This report provides a detailed breakdown of first-contact resolution: hoeveel tickets worden afgesloten door de eerste toegewezen resource? for managed service providers.
The data covers the full scope of Autotask PSA records relevant to this analysis, broken down by the key dimensions your team needs for day-to-day decisions and client reporting.
Who should use this: Service desk managers, dispatch leads, and operations teams
How often: Daily for queue management, weekly for trend analysis, monthly for capacity planning
Een FCR van 11,3% betekent dat van elke 100 afgeronde tickets er maar 11 van begin tot einde door dezelfde technicus worden afgehandeld. Het escalatiepercentage van 88,7% is het spiegelbeeld: de grote meerderheid van tickets passeert minimaal één overdracht. Of dat noodzakelijke specialistenrouting of vermijdbare chaos weerspiegelt, hangt af van wat je ziet als je inzoomt op technicus en categorie.
Het eerste-uur-fix-percentage van 16,1% verdient aparte aandacht. Tickets die binnen een uur worden opgelost, blijven bijna altijd bij de eerste technicus. Dit betekent dat het werkelijke verbeterpotentieel niet in de volledige 88,7% escalaties zit: het zit in de subset waarbij een overdracht geen enkele waarde toevoegde.
EVALUATE ROW("FirstHourFix", [Tickets - First Hour Fix %], "SameDayRes", [Tickets - Same Day Resolution %], "ClosureRate", [Tickets - Closure Rate %], "TotalTickets", [Tickets - Count - Created])| Technicus | Gesloten tickets | FCR-aantal | FCR % | FCR-balk |
|---|---|---|---|---|
| David Collins | 1.672 | 607 | 36,3% | |
| Jane Stewart | 2.614 | 896 | 34,3% | |
| Brandon Bishop | 2.632 | 399 | 15,2% | |
| Jonathon Burton | 1.665 | 225 | 13,5% | |
| Daniel Daniels | 2.427 | 311 | 12,8% | |
| Gregory Horn | 3.234 | 328 | 10,1% | |
| Andrew Roberts | 1.871 | 152 | 8,1% | |
| Tracy Fitzpatrick | 3.585 | 265 | 7,4% | |
| Mr. David Cooper DDS | 21.279 | 1.298 | 6,1% | |
| Maxwell Reed | 1.899 | 63 | 3,3% |
Het FCR-verschil tussen David Collins (36,3%) en Maxwell Reed (3,3%) is geen afrondingsfout: het is een factor elf. Zo'n spreiding wijst op één van drie dingen: diepte van technicusexpertise, verdeling van tickettypen per persoon, of een routeringssysteem dat geen rekening houdt met wie wat werkelijk kan afsluiten. Collins en Stewart lossen tickets zelf op in een tempo dat meer dan drie keer het teamgemiddelde is.
Mr. David Cooper DDS verwerkt de meeste tickets van iedereen op deze lijst (21.279 gesloten), maar zit op 6,1% FCR. Volume alleen bouwt geen first-contact resolution. Specialisatie en routeringsprecisie wel.
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
FILTER(Tickets, Tickets[Status] = "Completed"),
Tickets[AssignedTechnician],
"Total_Closed", COUNTROWS(Tickets)
),
"FCR_Count", CALCULATE(
COUNTROWS(Tickets),
Tickets[FirstAssignedResource] = Tickets[ClosingResource]
),
"FCR_Pct", DIVIDE(
CALCULATE(COUNTROWS(Tickets), Tickets[FirstAssignedResource] = Tickets[ClosingResource]),
COUNTROWS(Tickets)
)
)
ORDER BY [FCR_Pct] DESC| Klant | Totaal tickets | FCR % | Beoordeling |
|---|---|---|---|
| Rivers, Rogers and Mitchell | 6.268 | 24,5% | Boven gemiddeld |
| Price-Gomez | 2.155 | 17,8% | Boven gemiddeld |
| Ramos Group | 1.692 | 17,1% | Boven gemiddeld |
| Little Group | 5.250 | 9,1% | Onder gemiddeld |
| Craig-Huynh | 5.393 | 9,0% | Onder gemiddeld |
| Wall PLC | 2.356 | 6,0% | Onder gemiddeld |
| Lewis LLC | 1.745 | 4,8% | Lage FCR |
| Thompson, Contreras and Rios | 1.783 | 4,4% | Lage FCR |
| Martin Group | 2.742 | 5,3% | Lage FCR |
| Blanchard-Glenn | 2.364 | 0,04% | Bijna nul FCR |
Blanchard-Glenn springt er onmiddellijk uit. Met 2.364 tickets en een FCR van 0,04% wordt vrijwel elk ticket opnieuw toegewezen. Dit kan een bewuste accountteamstructuur weerspiegelen waarbij de eerste aanraking altijd een dispatcher is, of het kan een routeringsprobleem zijn dat specifiek voor deze klant geldt. Hoe dan ook: het vraagt om een nader onderzoek naar hoe tickets van Blanchard-Glenn worden gecategoriseerd en toegewezen.
