Naar de inhoud

Metrics

9 chat-KPI's voor klantenservice: snelheid en kwaliteit

Chat-KPI's voor je klantenservice: 9 metrics voor productiviteit en kwaliteit, elk met een formule, een benchmark uit 2024 en hoe je hem verbetert.

· Bijgewerkt · 19 min. lezen

Gecontroleerd door Dominik Blattner, oprichter van Kaizo

De KPI’s voor chat in de klantenservice zijn de cijfers die laten zien hoe goed je livechatsupport presteert op snelheid, oplossing en klantbeleving. Hieronder staan de negen die het volgen waard zijn, elk met een formule, een benchmark met bron waar die bestaat en hoe je hem in beweging krijgt. Samen vormen ze de productiviteitsmetrics voor chatmedewerkers die een supportleider nodig heeft, zolang je elke metric koppelt aan een kwaliteitsscore.

In het kort

  • Begin met de tijd tot eerste antwoord, first contact resolution en CSAT.
  • Volgens de cijfers van LiveChat uit 2024 komt het eerste antwoord gemiddeld na 35 seconden.
  • Vergelijk chatcijfers alleen met chat, nooit met telefoon of e-mail.
  • Koppel elke snelheidsmetric aan een kwaliteitsscore op dezelfde chats.
  • Gebruik productiviteitscijfers zoals chats per medewerker voor de personeelsplanning, en coach op basis van de gesprekken erachter.

Met chatmetrics stop je met gokken. Goed gemeten laten ze zien waar medewerkers snel zijn en waar ze vastlopen, welke vragen steeds terugkomen en of klanten een chat tevreden of gefrustreerd afsluiten. Deze gids behandelt de negen die een plek op je dashboard verdienen, en daarna het ene dat een metricsdashboard je nooit vertelt. De cijfers leveren pas iets op als ze uitmonden in coaching op basis van kwaliteitscontrole en in support-inzichten die verklaren waarom een cijfer bewoog, dus elke sectie eindigt met wat je verandert, niet alleen met wat je in de gaten houdt.

Livechatmetrics van meerdere kanalen in één Kaizo-dashboard

KPI chat klantenservice in één oogopslag

De negen chat-KPI’s hieronder dekken snelheid, oplossing, volume, klantbeleving en werkdruk, elk met een formule en een benchmark waar die bestaat. De benchmarks komen uit het LiveChat Customer Service Report (cijfers over 2024), van SQM Group voor FCR en uit de NPS-bandbreedtes van Bain, samengevat door Qualtrics.

We noemen alleen benchmarks waarvan we de oorspronkelijke bron konden controleren. Waar die er niet is, is je eigen trendlijn het doel.

ChatmetricFormuleWat goed is
Tijd tot eerste antwoord (First Response Time, FRT)Gemiddelde van (eerste antwoord van de medewerker − eerste bericht van de klant)Gemiddelde bij klanten van LiveChat: 35 seconden (LiveChat, 2024)
First contact resolution (FCR)(Chats opgelost bij het eerste contact ÷ totaal aantal chats) × 10070 tot 79% is goed, 80% of meer is wereldklasse voor contactcenters (SQM Group)
Gemiddelde oplostijd (Average Resolution Time, ART)Totale oplostijd ÷ aantal opgeloste chatsEen chat duurt gemiddeld 8 minuten en 25 seconden (LiveChat, 2024)
Totaal aantal chatsAantal geopende, gemiste en opgeloste chats per periodeGeen doel. Let op pieken en dalen
CSAT(Positieve antwoorden ÷ totaal aantal antwoorden) × 100Gemiddelde voor beoordeelde chats: 64,2% (LiveChat, 2024). Doe beter dan je eigen nulmeting
NPS% promotors − % criticastersBoven 0 is goed, boven 50 is uitstekend, volgens Bain (Bain, via Qualtrics)
Gemiste en afgebroken chats(Gemiste of afgebroken chats ÷ totaal aantal inkomende) × 100Gemiddelde uitval in de wachtrij: 27,4% (LiveChat, 2024). Lager is beter
Tags (contactredenen)Aantal getagde chats per categorieGeen doel. Volg de belangrijkste redenen in de loop van de tijd
Chats per medewerkerTotaal aantal chats ÷ aantal medewerkersGemiddeld: 84,1 chats per medewerker per dag (LiveChat, 2024). Gebruik het voor personeelsplanning, niet om te beoordelen

