就读解决率。 窗口最后几小时发起的对话可能还没结束,所以最近几天会低估解决率。要对比完整的周期。
- 拿人手不同的周期比。 假期那周只有一半坐席,首次响应变慢、解决率变低,但服务质量并没有变。
- 把每次转人工都当作失败。 对于不该由知识库回答的问题,比如投诉或定制报价,转给真人恰恰说明系统在正常工作。
聊天分析、工单报表和对话分析
| 术语 | 单位 | 典型问题 |
|---|---|---|
| 聊天分析(本文) | 一条在线客服对话 | 我们回复得快吗,问题解决了吗? |
| 对话分析 | 聊天、电话、邮件的文本内容 | 客户在谈什么,感受如何? |
| 自助服务报表 | 由帮助资料回答的一个问题 | 有多少问题根本没有用到真人? |
它们回答不同的问题,但用的是相近的输入。先从运营数字开始;等对话量大到没人能读完每一条之后,再加话题分析。
在 TapCub 里看聊天分析
还是上面那张两周对比表。下面是怎么把它重建出来,以及接下来往哪里看。
- 打开概览。 进入客服 › 客服报表。页面给出会话数、解决率(已解决 ÷ 会话数)、平均首次响应(旁边有中位数),以及满意度(访客在对话解决后 24 小时内可以打 1–5 分,每条会话一个分数)。每个指标都显示相对上一时段的变化,日期范围按站点时区而不是你浏览器的时区。
- 确认首次响应里包含什么。 TapCub 只统计真人的回复。AI 的回复不算首次响应;只由 AI 回答的对话不进这个平均数。如果全程只有 AI 回答、团队没有人开过口,评分记在 AI 名下,而不是某个坐席名下。
- 找出没人覆盖的时段。 同一页的热力图按星期和小时统计对话发起量。把它和客服 › 聊天设置 › 工作时间里设定的时间对照,就能看出需求是否落在工作时间外。热点页列表给出访客开始聊天时所在的前 10 个页面(去掉参数)。
- 按人看工作量。 坐席工作量按人列出接待和解决的会话数、回复数、平均首次响应、满意度,以及转出和转入。角色为“仅坐席”的成员默认只能看自己的接待数据;所有者可以在客服 › 坐席成员里放宽。
- 看知识库分担了多少。 知识库命中率是周期内的提问里,由问答直接匹配或检索生成回答的占比。在工作台里,每次转人工都会标注原因。
有两条边界要记住。离线留言单独计数,从不算在“已解决”里。另外,TapCub 没有工单号,也没有服务时限计时器:报表衡量的是对话,页面上没有“转人工比例”这一项。如果需要,可以自己数一下带原因标注的转人工。
因为客服和统计共用同一个访客 ID,同一页的转化归因会对比聊过的访客和没聊过的访客的目标转化。它回答的是另一个问题,客服值不值得开,不在上面五个运营数字之内。
资料来源
- Contentsquare,What is chat analytics?,术语定义和指标列表,2026-11-17 核对。
- Freshworks,Chat analytics module definitions,首次响应时间和解决时间的定义,2026-11-17 核对。
- TapCub 产品文档,客服报表与转化(客服 › 客服报表),2026-11-17 核对。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
