Destek talebi önleme oranı: formüller ve nasıl ölçülür

Güncellenme tarihi: 3 Kasım 2026

Destek talebi önleme oranı, yardım merkezinizde yardım arayan ve destek talebi açmadan ayrılan kişilerin oranıdır. Savunulabilir bir formül: 72 saat içinde destek talebi oluşturulmayan destek arama oturumları, görünür şekilde başarısız olan oturumlar çıkarılarak, tüm destek arama oturumlarına bölünür ve 100 ile çarpılır. Yaygın formüller çok farklı sonuçlar verir, bu yüzden birini seçin ve kurallarını sabit tutun.

Aşağıda: bir aylık veri üzerinde çalıştırılan beş formül, bir kurulum kontrol listesi, makale ve video ilişkilendirmesi ve önlemenin sağladığı tasarruf yer almaktadır.

Destek talebi önleme oranı nedir?#

Destek talebi önleme oranı, self-servis hizmetlerin (yardım makaleleri, videolar, yapay zeka asistanı, topluluk yanıtları) bir sorunun destek talebine dönüşmesini ne sıklıkla engellediğini ölçer. Bu bir destek ekibi metriği değil, bir self-servis metriğidir: temsilciler daha hızlı çalıştığında değil, müşteriler yanıtları bulduğunda yükselir.

Üç terim birbirine karıştırılır:

Önleme, ölçülmesi en kolay ve şişirilmesi en kolay olanıdır: pes edip sessizce ayrılan biri de "destek talebi açmamış" sayılır (Gainsight buna yanlış önleme der). Çözüm ise aslında istediğiniz şeydir. İyi bir ölçüm, önlemeyi çözüme doğru iter.

Destek talebi önleme oranı nasıl hesaplanır? Beş formül karşılaştırması#

Standart bir yöntem yoktur. Destek masaları, sohbet botu satıcıları ve analistler kendi yöntemlerini kullanırlar. İşte karşılaşacağınız beş formül ve sohbet botu kapsaması:

1. Self-servis skoru (Zendesk tarafından kullanılır, "self-servis oranı ve destek talebi önleme oranı olarak da bilinir")

Self-servis skoru = yardım merkezi oturumları ÷ destek talebi oluşturan kullanıcılar

Doğru tarafı: sadece elinizde olan iki sayıya ihtiyaç duyar. Yanlış tarafı: bir oran (örneğin 4:1) değil, bir yüzdedir ve kimse yardım almasa bile trafikle birlikte yükselir.

2. Oturum bazlı oran (birçok yardım merkezi ve sohbet botu satıcısı)

Oran = (yardım merkezi oturumları − destek talebiyle sonuçlanan oturumlar) ÷ oturumlar × 100

Doğru tarafı: yüzde olarak açıklaması kolaydır. Yanlış tarafı: terk edilen her ziyaret başarı sayılır, bu yüzden yüksek çıkar.

3. Düzeltilmiş oturum oranı (analitik odaklı ekipler; Intercom ve Metabase gibi daha katı tanımlara doğru pratik bir adım)

Oran = (destek arama oturumları − destek talebiyle sonuçlanan oturumlar − görünür şekilde başarısız olan diğer oturumlar) ÷ destek arama oturumları × 100

Doğru tarafı: botları, personeli, gezinmeleri ve görünür başarısızlıkları çıkarır ve bir yeniden temas penceresi kullanır. Yanlış tarafı: ziyaretlerin destek talepleriyle eşleştirilmesini gerektirir ve sessizce ayrılanları hala sayar.

4. İletişim formu önleme (destek talebi formunda makale öneren ekipler)

Oran = önerilen bir makaleden sonra formdan ayrılan ve 72 saat içinde destek talebi oluşturmayan kişiler ÷ formu başlatan kişiler × 100

Doğru tarafı: yazmak üzere olan kişileri sayar. Yanlış tarafı: sadece bir giriş noktasını kapsar.

5. Temel azaltma (finansa rapor veren destek liderleri)

Azaltma = (1.000 müşteri başına düşen destek talebi öncesi − sonrası) ÷ öncesi × 100

Doğru tarafı: işletmenin önemsediği sonucu ölçer. Yanlış tarafı: ürün değişikliklerini, mevsimselliği ve büyümeyi karıştırır.

Önleme değil: sohbet botu kapsaması (sohbet botu satıcıları)

Kapsama = (bot görüşmeleri − bir kişiye aktarılan görüşmeler) ÷ bot görüşmeleri × 100

Bu, yardım içeriğinizi değil botu ölçer ve sohbeti kapatan hayal kırıklığına uğramış bir kullanıcıyı başarı sayar.

