> 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/support-dashboard.md).

# แดชบอร์ดฝ่ายสนับสนุน

**ปริมาณ การตอบกลับ และสุขภาพการปิดเคสตลอดการสนทนาทั้งหมดของคุณ.** นี่คือหน้าสรุปภาพรวมประจำวันของคุณ: มีเข้ามาเท่าไร ตอบกลับเร็วแค่ไหน ปิดเคสได้มากแค่ไหน และกระจายไปตามช่องทางอย่างไร.

ทุกอย่างที่นี่คำนวณสำหรับ **ช่วงวันที่ที่คุณเลือก** และยึดตามตัวกรองด้านบน — ดังนั้นตัวเลขจึงสะท้อนเฉพาะส่วนที่คุณกำลังดูอยู่เสมอ หากคุณยังไม่ได้อ่าน ควรอ่าน วิธีที่เราคำนวณการวิเคราะห์ ก่อน; ซึ่งอธิบายโมเดลช่วงเวลา เขตเวลา และกฎที่ทุกเมตริกในหน้านี้ใช้

***

### ตัวกรองและวิธีอ่านการ์ด

มีตัวควบคุม 3 รายการอยู่ด้านบนของหน้า:

* **ช่วงวันที่** — เช่น *7 วันที่ผ่านมา · 6 พ.ค. – 12 พ.ค. 2026*. กำหนดช่วงเวลาที่เมตริกทุกตัวจะคำนวณ
* **ช่องทาง** — เช่น *ทุกช่องทาง (4)*. จำกัดให้เหลือช่องทางประเภทหนึ่งหรือหลายประเภท (Facebook, Instagram, WhatsApp, อีเมล).
* **เอเจนต์** — เช่น *เอเจนต์ทั้งหมด*. กำหนดขอบเขตเมตริกให้กับเอเจนต์ที่ระบุ

การ์ดหัวข้อแต่ละใบแสดง 3 อย่าง: **ค่า** สำหรับช่วงเวลา, a **เส้นแนวโน้ม** (การเคลื่อนไหวภายในช่วงเวลา วันต่อวัน) และ **การเปรียบเทียบกับช่วงเวลาก่อนหน้า** ที่มีความยาวเท่ากัน (7 วันก่อนหน้า 7 วันที่คุณเลือก) สำหรับเมตริกด้านปริมาณ การเปรียบเทียบจะแสดงเป็นเปอร์เซ็นต์ที่เปลี่ยนแปลง สำหรับเมตริกด้านเวลา จะแสดงเป็น **“เร็วกว่า”** หรือ **“ช้ากว่า”** — เวลาตอบกลับหรือเวลาปิดเคสที่เพิ่มขึ้นถือว่า *ช้ากว่า*, และจะแสดงเป็นสีแดงเพราะค่ายิ่งสูงยิ่งแย่

***

### วิธีนับการตอบกลับของคนและ AI ในหน้านี้

Zaapi เป็น AI-first ดังนั้นเมตริกหลายรายการจึงแยกงานที่ AI Agent ดูแลออกจากงานที่ทีมมนุษย์ดูแลโดยตั้งใจ โมเดลในหน้านี้:

| เมตริก                                                 | อิงจาก                                                             |
| ------------------------------------------------------ | ------------------------------------------------------------------ |
| เวลาเฉลี่ยในการตอบกลับครั้งแรก, เวลาเฉลี่ยในการตอบกลับ | **AI Agent /** **เอเจนต์มนุษย์** การตอบกลับ                        |
| ทิกเก็ตแบบแตะครั้งเดียว                                | **เอเจนต์มนุษย์** เฉพาะการตอบกลับ                                  |
| ทิกเก็ตแบบไม่ต้องแตะเลย                                | **AI Agent / ระบบอัตโนมัติ** การปิดเคส โดยไม่มีการตอบกลับจากมนุษย์ |
| เวลาเฉลี่ยในการปิดเคส, ทิกเก็ตที่สร้าง / ปิดแล้ว       | **ทั้งหมด** ทิกเก็ต ไม่ว่าจะปิดด้วยวิธีใด                          |

ดังนั้นทิกเก็ตที่ AI ปิดได้ทั้งหมดโดยไม่มีมนุษย์เข้ามาเกี่ยวข้องจะนับเป็น **ปิดแล้ว**, มี **เวลาในการปิดเคส**, และอยู่ในหมวด **ไม่ต้องแตะเลย** — แต่ **ไม่มีเวลาในการตอบกลับครั้งแรก** (เพราะไม่มีการตอบกลับจากมนุษย์ให้วัด).

***

### ปริมาณ

ตัวนับหัวข้อ 4 รายการสำหรับช่วงเวลา

#### ทิกเก็ตที่สร้างแล้ว

จำนวนทิกเก็ตที่สร้างขึ้นในช่วงเวลา นับเมื่อทิกเก็ตถูก **สร้าง**

#### ทิกเก็ตที่ปิดแล้ว

จำนวนทิกเก็ตที่ปิดในช่วงเวลาและยังคงปิดอยู่เมื่อสิ้นสุดช่วงเวลา นับเมื่อทิกเก็ตถูก **ปิด**.

