Spark のモニタリング
Nexthink Infinity の Spark ダッシュボードでは、組織全体での Spark の使用状況、会話の進行状況、問題の解決またはエスカレーションの状況を完全に可視化できます。
ライブの使用状況メトリクス、結果の追跡、メッセージレベルのインサイトを組み合わせることで、これらのダッシュボードは、サポートチーム、管理者、スーパーバイザーが Spark のパフォーマンスを継続的に監視し、改善を推進するのに役立ちます。 導入状況を迅速に評価し、自己解決の成功度を測定して、追加のアクションやエスカレーションが発生した箇所を特定します。
Spark の概要およびすべての会話ダッシュボードは、クローズドループの最適化プロセスをサポートし、データに基づく意思決定によって従業員の Experience を向上させ、Spark を安心して拡張できるようにします。
会話の状態、結果、種類を理解する
各会話には次の項目が含まれます：
状態
結果
A Type
これらの属性は、やり取りの異なる側面を表します。
会話の状態
状態は、会話がアクティブかクローズ済みかを示します。
会話は次のいずれかの状態になります：
進行中: 従業員と Spark の間のやり取りが継続しています。
完了: Spark が会話を終了します。
Spark は、次の場合に会話を完了としてマークします：
従業員が問題の解決を確認した場合。
Spark がチケットを自動作成した場合。
最後の Spark メッセージ以降、6 時間操作がなかった場合。
会話の結果
Spark が会話を終了する際、最終的なやり取りに基づいて次のいずれかの結果を割り当てます:
解決済み
会話が次のいずれかの結果になった場合、Spark は解決済みの結果を割り当てます：
従業員が解決を確認した場合。
自動修復、アクション、またはワークフローが正常に実行された場合。
Spark が、問題の解決に重点を置いたガイダンス、手順、問い合わせ先、またはナレッジ記事を提供した場合。
Spark は、自動診断またはトリアージに従って、適切な次のステップとしてリクエストを発行すること（ハードウェア、ソフトウェア、アプリケーションやシステムへのアクセスを含む）を判断します。
会話を「解決」と分類するために、明示的な確認は必要ありません。
次のいずれかのシナリオでは、会話は解決として分類されません：
Spark が問題に対処または解決できず、エスカレーションまたはインシデントに関連するサポートチケットを開始、ルーティング、または支援する場合。
ユーザーの問い合わせが、Spark でサポートされる機能の範囲外である、または関連していない場合。
エスカレーション
Spark は、次のいずれかのシナリオでエスカレーション済みの結果を割り当てます：
Spark がチケットを自動作成した場合。
Spark が問題を別のチームに引き継ぐことを推奨した場合。
非サポート
Spark は、次のいずれかのシナリオでサポート対象外の結果を割り当てます：
従業員が、挨拶や確認応答など、対応を必要としないメッセージを送信した場合。
従業員が非アクティブ期間の後に終了メッセージを送信した場合。
従業員が、IT サポートを目的としない一般的な操作方法について質問した場合。
放棄
解決またはエスカレーションされずに会話が終了した場合、Spark は放棄の結果を割り当てます。 たとえば：
確認の質問が未回答のままの場合。
アクションが提案されたものの承認されなかった場合。
アクションが失敗した、または完了しなかった場合。
自動クローズ後、Spark は会話の結果を評価し、「解決済み」「非サポート」または「放棄」を割り当てます。
会話結果の理由
Spark は割り当てられた結果の理由を保存します。 この情報は NQL の agent.conversation テーブルの reason フィールドで確認できます。
以下のセクションでは、各結果の考えられるすべての理由を示し、Spark が各理由を割り当てるために満たす必要がある条件を説明します。
解決済み結果の理由
confirmed_by_user
従業員が問題の解決を明確に確認するか、または明確な確認のシグナルに基づいて Spark が会話を終了します。
remediation_applied
修復アクションまたはワークフローが正常に完了し、変更が行われたことが証拠によって確認されます。
instructions_provided
問題を解決するための手順付き修正方法を提示して会話が終了します。 診断のみの手順は該当しません。
contact_expected
人による対応が最終的に必要となるインシデントに対して、Spark が ITSM チケットを作成します。例：故障したハードウェアの交換。
request_link_provided
セルフサービスのリクエストフォームまたはポータルへの案内によって会話が終了します。
request_created
人による対応が最終的に必要となるリクエストに対して、Spark が ITSM チケットを作成します。例：新しいマウスの注文。
request_fulfilled
Spark が ITSM フォームを作成せずにリクエストをエンドツーエンドで自動処理します。
エスカレーションされた結果の理由
incident_created
Spark が会話中にインシデントチケットを自動的に作成します。
handoff_suggested
Spark の最後の有意な応答が、従業員にインシデントチケットの作成やサービスデスク、マネージャー、別チームへの連絡を促します。
非サポート結果の理由
greetings
会話が挨拶、確認、雑談のみで構成され、IT サポートの意図がありません。
late_acknowledgement
一定時間の不活動後に「ありがとう」などの単一のフォローアップメッセージで会話が終了します。