Intercom'un tanımı, yayınlanmış en katı tanımdır: "self-servis destek ile çözülen çözülmüş oturum sayısının, destek arayan toplam çözülmüş oturum sayısına bölünmesi", burada "destek aramayı bırakan kullanıcılar dahil edilmez" ve bir oturum 24 saatlik bir süredir. Formül 3, her ziyaretçiye sormadan bu kadar ileri gidemez, bu yüzden sessizce ayrılanları hala sayar: bunu bir tavan değeri olarak okuyun. Bir taban değeri için, Metabase'in önerdiği gibi, sadece pozitif sinyali olan (örneğin bir Yardımcı oldu oyu) ve pencere içinde destek talebi olmayan oturumları sayın. Mümkünse ikisini de raporlayın; aralarındaki fark sessiz terk etme oranınızdır.

Önerimiz: formül 3'ü (pozitif sinyal tabanı ile) aylık olarak önleme oranınız olarak, formül 5'i ise çeyreklik olarak iş sonucu olarak raporlayın. İletişim formunuzda makale öneriyorsanız formül 4'ü kullanın. Zendesk'in skorunu (formül 1) sadece ekibiniz zaten takip ediyorsa tutun ve asla yüzde olarak aynı grafiğe koymayın.

Bir ay, beş yanıt: uygulamalı bir örnek#

İşte 25.000 müşterisi olan bir SaaS şirketi için beş formülün tamamından geçirilen bir aylık hayali veri.

Aynı şirket, aynı ay: 10:1, %93, %67, %18 ve %20. Hiçbiri yanlış değil. Farklı soruları yanıtlıyorlar. Bu yüzden satıcı kıyaslama bantları (örneğin Chatling'in hesaplayıcısı %40-60'ı "İyi" olarak etiketler) hangi formülün ürettiğini bilmediğiniz sürece pek bir anlam ifade etmez ve bu yüzden sayınızı sadece zaman içinde kendisiyle karşılaştırmalısınız.

Destek talebi önlemeyi adım adım nasıl ölçersiniz?#

1. Bir destek arama oturumu tanımlayın#

   Birinin yardım merkezinizde arama yaptığı, bir makale açtığı, bir yardım videosu izlediği veya yardım merkezinin yapay zeka asistanına soru sorduğu oturumları sayın. Botları, kendi personelinizi (IP veya oturum açmış rol ile filtreleyin) ve sadece ana sayfaya dokunan ziyaretleri çıkarın. Bu sizin paydanızdır.

2. Yardım merkezi ziyaretlerini destek talepleriyle bağlayın#

   Aynı kişinin ziyaretinden sonra destek talebi açıp açmadığını bilmeniz gerekir. Olağan yollar: analitik aracınızda oturum açmış kullanıcıları tanımlayın ve aynı kullanıcı kimliğini destek masanıza iletin veya biri iletişim formunu gönderdiğinde e-posta ile eşleştirin. En azından şunları kaydedin: oturum kimliği, arama sorgusu ve sonuç sayısı, makale görüntülemeleri, yardımcı oyları, iletişim formu başlangıçları, önerilen makale tıklamaları, form terk etmeleri ve talep eden kimliği ile konu etiketi içeren destek talepleri. Eşleştiremediğiniz ziyaretçiler (genellikle halka açık bir yardım merkezinin çoğu) ayrı, etiketli bir tahmine aittir, eşleştirilmiş orana karıştırılmamalıdır. Hiçbir eşleştirme olmadan sadece formül 1 ve 5'i raporlayabilirsiniz.

3. Bir yeniden temas penceresi seçin ve dondurun#

   Bir oturum, sadece kişi sabit bir pencere içinde destek talebi açmadıysa önlenmiş sayılır. Yayınlanmış tanımlar 24 saat (Intercom'un oturumu), 48 saat (Helply'nin yeniden temas kuralı) veya 72 saat (Metabase) kullanır; kısa bir pencere ertesi gün tekrar deneyen kişileri kaçırır. Ne seçerseniz seçin, sabit tutun, aksi takdirde trend çizginiz kural değişikliklerinizi ölçer.

4. Görünür başarısızlıkları çıkarın#

   Sonuç vermeyen bir aramayla veya "Faydalı değil" oyuyla biten oturumları çıkarın. Bu kişiler, yazmasalar bile bir yanıt bulamadılar. Her oturumu bir kez sayın: biletle sonuçlanan başarısız bir oturum zaten bilet sayımına dahildir.

