Berichte und Metriken - Chatarmin CX Docs

Mit der Reporting-API von Chatarmin CX verfolgst du Ticketvolumen, Antwortzeiten, Zufriedenheit und Automatisierung in deinen eigenen Dashboards.

Zugriff und Limits

Beide Endpoints erweitern die bestehende /public/v1-API. Sende deinen API-Schlüssel im Header cx-api-key. Der Schlüssel braucht analytics:read und muss einem Support-Agenten zugewiesen sein. Richte ihn unter Einstellungen → API ein. Berichtsabfragen beachten die Dashboard-Berechtigungen sowie Kanal-, Team- und Agenten-Einschränkungen dieses Agenten. Eine Metrik im Katalog gibt dir nicht automatisch Zugriff auf ihre Daten.

Endpoint	Zweck	Rate-Limit-Stufe
`GET /public/v1/reports/metrics`	Metrikdefinitionen entdecken	Liste: 60 Requests/Minute
`POST /public/v1/reports/query`	Berichtsergebnisse lesen	Analytics: 10 Requests/Minute

Keiner der Endpoints verändert Tickets oder sendet Nachrichten. Unter Rate Limits findest du Hinweise zu Wiederholungen. Die OpenAPI-Referenz enthält die vollständigen Antwortschemas.

Metriken entdecken

curl 'https://api.armin.cx/public/v1/reports/metrics' \
  -H "cx-api-key: $CX_API_KEY"

Die Antwort ist { "success": true, "data": [...] }. Sie enthält den vollständigen statischen Katalog ohne Pagination. Jeder Eintrag hat folgende Felder:

Feld	Bedeutung
`id`	Metrik-ID für `SHOW` und `VISUALIZE`, zum Beispiel `new_tickets`
`label`, `description`	Anzeigename und Definition
`group`, `dataType`	Metrikkategorie und Werttyp
`format`	`count`, `duration-seconds`, `percent`, `decimal` oder `currency-eur`
`aggregation`	`count`, `sum`, `median`, `average` oder `ratio`
`attribution`	Welches Ereignis oder welcher aktuelle Zustand den Zeitraum der Metrik bestimmt
`denominator`	Optionale Erklärung zum Nenner oder zur Berechnung
`snapshot`	Ob die Metrik den aktuellen Zustand statt historischer Aktivitäten beschreibt
`higherIsBetter`	Ob ein höherer Wert eine Verbesserung bedeutet

Der Katalog enthält keine Tickets, Kundendaten, Workspace-Entitäts-IDs oder internen Datenquellennamen. Namen und Beschreibungen sind auf Englisch. Cache diese Metadaten, statt sie vor jeder Abfrage neu zu laden. Nicht jede Metrik unterstützt jede Gruppierung oder Visualisierung.

Berichtsdaten abfragen

Starte mit einer Metrik und einem kurzen Zeitraum. Sende JSON mit genau zwei Feldern: query und einer IANA-Zeitzone in timezone, zum Beispiel Europe/Vienna oder UTC.

curl 'https://api.armin.cx/public/v1/reports/query' \
  -H "cx-api-key: $CX_API_KEY" \
  -H 'Content-Type: application/json' \
  --data '{"query":"FROM tickets\nSHOW new_tickets\nDURING yesterday\nVISUALIZE new_tickets TYPE kpi","timezone":"Europe/Vienna"}'

Die Antwort nutzt { "success": true, "data": ... }. Über data.kind erkennst du die Ergebnisform: kpi enthält zum Beispiel value, previousValue und format; time-series enthält series und points. Du erhältst Diagrammdaten, kein Bild und keinen CSV-Export.

Abfragesprache

Schreibe jede Klausel in eine eigene Zeile. Das ist die CX-Berichtsabfragesprache, kein SQL: Beliebige Tabellen, Joins und SQL-Ausdrücke sind nicht erlaubt.