Welke metrics je kiest, hangt af van je bedrijf, en meer is niet beter. Kies de handvol die aansluit op je doelen, maak ze betrouwbaar en breid pas daarna uit. Hoe ze passen naast metrics voor telefoon en e-mail, lees je in onze gids over KPI’s en metrics in de klantenservice.

belangrijkste livechatmetrics om te volgen

1. Tijd tot eerste antwoord (First Response Time, FRT)

Wat het meet: hoe lang een klant wacht tussen het versturen van zijn eerste bericht en het eerste antwoord van een medewerker.

Formule: gemiddelde van (tijdstip eerste antwoord van de medewerker − tijdstip eerste bericht van de klant) over alle chats.

Benchmark: bij de klanten van LiveChat komt het eerste antwoord gemiddeld na 35 seconden (LiveChat Customer Service Report, 2024). Zie dat als referentiepunt, niet als doel voor elk team.

De tijd tot eerste antwoord zet de toon. Het is meestal de eerste indruk die een klant van je supportteam krijgt, en livechat (in het Engels) brengt een duidelijke verwachting mee: het heet niet voor niets live, dus klanten verwachten een vrijwel direct antwoord. Wacht je te lang, dan slaat de frustratie toe voordat het gesprek zelfs maar begonnen is.

Verwachtingen over de reactietijd verschillen per platform en sector, dus het loont om een doel te kiezen dat bij jou past in plaats van een algemeen getal na te jagen. Onze analyse van wat een hoge tijd tot eerste antwoord veroorzaakt (in het Engels) behandelt de gebruikelijke boosdoeners.

Zo verbeter je het:

  • Volg de FRT over dagen, weken en seizoenen. Een aanhoudende stijging betekent meestal dat medewerkers op bepaalde momenten overbelast zijn. Dat is een signaal voor je personeelsplanning, geen prestatieprobleem.
  • Gebruik gelijktijdige chats. Anders dan aan de telefoon kan één medewerker meerdere chats tegelijk voeren, dus het aantal gelijktijdige chats per medewerker goed instellen is een van de snelste manieren om de wachttijd te verkorten.
  • Zet opgeslagen antwoorden in voor veelvoorkomende openingen, zodat medewerkers de klant meteen een eerste reactie geven terwijl ze aan het volledige antwoord werken.

tijd tot eerste antwoord als livechatmetric

2. First contact resolution (FCR)

Wat het meet: het aandeel chats dat in één gesprek wordt opgelost, zonder dat er een vervolg nodig is.

Formule: (chats opgelost bij het eerste contact ÷ totaal aantal chats) × 100.

Benchmark: de FCR-benchmarks van SQM Group noemen 70 tot 79% goed en 80% of hoger wereldklasse. Die cijfers komen uit contactcenters in het algemeen, dus gebruik ze als ruwe richtlijn voor chat.

FCR is een van de duidelijkste voorspellers van klanttevredenheid. Krijgen klanten de eerste keer een volledig antwoord, dan gaan ze tevreden weg; moeten ze terugkomen, dan daalt de tevredenheid bij elke herhaling. Een lage FCR wijst meestal op een van drie dingen: medewerkers hebben meer training nodig, je kennisbank is lastig te doorzoeken, of de vragen zelf zijn echt complex.

Zo verbeter je het:

  • Coach en train medewerkers zodat ze de tools en productkennis hebben om vragen direct op te lossen in plaats van te escaleren.
  • Vergelijk FCR tussen kanalen. Een hoge FCR aan de telefoon maar een lage in de chat wijst vaak op een gat in tooling of toegang tot kennis dat specifiek is voor chat.
  • Houd je interne kennisbank actueel, zodat medewerkers het juiste antwoord vinden zonder de klant te laten wachten.

