目录
一,背景介绍
本人在一家互联网公司从事技术支持工作,经过长时间的努力,终于把公司的问题反馈从钉钉、微信等渠道统一到了工单系统。工单系统承接此任务后,产研工单承担了90%+的业务对产研的相关的反馈。相关问题也得以进行数据分析并以此数据为产研提升产品质量提供依据。
我司产研工单的处理经历过两个阶段。第一阶段(分发和处理均为纯人工),工单处理流程如下图
![](/qrcode.jpg)
这种工单处理流程的好处是技术支持在第一阶段就能够解决大约75%的工单,同时这部分工单能够实现半个小时级别的回复。如果建单人描述的不清楚,技术支持也可以通过钉钉找到建单人搞清楚工单的实际需求。技术支持处理不了的那剩下25%的工单,转给对应的研发解决。
这个处理模式我们大概持续了一年。因为公司要降低成本,要对人员进行了优化。技术支持人员被砍掉大半。在这个情况下,我们不得不把工单处理模式进行了很大的调整。把人工处理工单的工作量尽可能自动化,自动化兜不住的部分转人工。工单处理流程如下:
从上图看,已经没有技术支持人工参与处理工单的环节。技术支持的任务也从处理工单转到提升“自动处理”这一部分。这个处理模式的转变也引入了一个新的问题,一个工单被多个产品和研发的概率大大提升,每个工单平均需要3.3个产品和研发才能处理掉。产品和研发他们处理工单的效率,DDDD。
二,确立目标
根据对历史工单的分析和评估,下面是我们要达到的目标
1,工单自动化处理比例从0提升至30%
2,每工单平均流转次数从3.3降低到1.2
三,方案
1,对历史数据进行分析归类,先找出哪些可以自动化处理。我们review了上万条工单,几乎相当于人工进行了“人工学习”。分析归类出工单的解决方案甚至提这些工单的语言用词特点。根据对工单的数据分析,我们决定采用漏斗模型,通过层层阻击处理,尽可能多地“拦截”工单。
其实除了上面列出的几个类型外,还有一种也可以自动拦截并且一旦拦截成功效果很好,那就是“线上故障造成的工单”。这类的工单被手动解决或者被关单的时候意义已经不大了。用户要的是一个结果,对于结果的原因其实不太关注,所以出现线上故障的时候,通过自动解决这类的工单,能够给用户快速的反馈,并减少后期大量手动重复性操作。
2,对工单流转现状数据进行拆分,问题分类和处理方式如下图
四,实现结果
1,工单自动化关单率达到38%
2,每工单平均流转次数从3.3降到了1.2
切记切记!自动化虽好,可不要贪杯哦!
本文只写了大致思路,具体实现过程也是吃了不少苦头和掉了一些头发。如有问题欢迎评论探讨。
如果您觉得上面的内容能够对您有一点点帮助,也请在下方进行讨论沟通,当然更希望您能转发,去帮助更多的小伙伴,多谢!