Perkenalkan Dashboard Performance Analytics dari SleekFlow

Dashboard Performance Analytics menstandarkan pengukuran performa di semua channel yang terhubung dengan SleekFlow—termasuk WhatsApp, Instagram DM, TikTok Business Messaging, Facebook Messenger, SMS, dan channel lainnya.

Melalui dashboard ini, Anda dapat memantau kecepatan respons tim, efisiensi penyelesaian percakapan, serta perbedaan performa antar tim dan agen secara individual—tanpa harus mengandalkan pelaporan manual.

Dashboard ini terdiri dari tiga tampilan utama: Overall, Team, dan Agent—yang masing-masing dirancang untuk memberikan visibilitas pada level yang berbeda

1. Ukur kualitas layanan di semua percakapan dan tetapkan standar awal untuk seluruh perusahaan

Tab Overall memperlihatkan seluruh alur percakapan—mulai dari assignment, balasan pertama, respons manusia pertama, sampai resolusi—supaya Anda bisa tahu dengan jelas di bagian mana waktu banyak terbuang. Gunakan tab ini untuk mengantisipasi risiko SLA dan menetapkan patokan yang jelas untuk tim Anda.

Setiap chart membandingkan periode sekarang dengan periode sebelumnya, jadi Anda bisa cepat melihat apakah performa sedang membaik atau mulai menurun.

Tab ini dibagi menjadi dua bagian:

1.1 Lihat seberapa cepat tim Anda merespons di setiap tahap

Di bagian pertama tab Overall, Anda akan mendapatkan gambaran menyeluruh tentang kecepatan respons tim di semua channel messaging.

Ada lima metrik utama di bagian Response Time Overview:

Kartu KPI Average response time adalah pengecekan awal yang paling penting. Kalau angkanya stabil atau makin baik, berarti situasinya masih aman. Tapi kalau mulai naik terus, itu tanda Anda perlu cek lebih dalam sebelum berubah jadi masalah SLA.

Line chart membantu memberi gambaran yang lebih jelas. Lonjakan singkat biasanya berarti ada kenaikan permintaan sementara, sedangkan tren naik yang terus berlanjut biasanya menandakan ada masalah yang lebih mendasar dan perlu dicari penyebabnya.

Anda juga bisa memakai filter business hour supaya penilaian terhadap tim lebih adil, karena hanya melihat performa saat mereka benar-benar sedang bertugas. Kalau lonjakannya hilang setelah difilter, berarti masalahnya datang dari permintaan di luar jam kerja dan itu bisa dibantu oleh AI agent. Kalau tetap muncul saat jam kerja, berarti masalahnya memang ada di workflow tim Anda.

Tetap saja, angka rata-rata tidak pernah menceritakan semuanya — karena bisa saja pengalaman buruk pelanggan tertutup oleh angka tersebut. Distribution view menunjukkan bagaimana waktu respons sebenarnya tersebar. Contohnya, rata-rata 30 menit bisa terlihat baik, padahal 40% percakapan ternyata menunggu lebih dari satu jam. Di sinilah Anda mulai melihat gambaran yang lebih nyata dan menetapkan benchmark yang benar-benar masuk akal.

Untuk analisis yang lebih mendalam, Anda perlu memahami seberapa cepat percakapan baru diambil dan mulai ditangani oleh tim.

Dengan membandingkan kartu KPI Average first response time dan Average first human response time, selisih di antaranya menunjukkan berapa lama percakapan ditangani oleh AI atau automasi sebelum agen manusia mulai mengambil alih.

• Selisih yang makin besar tidak selalu berarti ada hambatan; bisa jadi ini menandakan AI Anda sedang melakukan “pekerjaan berat” — seperti mengkualifikasi leads dan mengumpulkan konteks sebelum handoff.

• Selisih yang kecil bisa menunjukkan bahwa automasi belum dimanfaatkan secara optimal, tetapi dalam situasi dengan intent tinggi atau prioritas tinggi, ini juga bisa berarti tim Anda sudah mengambil langkah yang tepat — yaitu membawa pelanggan ke agen manusia secepat mungkin.

