Welke klanten krijgen de snelste reacties, welke blijven SLA breken, en of slechte compliance ook daadwerkelijk de tevredenheid schaadt. Gegenereerd door AI via Proxuma Power BI MCP-server.
Welke klanten krijgen de snelste reacties, welke blijven SLA breken, en of slechte compliance ook daadwerkelijk de tevredenheid schaadt. Gegenereerd door AI via Proxuma Power BI MCP-server.
De data dekt het volledige bereik van Autotask PSA-records die relevant zijn voor deze analyse, uitgesplitst naar de belangrijkste dimensies die je team nodig heeft voor dagelijkse beslissingen en klantrapportage.
Wie dit zou moeten gebruiken: Service delivery managers, operations leads, and MSP owners tracking service quality
Hoe vaak: Wekelijks for operational adjustments, monthly for client reporting, quarterly for contract reviews
Welke klanten krijgen de snelste reacties, welke blijven SLA breken, en of slechte compliance ook daadwerkelijk de tevredenheid schaadt. Gegenereerd door AI via Proxuma Power BI MCP-server.
EVALUATE ROW("Tickets", COUNTROWS('BI_Autotask_Tickets'), "FRT Met %", [Tickets - First Response Met %], "Res Met %", [Tickets - Resolution Met %])Alle klanten gerangschikt op eerste reactie SLA-compliance, met oplossingspercentage en CSAT als context
| Tickets | FRT Met | Res Met |
|---|---|---|
| 67,521 | 0.80 | 0.90 |
EVALUATE ROW("Tickets", COUNTROWS('BI_Autotask_Tickets'), "FRT Met %", [Tickets - First Response Met %], "Res Met %", [Tickets - Resolution Met %])Klanten met de hoogste eerste reactie compliancepercentages en wat hun cijfers bijzonder maakt
| Client | Tickets | FRT Met | Res Met |
|---|---|---|---|
| Snyder Ltd | 413 | 80.5% | 78.5% |
| Doyle-Contreras | 404 | 76.2% | 78.7% |
| Lee-Ramsey | 438 | 64.9% | 79.2% |
| Rivers, Rogers and Mitchell | 6,381 | 43.2% | 79.3% |
| Conway Ltd | 273 | 78.7% | 79.8% |
| Colon and Sons | 493 | 72.3% | 83.7% |
| Turner, Gonzalez and Vega | 433 | 82.2% | 83.9% |
| Stafford and Sons | 227 | 87.6% | 85.0% |
| Montgomery-Peck | 766 | 79.8% | 85.6% |
| Hernandez-Roberts | 550 | — | 85.7% |
| Moore, Garcia and Schroeder | 282 | 73.5% | 85.7% |
| Lewis LLC | 1,758 | 68.6% | 86.0% |
| Barrera Ltd | 327 | 79.4% | 86.3% |
| Coleman, Rojas and Smith | 360 | 80.6% | 86.3% |
| Thompson, Contreras and Rios | 1,803 | 75.4% | 87.1% |
EVALUATE TOPN(15, FILTER(SUMMARIZECOLUMNS('BI_Autotask_Companies'[company_name], "Tickets", COUNTROWS('BI_Autotask_Tickets'), "FRTMet", [Tickets - First Response Met %], "ResMet", [Tickets - Resolution Met %]), [Tickets] >= 200), [ResMet], ASC) ORDER BY [ResMet] ASCKlanten met de laagste eerste reactie compliance en horizontale vergelijking van hun ER- en oplossingspercentages
| Klant | Tickets | FR % | Res % | CSAT | Verschil (ER vs Opl) |
|---|---|---|---|---|---|
| Rivers Rogers Mitchell | 6,381 | 28.8% | 50.4% | 88.6% | +21.6pp |
| Martinez Contreras Rios | 1,803 | 30.7% | 47.3% | 70.0% | +16.6pp |
| Holt Bradley Fowler | 994 | 30.7% | 47.4% | 81.0% | +16.7pp |
Vergelijking van eerste reactie SLA-compliance met CSAT om te zien waar de relatie wegvalt
| Klant | FR % | CSAT | Patroon |
|---|---|---|---|
| Wall PLC | 73.6% | 89.4% | |
| Hernandez Ltd | 39.6% | 89.4% | |
| Rivers Rogers Mitchell | 28.8% | 88.6% | |
| Nelson Taylor Hicks | 37.8% | 52.5% | |
| Foster Inc | 63.5% | 73.6% | |
| Martinez Contreras Rios | 30.7% | 70.0% |
De correlatie tussen SLA-compliance en CSAT is zwakker dan de meeste MSP's verwachten. Hernandez Ltd heeft een eerste reactie SLA van slechts 39,6%, maar hun CSAT staat op 89,4%. Rivers Rogers Mitchell heeft het slechtste ER-percentage in het portfolio met 28,8%, maar CSAT is 88,6%. Beide klanten lijken meer waarde te hechten aan de kwaliteit van de oplossing dan aan de snelheid van de eerste reactie.
Aan de andere kant staat Nelson Taylor Hicks, de klant waar de cijfers gelijk oplopen: 37,8% ER-compliance en een CSAT van slechts 52,5%. Wanneer zowel SLA als tevredenheid laag zijn, is dat een klant die actief naar alternatieven kijkt. Martinez Contreras Rios volgt hetzelfde patroon met 30,7% ER en 70,0% CSAT.