จำนวนที่ปิดแล้วอาจ **สูงกว่า** จำนวนที่สร้างแล้วในช่วงเวลาเดียวกัน (ในตัวอย่าง ปิดแล้ว 1,015 เทียบกับสร้างแล้ว 895) — เป็นเรื่องปกติเมื่อทีมของคุณกำลังเคลียร์งานค้างที่ค้างมาตั้งแต่ก่อนหน้า ทั้งสองตัวนี้ไม่จำเป็นต้องเท่ากัน

#### ข้อความที่ส่ง

จำนวนข้อความทั้งหมดที่ส่ง **ถึงลูกค้า** ในช่วงเวลา โดยไม่รวมโน้ตภายใน นับแต่ละข้อความตามเวลา **ส่ง** (ดังนั้นนี่คือการนับข้อความ ไม่ใช่การนับทิกเก็ต).

#### ข้อความที่ได้รับ

จำนวนข้อความขาเข้าทั้งหมด **จากลูกค้า** ในช่วงเวลา นับแต่ละข้อความตามเวลา **ที่ได้รับ** .

***

### ลูกค้า

#### ข้อความของลูกค้าตามช่วงเวลาของวัน

ฮีตแมปของ **เวลาที่ลูกค้าติดต่อเข้ามา**, โดยมีวันในสัปดาห์อยู่ด้านบนและบล็อกเวลา 3 ชั่วโมงอยู่ด้านข้าง แต่ละช่องคือจำนวนข้อความขาเข้าจากลูกค้าที่คุณได้รับในช่วงวันและเวลานั้น โดยจะเข้มขึ้นเมื่อปริมาณเพิ่มขึ้น เวลาใช้ **เขตเวลาของพื้นที่ทำงาน**.

ใช้เพื่อการจัดกำลังคน — จะแสดงเส้นอุปสงค์จริงของคุณตลอดทั้งสัปดาห์ เพื่อให้คุณจัดการดูแลในจุดที่มีข้อความจริง ๆ

#### ทิกเก็ตของลูกค้าใหม่เทียบกับลูกค้าเก่า

การแบ่งทิกเก็ตในช่วงเวลานี้ตามว่าลูกค้าเป็น **ลูกค้าใหม่** (ข้อความแรกที่พวกเขาส่งถึงคุณเกิดขึ้นในช่วงเวลานี้) หรือ **ลูกค้าเดิม** (พวกเขาเคยส่งข้อความหาคุณก่อนช่วงเวลานี้). โดนัทชาร์ตแสดงจำนวนรวมพร้อมการแบ่งใหม่/เดิมและสัดส่วนของแต่ละฝั่ง

#### การโต้ตอบกับลูกค้าแบบไม่ซ้ำต่อวัน

จำนวน **ลูกค้าไม่ซ้ำ** (ผู้ติดต่อ) ที่ส่งข้อความหาคุณต่อวันในช่วงเวลานี้ โดยอิงจาก "เปิดเมื่อ" ลูกค้าที่เปิดทิกเก็ต 5 ใบภายในหนึ่งวันจะนับเพียงครั้งเดียว

***

### การตอบกลับและการปิดเคส

ค่าเฉลี่ย 3 รายการที่อธิบายความเร็ว ทั้ง 3 รายการเป็น **ค่ามัธยฐาน** (ไม่ใช่ค่าเฉลี่ย) และวัด **เวลาที่ผ่านไปจริง**, รวมทั้งกลางคืนและสุดสัปดาห์ — ดูหน้าการคำนวณ

#### เวลามัธยฐานในการตอบกลับครั้งแรก (FRT)

เวลามัธยฐานจากข้อความแรกของลูกค้าไปจนถึง **การตอบกลับครั้งแรกของเอเจนต์มนุษย์**, ในบรรดาทิกเก็ตที่ได้รับการตอบกลับครั้งแรกจากมนุษย์ในช่วงเวลา การตอบรับอัตโนมัติไม่นับ และทิกเก็ตที่ AI ปิดได้โดยไม่มีการตอบกลับจากมนุษย์จะไม่มี FRT (จะแสดงอยู่ในหมวดไม่ต้องแตะเลยแทน).

