SYSTEM TICKETOWY · KLASYFIKACJA · ROUTING
Kategoria zgłoszenia — klasyfikacja typu sprawy
Etykieta określająca rodzaj sprawy (problem techniczny, pytanie o płatność, reklamacja, prośba o funkcję). Kategoryzacja napędza routing, raportowanie i automatyzację — bez niej nie wiadomo które tematy generują najwięcej spraw ani gdzie kierować zgłoszenia.
Definicja
Kategoria zgłoszenia to klasyfikacja określająca rodzaj sprawy (np. problem techniczny, billing, reklamacja, zapytanie) — napędza routing do właściwego zespołu, raportowanie trendów i automatyzację obsługi.
Jak Kategoria zgłoszenia działa w praktyce
Po co kategoryzować: routing (kategoria → dedykowany zespół: billing do finansów, bug do IT), raportowanie (które tematy generują najwięcej spraw — pozwala naprawić źródło, np. 30% spraw o reset hasła → dodaj self-service), automatyzacja (kategoria uruchamia workflow — reklamacja → auto-eskalacja do team leada), SLA (różne kategorie różne cele), knowledge base (powiązanie kategorii z artykułami pomocniczymi).
Struktura kategorii: płaska (lista kategorii — proste, dla małych helpdesk) lub hierarchiczna (kategoria → podkategoria → typ: Techniczne → Logowanie → Reset hasła — precyzyjniejsze, dla złożonych). Hierarchia daje lepsze dane i routing, ale zbyt głęboka (4+ poziomy) frustruje agentów. Optimum: 2 poziomy (kategoria + podkategoria), 8-15 głównych kategorii.
Kto kategoryzuje: klient (przy zgłoszeniu wybiera z listy — szybkie ale niedokładne, klienci źle klasyfikują), agent (po przeczytaniu — dokładne ale czasochłonne), AI auto-kategoryzacja (NLP czyta treść, przypisuje kategorię — szybkie i coraz dokładniejsze, 80-90% trafności). Najlepsze: AI proponuje, agent potwierdza/koryguje — szybkie i dokładne, plus AI uczy się z korekt.
Pułapki kategoryzacji: za dużo kategorii (50+ — agenci nie pamiętają, klasyfikują niespójnie; cel 8-15 głównych), kategoria „Inne/Misc” jako wysypisko (jeśli >15% spraw tam ląduje — brakuje kategorii lub są źle zdefiniowane), brak utrzymania (kategorie z czasem przestają pasować do realnych spraw), kategorie zorientowane wewnętrznie zamiast na problem klienta (klient nie wie czy to „bug” czy „config issue”).
Benchmark branżowy
| Poziom | Wartość | Komentarz |
|---|---|---|
| Liczba głównych kategorii | 8-15 | Powyżej niespójna klasyfikacja |
| Głębokość hierarchii | 2 poziomy | Kategoria + podkategoria |
| AI auto-kategoryzacja trafność | 80-90% | NLP czytający treść zgłoszenia |
| Limit dla 'Inne/Misc' | <15% | Powyżej brakuje kategorii |
Jak Debesis kategoryzuje zgłoszenia
System Debesis wspiera hierarchiczne kategorie (kategoria + podkategoria) z AI auto-kategoryzacją — NLP czyta treść zgłoszenia i proponuje kategorię, agent potwierdza lub koryguje (AI uczy się z korekt). Kategoria napędza routing (dedykowany zespół), workflow (auto-akcje), SLA (cele per kategoria) i powiązanie z knowledge base. Raporty trendów pokazują które kategorie rosną — pozwala naprawić źródło problemów (np. wzrost spraw o reset hasła → wdrożenie self-service). Alert gdy „Inne” przekracza próg — sygnał że brakuje kategorii.
Zobacz kategoryzację w systemie obsługi →Najczęstsze pytania
Ile kategorii powinienem mieć?
8-15 głównych, max 2 poziomy hierarchii. Za mało (3-4) = brak danych do analizy, słaby routing. Za dużo (50+) = agenci klasyfikują niespójnie, nie pamiętają opcji. Optimum: 8-15 głównych kategorii + podkategorie gdzie potrzeba. Jeśli kategoria „Inne” zbiera >15% spraw — brakuje kategorii lub są źle zdefiniowane.
Kto powinien kategoryzować — klient, agent czy AI?
AI proponuje, agent potwierdza. Klienci źle klasyfikują (nie znają wewnętrznej struktury). Agent dokładny ale to czas. AI (NLP) czyta treść i proponuje z 80-90% trafnością, agent jednym kliknięciem potwierdza lub koryguje. AI uczy się z korekt. To łączy szybkość z dokładnością i daje czyste dane do raportowania.
Jak kategorie pomagają redukować liczbę spraw?
Pokazują źródło problemów. Jeśli raport pokazuje że 30% spraw to „reset hasła”, to sygnał — wdróż self-service reset, dodaj artykuł w knowledge base, popraw UX logowania. Kategoryzacja zamienia chaos zgłoszeń w dane: widzisz wzorce, naprawiasz przyczyny, redukujesz wolumen u źródła zamiast tylko gasić pożary.