Klausel	Verwendung
`FROM tickets`	Pflicht. Nur der Datensatz `tickets` ist verfügbar.
`SHOW new_tickets, resolved_tickets`	Pflicht. Nutze IDs aus dem Metrikkatalog.
`DURING yesterday`	Pflichtzeitraum, alternativ `SINCE ... UNTIL ...`. Weitere benannte Zeiträume sind `today`, `this_week`, `last_week`, `this_month` und `last_month`.
`SINCE 2026-08-01 UNTIL 2026-08-07`	Konkrete Kalendertage in der angegebenen Zeitzone, einschließlich Enddatum. Nicht mit `DURING` kombinieren.
`WHERE status is_one_of open, resolved`	Optionaler Filter. Wiederhole `WHERE` in separaten Zeilen, um mehrere Bedingungen gleichzeitig zu verlangen.
`GROUP BY channel`	Optionale Gruppierung nach Kategorie.
`TIMESERIES day`	Optionale Zeitgruppierung: `hour`, `day`, `week` oder `month`.
`COMPARE TO previous_period`	Optionaler Vergleich für KPIs und unterstützte Zeitreihen; auch `previous_year` ist möglich.
`ORDER BY new_tickets DESC`	Optionale Sortierung mit `ASC` oder `DESC`.
`LIMIT 25`	Optionales Ergebnislimit bis 1.000.
`OPTIONS {"showAverageRow":true}`	Optionale freigegebene Visualisierungsoptionen, zum Beispiel für eine Datentabelle.
`VISUALIZE new_tickets TYPE kpi`	Pflicht. Wähle Metriken aus `SHOW` und eine unterstützte Visualisierung. Nutze für einen KPI genau eine Metrik.

Gängige Visualisierungen sind kpi, line, area, grouped_bar, stacked_bar, horizontal_bar und data_table. Diagramme brauchen Metriken mit demselben format. Eine data_table darf Formate mischen und braucht genau eine Gruppierungsdimension. Alle Metriken, auch Automatisierung und CSAT, nutzen FROM tickets; es gibt keine separaten Nachrichten- oder Umfragedatensätze.

Abfragebeispiele

Sende jede vollständige Abfrage unten als query-String im HTTP-Request oben, mit timezone: "Europe/Vienna". Datumsangaben und Metrik-IDs behalten in allen Beispielen dasselbe Format.

Tägliches Ticketvolumen

Vergleiche erstellte und gelöste Tickets je Tag. Das sind unterschiedliche Ereignisgruppen, nicht unbedingt dieselben Tickets.

FROM tickets
SHOW new_tickets, resolved_tickets
TIMESERIES day
SINCE 2026-08-01 UNTIL 2026-08-07
VISUALIZE new_tickets, resolved_tickets TYPE line

Ticket-KPI für gestern

Vergleiche neue Anfragen mit dem Vortag.

FROM tickets
SHOW new_tickets
DURING yesterday
COMPARE TO previous_period
VISUALIZE new_tickets TYPE kpi

Neue Tickets nach Kanal

Sortiere Kanäle nach eingehendem Ticketvolumen. Kanalschlüssel im Ergebnis identifizieren die Kanäle deines Workspaces, keine allgemeingültige Liste von Kanalnamen.

FROM tickets
SHOW new_tickets
GROUP BY channel
DURING last_week
ORDER BY new_tickets DESC
LIMIT 10
VISUALIZE new_tickets TYPE horizontal_bar

Zeiten bis zur ersten Antwort

Vergleiche die mediane Wartezeit auf eine qualifizierende menschliche oder KI-Antwort mit der Wartezeit auf eine menschliche Antwort. Beide Reihen liefern Sekunden, keine Durchschnittswerte.

FROM tickets
SHOW customer_first_response_time, human_first_response_time
TIMESERIES day
DURING last_week
VISUALIZE customer_first_response_time, human_first_response_time TYPE line

CSAT-Wert und Stichprobengröße

Zeige die Anzahl der Antworten neben dem Wert, damit du kleine Stichproben einschätzen kannst. Eine Tabelle erlaubt Dezimalwert und Anzahl in einem Ergebnis.