5. Sadece toplamda değil, konu bazında raporlayın#

   Oturumları ve biletleri aynı konulara göre gruplayın: faturalandırma, SSO, dışa aktarma vb. %67'lik bir toplam, biletlerinizin yarısını oluşturan %30'luk bir konuyu gizleyebilir. Bilet etiketlerinizi konu listesi olarak kullanın ve her yardım makalesini bir etikete eşleyin.

6. Bilet hacminin yanına koyun#

   Saptırma oranını, 1.000 aktif müşteri başına düşen bilet sayısıyla birlikte raporlayın. Saptırma artıyor ancak müşteri başına düşen bilet sayısı azalmıyorsa, yanlış oturumları sayıyorsunuz demektir.

Saptırmayı makalelere ve videolara nasıl atarsınız?#

Faydalı kararların alındığı yer burasıdır. En basitten en katıya doğru üç yöntem:

1. Öncesi ve sonrası konu analizi. Bir konu için makale yayınladığınızda veya yeniden yazdığınızda, o konunun 1.000 müşteri başına düşen bilet sayısını, yayından önceki dört hafta ve sonraki dört hafta için karşılaştırın. Diğer konuların aynı haftalarda sabit kaldığından emin olun; her şey düştüyse, muhtemelen mevsimseldir.

2. Makale düzeyinde düzeltilmiş oran. Her makale için 3. formülü çalıştırın: bu makaleyi görüntüleyen oturumlar, eksi 72 saat içinde aynı konuda biletle sonuçlananlar, eksi "Faydalı değil" oyları. Makaleleri, onları takip eden biletlere göre sıralayın. Listenin başı, yeniden yazma sıranızdır.

3. Video için format testi. Nasıl yapılır videosu eklemenin biletleri azaltıp azaltmadığını öğrenmek için, benzer makalelerden oluşan bir setin yarısına (örneğin en çok görüntülenen 20 nasıl yapılır makalenizin 10'una, dönüşümlü veya rastgele seçilmiş) videolar ekleyin ve geri kalanını olduğu gibi bırakın. Dört ila altı hafta sonra, iki yarı arasındaki konu başına biletleri karşılaştırın ve sonucu yalnızca her iki yarıda da bir fark gösterecek kadar bilet varsa (bir avuç değil, ayda birkaç düzine) güvenilir kabul edin. Video tamamlanma oranına da bakın: çoğu insanın %25'te durduğu bir video işini yapmıyor demektir. Nielsen Norman Group'un kullanılabilirlik araştırması, insanların videoyu ikincil bir kaynak olarak, özellikle uzun ve çok adımlı süreçler için kullandığını bulmuştur, bu yüzden videoyu önce çok adımlı görevlerde test edin.

İyi bir bilet saptırma oranı nedir?#

Güvenilir bir genel kıyaslama yoktur, çünkü kimse aynı formülü kullanmaz. Satıcıların yazılarında gördüğünüz aralıklar nadiren kaynak gösterilir. Kendi trendinize göre ölçüm yapın.

Self-servisin ne kadar zor olduğu konusunda bağlam sağlamak gerekirse, Gartner'ın 5.728 müşteriyle yaptığı anket, müşteri hizmetleri sorunlarının yalnızca %14'ünün self-servis ile tamamen çözüldüğünü, müşterilerin "çok basit" olarak adlandırdığı sorunlarda bile bu oranın sadece %36 olduğunu ortaya koydu (Gartner, 2024). Aynı ankette müşterilerin %73'ü yolculuklarının bir noktasında self-servis kullandı. Çoğu insan deniyor; çoğu orada bitiremiyor.

Aynı anket, başarısızlığın en yaygın nedenini belirtiyor: vakaların %43'ünde müşteriler sorunlarıyla ilgili içerik bulamadı. Farklı örneklemlerle yapılan önceki Gartner anketleri, tam self-servis çözüm oranını 2019'da %9 ve 2020'de %13 olarak belirledi: her ölçüldüğünde düşük (daha fazlası müşteri self-servis istatistiklerimizde). Bu, hiçbir sonuç döndürmeyen aramalar yoluyla doğrudan ölçebileceğiniz bir içerik sorunudur.

Bilet saptırma ne kadar tasarruf sağlar?#

Aylık tasarruf = saptırılan biletler × bilet başına maliyet. Saptırılan biletler = aylık biletler × nasıl yapılır sorularının payı × self-servisin çözdüğü bu soruların payı.

