> For the complete documentation index, see [llms.txt](https://help.firstline.cc/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://help.firstline.cc/feature/dashboard/ke-fu-xiaolzhi-biao.md).

# 客服效率指標

FIRST LINE 的「客服效率指標」用來觀察客戶從進入服務、等待真人回覆、專員接應，到服務完成的整體效率。管理者可透過指標卡片與趨勢圖，快速判斷問題主要發生在排隊、首次回覆、後續回覆，還是整體處理時間。

## 在哪裡查看

進入 FIRST LINE 的「儀錶板」，在基本資訊頁面中找到「客服效率指標」。系統預設顯示近期資料，並可依日期、專員、部門、組別、管道及營業時間進一步篩選。

趨勢圖可切換「日／週／月」，適合觀察客服效率是否隨時間改善或惡化。

## 五個指標代表什麼

為了方便理解，以下用同一筆服務做為範例：

* 10:00 客戶進入服務
* 10:01 客戶傳送第一則訊息
* 10:02:30 專員接應並開始服務
* 10:04 專員第一次親自回覆
* 10:06 客戶再次傳送訊息
* 10:07 客戶補充第二則訊息
* 10:08 系統或機器人自動回覆
* 10:10 專員親自回覆
* 10:12 客戶再次傳送訊息
* 10:13 專員親自回覆
* 10:20 服務完成

下面的例子用來說明「單一服務會如何被計入」。實際儀錶板則會把篩選期間內的有效樣本整理成統計數字，協助你觀察整體情況。

### 進線後首次真人回覆

從客戶進入服務開始，到專員第一次親自回覆的時間。

這個數字包含客戶等待分派、專員接應，以及接應後到第一次真人回覆之間的時間，因此適合觀察「客戶從進入服務到真的有人回應」的整體等待體驗。

機器人、系統訊息與自動回覆不會被視為真人回覆。

如果某些服務沒有明確的進線時間，系統會以該筆服務開始建立的時間作為起點，因此不同服務情境下的實際起點可能略有差異。

> **範例**：客戶 10:00 進入服務，專員 10:04 第一次親自回覆，這筆服務會以 **4 分鐘**計入「進線後首次真人回覆」。即使 10:02:30 已經有專員接應，仍會計算到真正的真人回覆為止。

### 首次真人回覆時間

從客戶傳送第一則訊息開始，到專員第一次親自回覆的時間。

這項指標比較接近一般所說的「首次回覆時間」，用來觀察客戶真正提出問題後，需要等多久才收到真人回答。

若一筆服務沒有客戶訊息，就不會產生這項指標的有效樣本。

> **範例**：客戶 10:01 傳送第一則訊息，專員 10:04 第一次親自回覆，這筆服務會以 **3 分鐘**計入「首次真人回覆時間」。同一筆服務的「進線後首次真人回覆」則是 4 分鐘，因為兩個指標的起點不同。

### 接應時間

從客戶進入服務開始，到專員實際接應並開始服務的等待時間。

這項指標主要反映排隊與分派效率。專員已接應，不代表客戶已經收到第一則真人訊息，因此「接應時間」與「首次真人回覆時間」可能不同。

如果接應時間偏高，通常表示客戶在等待被分派或接手的階段花了較多時間。

> **範例**：客戶 10:00 進入服務，專員 10:02:30 接應，這筆服務會以 **2 分 30 秒**計入「接應時間」。後續專員在 10:04 才真正回覆客戶，不會改變這個接應時間。

### 回覆時間

專員完成第一次真人回覆後，客戶再次傳送訊息，到下一次專員親自回覆的時間。

如果客戶在等待期間連續傳送多則訊息，系統會從第一則訊息開始計算等待時間；機器人或系統自動回覆也不會中止這段等待。

這項指標的樣本數代表有效的客戶與專員來回次數，因此通常可能高於其他指標的樣本數。

如果首次真人回覆時間正常，但回覆時間偏高，通常代表一開始回覆速度沒有問題，但服務進行中的後續往來較慢。

> **範例**：專員已在 10:04 完成第一次真人回覆。客戶 10:06 再次傳訊，10:07 又補充一則，10:08 雖然有系統自動回覆，但直到 10:10 專員親自回覆才結束等待，所以這一輪會以 **4 分鐘**計算。接著客戶 10:12 再傳一則、專員 10:13 回覆，形成另一筆 **1 分鐘**的有效樣本。因此這筆服務會貢獻 **2 次回覆樣本**，而不是只算成 1 筆服務。

### 解決時間

從客戶第一則訊息開始，到服務完成的時間；如果該筆服務沒有客戶訊息，則從客戶進入服務的時間開始計算。

這項指標反映的是整體處理週期，因此通常會比首次回覆或接應時間長。

解決時間較長不一定代表客服回覆慢，也可能與問題複雜度、等待客戶補充資訊、跨部門確認或其他處理流程有關。

> **範例**：客戶 10:01 傳送第一則訊息，服務在 10:20 完成，這筆服務會以 **19 分鐘**計入「解決時間」。如果某筆服務從頭到尾沒有客戶訊息，則會改從客戶進入服務的時間開始計算到服務完成。

## 怎麼判斷問題可能發生在哪裡

不同指標適合回答不同問題。建議不要只看單一數字，而是搭配幾項指標一起判讀。

* **接應時間高**：客戶可能在等待分派或等待專員接手的階段花了較多時間，可進一步檢視人力、排班或分派方式。
* **接應時間正常，但首次真人回覆時間高**：代表專員已經接應，但客戶仍等了一段時間才收到第一次真人回覆。
* **首次真人回覆正常，但回覆時間高**：代表一開始回得快，但服務進行中的後續往來較慢。
* **前面幾項都正常，但解決時間高**：問題可能不在回覆速度，而是整體案件需要較長處理時間，例如等待確認、補充資料或跨部門協作。