FROM tickets
SHOW csat_average, csat_responses, low_csat_tickets
GROUP BY day
DURING last_month
ORDER BY label ASC
VISUALIZE csat_average, csat_responses, low_csat_tickets TYPE data_table

Einsparungen und KI-Ausgaben

Vergleiche geschätzte Einsparungen mit geschätzten Ausgaben in EUR. Dieses Tagesdiagramm nutzt dasselbe Format für beide Reihen und ist kein Rechnungsabgleich. Diese speziellen Automatisierungsmetriken unterstützen KPIs, tägliche Diagramme oder Tabellen sowie Aktionsaufteilungen, außer bei KI-Ausgaben. Mische sie nicht mit anderen Ticketmetriken und ergänze keine Kategorieaufteilungen.

FROM tickets
SHOW money_saved, ai_spend
TIMESERIES day
DURING last_week
VISUALIZE money_saved, ai_spend TYPE line

Gefilterte Teamauslastung

Prüfe gelöste deutschsprachige Tickets nach Team, einschließlich Lösungsdauer. Mehrere Filter werden mit AND verknüpft. status ist der aktuelle Ticketstatus, nicht der Status bei Erstellung. Nutze für Filter wie team, channel oder human_agent die Entitäts-IDs deines Workspaces statt Anzeigenamen.

FROM tickets
SHOW resolved_tickets, full_resolution_time
WHERE language is de
WHERE status is resolved
GROUP BY team
DURING last_week
ORDER BY resolved_tickets DESC
LIMIT 25
OPTIONS {"showAverageRow":false}
VISUALIZE resolved_tickets, full_resolution_time TYPE data_table

Aktuell auf Kunden wartende Tickets

Zähle offene Tickets, die auf Informationen vom Kunden warten, nicht Kunden, die auf den Support warten. Die Sprache verlangt eine Datumsklausel, aber diese macht einen Snapshot nicht zu historischen Daten. Ergänze bei Snapshots weder TIMESERIES noch COMPARE TO.

FROM tickets
SHOW awaiting_response_now
DURING today
VISUALIZE awaiting_response_now TYPE kpi

Ergebnisse lesen

Diese Antwortformen nutzen erfundene Beispielwerte, keine garantierten Ergebnisse für die Beispielzeiträume. Zeilen und Datenpunkte sind gekürzt. Nutze zurückgegebene Labels und Schlüssel, statt übersetzte Labels oder feste Kanal-IDs anzunehmen. Ein KPI liefert eine Zahl und ihr Format. previousValue kann null sein; historische KPIs können auch ohne expliziten Vergleich einen Vorperiodenwert enthalten. Mit COMPARE TO wählst du den Vergleichszeitraum ausdrücklich. Snapshot-KPIs haben keinen historischen Vergleich.

{
  "success": true,
  "data": { "kind": "kpi", "value": 42, "previousValue": 38, "format": "count" }
}

Werte in Zeitreihenpunkten nutzen die Schlüssel aus series. Explizite Vergleiche ergänzen Reihenschlüssel mit der Endung __compare.

{
  "success": true,
  "data": {
    "kind": "time-series",
    "format": "count",
    "series": [
      { "key": "new_tickets", "label": "New tickets" },
      { "key": "resolved_tickets", "label": "Resolved" }
    ],
    "points": [
      { "date": "2026-08-01", "label": "Aug 1", "values": { "new_tickets": 42, "resolved_tickets": 35 } }
    ]
  }
}

Ein Kategorieergebnis enthält Werte mit Labels.

{
  "success": true,
  "data": {
    "kind": "category",
    "format": "count",
    "items": [{ "key": "channel_example", "label": "Support email", "value": 42 }]
  }
}

Eine Tabelle beschreibt Metrik und Format jeder Spalte. Addiere oder mittle keine täglichen Prozentsätze, Mediane oder Durchschnittswerte, um einen Zeitraum-KPI nachzubauen. Frage stattdessen den KPI für diesen Zeitraum ab.