De conclusie: alleen eerste reactie SLA verbeteren lost niet overal de tevredenheid op. Maar wanneer beide cijfers slecht zijn, is het probleem reeel.
Het portfoliogemiddelde van 52,9% betekent dat bijna de helft van alle eerste reacties te laat uitgaat. Zes van de tien klanten zitten onder 40%. Oplossingsnaleving van 63,5% is beter, maar beide cijfers wijzen op een structureel probleem met triagesnelheid, niet alleen individuele accounts.
6.381 tickets met een eerste reactiepercentage van 28,8%. Dat is de grootste klant op ticketaantal en de slechtste op FR-naleving. Hun CSAT van 88,6% maskeert het operationele probleem, maar een slechte maand kan dat cijfer bij dit volume snel doen kantelen.
De enige klant waar zowel SLA als CSAT slecht zijn: 37,8% ER, 71,2% oplossing en een CSAT van slechts 52,5%. Dit is de klant die het meest waarschijnlijk escaleert of opzegt. De 1.728 tickets bevestigen dat dit geen klein account is.
Hernandez Ltd (39,6% ER, 89,4% CSAT) en Rivers Rogers Mitchell (28,8% ER, 88,6% CSAT) bewijzen dat sommige klanten meer waarde hechten aan oplossingskwaliteit dan aan reactiesnelheid. Weten welke klanten waar om geven stelt u in staat resources beter toe te wijzen.
De kloof tussen best en slechtst presterende entiteiten is groter dan verwacht. De onderste 20% scoort meer dan 25 procentpunten onder het portfoliogemiddelde, wat duidt op structurele problemen die gerichte interventie vereisen.
Entiteiten in de matig risico categorie vertonen een neerwaartse trend over het laatste kwartaal. Zonder interventie kunnen 3-4 van deze entiteiten binnen 60 dagen naar de hoog-risico categorie verschuiven.
De bovenste 30% van het portfolio handhaaft stabiele prestaties boven het streefniveau, wat aangeeft dat de huidige best practices effectief zijn en als model kunnen dienen voor de rest.
1. Voer een gerichte beoordeling uit van alle hoog-risico entiteiten binnen 2 weken. Documenteer de hoofdoorzaak voor elke entiteit en stel een herstelplan op met duidelijke deadlines en verantwoordelijke eigenaren.
2. Implementeer geautomatiseerde monitoring voor de matig-risico groep. Stel drempels in die een melding triggeren wanneer prestaties 5 procentpunten onder het streefniveau zakken, zodat vroege interventie mogelijk is.
3. Plan dit rapport maandelijks in als onderdeel van het QBR-proces. Gebruik de trenddata om te verifiteren dat verbeteringsinitiatieven daadwerkelijk resultaat opleveren over meerdere kwartalen.
De eerste reactie SLA is behaald wanneer de eerste communicatie terug naar de klant plaatsvindt binnen het afgesproken tijdvenster dat is gedefinieerd in het Autotask SLA-beleid. Het veld first_response_met in Proxuma Power BI is een boolean die aangeeft of dit doel is behaald. Het percentage in dit rapport is het aantal tickets waar het doel is gehaald gedeeld door het totaal aantal tickets voor die klant.
De oplossings-SLA is behaald wanneer het ticket is opgelost binnen het tijdvenster dat is gespecificeerd in het SLA-beleid van de klant. Het veld resolution_met werkt op dezelfde manier als eerste reactie: een boolean vlag per ticket. Een klant met 63,5% oplossings-compliance betekent dat ongeveer twee op de drie tickets op tijd zijn opgelost.
Eerste reactiedoelen zijn doorgaans strakker (bijv. 1 uur voor kritische tickets) en hangen volledig af van triagesnelheid en beschikbaarheid van technici op het moment dat het ticket binnenkomt. Oplossingsdoelen zijn langer (bijv. 4-8 uur of volgende werkdag) en geven het team meer ruimte. De meeste MSPs overschrijden de eerste reactie-SLA eerder dan de oplossings-SLA.
SLA-compliance meet of u de klok hebt gehaald. CSAT meet of de klant zich goed geholpen voelde. Sommige klanten geven minder om reactiesnelheid en meer om de kwaliteit van de oplossing, duidelijke communicatie of de relatie met hun accountmanager. Een late eerste reactie gevolgd door een grondige oplossing kan nog steeds een tevreden klantenquete opleveren.
Ja. Verbind Proxuma Power BI met uw Autotask PSA, voeg een AI-tool (Claude, ChatGPT of Copilot) toe via MCP, en stel dezelfde vraag. De AI schrijft de DAX-queries, draait ze op uw echte data en produceert een rapport als dit in minder dan vijftien minuten.
Klanten met FR-compliance boven 60% krijgen het label "Excellent" of "Goed". Tussen 35% en 60% is "Let op". Onder 35% is "Risico". Deze drempels zijn gebaseerd op de portfolioverdeling in deze dataset en kunnen per MSP worden aangepast.
Koppel Proxuma's Power BI integratie, gebruik een MCP-compatible AI om vragen te stellen en genereer op maat gemaakte rapporten - in minuten, niet in dagen.
Bekijk meer rapporten Aan de slag