> For the complete documentation index, see [llms.txt](https://help.zaapi.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://help.zaapi.com/th/analytics/sla.md). # การละเมิด SLA **ข้อความจากลูกค้าที่ไม่ได้รับการตอบกลับภายในเป้าหมายเวลาตอบกลับของคุณ** หน้านี้ติดตามว่าคุณพลาด SLA การตอบกลับบ่อยแค่ไหนในช่วงเวลาที่เลือก และพลาดกับเอเจนต์คนใดบ้าง เป็นแบบอิงตามช่วงเวลาเหมือนส่วนอื่นๆ ของ Analytics และเป็นไปตามกฎร่วมใน วิธีที่เราคำนวณการวิเคราะห์ — แต่มีตัวควบคุมเพิ่มเติมหนึ่งอย่างที่หน้าอื่นไม่มี: **เป้าหมาย SLA** คุณสามารถตั้งค่าได้บนหน้าโดยตรง *** ### เป้าหมาย SLA เป้าหมาย **เป้าหมาย SLA** (แสดงเป็น *30 นาที* ในตัวอย่าง) คือเป้าหมายเวลาตอบกลับของคุณ: ระยะเวลานานที่สุดที่ข้อความจากลูกค้าควรรอการตอบจากมนุษย์ก่อนที่จะนับเป็นการละเมิด คุณสามารถเปลี่ยนได้จากตัวควบคุมที่ด้านบนของหน้า และตัวเลขทุกตัวจะคำนวณใหม่เทียบกับเป้าหมายใหม่ นี่คือแนวคิดเกณฑ์เดียวกันที่อยู่เบื้องหลัง **ไม่มีการตอบกลับ — การละเมิด SLA** การ์ดบนหน้า Live ความแตกต่างคือ *เมื่อ*: Live แสดงทิกเก็ตที่ยังเปิดอยู่ซึ่งกำลังละเมิด **อยู่ในตอนนี้** (การคัดแยกแบบเรียลไทม์) ในขณะที่หน้านี้รายงานการละเมิดที่เกิดขึ้น **ในช่วงเวลาก่อนหน้า** (การรายงานเชิงประวัติ) *** ### อะไรที่นับว่าเป็นการละเมิด การ **ละเมิด** คือข้อความจากลูกค้าที่ไม่ได้ **ไม่** ได้รับ **เอเจนต์มนุษย์** ตอบกลับภายในเป้าหมาย SLA มีสองสิ่งที่ควรทราบเกี่ยวกับคำนิยามนั้น: * **เป็นเรื่องของการตอบกลับโดยมนุษย์** สอดคล้องกับส่วนอื่นๆ ของ Analytics ตัวชี้วัดเวลาตอบกลับจะวัดทีมมนุษย์ของคุณ ข้อความที่ AI Agent ตอบได้ทันเวลาไม่นับเป็นการละเมิด * **จะพิจารณาข้อความจากลูกค้าทุกข้อความ ไม่ใช่แค่ข้อความแรก** ครอบคลุมกว่าระยะเวลาตอบกลับครั้งแรก (First Response Time) ซึ่งวัดเฉพาะการตอบเปิดบทสนทนาเท่านั้น ที่นี่ ข้อความจากลูกค้าทุกข้อความที่รอนานกว่าเป้าหมายเพื่อรับการตอบจากมนุษย์ถือเป็นการละเมิด — ดังนั้นหนึ่งบทสนทนาสามารถมีได้มากกว่าหนึ่งรายการ *** ### การละเมิด SLA การตอบกลับข้อความ จำนวนการละเมิดในช่วงเวลา — จำนวนครั้งที่ข้อความจากลูกค้าผ่านเป้าหมาย SLA ไปโดยไม่มีการตอบกลับจากมนุษย์ การเพิ่มขึ้นเมื่อเทียบกับช่วงก่อนหน้าจะแสดงเป็นสีแดง เพราะการละเมิดมากขึ้นแย่กว่า *** ### อัตรา SLA การตอบกลับข้อความ เป้าหมาย **สัดส่วนของข้อความจากลูกค้าที่ละเมิด** — ในตัวอย่าง คือ 1.1% (23 จาก 2,113 ข้อความที่เกินเป้าหมาย) ยิ่งต่ำยิ่งดี ดังนั้นค่าจะแสดงเป็นสีเขียวเมื่อค่าต่ำ; *การเปลี่ยนแปลง* เทียบกับช่วงก่อนหน้าจะถูกทำเครื่องหมายเป็นสีแดงเมื่อเพิ่มขึ้น โปรดทราบว่านี่คือ **อัตราการละเมิด** (ที่พลาด) ซึ่งเป็นค่าตรงข้ามของ **อัตราการตอบกลับ** คอลัมน์ในตารางด้านล่าง (ที่ตอบได้) ทั้งสองคือมุมมองของสิ่งเดียวกันและรวมกันโดยประมาณเป็น 100% — อัตราการละเมิด 1.1% เทียบได้กับอัตราการตอบกลับประมาณ 98.9% *** ### การละเมิดตามเอเจนต์ ตารางแยกตามเอเจนต์พร้อม **ยอดรวมทีม** แถว แสดงสองสิ่งสำหรับเอเจนต์แต่ละคน: * **การละเมิด** — จำนวนการละเมิดที่นับให้กับเอเจนต์คนนั้น ซึ่งรวมกันเป็นยอดรวมทีม (ในตัวอย่าง 4 + 4 + 2 + 2 + 2 + 0 = 14) * **อัตราการตอบกลับ** — การปฏิบัติตามของเอเจนต์: สัดส่วนของข้อความจากลูกค้าที่พวกเขาตอบภายในเป้าหมาย ยิ่งสูงยิ่งดี; เอเจนต์ที่ไม่มีการละเมิดจะแสดง 100% *** ### เรื่องที่ควรรู้ * **อัตราการละเมิดเทียบกับอัตราการตอบกลับ** — หัวข้อสรุปแสดงการละเมิด (ยิ่งต่ำยิ่งดี); ตารางแสดงอัตราการตอบกลับ (ยิ่งสูงยิ่งดี) ซึ่งเป็นค่าตรงข้ามกัน * **หน้านี้เทียบกับ Live** — Live แสดงทิกเก็ตที่กำลังละเมิด *อยู่ในตอนนี้*; หน้านี้นับการละเมิดใน *ช่วงเวลาก่อนหน้า*. เป็นแนวคิดเป้าหมาย SLA เดียวกัน * **ทำไมการละเมิดไม่เกี่ยวข้องกับ AI Agent?** การละเมิดวัด *มนุษย์* เวลาตอบกลับ — ดู *อะไรที่นับว่าเป็นการละเมิด* ด้านบน * **การเปลี่ยนเป้าหมาย SLA** จะคำนวณทั้งหน้าใหม่เทียบกับเป้าหมายใหม่ --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## 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://help.zaapi.com/th/analytics/sla.md?ask= ``` 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.