Rivers, Rogers and Mitchell zit op 24,5% FCR met meer dan 6.000 tickets. Die combinatie van schaal en relatief hoge resolutieprestaties suggereert dat de routering voor deze klant bewuster is ingericht. Het contrast met Craig-Huynh (9,0%, 5.393 tickets) bij vergelijkbaar volume is een nuttig vergelijkingspunt.
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
FILTER(Tickets, Tickets[Status] = "Completed"),
Tickets[CompanyName],
"Total_Tickets", COUNTROWS(Tickets)
),
"FCR_Count", CALCULATE(
COUNTROWS(Tickets),
Tickets[FirstAssignedResource] = Tickets[ClosingResource]
),
"FCR_Pct", DIVIDE(
CALCULATE(COUNTROWS(Tickets), Tickets[FirstAssignedResource] = Tickets[ClosingResource]),
COUNTROWS(Tickets)
)
)
ORDER BY [Total_Tickets] DESC| Categorie | Totaal tickets | FCR % | FCR visueel |
|---|---|---|---|
| Research scientist (life sciences) | 27.738 | 20,6% | |
| Naval architect | 1.687 | 17,5% | |
| Oceanographer | 3.089 | 8,1% | |
| Product manager | 16.390 | 5,7% | |
| Airline pilot | 13.307 | 0,02% |
Airline pilot-tickets hebben een bijna-nul FCR over 13.307 tickets. Dit is het meest geconcentreerde routeringsfalen in de dataset. Een categorie die zo groot is met vrijwel geen first-contact resolution wordt vrijwel zeker via een dispatcher of eerstelijns team geleid dat geen bevoegdheid of tooling heeft om tickets zelf te sluiten. De oplossing is niet iedereen trainen op airline pilot-problemen: het is die tickets rechtstreeks naar de juiste persoon sturen, of een specialistenqueue aanmaken.
Research scientist-tickets, die met 27.738 de grootste enkelvoudige categorie vormen, halen 20,6% FCR. Dat is bijna twee keer het totaalgemiddelde. Welke routeringslogica ook van toepassing is op deze categorie: het werkt beter dan de rest en het is de moeite waard om te onderzoeken wat je elders kunt overnemen.
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
FILTER(Tickets, Tickets[Status] = "Completed"),
Tickets[Category],
"Total_Tickets", COUNTROWS(Tickets)
),
"FCR_Count", CALCULATE(
COUNTROWS(Tickets),
Tickets[FirstAssignedResource] = Tickets[ClosingResource]
),
"FCR_Pct", DIVIDE(
CALCULATE(COUNTROWS(Tickets), Tickets[FirstAssignedResource] = Tickets[ClosingResource]),
COUNTROWS(Tickets)
)
)
ORDER BY [Total_Tickets] DESCHet escalatiepercentage is het bepalende getal hier. Bijna 9 van de 10 tickets wisselt van eigenaar. Een deel daarvan is gepaste specialistenrouting, maar op deze schaal is de kans op significante vermijdbare chaos groot. De kosten verschijnen in langere resolutietijden, contextschakelen bij technici en klantfacing vertragingen die het vertrouwen aantasten.
Een categorie die zo groot is met een FCR van 0,02% is geen vaardigheidsprobleem: het is een structureel routeringsprobleem. Elk ticket in deze categorie passeert minimaal één overdracht. Het repareren van de eerste-toewijzingslogica voor deze ene categorie kan uw totale FCR merkbaar verbeteren.
David Collins sluit 36,3% van zijn tickets zelf. Maxwell Reed sluit er 3,3% zelf. Als je kunt achterhalen wat Collins en Stewart anders doen — of dat nu tickettype, klantkennis of een andere aanpak van triage is — heb je een coachingkans die geen extra personeel vereist.
Deze klantcombinatie is een aanwijzing voor een klantspecifiek onderzoek. De bijna-nul FCR bij dat ticketvolume weerspiegelt vrijwel zeker een procesmatig probleem. Het kan zo simpel zijn dat alle tickets via een dispatcher worden ingelogd voor toewijzing, maar het verdient een expliciet antwoord.