Temas başına maliyet için, varsa kendi tam yüklü rakamınızı kullanın. Referans olarak, Gartner'ın Şubat 2024 maliyet kıyaslaması, self-servis teması başına medyanı 1,84$, telefon, sohbet ve e-posta gibi destekli temas başına ise 13,50$ olarak belirlemiştir (Gartner, 2024; müşteriler için tam rapor). Self-servis ücretsiz değildir: net bir rakam için, bir self-servis temasının maliyetini çıkarın. Gartner'ın medyanlarıyla bu, saptırılan temas başına yaklaşık 13,50$ − 1,84$ ≈ 11,66$ tasarruf demektir.

Ücretsiz bilet saptırma hesaplayıcımız bunu rakamlarınızla çalıştırır: aylık bilet sayısı, nasıl yapılır sorularının payı, saptırma oranı, bilet başına işlem süresi ve bilet başına maliyet veya temsilci saatlik maliyeti. Saptırılan biletleri, tasarruf edilen temsilci saatlerini ve aylık/yıllık tasarruf edilen parayı döndürür. Örneğin, ayda 2.000 bilet, %40 nasıl yapılır sorusu ve %30'unun self-servis ile çözülmesi, ayda 240 biletin saptırılması demektir; bilet başına 15$ ile bu ayda 3.600$ eder. Orada oturum bazlı değil, bilet bazlı bir oran kullanın: 5. formüldeki 1.000 müşteri başına bilet düşüşü iyi bir gerçek dünya girdisidir, oysa oturumların %67'si biletlerin %67'si değildir.

Saptırma oranınızı nasıl yükseltirsiniz?#

Yukarıdaki ölçümlerden başlayarak şu sırayla çalışın:

1. Eksik makaleleri yazın. Sonuç vermeyen aramalar listeniz, sıralanmış bir yapılacaklar listesidir. Müşteriler size kullandıkları kelimeleri söylediler. İşte yardım merkezi aramalarını yazma listesine dönüştürme yolu.
2. Bilet geçişine izin veren makaleleri düzeltin. Görüntülemeden sonra en çok bilet alan ve en düşük faydalı oranına sahip olanları yeniden yazın: daha net başlık, önce cevap, tam etiketler, ön koşullar. Yardım merkezi makaleleri yazma kılavuzumuz nasıl yapılacağını gösterir.
3. Çok adımlı görevlere bir video ekleyin. Ardından, yukarıdaki format testi ile yardımcı olup olmadığını kontrol edin.
4. Cevapları insanların takıldığı yerlere koyun. Makaleyi ürününüzdeki ekrandan bağlayın ve iletişim formunuzda makaleler önerin.
5. İçeriği güncel tutun. Artık kullanıcı arayüzüyle eşleşmeyen bir makale, biletleri önlemek yerine bilet oluşturur. İşte kullanıcı arayüzünüz değiştiğinde belgeleri güncel tutmanın yolu.

Bilgi tabanını sıfırdan mı oluşturuyorsunuz? Yapay zeka ile bilgi tabanı oluşturma ile başlayın.

Clevera ile saptırmayı ölçme ve yükseltme#

Clevera, bir ekran kaydını anlatımlı bir nasıl yapılır videosuna, adım adım bir yardım makalesine ve barındırılan yardım merkezinizdeki bir sayfaya 74 dilde dönüştüren bir yapay zeka platformudur. Yardım merkezi, yukarıdaki ölçümlerin self-servis tarafını size sunar; yardım masanız ise biletleri tutmaya devam eder.

Her planda içgörüler. Her Clevera yardım merkezi Sayfa görüntülemeleri, Ziyaretçiler, Arama başarısı, Sıfır sonuç oranı, Tıklama oranı, sayfa başına Faydalı oranı ve sayfalarınızdan yanıtlanan Yapay zeka asistanı yanıtları payını gösterir. Okuyucular çerezsiz sayılır ve botlar dışarıda bırakılır. Free planında 30 gün, Starter'da 90 gün, Pro ve Custom planlarında ise 12 ay geriye dönük bakabilirsiniz.

Makale yaz düğmesi ile içerik boşlukları. Hiçbir sonuç bulamayan aramalar, kaç kişinin aradığı ve ne zaman aradığı ile listelenir. Makale yaz, konuyu arama terimi olarak alarak Compose'u açar ve makale bir sonraki yayınınız için yardım merkezine katılır (her makale gibi kredi harcar).