3. Gemiddelde oplostijd (Average Resolution Time, ART)

Wat het meet: de gemiddelde tijd om een chat volledig op te lossen, van het eerste bericht tot het moment dat de vraag is afgehandeld.

Formule: totale oplostijd ÷ aantal opgeloste chats.

Benchmark: een chat duurt bij de klanten van LiveChat gemiddeld 8 minuten en 25 seconden (LiveChat-cijfers over chatduur, 2024).

ART laat zien hoe efficiënt je team vragen afhandelt en welke medewerkers of onderwerpen het langst duren, en dat is een kans voor coaching. Maar behandel het als contextmetric, nooit los van de rest.

Neem twee klanten met dezelfde vraag: de ene wordt binnen een dag geholpen maar de hele tijd op de hoogte gehouden en voelt zich gerustgesteld, de andere wordt binnen een uur geholpen met één kortaf antwoord. Sneller is niet automatisch beter. Een langer gesprek waarin de klant zich gehoord voelt, kan beter zijn dan een snel gesprek dat hem koud laat.

Omdat ART zo makkelijk verkeerd te lezen is, is dit de metric waarbij scores moeten uitmonden in coaching, niet in een afrekeninstrument. Koppel elke trage chat aan een concreet gesprek en gebruik het om van te leren, niet om te rangschikken. Kaizo zet kwaliteitsbevindingen om in AI-coachingkaarten per medewerker, zodat managers coachen met echte voorbeelden in plaats van spreadsheets samen te stellen. Daarover verderop meer.

Zo verbeter je het:

  • Bereik klanten op de kanalen die ze al gebruiken, zodat ze snel reageren en gesprekken niet stilvallen.
  • Orden standaardantwoorden voor veelgestelde vragen om sneller en consistenter te antwoorden.
  • Stuur chats automatisch naar het juiste team, zodat klanten niet van medewerker naar medewerker worden doorgeschoven.

Kaizo-coachingkaart gemaakt op basis van chatkwaliteitsdata

4. Totaal aantal chats

Wat het meet: het totale aantal geopende, gemiste en opgeloste gesprekken in een bepaalde periode.

Formule: een eenvoudige telling van chatgesprekken in de gekozen periode, uitgesplitst naar status.

Benchmark: deze metric draait om de trend, niet om een vast doel. Het gaat om de vorm van de curve en de afwijkingen daarin.

Het totale chatvolume is je graadmeter voor betrokkenheid en een input voor productiviteit, maar de echte waarde zit in de verrassingen. Een laag aantal in het hoogseizoen kan betekenen dat klanten je chatwidget niet vinden. Veel dezelfde vragen betekent dat het antwoord op je website te moeilijk te vinden is. Lees het volume als diagnose, niet alleen als telling.

Zo verbeter (of interpreteer) je het:

  • Publiceer antwoorden op de meest gestelde vragen in een FAQ of op een helppagina, zodat herhaalvragen niet in de wachtrij belanden.
  • Stem de bezetting af op seizoenspieken, zodat hogere volumes je andere metrics niet verslechteren.

livechat in de klantenservice

5. Klanttevredenheid (CSAT)

Wat het meet: hoe tevreden klanten direct na een chat zijn, meestal gemeten met een enquête na de chat waarvoor één klik volstaat.

Formule: (positieve antwoorden ÷ totaal aantal antwoorden) × 100.

Benchmark: LiveChat meldt een gemiddelde tevredenheidsscore van 64,2% voor beoordeelde chats, en slechts 6,7% van de chats krijgt überhaupt een beoordeling (LiveChat-cijfers over tevredenheid, 2024). Met zo weinig beoordelingen telt je eigen trend zwaarder dan het branchecijfer.

