Wskaźnik rozwiązań

Czym jest wskaźnik rozwiązywania zgłoszeń

Wskaźnik rozwiązywania zgłoszeń (resolution rate) to metryka obsługi klienta, która mierzy odsetek zapytań, w których problem klienta został w pełni rozwiązany. W przeciwieństwie do wskaźnika deflekcji, który pokazuje, czy zgłoszenie ominęło konsultanta, wskaźnik rozwiązywania odpowiada na ważniejsze pytanie: czy problem klienta faktycznie został rozwiązany?

Dla zespołów wsparcia, które oceniają narzędzia AI, to rozróżnienie ma duże znaczenie. Wysoki wskaźnik deflekcji może dobrze wyglądać na dashboardzie, ale nie mówi nic o tym, czy klient odszedł zadowolony, czy po prostu się poddał. Wskaźnik rozwiązywania wypełnia tę lukę.

Jak obliczyć wskaźnik rozwiązywania

Wskaźnik rozwiązywania = (Rozwiązane sprawy / Wszystkie sprawy) x 100

Przykład: jeśli zespół obsługuje w ciągu tygodnia 500 zgłoszeń, a 425 z nich zostaje w pełni rozwiązanych bez ponownego kontaktu, wskaźnik rozwiązywania wynosi 85%.

Sprawa jest uznawana za „rozwiązaną”, gdy:

• Pytanie klienta otrzymało pełną odpowiedź
• Wykonano każde żądane działanie (zwrot środków, aktualizacja konta, zmiana subskrypcji)
• W ciągu 48 godzin nie był potrzebny ponowny kontakt w tej samej sprawie

Ostatni punkt jest kluczowy. Wiele narzędzi uznaje zgłoszenie za rozwiązane w chwili jego zamknięcia, nawet jeśli klient następnego dnia wraca z tym samym problemem. Śledzenie ponownych kontaktów w oknie 48 godzin daje rzetelniejszy obraz faktycznej skuteczności.

Benchmarki wskaźnika rozwiązywania

Benchmarki branżowe różnią się w zależności od kanału i złożoności spraw, ale dane wskazują:

• Tradycyjne boty oparte na regułach: 10-30% rozwiązanych spraw (większość trafia do konsultantów)
• Narzędzia AI pierwszej generacji: 30-50% rozwiązanych spraw (lepsze rozumienie języka, ale ograniczona zdolność do wykonywania działań)
• Nowoczesni agenci AI: 70-93% rozwiązanych spraw (pełny kontekst rozmowy, zdolność do wykonywania działań, oparcie na wiedzy)

Według raportu Freshworks 2025 Customer Service Benchmark Report, w którym przeanalizowano ponad 1,2 mld zgłoszeń z ponad 32 000 zespołów, automatyzacja oparta na AI może skrócić czas rozwiązywania spraw nawet o 40% i natychmiast obsłużyć znaczną część zgłoszeń.

Wskaźnik rozwiązania przy pierwszym kontakcie (FCR) wynosi w branży ok. 70-75%, ale uwzględnia on również pracę konsultantów. W przypadku spraw rozwiązywanych wyłącznie przez AI rozpiętość jest znacznie większa i w dużej mierze zależy od platformy oraz od tego, jak definiuje się „rozwiązanie”.

Dlaczego wskaźnik rozwiązywania jest ważniejszy niż deflekcja

Większość narzędzi AI do obsługi klienta jest optymalizowana pod kątem deflekcji. Raportują one metryki w rodzaju „70% klientów nigdy nie trafiło do konsultanta”. Brzmi to imponująco, ale deflekcja mówi jedynie, że klient nie eskalował sprawy. Nie mówi natomiast:

• Czy problem klienta został faktycznie rozwiązany
• Czy klient odszedł sfrustrowany i po cichu zrezygnował z usług
• Czy sam znalazł obejście i całkowicie przestał korzystać z Państwa wsparcia
• Czy jutro wróci z tym samym problemem

Wskaźnik rozwiązywania stawia trudniejsze pytanie: ilu spośród klientów, którzy rozmawiali z AI, miało swoją sprawę w pełni załatwioną? To wyższa poprzeczka, która wymaga lepszej AI. Ale to jedyna metryka zgodna z tym, czego naprawdę oczekują klienci.

Badania branżowe: Gartner zauważa, że deflekcja w kanałach samoobsługowych często maskuje nierozwiązane potrzeby klientów, i zaleca mierzenie rzeczywistego zamknięcia spraw (rozwiązania) obok deflekcji, aby uniknąć mylących KPI.