這些指標適合協助找出趨勢與可能的瓶頸，不建議單獨用來判定某位專員的服務品質。

## 如何閱讀平均值、中位數與 P95

同一項客服效率指標，可以從不同角度看待等待時間。三個數字各自回答不同問題：

* **平均值**：把所有有效樣本一起平均，適合看整體耗時。少數特別久的案例可能會把平均值拉高。
* **中位數**：把等待時間從短到長排列後，看中間位置的數值。它比較接近「大多數客戶通常等多久」，也比較不容易被少數極端案例影響。
* **P95**：用來觀察較慢的那一群客戶。你可以把它理解為「大約 95% 的有效樣本，都能在這個時間以內完成」。

{% hint style="info" %}
**快速判讀方式**

如果平均值和中位數很接近，通常代表多數案例的等待時間差異不大。

如果平均值明顯高於中位數，通常表示有少數特別久的案例正在拉高整體平均。這時可以再看 P95，判斷較慢的一群客戶實際等了多久。
{% endhint %}

### 用 20 筆對話來理解

假設某項指標共有 20 筆有效樣本，從快到慢排列後如下：

`1、1、2、2、3、3、4、5、5、6、7、8、10、12、15、20、30、60、600、86400 秒`

這組資料裡，大部分案例都在很短的時間內完成，但最後有少數幾筆等待非常久。

* **中位數**會落在資料中間附近，因此能呈現大多數客戶較典型的等待情況。
* **P95**會落在較慢的一端，因此可以協助你看出「大部分客戶都處理完了，但最慢的一小部分客戶是否仍等太久」。
* **平均值**則會受到最後那筆 86400 秒的案例明顯影響，所以單看平均值，可能會覺得整體狀況比多數客戶實際感受到的更慢。

這也是為什麼建議同時看平均值、中位數與 P95：三個數字放在一起，比單看一個平均值更容易分辨「普遍偏慢」和「少數案例特別慢」的差異。

## 如何閱讀樣本數

每張指標卡片會顯示「共 N 筆」，代表實際被納入統計的有效樣本數。

不同指標的樣本數不一定相同。例如「回覆時間」以有效來回次數計算，而其他指標多半以符合條件的服務紀錄計算。因此不要直接用不同卡片的樣本數互相比較服務量。

> **範例**：假設今天只有 10 筆服務，但其中每筆服務平均都有 3 次「客戶再次傳訊 → 專員真人回覆」的有效來回，那麼「回覆時間」的樣本數可能接近 30；這不代表今天有 30 筆服務，而是代表有約 30 次有效回覆來回。

樣本數越少，單一特別長或特別短的案例越容易影響統計結果。看到數字突然升高或降低時，建議先確認樣本數是否足夠，再搭配平均值、中位數與 P95 一起判讀。

## 如何閱讀趨勢圖

趨勢圖主要用來觀察同一項指標隨時間的變化，例如某一週的首次真人回覆是否逐漸變慢，或某個月的解決時間是否持續下降。

建議優先比較「同一項指標」在不同日期的變化，而不是直接拿不同指標的線條高低相比。因為不同指標代表不同服務階段，本來就可能落在完全不同的時間範圍。

如果某一天突然變高，可以先看樣本數，再比較平均值、中位數與 P95：

* 三個數字一起升高：可能代表當天整體服務都變慢。
* 平均值升高，但中位數變化不大：可能是少數特別久的案例造成。
* P95 明顯升高：表示較慢的那一群客戶等待時間變長，值得進一步查看。

## 為什麼某一天沒有數值，但折線仍然連著

「沒有資料」和「0 秒」是不同的意思。

* **沒有資料**：該時段沒有符合條件的有效樣本。
* **0 秒**：確實有樣本，而且計算結果為 0 秒。

FIRST LINE 不會把沒有資料的日期補成 0，避免讓使用者誤以為當天的客服效率是「0 秒完成」。

為了讓整體趨勢較容易閱讀，圖表可能會跨過沒有樣本的日期連接前後資料點；這條連線只用來協助閱讀趨勢，並不代表缺少資料的日期有實際數值。

## 可使用的篩選條件

你可以依需求縮小分析範圍，例如只看某個部門、某位專員、某個服務管道，或只比較營業時間內與非營業時間的效率。

常用方式包括：

* 查看不同部門的首次真人回覆是否有明顯差異。
* 比較不同管道的解決時間。
* 只看非營業時間進線，確認是否存在較長等待。
* 切換日／週／月，觀察短期波動與長期趨勢。

若要比較不同專員、部門或管道，建議盡量使用相同日期區間與篩選條件，避免因案件量或服務情境不同而直接下結論。

## 使用時的注意事項

這些指標反映的是「時間效率」，不等同於服務品質、客戶滿意度，或問題是否真正被妥善解決。建議搭配滿意度、服務結果、案件量等資訊一起判讀。

平均值、中位數與 P95 各有不同用途，不需要追求其中任何一個數字越低就一定越好。若服務內容較複雜、需要跨部門處理，解決時間自然可能較長。

當數字突然變化時，建議先確認樣本數，再觀察平均值、中位數與 P95 是否一起變化。這樣比只用單一天、單一數字評價個別專員，更能反映實際服務情況。

如果要比較團隊表現，建議先看較長期間的整體趨勢，再搭配相近的日期區間、篩選條件與樣本數判讀，會更有參考價值。