一句话回答
技术支持帮助用户解决产品使用中的技术问题,渠道包括聊天、邮件和电话。它按层级组织,简单问题由通才解决,难题交给专家。目标是让用户重新能用,理想情况下在第一次联系时就解决。
公式: 首次联系解决率 = 在一线解决、无需升级的工单数 ÷ 全部工单数
什么是技术支持?
技术支持(technical support)是帮助产品用户解决使用中的技术问题的服务:登不进去、某个功能出错、安装没成功、集成返回报错。它通过在线聊天、邮件、电话、远程会话或帮助中心等渠道提供,通常按层级组织,让简单问题由通才快速解决,难题交给专家。
维基百科把技术支持描述为向注册用户就技术产品问题提供建议和协助的服务,Techopedia 则称它是客户服务的一个子集。理解它最有用的角度是目标。目标不是回完工单,而是让用户重新能用,理想情况下在第一次联系时就解决,并从问题的规律里学习,让问题越来越少。
本页讲模型(层级)、判断它是否有效的数字,以及一个算例。它不是对支持服务商的比较;关于更广泛的请求处理,见电商客服工单系统指南。
技术支持和客户服务有什么区别?
两者有重叠,也共用工具,但回答的问题不同。
| 维度 | 客户服务 | 技术支持 |
|---|---|---|
| 典型问题 | 「我的订单到哪了?」「能换套餐吗?」 | 「导出时报错。」「脚本没有采集到数据。」 |
| 需要的知识 | 政策和账户知识 | 产品和排错知识 |
| 通常的第一步 | 查账户 | 复现或诊断问题 |
| 典型产出 | 一个答复或账户变更 | 修复、临时办法或缺陷报告 |
| 升级给谁 | 主管或账务 | 更技术的层级,再到研发 |
小团队里同一个人两样都做。区分在衡量上仍然重要:账单问题和安装问题的预期解决时间差别很大,混在一个平均值里,两者都会被掩盖。
技术支持的三个层级是什么?
常见模型有三层(有时叫 L1、L2、L3),自助服务常常作为不编号的第一层放在前面。
| 层级 | 谁 | 处理什么 | 何时升级 |
|---|---|---|---|
| 自助服务 | 帮助中心、常见问题、知识库 | 已知、可重复的问题 | 用户找不到或用不上答案 |
| 一线(L1) | 支持通才 | 收集细节、识别真正的问题、解决登录问题和设置检查这类简单问题 | 问题需要更深的产品知识,或需要他们无法执行的修复 |
| 二线(L2) | 技术专员 | 更深入的排查;先看一线已经试过什么;诊断、配置、远程会话 | 问题是新的、没解决,或需要改代码 |
| 三线(L3) | 专家,常常是开发人员或了解后端的人 | 最难的问题;为新问题开发修复,并在发布前测试 | 很少;回路可能以缺陷修复或产品改动结束 |
两条规则让分层有用。每次升级都带上历史:用户报告了什么、试过什么、已经等了多久,这样下一层不用从零开始。还有升级是工具,不是失败:一线坐席五分钟内正确升级一张难题工单,比花一小时瞎猜更能帮到客户。
哪些指标能说明技术支持是否有效?