İletişim formunda makale önerileri. Starter ve üzeri planlarda, yardım merkezinin iletişim formu, okuyucu yazarken üç sayfaya kadar öneride bulunur ve her mesaj size hangi sayfaların önerildiğini söyler. Bu, 4. formülün kurulumudur; kendi analitiğinizde form başlangıçlarını ve terk etmeleri sayın.

Sayfa görüntülemelerini kendi analitiğinize gönderin. Starter ve üzeri planlarda, yardım merkezi sayfa görüntülemelerinin ürün verilerinizin yanına düşmesi için Google Analytics 4, Plausible, PostHog veya Segment ekleyin. Bu ziyaretleri biletlerle birleştirmek hala sizin işinizdir: yardım masanızın da sahip olduğu bir kullanıcı kimliği veya e-posta gerektirir.

Boşlukları daha hızlı doldurun. Görevi bir kez kaydedin; Clevera ekran görüntüleriyle birlikte yardım makalesini yazsın ve aynı kayıttan format testiniz için seslendirmeli bir nasıl yapılır videosu oluştursun; video analizleri tamamlanma oranını ve izleyicilerin ne kadar ilerlediğini gösterir. Pro ve Custom planlarında Autopilot, yapıştırdığınız soruları (30 adede kadar) ve sonuç bulunamayan aramaları, onayınızı bekleyen taslak makalelere dönüştürebilir.

Yardım merkezi, Ücretsiz dahil her plana dahildir. Starter planı yıllık faturalandırmada aylık 29$ (aylık ödemede 36$) olup kendi alan adınızı ve analiz entegrasyonlarınızı ekler; Pro planı 2 içerik oluşturucu için yıllık faturalandırmada aylık 86,80$'dan başlar (aylık ödemede 124$). Fiyatlar 3 Kasım 2026 itibarıyla geçerlidir; fiyatlandırmaya göz atın.

Ücretsiz başlayın veya doküman sitesi içgörülerinin nasıl hesaplandığını okuyun.

SSS#

Destek talebi önleme oranını nasıl hesaplarsınız? Belirli bir süre içinde (genellikle 72 saat) destek talebine dönüşmeyen yardım merkezi oturumlarını alın, gözle görülür şekilde başarısız olan oturumları çıkarın, toplam destek arama oturumlarına bölün ve 100 ile çarpın. Örneğin, (12.000 − 1.400 − 2.600) ÷ 12.000 = %67.

Zendesk'in self-servis puanı ile önleme oranı arasındaki fark nedir? Zendesk'in self-servis puanı, yardım merkezi oturumlarını destek talebi oluşturan kullanıcılara böler ve 4:1 gibi bir oran verir. Önleme oranı ise destek talebi olmadan sona eren oturumların yüzdesidir. Bunlar zıt yönlerde hareket edebilir: daha fazla trafik, fazladan destek talebi önlenmese bile oranı yükseltir.

Yüksek bir önleme oranı her zaman iyi midir? Hayır. Terk edilmiş oturumlar üzerine kurulu bir oran, müşteriler daha fazla hayal kırıklığına uğrarken yükselebilir. Bunu 1.000 müşteri başına düşen destek talebi, faydalı oyları ve sonuçsuz aramalarla karşılaştırın. B2B'de, önemli bir hesaptan önlenen bir destek talebi, hesap ekibinizin asla görmediği bir sinyal de olabilir.

Yeniden iletişim penceresi ne kadar olmalıdır? Yayınlanmış tanımlar 24, 48 veya 72 saati kullanır. Daha uzun pencereler daha katıdır. Pencerenin süresinden ziyade sabit tutulması önemlidir, böylece trendiniz aydan aya karşılaştırılabilir olur.

Ziyaretleri destek talepleriyle eşleştirmeden önlemeyi ölçebilir misiniz? Kısmen. Birleştirme olmadan Zendesk'in oranını ve 1.000 müşteri başına düşen destek talebindeki değişimi, ayrıca sıfır sonuçlu aramalar ve faydalı oylar gibi içerik sinyallerini raporlayabilirsiniz. Zendesk'in arama raporu ayrıca "Oluşturulan destek talepleri"ni, yani bir destek talebine yol açan aramaları da sayar. Hangi ziyaretlerin destek talebini önlediğini söyleyemezsiniz.

Videolar makalelerden daha fazla destek talebi önler mi? Bunun güvenilir bir genel cevabı yoktur; göreve bağlıdır. Kendi içeriğinizde test edin: benzer makalelerden oluşan bir setin yarısına videolar ekleyin ve dört ila altı hafta sonra konu başına düşen destek taleplerini karşılaştırın.