Viel messen ist nicht gut messen
Fast jeder Helpdesk liefert ein Panel voller Zahlen. Das Problem im B2B-Support ist nicht fehlende Daten, sondern dass die Daten die wichtige Frage nicht beantworten: halten wir, was wir jedem Konto versprochen haben?
Im B2C werden Kennzahlen über tausende anonyme Tickets gemittelt. Im B2B hat jedes Konto Vertrag, Erwartungen und manchmal einen unterschriebenen SLA. Ein hübscher Durchschnitt kann verbergen, dass dein größter Kunde schon drei Wochen wartet.
Die vier Kennzahlen, die wirklich zählen
Du brauchst nicht zwanzig Indikatoren. Du brauchst vier, sauber definiert und pro Konto nachvollziehbar:
| Kennzahl | Was sie misst | Warum sie im B2B zählt |
|---|---|---|
| FRT (Erstreaktionszeit) | Wie lange bis jemand antwortet | Prägt die erste Wahrnehmung; steht meist im SLA |
| Lösungszeit | Wie lange bis der Fall geschlossen ist | Spiegelt echte Effizienz, nicht nur Antwortgeschwindigkeit |
| CSAT | Zufriedenheit nach der Interaktion | Sagt Verlängerung besser voraus als Ticketvolumen |
| SLA-Einhaltung | % der Fälle im Rahmen des Versprechens | Das, was der Kunde unterschrieben hat und wofür er zahlt |
Der Rest (Volumen, Wiederöffnungen, Backlog) ist nützlich, aber diese vier sind es, die Verlängerungen und Churn bewegen.
Der SLA pro Konto, nicht im Durchschnitt
Der häufigste Fehler ist, den SLA aggregiert zu messen. Wenn 95 % deiner Tickets im Rahmen liegen, die 5 % außerhalb aber zu deinen drei größten Konten gehören, hast du ein Rückgewinnungsproblem, getarnt als gute Zahl.
Ein ernsthafter B2B-Support misst den SLA pro Konto und pro Schweregrad und zeigt auf einen Blick:
- Welche Konten diese Woche im Risiko der Verletzung sind.
- Welche Fälle länger dauern als zugesagt.
- Wer für jeden verantwortlich ist.
Ohne diese Granularität erfährst du von der Verletzung, wenn der Kunde verärgert schreibt — nicht vorher.
Nachvollziehbarkeit: von der Kennzahl zum konkreten Fall
Eine Kennzahl taugt nur, wenn du von ihr zum erzeugenden Fall absteigen kannst. „Die Lösungszeit stieg um 20 %” ist nicht handlungsrelevant; „sie stieg, weil diese zwölf Fälle der Integration X stecken blieben und auf die Engineering-Abteilung warteten” schon.
In Elevatia sind die Kennzahlen mit dem Kontext des Kontos und der konkreten Konversation verbunden. Jede Zahl ist nachvollziehbar bis zu Fall, Agent und Zeitpunkt. Und wenn die KI eingreift, indem sie Antworten oder Aktionen vorschlägt, wird protokolliert, was sie tat und wer es freigab — dasselbe Governance-Prinzip, das wir in KI mit menschlicher Freigabe erklären.
Warum ein generischer Helpdesk zu kurz greift
Klassische Ticket-Tools messen Aktivität: wie viele Tickets reinkommen, wie viele geschlossen werden. Aber sie verbinden diese Aktivität selten mit dem Wert des Kontos oder dem kaufmännischen Kontext. Der Agent sieht ein Ticket; er sieht nicht, dass dieses Ticket zu deinem größten Vertrag gehört.
Genau diese Trennung zwischen Support und Kontext des Kontos ist der Unterschied, den wir in Elevatia vs. klassischer Helpdesk behandeln: es geht nicht darum, mehr zu messen, sondern das zu messen, was die Beziehung beeinflusst.
Wie man beginnt, das Richtige zu messen
- Definiere den echten SLA pro Kontotyp und Schweregrad (keinen generischen für alle).
- Instrumentiere die vier Basiskennzahlen und betrachte sie segmentiert nach Konto.
- Stelle sicher, dass jede Kennzahl bis zum konkreten Fall absteigbar ist.
- Prüfe wöchentlich die Konten im Risiko, nicht den Durchschnitt.
Wenn du deine eigenen nachvollziehbaren Kennzahlen auf echten Fällen sehen willst, beantrage den kostenlosen Pilot (~4 Wochen, ohne Kosten) oder reserviere eine 15-minütige Demo.
info@elevatia.io — wir antworten auf Spanisch oder Englisch.