Yang terpenting bukan besar kecilnya selisih itu sendiri, tetapi apakah waktu sebelum keterlibatan manusia benar-benar memberi nilai tambah atau justru menimbulkan keterlambatan yang tidak perlu

Mengidentifikasi titik hambatan

Jika metrik rata-rata memberi “gambaran umum”, grafik tren membantu menunjukkan secara lebih spesifik di bagian mana workflow tim Anda mengalami hambatan:

Jangan sampai angka rata-rata membuat pengalaman buruk pelanggan tidak kelihatan. Gunakan tabel distribusi di samping tiap grafik untuk melihat bagaimana percakapan benar-benar tersebar di setiap rentang waktu secara akurat — dan cari tahu berapa banyak pelanggan yang sebenarnya menunggu lebih lama, meski tertutup oleh angka rata-rata.

1.2 Ukur apakah percakapan benar-benar selesai — dan seberapa efisien prosesnya

Merespons dengan cepat baru separuh dari gambaran besarnya. Separuh lainnya ada di bagian kedua tab Overall, yang mengalihkan fokus ke hasil akhir—memberi Anda gambaran yang jelas tentang efisiensi resolusi di seluruh percakapan. Dengan begitu, Anda bisa melihat di mana pekerjaan mulai tersendat dan apakah tim Anda benar-benar membantu pelanggan menyelesaikan masalah mereka.

Metrik resolusi hanya akan akurat jika tim Anda menggunakan definisi “closed” yang konsisten.

Tanpa itu, perbedaan angka hanya akan mencerminkan ketidakkonsistenan proses—bukan performa yang sebenarnya.

Ada empat metrik yang perlu diperhatikan:

Sekilas, kartu KPI pada bagian Resolution time overview memberikan gambaran menyeluruh untuk melihat apakah percakapan benar-benar diselesaikan secara efisien:

• Jika resolution rate menurun, berarti semakin sedikit percakapan yang berhasil ditutup

• Jika resolution rate tetap stabil tetapi average resolution time meningkat, berarti percakapan tetap selesai, namun membutuhkan waktu lebih lama dibanding sebelumnya

Untuk analisis yang lebih rinci, grafik tren membantu menunjukkan titik keterlambatan yang mulai terbentuk:

• Average resolution time yang terus meningkat — menandakan percakapan membutuhkan waktu lebih lama untuk diselesaikan secara keseluruhan. Periksa apakah reassignments atau inefisiensi penanganan menjadi penyebabnya

• Average assignment to resolution time yang meningkat — menandakan keterlambatan terjadi setelah assignment. Agen membutuhkan waktu lebih lama sejak menerima percakapan hingga menyelesaikannya

• Average Number of Reassignments Before resolution yang meningkat — menunjukkan terlalu banyak handoff sebelum percakapan ditutup. Kondisi ini biasanya mengindikasikan adanya masalah routing, ownership yang kurang jelas, atau perlunya keterlibatan spesialis

Tetap saja, angka rata-rata bisa menutupi apa yang sebenarnya terjadi. Persentase percakapan yang selesai dalam rentang waktu tertentu mungkin terlihat baik, padahal ada sebagian percakapan yang memakan waktu jauh lebih lama untuk ditutup.

Untuk melihat lebih dalam lagi, gunakan filter berdasarkan label. Misalnya, kalau percakapan dengan label masalah teknis terus-menerus butuh waktu lebih lama untuk selesai, itu bisa jadi tanda bahwa Anda perlu routing khusus atau dukungan dari tim spesialis.

2. Compare team performance and capacity across the organization

Setelah Anda memiliki baseline untuk seluruh perusahaan, langkah berikutnya adalah memahami bagaimana performa berbeda di setiap tim — dan di mana ketidakseimbangan mulai muncul.

Alih-alih melihat tiap tim secara terpisah, tab Team menggabungkan semuanya dalam satu tempat, sehingga Anda bisa membandingkan beban kerja dan performa secara berdampingan serta mengambil keputusan alokasi sumber daya dengan lebih yakin.

Bar chart menunjukkan bagaimana percakapan didistribusikan di seluruh tim, sehingga Anda bisa langsung melihat apakah beban kerja sudah seimbang. Konteks ini sangat penting. Jika satu tim menangani percakapan jauh lebih banyak dibanding tim lain di channel yang sama, maka perlambatan response time sebaiknya dibaca sebagai masalah kapasitas, bukan masalah performa.

Untuk membaca data dengan lebih cepat, activity and performance table merangkum semuanya dalam satu tampilan. Anda bisa langsung membandingkan tiap tim dari sisi ukuran tim, volume percakapan, response time, dan resolution — dan dari situ pola biasanya mulai kelihatan.