CSAT is de standaardmetric voor tevredenheid op elk kanaal, en livechat past er bijzonder goed bij omdat je om feedback kunt vragen zodra het gesprek eindigt, terwijl de ervaring nog vers is. Positieve en negatieve beoordelingen samen geven een helder beeld van waar de service uitblinkt en waar werk nodig is. Regelmatig gemeten laat CSAT trends in klantgedrag zien en geeft het je realtime signalen om op te handelen.

Snelheid en tevredenheid hangen samen. Lang wachten zet klanten in een slecht humeur nog voordat het gesprek begint, dus de FRT verbeteren is vaak de snelste route naar een betere CSAT.

Zo verbeter je het:

  • Verbeter de tijd tot eerste antwoord, zodat klanten niet zitten te wachten als de enquête binnenkomt.
  • Coach en train om first contact resolution te verhogen, want chats die in één keer zijn opgelost, scoren het hoogst.
  • Gebruik standaardantwoorden om de gemiddelde oplostijd te verkorten zonder aan warmte in te boeten.

Het complete stappenplan lees je in klanttevredenheid verbeteren (in het Engels).

klanttevredenheidsenquête voor livechat

6. Net Promoter Score (NPS)

Wat het meet: hoe waarschijnlijk het is dat klanten je aanbevelen, op een schaal van 0 tot 10.

Formule: % promotors − % criticasters. Scores van 9 tot 10 zijn promotors, 7 tot 8 passives en 0 tot 6 criticasters.

Benchmark: Bain & Company, de bedenker van NPS, beschouwt elke score boven 0 als goed en boven 50 als uitstekend (Qualtrics).

NPS is één vraag die veel onthult. Het probleem is dat tevreden klanten hun enthousiasme zelden uit zichzelf delen, en daar helpt livechat: een enquête die automatisch verschijnt aan het einde van een chat lokt op dat moment een reactie uit, als de welwillendheid groot is. Criticasters (0 tot 6) lopen het risico negatieve mond-tot-mondreclame te verspreiden, passives (7 tot 8) zijn tevreden maar niet loyaal, en promotors (9 tot 10) zijn de ambassadeurs die je wilt koesteren.

Zo verbeter je het:

  • Benader criticasters proactief. Hun feedback is ongemakkelijk, maar het is de goedkoopste vroege waarschuwing die je krijgt.
  • Volg promotors op via chat, met een aanbieding, een verzoek om een review of gewoon een bedankje.
  • Stuur de feedback door naar de beslissers die er echt iets mee kunnen.

NPS-enquête als chatmetric

7. Gemiste en afgebroken chats

Wat het meet: de verzoeken die je nooit hebt beantwoord (gemiste chats) en de verzoeken waarbij klanten het opgaven voordat een medewerker reageerde (afgebroken chats).

Formule: (gemiste of afgebroken chats ÷ totaal aantal inkomende chatverzoeken) × 100.

Benchmark: houd het zo laag mogelijk. Bij de klanten van LiveChat verliet 27,4% van de mensen in de wachtrij de chat voordat een medewerker reageerde (LiveChat-cijfers over wachtrijen, 2024).

Een klant laten wachten is één probleem. Zijn bericht helemaal missen is erger. Als je livechat aanbiedt, verwachten klanten dat je bereikbaar bent, en een structureel hoog percentage gemiste chats, of sterke schommelingen daarin, is een duidelijk teken dat er iets moet worden opgelost. Onbeantwoorde chats drukken niet alleen je metrics, ze schaden het vertrouwen, dus contact opnemen met de klanten van wie je de chat hebt gemist, is belangrijker dan het cijfer zelf.

Zo verbeter je het:

  • Zet AI-chatbots in om eenvoudige vragen af te handelen als er geen medewerkers beschikbaar zijn, zodat geen enkel verzoek volledig onbeantwoord blijft.
  • Praat met medewerkers over werkdruk en multitasking, en maak het normaal om hulp te vragen als de wachtrij oploopt.
  • Test je tooling onder druk. Is je platform echt ingericht op je piekvolume aan chats?

8. Tags (contactredenen)

Wat het meet: waarom klanten een chat starten, vastgelegd door elk gesprek in een categorie in te delen.

