📖 Что ты внедришь в этом уроке
✓ Автоматизация 23: Автоматический анализ качества ответов операторов
✓ Автоматизация 24: Обновление базы знаний из закрытых тикетов
✓ Автоматизации 25–27: CSAT-опрос, анализ тональности, отчёт поддержки
Автоматизация 23
QA — автоматический аудит ответов операторов
Claude проверяет случайную выборку закрытых тикетов каждый день:
правильно ли ответил оператор, был ли тон правильным, решили ли проблему с первого раза.
Руководитель поддержки получает ежедневный QA-отчёт без ручной проверки.
Make.com
Claude API
Zendesk
Google Sheets
Как настроить
1
Расписание — каждый вечер в 18:00: Make.com "Schedule → Every Day". Запрашиваем у Zendesk список тикетов закрытых за сегодня (API: GET /api/v2/tickets?status=closed).
2
Случайная выборка: модуль "Tools → Set Variable" — выбираем случайные 10-15% тикетов из списка. Для каждого получаем полную переписку (все комментарии тикета).
3
Claude оценивает каждый тикет: HTTP Request с переписк ой. Оценка по 5 критериям. JSON с оценками и комментариями.
4
Сводный отчёт: записываем все оценки в Google Sheets. Отправляем сводку руководителю: средний балл, лучший оператор, тикеты с низкой оценкой для разбора.
Промпт для QA-аудита тикета
Ты QA-аналитик службы поддержки. Оцени качество работы оператора по этому тикету.
Переписка:
{{ticket_conversation}}
Оцени по 5 критериям (каждый 1-10):
1. Скорость первого ответа (с учётом рабочих часов)
2. Правильность решения (решили ли проблему клиента)
3. Тон и эмпатия (был ли оператор вежлив и понимающим)
4. Полнота ответа (не пришлось ли клиенту переспрашивать)
5. Соответствие стандартам (правильные приветствие, прощание, подпись)
Верни JSON:
{
"operator": "имя оператора из переписки",
"scores": {
"response_speed": 8,
"solution_quality": 7,
"tone_empathy": 9,
"completeness": 6,
"standards": 8
},
"total_score": 7.6,
"strengths": ["что было сделано хорошо"],
"improvements": ["что можно улучшить"],
"critical_issues": ["серьёзные проблемы если есть"],
"coaching_note": "Короткая заметка для разбора с оператором"
}
🎯 Ожидаемый результат: каждый вечер руководитель получает отчёт: "Проверено 12 тикетов. Средний балл: 7.8/10. Лучший оператор: Мария (8.9). Тикет #1234 требует разбора — клиент переспрашивал 4 раза."
Автоматизация 24
Автообновление базы знаний из решённых тикетов
Когда оператор закрывает сложный тикет с хорошим решением — Claude автоматически
создаёт FAQ-статью и добавляет в базу знаний. База растёт сама без ручного написания документации.
Make.com
Claude API
Notion / Confluence
Как настроить
1
Триггер — тикет закрыт с тегом "good_solution": операторы ставят этот тег когда находят хорошее решение редкой проблемы. Zendesk Webhook на смену тега.
2
Claude пишет FAQ-статью: передаём переписку тикета. Claude извлекает проблему, решение, форматирует как читаемую статью.
3
Создаём страницу в Notion: "Notion → Create Page" в базе данных "Знания / Поддержка". Заполняем: заголовок, категория, текст статьи, теги.
4
Уведомление в Slack: "📚 Новая статья в базе знаний: [название]. Добавлена из тикета #[номер]. [ссылка]"
Промпт для генерации FAQ-статьи
На основе решённого тикета создай статью для базы знаний поддержки.
Переписка тикета:
{{ticket_conversation}}
Правила:
- Напиши статью как будто объясняешь следующему оператору как решать эту проблему
- Не используй имена клиентов (обезличь)
- Структура: проблема → причина → решение → профилактика
- Длина: 150-300 слов
- Добавь 3-5 тегов для поиска
Верни JSON:
{
"title": "Название статьи (проблема в вопросительной форме)",
"category": "billing/technical/onboarding/account/other",
"tags": ["тег1", "тег2", "тег3"],
"problem_description": "Описание симптомов проблемы",
"root_cause": "Причина проблемы",
"solution_steps": ["Шаг 1", "Шаг 2", "Шаг 3"],
"prevention": "Как предотвратить в будущем",
"related_articles": ["похожие темы для ссылок"]
}
🎯 Ожидаемый результат: база знаний пополняется автоматически. Через 3 месяца у тебя 50-100 статей написанных из реальных случаев. Новые операторы находят решения за 30 секунд.
Автоматизации 25–27
CSAT, тональность, еженедельный отчёт
25. Автоматический CSAT-опрос
Через 2 часа после закрытия тикета клиенту уходит короткий опрос: "Решили ли мы вашу проблему? 👍👎". Ответы собираются в Sheets, агрегируются по операторам.
Make.comGmailTypeformGoogle Sheets
Схема: Zendesk "Ticket Closed" → 2 часа задержка (модуль Sleep) → Gmail с ссылкой на Typeform (1 вопрос) → Typeform Webhook → записать в Sheets с ID тикета и оператором.
26. Анализ тональности входящих
Claude анализирует тональность каждого нового тикета. Злой/расстроенный клиент получает приоритет — независимо от категории запроса.
Оцени тональность этого обращения клиента:
"{{ticket_text}}"
Верни JSON:
{
"sentiment": "positive/neutral/frustrated/angry/urgent",
"sentiment_score": -2 до +2,
"churn_signals": ["слова которые говорят о риске ухода"],
"requires_escalation": true/false,
"empathy_needed": "low/medium/high"
}
27. Еженедельный отчёт поддержки
Каждую пятницу в 17:00 Claude собирает данные из Sheets (тикеты за неделю) и генерирует отчёт для руководителя: объём, качество, топ-проблемы, тренды.
На основе данных о тикетах за неделю составь управленческий отчёт.
Данные: {{weekly_tickets_data}}
Верни отчёт в формате:
{
"period": "даты",
"total_tickets": число,
"resolved_first_contact": "% решённых с первого контакта",
"avg_resolution_time": "среднее время решения",
"csat_score": "средний балл CSAT",
"top_issues": ["проблема 1 (N тикетов)", "проблема 2"],
"team_performance": [{"operator": "Имя", "tickets": 45, "avg_csat": 8.2}],
"recommendations": ["рекомендация 1", "рекомендация 2"],
"alerts": ["что требует внимания руководителя"]
}
🎯 Ожидаемый результат: поддержка работает как часы — CSAT измеряется автоматически, злые клиенты не теряются в очереди, руководитель видит реальную картину каждую пятницу.
✅ Итог урока
23. QA-аудит — ежедневный отчёт о качестве без ручной проверки
24. База знаний растёт сама из решённых тикетов
25–27. CSAT, тональность, еженедельный отчёт — полная аналитика поддержки
Итог модуля 3: поддержка на автопилоте — от входящего тикета до отчёта руководителю.