#### เวลามัธยฐานในการตอบกลับ

เวลามัธยฐานที่ลูกค้ารอการตอบกลับใน **ทุก** การตอบกลับจากเอเจนต์มนุษย์ในช่วงเวลา — ไม่ใช่แค่ครั้งแรก FRT วัดการตอบกลับตอนเปิดเคส ส่วนค่านี้วัดความรวดเร็วในการตอบกลับต่อเนื่องตลอดการสนทนา

#### เวลามัธยฐานในการปิดเคส

เวลามัธยฐานจากข้อความแรกของลูกค้าไปจนถึง **การปิดขั้นสุดท้าย**, สำหรับทิกเก็ตที่ปิดในช่วงเวลา ซึ่งรวมถึงทิกเก็ตที่ AI ปิดแล้ว ตามหน้าการคำนวณ: ทิกเก็ตที่เปิดใหม่อีกครั้งจะใช้เวลาปิดขั้นสุดท้ายรวมอยู่ด้วย (ไม่ได้ทำให้เวลาปิดเคสสั้นลง).

***

### ความพยายามในการปิดเคส

การปิดเคสเกิดขึ้นมากแค่ไหนโดยแทบไม่มีการสัมผัสจากมนุษย์ — เรื่องราวประสิทธิภาพหลักสำหรับอินบ็อกซ์แบบ AI-first

#### ทิกเก็ตแบบไม่ต้องแตะเลย

ทิกเก็ต **ที่ AI Agent หรือระบบอัตโนมัติปิดได้โดยไม่มีการตอบกลับจากมนุษย์เลย**, แสดงเป็นจำนวนและเป็นสัดส่วนของทิกเก็ตที่ปิดแล้ว นี่คือเมตริกการทำงานอัตโนมัติ/การเบี่ยงเบนงานของคุณ: ยิ่งสูง ทีมของคุณก็ยิ่งหลุดพ้นจากงานรูทีนมากขึ้น

#### ทิกเก็ตแบบแตะครั้งเดียว

ทิกเก็ต **ที่ปิดด้วยเอเจนต์มนุษย์เพียง** ครั้งเดียว แสดงเป็นจำนวนและสัดส่วน ตอบครั้งเดียวอย่างมีประสิทธิภาพ จบ โน้ตภายในไม่นับรวมใน "ครั้งเดียว"

***

### ประสิทธิภาพตามช่องทาง

การแยก **ตามช่องทาง** ที่ทำซ้ำทุกเมตริกข้างต้น แยกตามประเภทช่องทาง และ **เคารพตัวกรองปัจจุบัน**. แถว **รวม** ด้านล่างตรงกับการ์ดหัวข้อ

| คอลัมน์            | เมตริก (ตามคำนิยามข้างต้น)          |
| ------------------ | ----------------------------------- |
| สร้างแล้ว          | ทิกเก็ตที่สร้างแล้ว                 |
| ปิดแล้ว            | ทิกเก็ตที่ปิดแล้ว                   |
| ส่งข้อความ         | ข้อความที่ส่ง                       |
| ข้อความที่รับ      | ข้อความที่ได้รับ                    |
| FRT มัธยฐาน        | เวลามัธยฐานในการตอบกลับครั้งแรก     |
| เวลาตอบกลับมัธยฐาน | เวลามัธยฐานในการตอบกลับ             |
| เวลาปิดเคสมัธยฐาน  | เวลามัธยฐานในการปิดเคส              |
| ไม่ต้องแตะเลย      | ทิกเก็ตแบบไม่ต้องแตะเลย (จำนวน + %) |
| แตะครั้งเดียว      | ทิกเก็ตแบบแตะครั้งเดียว (จำนวน + %) |

มีสองเรื่องที่ควรรู้เวลาอ่าน:

* คอลัมน์เวลา (FRT มัธยฐาน, เวลาตอบกลับมัธยฐาน, เวลาปิดเคสมัธยฐาน) เป็น **ค่ามัธยฐาน ดังนั้นจึงไม่สามารถนำมาบวกกันได้**. แถวรวมคือค่ามัธยฐานแบบผสมจากทุกอินทิเกรชัน ไม่ใช่ผลรวมของแถวด้านบน

***

### ควรรู้ไว้

* **ทำไมตัวเลขเหล่านี้ไม่ตรงกับหน้า Live?** รายงานฝ่ายซัพพอร์ตอิงตามช่วงวันที่และรวมทิกเก็ตที่ปิดแล้ว; Live เป็นภาพแบบเรียลไทม์ของทิกเก็ตที่ยังเปิดอยู่เท่านั้น คำถามต่างกัน ตัวเลขก็ต่างกัน
* **ทำไมจำนวน Closed ถึงสูงกว่า Created?** คุณกำลังเคลียร์งานค้างเก่า — ดู ทิกเก็ตที่ปิดแล้ว ด้านบน
* **การตอบกลับของ AI นับไหม?** ดู *วิธีนับการตอบกลับของคนและ AI* ด้านบน — FRT, Response Time และ One Touch เป็นของมนุษย์เท่านั้น; Zero Touch คือมุมมองของ AI/ระบบอัตโนมัติ; Resolution Time และการนับตามปริมาณรวมทุกอย่าง


---

# 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/support-dashboard.md?ask=<question>
```

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.