{
  "success": true,
  "data": {
    "kind": "data_table",
    "rowDimension": "day",
    "columns": [
      { "measureId": "csat_average", "label": "CSAT", "format": "decimal" },
      { "measureId": "csat_responses", "label": "CSAT responses", "format": "count" },
      { "measureId": "low_csat_tickets", "label": "Low-CSAT tickets", "format": "count" }
    ],
    "rows": [
      { "key": "2026-08-01", "label": "Aug 1", "values": { "csat_average": 4.5, "csat_responses": 10, "low_csat_tickets": 1 } }
    ]
  }
}

Metrikreferenz

Unten stehen alle 50 registrierten Metrik-IDs, gruppiert wie im Katalog. Aggregation, Format und Zuordnung sind die exakten Katalogwerte. Du wählst die Metrik, keine eigene Aggregationsfunktion.

count zählt die definierten Tickets, Nachrichten, Umfragen, Aktionen oder Ereignisse; sum addiert Werte; average ist das arithmetische Mittel; median ist der mittlere Beobachtungswert; ratio teilt den passenden Zähler durch seinen Nenner.
duration-seconds liefert Sekunden, currency-eur EUR, decimal einen Dezimalwert und percent Prozentwerte: 75 bedeutet 75 %, nicht 0.75. CSAT-Werte nutzen eine Skala von 1 bis 5.
Die Zuordnung bestimmt den Datumsbezug: ticket_created ist eine Erstellungskohorte; ticket_resolved, reply_event, reopen_event, reassignment_event, survey_submitted, action_executed und order_paid beziehen sich auf das jeweilige Ereignis. agent_presence misst Online-Sitzungszeit; mixed_events kombiniert Erstellung und Lösung; current_snapshot bedeutet jetzt.
Werte einer Erstellungskohorte können sich mit den Tickets weiterentwickeln. Besonders messages und messages_per_ticket enthalten erfasste Nachrichten auf Tickets, die im Zeitraum erstellt wurden, nicht nur Nachrichten, die darin gesendet wurden. Für öffentliche menschliche Nachrichten mit Sendedatum im Zeitraum nutze agent_messages.
Aktuelle Snapshots erlauben keine Zeitdimensionen oder historischen Vergleiche. Das Alter offener Tickets zählt ab Erstellung, nicht ab der letzten Nachricht. Auch mit einer älteren Datumsklausel rekonstruiert ein Snapshot keinen Rückstand zum Periodenende.
Raten nutzen die Nenner in den Definitionen unten, innerhalb des jeweiligen Umfangs. Nullwerte oder leere Ergebnisse beweisen allein keine fehlende Aktivität: Berichtsdaten können unvollständig sein oder auf Aktualisierung warten. Prüfe wichtige Summen, bevor du sie für Zusagen oder Finanzberichte nutzt.
csat_response_rate ist eine Kohorte versendeter Umfragen: bewertete Einreichungen geteilt durch im Zeitraum versendete Umfragen. Im Katalog steht survey_submitted, aber diese Berechnung nutzt anders als die übrigen CSAT-Metriken das Versanddatum.
time_saved und money_saved sind Schätzungen aus den Aktionszeiten und dem Stundensatz deines Workspaces. ai_spend rechnet erfasste KI-Credits mit einem EUR-pro-Credit-Ersatzwert um; das ist weder deine Rechnung noch eine Garantie deines Vertragspreises. Obwohl im Katalog action_executed steht, zählt für Ausgaben das Erstellungsdatum des KI-Laufs, auch an Tagen ohne erfasste Aktionen.