Formule: een telling per categorie van getagde chats, idealiter na verloop van tijd geautomatiseerd door je supportsoftware.

Benchmark: er is geen streefgetal. De waarde zit in het zien van je belangrijkste contactredenen en hoe die verschuiven.

Met tags kan wie een chat reviewt vastleggen waar die over ging, en na verloop van tijd automatiseert een goede supporttool die verzameling. Het resultaat: je weet welke vragen het vaakst terugkomen, zodat je ze kunt doorverwijzen naar artikelen in het helpcentrum, nieuwe artikelen kunt schrijven of het onderliggende product- of procesprobleem kunt oplossen. Taggen bouwt ook een bibliotheek met referentiemateriaal op om te trainen op zeldzame, complexe gevallen.

Zo verbeter je het:

  • Maak het aanmaken van categorieën een bewuste beslissing van bovenaf die aansluit op je KPI’s, zodat je niet verdrinkt in tags die niets nuttigs meten.
  • Wees consequent. Taggen werkt alleen als iedereen dezelfde categorieën op dezelfde manier toepast.

9. Chats per medewerker

Wat het meet: de gemiddelde werkdruk van medewerkers en hoe efficiënt je je chatcapaciteit benut.

Formule: totaal aantal chats ÷ aantal medewerkers over de maand.

Benchmark: het gemiddelde van LiveChat is 84,1 chats per medewerker per dag (LiveChat-cijfers over werkdruk, 2024), maar jouw cijfer hangt af van de complexiteit van de chats en het aantal gelijktijdige chats. Gebruik het voor beslissingen over bezetting, niet als prestatiescore.

Chats per medewerker vertelt je of je investering in chat goed wordt benut, maar het cijfer schommelt sterk en wordt bepaald door krachten waar geen teamleider controle over heeft, van seizoenspieken tot eenmalige gebeurtenissen. December brengt bijna altijd een piek, die teams opvangen met seizoenskrachten of uitbestede support. Hoge cijfers kunnen medewerkers overbelasten, en een aanhoudend laag cijfer kan op een dieper probleem wijzen, dus lees deze metric in context.

Zo verbeter je het:

  • Om het te verlagen: kijk opnieuw naar werkprocessen en bezetting, en vraag medewerkers hoe het gaat. Een hoog cijfer kan betekenen dat iemand permanent op volle toeren draait, dus zorg dat diegene ondersteuning krijgt en pauzes neemt. Aanhoudende overbelasting is een belangrijke oorzaak van burn-out in het callcenter (in het Engels).
  • Om het te verhogen: stem het werk af op de vaardigheden. Een hoog chatvolume beloont snelle, nauwkeurige typers, dus stuur de zware chatlast naar de medewerkers die daarvoor geschikt zijn en ondersteun de rest.

Productiviteitscijfers zeggen hoeveel werk er is gedaan, niet hoe goed. Hoe je beide verbetert, lees je in onze gids om de prestaties van medewerkers te verbeteren.

Chat vs. e-mail vs. telefoon: metrics per kanaal volgen

Volg op elk kanaal dezelfde kernmetrics, maar stel per kanaal doelen: chat beoordeel je in seconden en gelijktijdige chats, e-mail in uren en volledigheid, telefoon in wachttijd en afhandeltijd.

MetricLivechatE-mailTelefoon
Eerste antwoordSeconden, terwijl de klant op de pagina wachtUren, vastgelegd in je SLATijd tot opnemen in de wachtrij
OplossingBinnen de sessie, vaak met meerdere chats tegelijkVerspreid over meerdere antwoordenBinnen het gesprek, plus terugbelverzoeken
WerkdrukChats per medewerker en gelijktijdige chatsOpgeloste tickets per medewerkerGesprekken per uur en afhandeltijd
UitvalKlanten die de wachtrij verlaten voor een antwoordZeldzaam: blijkt uit geen reactie op een follow-upAfgebroken gesprekken in de wachtrij
TevredenheidEnquête aan het einde van de chatsessieEnquête nadat het ticket is opgelostEnquête na het gesprek of via IVR

Vergelijk elk kanaal met zijn eigen historie, nooit met de andere kanalen. Een chatteam met een lagere FCR dan het telefoonteam krijgt misschien andere vragen, en via e-mail komen vaak de complexe zaken binnen. Voor de kwaliteitskant van telefonie behandelt onze gids over kwaliteitsindicatoren voor de klantenservice de cijfers die CSAT aan de telefoon voorspellen.