Misalnya, kalau Tim A menangani volume percakapan dua kali lebih banyak daripada Tim B tapi tetap punya response time yang mirip, itu berarti tim tersebut bekerja cukup efisien meski bebannya lebih berat — walaupun belum tentu kondisi ini bisa terus dipertahankan dalam jangka panjang.

Sebaliknya, kalau dua tim menangani volume yang hampir sama tetapi salah satunya terus menunjukkan response time atau resolution yang lebih lambat, berarti masalahnya kemungkinan ada di faktor internal — seperti workflow, routing, atau cara antrean dikelola.

Tab Team membantu Anda fokus pada beberapa pertanyaan penting:

• Apakah ada tim tertentu yang menanggung beban kerja lebih besar dari yang seharusnya? Kalau iya, penyeimbangan lebih awal bisa mencegah performa ikut turun.

• Apakah perlambatan terjadi karena permintaan yang tinggi atau karena proses yang tidak efisien? Membedakan keduanya penting supaya Anda bisa memperbaiki masalah yang benar — apakah perlu menambah kapasitas atau membenahi proses.

• Terakhir, apakah tim Anda sudah siap untuk scale? Dengan gambaran yang jelas tentang bagaimana tiap tim bekerja di bawah beban yang berbeda, Anda bisa mengambil keputusan staffing berdasarkan data, bukan feeling — lalu melihat apakah keputusan itu benar-benar memperbaiki performa.

3. Bandingkan performa individu untuk mengidentifikasi top performer dan mengarahkan coaching

Setelah pola di level tim teridentifikasi, langkah berikutnya adalah melihat bagaimana pola tersebut muncul di level individu. Tab Agent membantu memfokuskan analisis ini, sehingga Anda dapat mengevaluasi performa antar agen dan mengubah insight menjadi tindakan yang lebih terarah.

Pada tahap ini, tujuan utamanya bukan sekadar perbandingan, tetapi kejelasan.

Dengan melihat metrik individu dalam konteks yang tepat, Anda dapat mengetahui agen mana yang secara konsisten menangani volume percakapan tinggi sambil mempertahankan response time dan resolution time yang baik, serta agen mana yang mungkin mulai mengalami kesulitan.

Di sinilah data menjadi sangat berguna untuk manajemen operasional sehari-hari. Sebagai contoh, agen yang mampu menangani banyak percakapan dengan response time dan resolution time yang tetap stabil dapat menjadi benchmark yang jelas untuk tim.

Di sisi lain, jika ada agen yang menunjukkan response time lebih lambat setelah assignment tetapi tetap memiliki performa baik saat percakapan sudah berjalan, maka masalahnya kemungkinan berada pada queue management, bukan responsivitas. Pemahaman ini memungkinkan coaching dilakukan dengan lebih tepat.

Karena semua metrik telah distandarkan, perbandingan performa menjadi lebih adil. Manajer tidak perlu lagi bergantung pada penilaian umum, tetapi dapat mengevaluasi agen menggunakan data yang konsisten, sehingga performance review menjadi lebih objektif dan lebih mudah dijustifikasi.

Dalam jangka panjang, hal ini membantu menutup gap performa individu sebelum berdampak pada customer experience. Dengan begitu, Anda dapat mengidentifikasi kebutuhan dukungan lebih awal dan mengarahkan perbaikan secara lebih jelas.

Keuntungan menggunakan dashboard performance analytics dari SleekFlow

• Identifikasi ketidakseimbangan beban kerja sebelum performa menurun — Lihat kapan tim atau agen tertentu menangani volume percakapan yang jauh lebih tinggi, lalu lakukan penyesuaian assignment sebelum response time terdampak.

• Perbaiki bottleneck yang tepat, bukan hanya yang paling terlihat — Telusuri performa dari level perusahaan → tim → agen untuk mengetahui secara spesifik di mana keterlambatan terjadi pada response time, assignment, dan resolution, lalu ambil tindakan secara presisi.

• Rencanakan staffing dan training dengan data kapasitas yang akurat — Gunakan bukti nyata dalam setiap diskusi terkait kebutuhan resource.

• Jalankan performance review mingguan dalam hitungan menit, bukan jam — Gantikan pelaporan manual dengan dashboard real-time yang langsung menampilkan metrik response time, workload, dan resolution.

• Lakukan coaching agen dengan insight yang objektif — Gunakan data performa yang sama untuk mendukung diskusi performa yang adil, konsisten, dan berbasis fakta, bukan asumsi.