四个指标涵盖了大部分重点,以后可以再加。
| 指标 | 定义 | 它说明什么 |
|---|---|---|
| 首次响应时间 | 从用户提出请求到第一次人工回复的时间 | 人们是否觉得被听到了;见首次响应 |
| 解决率 | 已解决的会话 ÷ 全部会话 | 团队是否把开的单都关掉;见解决率 |
| 首次联系解决率(FCR) | 在一线解决、无需升级的工单 ÷ 全部工单 | 自助服务和一线能消化多少 |
| 升级率 | 升到上一层的工单 ÷ 到达该层的工单 | 各层的人手和培训是否合适;见工单升级 |
如果能做到,再加上满意度(解决后的简短评分)和重开率(又回来的工单)。不要只按速度评价团队:又快又错的答复,首次响应时间很好看,解决率却依然很低。
算例:1,000 张工单去了哪里
示例数据:某软件产品一个月收到 1,000 张技术工单,它们的去向如下。
| 阶段 | 进入工单 | 在此解决 | 升级上去 | 比率 |
|---|---|---|---|---|
| 一线 | 1,000 | 640 | 360 | FCR 64.0%;升级率 36.0% |
| 二线 | 360 | 250 | 110 | 解决了 360 张的 69.4%;升级率 30.6% |
| 三线 | 110 | 85 | 25 张仍未关闭 | 解决了 110 张的 77.3% |
| 合计 | 1,000 | 975 | 25 张未关闭 | 解决率 97.5% |
复算方法:FCR = 640 ÷ 1,000 = 64.0%。二线升级率 = 110 ÷ 360 = 30.6%。已解决合计 = 640 + 250 + 85 = 975,975 ÷ 1,000 = 97.5%。25 张未关闭的工单,是到达三线的 110 张减去它解决的 85 张。
怎么用它:二线承担了 360 张,占全部量的 36%。假设给二线最常见的那个问题写一篇知识库文章,让一线自己多解决 100 张。那么一线解决 740 张(FCR 74.0%),二线收到 260 张而不是 360 张,少了 27.8%。专员腾出时间处理更难的工单,遇到这个问题的用户也更快得到答复。改一篇文章,就把 FCR 提高了十个百分点,所以每周都值得读一读到达二线的工单主题。
常见误区有哪些?
- 只衡量速度。 首次回复很快、解决率却低,意味着客户礼貌地等着,却没有被帮到。
- 所有工单用一个平均值。 重置密码和集成缺陷在耗时上相差几个数量级。按主题或层级分开看。
- 升级时不带上下文。 让用户在二线把一切重说一遍,是最快损耗好感的办法。
- 三线到一线之间没有回路。 缺陷修复应该变成一线的已知答案,否则同样的工单下个月还会回来。
- 把自助服务当成可有可无。 一篇清楚的帮助文章常常不花坐席一分钟就解决问题,要保持更新。
- 把未解决的工单算成已关闭。 自动关闭无人回应的工单会抬高解决率。把未经确认就关闭的单独汇报。
用 TapCub 和 AskCub 做技术支持
TapCub 的在线客服可以在你的网站上承担技术支持的一线,统计分析则告诉你用户来问之前发生了什么。它是在线客服收件箱,不是完整的工单系统:没有正式的层级字段、服务时限计时器或电话渠道,所以算例里的各层靠在你的坐席之间转接对话来实现。
- 先自助。 在客服 › 知识库里,问答条目在问题匹配时原样发送,不耗 AI 调用;置顶条目显示在访客端的常见问题里,打开答案不会建会话。只有点「没解决」才把访客交给坐席。
- 带着上下文做一线。 在客服 › 客服工作台里,每个对话进来时带着访客的来源、当前页面和最近 2 天的浏览轨迹,一键可以打开统计里的访客档案。常用回复在客服 › 常用语里维护,输入
/即可插入。 - 靠转接升级。 把对话转给更懂的同事;内部备注对访客不可见,用来写已经试过什么。谁能看到全部对话在客服 › 坐席成员里设置。
- 从用户的角度看问题。 对网页问题,监测 › 错误列出错误分组及受影响的会话、页面和设备,帮助二线坐席复现用户看到的情况。
- 衡量。 客服 › 客服报表给出会话数、解决率(已解决 ÷ 全部会话)、平均首次响应(只算人工回复,AI 回复不计)、满意度、含转入转出的坐席工作量,以及知识库命中率。离线留言单独计,不算已解决。升级率和 FCR 不是内置指标,按算例里的做法用转接和会话数自己计算。
资料来源
- 维基百科,Technical support(定义;一线、二线、三线模型)。
- Built In,What Is Technical Support?。
- Techopedia,Technical Support。
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。