Voorbij het dashboard: wat chatmetrics je niet vertellen

Chatmetrics meten snelheid, oplossing en tevredenheid, maar niet of het antwoord van de medewerker klopte, voldeed aan de regels en paste bij het merk. In dat gat verstoppen de meeste kwaliteitsproblemen in chat zich.

Chatmetrics meten uitkomsten: hoe snel je antwoordde, hoe vaak je iets oploste, hoe tevreden klanten zeiden te zijn. Wat ze niet meten, is of het antwoord van je medewerker echt klopte, voldeed aan de regels en paste bij het merk. Een chat kan in 90 seconden worden afgesloten met een enthousiaste CSAT-beoordeling en toch verkeerde informatie bevatten.

Kwaliteit wordt apart beoordeeld, en traditioneel op een kleine handmatige steekproef van een paar chats per medewerker. Je snelheidsdashboard dekt elk gesprek, terwijl je zicht op kwaliteit er maar een fractie van dekt, en juist in dat verschil verstoppen de problemen zich. Daarom is het ook belangrijk om de interne kwaliteitsscore (IQS) naast je chatmetrics te meten: CSAT vertelt je dat de klant tevreden was, IQS vertelt je dat het werk echt goed was. Onze gids voor het opzetten van een score voor gesprekskwaliteit (in het Engels) laat zien hoe je die score inricht.

Hoe QA met volledige dekking het gat dicht

De oplossing is stoppen met steekproeven. AI-gestuurde geautomatiseerde kwaliteitscontrole beoordeelt elke chat aan de hand van je scorecard in plaats van een handvol. AutoPilot van Kaizo scoort elk gesprek op basis van je eigen criteria en zet scores en opmerkingen klaar zodra een case is opgelost, zodat de dekking op 100% blijft zonder dat iemand reviews hoeft te starten, en Auto QA bereidt de reviews voor die een mens nog moet nakijken. Je kwaliteitsscore is dan geen schatting meer op basis van een steekproef, maar een meting van elke chat, en je QA-team schuift op van beoordelen naar coachen.

In een enquête van Gartner uit juni 2024 zei 52% van de serviceleiders die hun QA-programma als zeer waardevol beoordelen, dat die waarde vooral komt uit inzichten in de stem van de klant en de klantervaring. Minder dan 20% wees op de prestaties van medewerkers. De vastlegging van wat er in je chats gebeurt, is een van de rijkste bronnen van klantkennis die je hebt, en wie maar een kleine steekproef daarvan leest, laat het grootste deel van die waarde liggen.

Zo ziet dat er in de praktijk uit: bij SteelSeries, een supportteam van 30 mensen, halveerden AI-samenvattingen de tijd voor QA. Vergelijk je tools voor deze taak? Ons overzicht van de beste software om de kwaliteit van livechat te monitoren zet de opties op een rij.

Zie het in een live demo. Kaizo scoort 100% van je supportgesprekken en zet de bevindingen om in coaching. Afspraak boeken.

Wanneer 100% chat-QA niets voor jou is

Geautomatiseerd scoren is niet altijd de juiste keuze. Handelt je team een paar tientallen chats per week af, dan kan één teamleider elk gesprek zelf lezen en volstaat een spreadsheet. Heb je nog geen uitgeschreven scorecard, begin daar dan mee: een standaard automatiseren waar niemand het over eens is, levert alleen snelle, verwarrende scores op. Volledige dekking wordt pas interessant als het volume groter wordt dan wat mensen kunnen lezen.

productiviteitsdoelen en prestatiebewaking in Kaizo

Metrics voor chatbots en AI-agents in livechat

Chatbots en AI-agents hebben dezelfde uitkomstmetrics nodig als menselijke medewerkers, plus drie eigen metrics: het percentage automatische oplossingen, het overdrachtspercentage en of klanten zich na een overdracht moeten herhalen.