Co decyduje o wysokim wskaźniku rozwiązywania

Kilka czynników odróżnia zespoły z 30% rozwiązanych spraw od tych, które osiągają ponad 90%:

• Oparcie na wiedzy: AI korzysta ze zweryfikowanej dokumentacji, wcześniejszych zgłoszeń i danych produktowych, zamiast generować odpowiedzi od zera. Ogranicza to halucynacje i buduje zaufanie.
• Zdolność do wykonywania działań: Rozwiązanie sprawy często oznacza zrobienie czegoś, a nie tylko odpowiedź na pytanie. Zwrot środków, aktualizacja konta czy zmiana subskrypcji wymagają integracji AI z systemami backendowymi.
• Kontekst między rozmowami: Klienci nie powinni za każdym razem tłumaczyć problemu od nowa. AI, która pamięta wcześniejsze interakcje i pobiera historię konta, rozwiązuje sprawy szybciej i trafniej.
• Inteligentna eskalacja: Równie ważne jest to, by wiedzieć, kiedy nie rozwiązywać sprawy samodzielnie. Gdy potrzebna jest ludzka ocena, AI powinna przekazać sprawę z pełnym kontekstem, aby konsultant nie zaczynał od zera.
• Ciągłe doskonalenie: Monitorowanie, które tematy są rozwiązywane, a które eskalowane, i wykorzystywanie tych danych do stopniowego ulepszania AI.

Wskaźnik rozwiązywania a inne metryki obsługi klienta

• vs. wskaźnik deflekcji: Deflekcja mierzy, ilu zgłoszeniom udało się zapobiec. Wskaźnik rozwiązywania mierzy, czy problem został rozwiązany. Klient, który sfrustrowany porzuca rozmowę z chatbotem, liczy się jako „objęty deflekcją”, ale nie jako „obsłużony skutecznie”.
• vs. rozwiązanie przy pierwszym kontakcie (FCR): FCR pokazuje, czy sprawa została rozwiązana przy pierwszej interakcji, także przez konsultanta. Wskaźnik rozwiązywania dla AI mierzy w pełni zautomatyzowane rozwiązania bez udziału człowieka.
• vs. CSAT: Rozwiązywanie spraw wpływa na satysfakcję, ale obie metryki mierzą co innego. CSAT odzwierciedla odczucia klienta, a wskaźnik rozwiązywania – wyniki operacyjne. Liczą się obie.
• vs. średni czas obsługi (AHT): AHT mierzy szybkość, a wskaźnik rozwiązywania – skuteczność. Pośpieszne zamykanie zgłoszeń może wręcz obniżyć wskaźnik rozwiązywania, jeśli sprawy nie zostaną w pełni załatwione.

Potwierdzone wskaźniki rozwiązywania u klientów Maven AGI

Główną metryką Maven AGI jest rozwiązanie sprawy, a nie deflekcja. Tak wygląda to w praktyce:

• Mastermind (EdTech): 93% rozwiązanych rozmów na czacie na żywo. Wdrożenie w 6 tygodni.
• Enumerate (PropTech): wskaźnik rozwiązywania 91% we wszystkich kanałach wsparcia.
• Papaya Pay (FinTech): 90% spraw rozwiązanych autonomicznie.
• K1x (FinTech): wskaźnik rozwiązywania 80%, czyli 10-krotna poprawa w porównaniu z poprzednim narzędziem AI. Uruchomienie w 1 tydzień.

Podejście Maven AGI: Rozwiązanie sprawy to jedyna metryka, pod którą optymalizuje się Maven AGI. W każdym wdrożeniu śledzimy, czy problem został faktycznie rozwiązany, a nie czy udało się uniknąć zgłoszenia. To skupienie na wynikach, a nie na wolumenie, przekłada się na wskaźniki rozwiązywania na poziomie 80-93% w branżach takich jak EdTech, FinTech, PropTech i SaaS.

Najczęściej zadawane pytania

Jaki wskaźnik rozwiązywania jest dobry?

To zależy od kanału oraz od tego, czy mierzy się rozwiązania przez ludzi, czy przez AI. W zespołach obsługi prowadzonych przez konsultantów benchmark rozwiązania przy pierwszym kontakcie wynosi ok. 70-75%. W przypadku rozwiązań wyłącznie przez AI starsze chatboty osiągają 10-30%, a nowoczesni agenci AI zdolni do wykonywania działań – 80-93%.

Czym wskaźnik rozwiązywania różni się od wskaźnika deflekcji?

Wskaźnik deflekcji mierzy, ile zgłoszeń nie trafiło do konsultanta. Wskaźnik rozwiązywania mierzy, ile problemów klientów zostało faktycznie rozwiązanych. Zgłoszenie może zostać „objęte deflekcją”, mimo że problem nie został rozwiązany. Wskaźnik rozwiązywania to metryka bardziej wymagająca i bardziej rzetelna.

Jak poprawić wskaźnik rozwiązywania?

Warto skupić się na trzech obszarach: lepszym oparciu na wiedzy (dostarczenie AI dokładnych, aktualnych informacji), integracjach umożliwiających wykonywanie działań (AI realizuje zwroty i aktualizuje konta, a nie tylko odpowiada na pytania) oraz pętlach informacji zwrotnej (śledzenie tematów, w których AI zawodzi, i ich stopniowe ulepszanie).

Czy AI naprawdę może rozwiązać ponad 90% zgłoszeń?

Tak, ale tylko przy odpowiedniej architekturze. Chatboty oparte na regułach osiągają maksymalnie 10-30%. Platformy agentowej AI, które łączą rozumienie języka, wyszukiwanie wiedzy i integracje z systemami backendowymi, w środowiskach produkcyjnych regularnie osiągają 80-93%.