out_of_support_question
会話が IT または職場サポートを目的としない一般的なハウツー質問です。
放棄された結果の理由
clarification_pending
問題解決に必要な追加確認の質問または次のステップの依頼に回答されないまま、従業員がクローズ時間内に応答しない場合に会話が終了します。
approval_pending
診断または修復アクションに対する承認待ちの状態で、従業員が応答しないまま会話が終了します。
action_failed
アクションまたはワークフローが失敗、タイムアウト、または未完了の状態で会話が終了します。
unresolved
サポート関連の会話が、解決済み、エスカレーション済み、その他の放棄理由の条件を満たさないまま、不活動またはタイムアウトにより終了します。
会話タイプ
システムは、従業員の入力内容と Spark による問題の処理方法に基づいて会話タイプを割り当てます。 会話タイプは、会話の進行中または完了後に割り当てられ、会話の展開に応じて変更される場合があります。
質問
従業員が Spark に情報、説明、またはガイダンスを求めると、システムは会話を質問として分類します。
Spark は、従業員固有のデバイスの状態確認、デバイス固有のトラブルシューティング、サービスアクションの実行を行わずに、ナレッジ記事、ドキュメント、または標準的なガイダンスを使用して回答します。
これには、従業員が問題を説明していても、Spark が一般的なガイダンスのみを提供する状況が含まれます。
従業員が「私の PC の状態はどうですか？」のように、Spark に診断の実行を必要とする質問をした場合、システムは会話をインシデントタイプとして分類します。
例:
「VPN への接続方法を教えてください。」 または 「VPN に接続できません。」
Spark は、デバイスの確認や修復を行わずに、VPN に手動で接続するための標準的な KB 手順を提供します。
「パスワードをリセットするにはどうすればよいですか？」
Spark は標準プロセスを説明しますが、リセットは実行しません。
リクエスト
従業員が、プロビジョニング、変更、リセット、ロック解除、回復、承認、提供、または履行などの標準的なサービスアクションの完了を Spark に依頼すると、システムは会話をリクエストとして分類します。
リクエストは、アカウント、パスワード、アクセス権、デバイス、アプリケーション、設定など、既存のリソースに関するものでもかまいません。 新しいリソースのリクエストに限定されません。
Spark は、従業員をリクエストフォームに誘導したり、標準的なサービスリクエストの完了を案内したり、ITSM インシデントまたはリクエストチケットを作成したりして支援します。 トラブルシューティング、診断、調査は実行しません。
例:
「パスワードを忘れたので、回復を手伝ってください」
Spark は、パスワード回復リクエスト用のサービスフォームへのリンクを提供します。
「アカウントのロックを解除してください。」
Spark は利用可能なアクションではアカウントのロックを解除できないため、サポートへエスカレーションするインシデントを作成します。
「Salesforce へのアクセス権をください。」
Spark は従業員に一般的なリクエストフォームの URL を提供します
インシデント
Spark が高度な Nexthink 機能を使用して、特定のデバイス、アプリケーション、サービス、または従業員の問題を診断、調査、または修復した場合、システムは会話をインシデントとして分類します。
これには、従業員から明示的に報告された問題と、Spark が従業員の実際のデバイス、アプリケーション、またはサービスの状態を評価する必要がある診断に関する質問が含まれます。
従業員がリクエストを問題として表現していても、Spark が高度な診断、調査、または修復機能を使用しない場合、システムは会話をインシデントとして分類しません。 割り当てられるタイプは、Spark が問題をどのように処理するか（情報を提供するか、リクエストの送信を案内するか）によって決まります。
例:
「私の PC の状態はどうですか？」
Spark は、デバイスの健全性、Device view データ、パフォーマンス、安定性、または設定を確認します。
「ノート PC の動作が遅い。」
Spark はデバイスのパフォーマンスを調査し、根本原因を特定します。
「VPN が機能しません。」
Spark は、VPN の状態、ネットワークの状態、サービスの状態、ログを確認するか、問題を修復します。
「Teams が頻繁にクラッシュします。」
Spark はアプリケーションのクラッシュを調査し、修復を実行します。
「不審なリンクをクリックしました。」
Spark はデバイス、ブラウザー、メール、セキュリティの状態を確認するか、修復を開始します。
セキュリティ上の懸念
従業員が不審なものを報告する、または安全かどうかを尋ねると、システムは会話をセキュリティ上の懸念として分類します。
Spark は主に、セキュリティに関するガイダンス、助言、または標準情報を提供します。
従業員が、自身のデバイス、ID、メール、ブラウザー、またはアプリケーションの状態について、Spark に高度な調査、診断、または修復を実行させる必要がある質問をした場合、システムは会話をインシデントタイプとして分類します。
例:
「このメールは安全ですか？」
Spark は標準的なフィッシング対策ガイダンスのみを提供します。
「不審なリンクをクリックしました」
Spark は標準的な助言のみを提供します。
このデータをクエリする方法の例については、Spark NQL の機能を参照してください。 データモデルと利用可能なフィールドの詳細については、NQL データモデル > Namespace agentを参照してください。
最終更新
役に立ちましたか？