Nu chatteams AI-agents inzetten, moet iemand ook de kwaliteit van die gesprekken beoordelen. Kaizo’s QA voor AI-agents scoort 100% van de gesprekken van medewerkers en AI-agents aan de hand van je eigen scorecard, dus als je chatkanaal een mix wordt van menselijke en geautomatiseerde antwoorden, gelden voor beide dezelfde normen.

BotmetricFormuleWat het je vertelt
Percentage automatische oplossingenChats die de bot volledig oploste ÷ chats die de bot afhandelde × 100Echte oplossing, geen afwimpeling
OverdrachtspercentageChats overgedragen aan een mens ÷ chats die de bot afhandelde × 100Waar de bot geen antwoord meer heeft
Herhaling na overdrachtOverdrachten waarbij de klant zijn vraag opnieuw moest uitleggen ÷ alle overdrachten × 100Of de context met de chat meegaat
Bot-CSATPositieve beoordelingen van botchats ÷ beoordeelde botchats × 100Hoe klanten de bot zelf ervoeren
Kwaliteitsscore van de botBotgesprekken gescoord met je scorecardJuistheid, regels en toon, met dezelfde norm als voor mensen

De meeste van de negen metrics hierboven gelden ook voor chats die AI afhandelt: oplossing, CSAT en afgebroken chats vertellen je nog steeds of de klant kreeg waarvoor hij kwam. Als benchmark: LiveChat mat bij zijn klanten een gemiddelde tevredenheid over chatbots van 64,7% (LiveChat-cijfers over chatbots, 2024). Onze gids over containment rate legt uit waarom een hoog automatiseringscijfer klanten kan verbergen die het gewoon opgaven.

Onze gids over kwaliteitscontrole van AI-agents behandelt de scorecard, en KPI’s voor AI in de klantenservice de cijfers om aan het management te rapporteren.

Bouw je rapport met chat-KPI’s

Begin met drie chat-KPI’s, de tijd tot eerste antwoord, first contact resolution en CSAT, rapporteer ze wekelijks per team en voeg een kwaliteitsscore toe voordat je meer snelheidscijfers toevoegt.

  1. Kies de kern van drie. Ze dekken snelheid, effectiviteit en tevredenheid met de minste overhead, en als je er één verbetert, stijgen de andere vaak mee.
  2. Segmenteer voordat je vergelijkt. Splits elk cijfer op naar contactreden (je tags), tijdstip en kanaal, zodat een drukke maandag er niet uitziet als een prestatieprobleem.
  3. Koppel snelheid aan kwaliteit. Zet de kwaliteitsscore van dezelfde chats naast FRT en ART, zodat snellere medewerkers niet worden beloond voor zwakkere antwoorden.
  4. Voeg de volgende laag toe zodra die betrouwbaar is. Daarna volgen een bereikbaarheidsmetric (gemiste en afgebroken chats) en chats per medewerker, zodat je weet wie nooit antwoord kreeg en of de werkdruk houdbaar is. Te veel metrics tegelijk kost focus.

Wat je niet ziet, kun je niet sturen, en dat is precies waarom chatmetrics ertoe doen. Te veel teamleiders stellen prestaties nog samen uit een stapel spreadsheets en zijn meer tijd kwijt aan cijfers verzamelen dan aan erop handelen. Een metric is zoveel waard als de beslissing die hij mogelijk maakt, dus kies de handvol die bij je doelen past, maak ze betrouwbaar en stuur je strategie bij terwijl je leert.