Dit is de categorie die werkt. Met 27.738 tickets (de grootste enkelvoudige categorie) toont een FCR van 20,6% aan dat schaal en first-contact resolution niet onverenigbaar zijn. De routeringslogica voor deze categorie is het documenteren waard en de aanpak is elders toepasbaar.
Met 6.268 tickets en 24,5% FCR is dit de best presterende grote klant. De combinatie van volume en bovengemiddelde resolutiekwaliteit suggereert dat er een klantspecifieke routeringsstrategie actief is. Begrijpen hoe die eruitziet kan de FCR voor andere grote klanten met vergelijkbare complexiteit verbeteren.
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
FILTER(Tickets, Tickets[Status] = "Completed"),
Tickets[CompanyName],
Tickets[Category],
Tickets[AssignedTechnician],
"Total_Tickets", COUNTROWS(Tickets)
),
"FCR_Count", CALCULATE(
COUNTROWS(Tickets),
Tickets[FirstAssignedResource] = Tickets[ClosingResource]
),
"FCR_Pct", DIVIDE(
CALCULATE(COUNTROWS(Tickets), Tickets[FirstAssignedResource] = Tickets[ClosingResource]),
COUNTROWS(Tickets)
),
"Avg_Hours_To_Close", AVERAGEX(Tickets, Tickets[HoursToClose]),
"Same_Day_Pct", DIVIDE(
CALCULATE(COUNTROWS(Tickets), Tickets[DaysToClose] = 0),
COUNTROWS(Tickets)
)
)
WHERE [Total_Tickets] >= 10
ORDER BY [FCR_Pct] DESCDe eerste toegewezen resource is de technicus die aan het ticket was toegewezen op het moment van aanmaak of eerste toewijzing, voor enige hertoewijzing plaatsvond. De sluitende resource is degene die was toegewezen toen de ticketstatus veranderde naar "Completed." Als die twee dezelfde persoon zijn, telt het ticket mee als FCR. Tickets die nooit opnieuw werden toegewezen maar werden gesloten door iemand anders dan de oorspronkelijke toewijzing worden afgehandeld op basis van hoe uw PSA toewijzingen registreert, en het exacte gedrag kan per configuratie variëren.
Het hangt af van uw servicemodel. Als u een gelaagde ondersteuningsstructuur hanteert waarbij eerstelijnsmedewerkers bewust escaleren naar specialisten, is een lage FCR by design. Het getal wordt een probleem wanneer escalaties vermijdbaar zijn: wanneer de eerst-toegewezen technicus de vaardigheden had om het ticket te sluiten maar het toch doorgaf, of wanneer de routeringslogica tickets consequent naar de verkeerde persoon als eerste stuurt. De nuttigere vraag is niet of 11,3% "slecht" is, maar of uw FCR per categorie en per technicus patronen toont die op aanpakbare routing- of vaardigheidskloven wijzen.
De snelste winsten komen doorgaans uit routeringsregels, niet uit trainingsprogramma's. Als airline pilot-categorietickets bijna geen FCR hebben en 13.000 tickets in volume, is de eerste vraag of die tickets worden gerouteerd naar een technicus die ze bij eerste contact daadwerkelijk kan oplossen. Het bijwerken van de dispatching-regels in uw PSA om ticketcategorieën te koppelen aan technicusvaardigheidsprofiel kan FCR verbeteren zonder extra werving of training. Kijk ook naar de technici met hoge FCR-percentages: identificeer welke tickettypen ze goed verwerken en zorg dat die tickets bij voorkeur als eerste naar hen worden gerouteerd.
Ja. De DAX-queries in dit rapport kunnen worden uitgebreid met een datumfilter op basis van uw ticketsluitingsdatum of aanmaakdatum. Zodra u een tijdfilter toevoegt, kunt u FCR maand-over-maand bijhouden, vaststellen of wijzigingen in routeringsregels of teamsamenstelling het percentage hebben verbeterd en seizoenspatronen ontdekken. Een handig formaat is een maandelijks FCR-lijngrafiek uitgesplitst per categorie of technicus, waarbij routeringswijzigingen zichtbaar worden als inflectiepunten in de trend.
Andere ticket- en resolutievragen beantwoord door Proxuma AI.
Connect Proxuma Power BI to your PSA, RMM, and M365 environment, use an MCP-compatible AI to ask questions, and generate custom reports - in minutes, not days.
See more reports Get started