Onthoud alleen wat het dashboard je niet kan laten zien. Snelheids- en tevredenheidscijfers beschrijven elke chat, maar de kwaliteit van de antwoorden daarin wordt meestal beoordeeld op een fractie. Dicht dat gat, meet de inhoud van je chats net zo volledig als hun uitkomsten, en je metrics weerspiegelen de werkelijkheid in plaats van een steekproef ervan.

Hoe scores per medewerker coachingkaarten worden, zie je bij de coachingkaarten op basis van QA-scores in Kaizo. Wil je zien hoe chatkwaliteit eruitziet als elk gesprek automatisch wordt gescoord en omgezet in coaching? Boek een afspraak voor een live demo met realistische voorbeeldgesprekken.

Veelgestelde vragen

Wat zijn prestatie-KPI’s voor livechat?

Prestatie-KPI’s voor livechat zijn de metingen die laten zien hoe goed je livechatsupport presteert. Ze dekken snelheid (tijd tot eerste antwoord, gemiddelde oplostijd), effectiviteit (first contact resolution, gemiste chats) en klantbeleving (CSAT, NPS). Samen gevolgd vertellen ze hoe je team ervoor staat en waar het beter kan, mits je de uitkomstcijfers koppelt aan een kwaliteitsmaat die laat zien of de antwoorden echt klopten.

Wat is een goede reactietijd voor livechat?

Het gemiddelde eerste antwoord bij de klanten van LiveChat komt na 35 seconden (LiveChat-rapport over 2024), dus met een antwoord binnen een minuut zit je in een redelijke marge. Snelheid telt omdat klanten trage wachtrijen verlaten: LiveChat mat een gemiddelde uitval in de wachtrij van 27,4%.

Wat is een goede CSAT-score voor livechat?

De tevredenheidsbenchmarks van LiveChat over 2024 tonen een gemiddelde score van 64,2% voor beoordeelde chats. Slechts 6,7% van de chats krijgt een beoordeling, dus vergelijk eerst met je eigen nulmeting en pas daarna met het branchecijfer. De snelste manier om CSAT te verhogen is meestal de tijd tot eerste antwoord verkorten en first contact resolution verhogen.

Hoe verbetert software voor chatsupport je CX-metrics?

Software voor chatsupport verbetert CX-metrics vooral via snelheid en context. Routering, opgeslagen antwoorden en gelijktijdige chats verkorten de tijd tot eerste antwoord, en een gedeelde klanthistorie helpt medewerkers de vraag in één chat op te lossen, wat first contact resolution verhoogt. Die winst bereikt CSAT en NPS alleen als de kwaliteit van de antwoorden meegroeit, dus scoor de inhoud van de chats, niet alleen de klok.

Wat zijn productiviteitsmetrics voor chatmedewerkers?

De belangrijkste productiviteitsmetrics voor chatmedewerkers zijn chats per medewerker, de tijd tot eerste antwoord en de gemiddelde oplostijd. Het gemiddelde van LiveChat over 2024 is 84,1 chats per medewerker per dag. Lees deze cijfers voor bezetting en werkdruk, en koppel ze aan een kwaliteitsscore, zodat snellere medewerkers niet worden beloond voor zwakkere antwoorden.

Hoe meet je de prestaties van een chatbot of AI-agent in de chat?

Gebruik dezelfde kernmetrics als voor menselijke medewerkers: oplossing, CSAT en afgebroken chats. Voeg daarna toe hoe vaak de AI-agent een chat overdraagt aan een mens, en of de klant zichzelf daarna moest herhalen. Kaizo scoort gesprekken van medewerkers en AI-agents met dezelfde scorecard, dus beide worden op dezelfde manier beoordeeld en je kunt ze eerlijk vergelijken.

Op deze pagina

Verder lezen

Zie dit in een live demo

We nemen je mee door Kaizo met realistische voorbeeldgesprekken, zodat je ziet hoe het voorbeeld wordt gescoord, toegelicht en gecoacht.

Vertrouwd door internationale supportteams

  • Foot Locker
  • Canva
  • GetYourGuide
  • Instacart
  • BlaBlaCar
  • UiPath