Volumen und Auslastung

Metrik-ID	Definition und Nenner	Aggregation	Format	Zuordnung
`new_tickets`	Im Zeitraum erstellte Tickets.	`count`	`count`	`ticket_created`
`resolved_tickets`	Im Zeitraum gelöste Tickets.	`count`	`count`	`ticket_resolved`
`tickets_replied_to`	Eindeutige Tickets mit einer erfassten öffentlichen Support-Antwort im Zeitraum.	`count`	`count`	`reply_event`
`answered_tickets`	Eindeutige Tickets mit einer einem Agenten zugeordneten menschlichen oder KI-Nachricht im Zeitraum.	`count`	`count`	`reply_event`
`reopened_tickets`	Eindeutige im Zeitraum wiedereröffnete Tickets, nicht die Anzahl der Wiedereröffnungen.	`count`	`count`	`reopen_event`
`backlog_now`	Aktuell offene, ungelöste Tickets.	`count`	`count`	`current_snapshot`
`backlog_over_24h`	Offene Tickets, die vor mehr als 24 Stunden erstellt wurden.	`count`	`count`	`current_snapshot`
`backlog_over_48h`	Offene Tickets, die vor mehr als 48 Stunden erstellt wurden.	`count`	`count`	`current_snapshot`
`awaiting_response_now`	Offene Tickets, die auf Informationen vom Kunden warten, nicht auf den Support.	`count`	`count`	`current_snapshot`
`net_backlog_change`	Neue minus gelöste Tickets im Zeitraum; keine Rekonstruktion jeder Rückstandsänderung.	`sum`	`count`	`mixed_events`
`messages`	Alle Kunden-, menschlichen und KI-Nachrichten auf im Zeitraum erstellten Tickets.	`sum`	`count`	`ticket_created`
`agent_messages`	Im Zeitraum gesendete öffentliche Geschäftsnachrichten menschlicher Agenten.	`count`	`count`	`reply_event`
`messages_per_ticket`	Kunden-, menschliche und KI-Nachrichten geteilt durch im Zeitraum erstellte Tickets.	`average`	`decimal`	`ticket_created`
`agent_online_time`	Gesamte Online-Zeit der Agenten im Posteingang im Zeitraum, keine Ticketbearbeitungszeit.	`sum`	`duration-seconds`	`agent_presence`
`one_touch_tickets`	Gelöste Tickets mit genau einer öffentlichen Support-Antwort und ohne Wiedereröffnung.	`count`	`count`	`ticket_resolved`
`one_touch_rate`	One-Touch-Tickets geteilt durch gelöste Tickets.	`ratio`	`percent`	`ticket_resolved`
`zero_touch_tickets`	Gelöste Tickets ohne menschliche Antwort; KI oder Automatisierung kann trotzdem aktiv gewesen sein.	`count`	`count`	`ticket_resolved`
`reassignments`	Zuweisungsänderungen im Zeitraum; ein Ticket kann mehrfach zählen.	`count`	`count`	`reassignment_event`
`reassignment_rate`	Neu zugewiesene Tickets geteilt durch im Zeitraum erstellte Tickets.	`ratio`	`percent`	`ticket_created`
`demand_coverage`	Erstellte Tickets mit abschließender Lösung geteilt durch neue Tickets im Zeitraum, nicht Lösungsdurchsatz geteilt durch neue Anfragen.	`ratio`	`percent`	`ticket_created`
`support_revenue`	Support-Tickets zugeordneter Shopify-Bestellumsatz in EUR, nach Zahlungsdatum.	`sum`	`currency-eur`	`order_paid`

Antwort und Lösung

Metrik-ID	Definition und Nenner	Aggregation	Format	Zuordnung
`customer_first_response_time`	Mediane Wartezeit bis zur ersten qualifizierenden menschlichen oder KI-Antwort.	`median`	`duration-seconds`	`reply_event`
`human_first_response_time`	Mediane Wartezeit bis zur ersten qualifizierenden menschlichen Antwort.	`median`	`duration-seconds`	`reply_event`
`ai_first_response_time`	Mediane Wartezeit bis zur ersten qualifizierenden KI-Antwort.	`median`	`duration-seconds`	`reply_event`
`full_resolution_time`	Mediane verstrichene Zeit von Ticketerstellung bis Lösung.	`median`	`duration-seconds`	`ticket_resolved`
`active_resolution_time`	Mediane Zeit innerhalb der Geschäftszeiten von Erstellung bis Lösung, abzüglich Wartezeiten auf den Kunden.	`median`	`duration-seconds`	`ticket_resolved`
`waiting_on_customer_time`	Median der gesamten Kundenwartezeit pro gelöstem Ticket innerhalb der Geschäftszeiten. Pro Ticket werden die Intervalle zwischen menschlicher Support-Antwort und nächster Kundenantwort summiert.	`median`	`duration-seconds`	`ticket_resolved`
`sla_resolution_met`	Rechtzeitig eingehaltene Lösungs-SLA-Fristen für im Zeitraum erstellte Tickets.	`count`	`count`	`ticket_created`
`sla_resolution_breached`	Überschrittene Lösungs-SLA-Fristen für im Zeitraum erstellte Tickets.	`count`	`count`	`ticket_created`

Qualität und Zufriedenheit

Metrik-ID	Definition und Nenner	Aggregation	Format	Zuordnung
`reopen_rate`	Gelöste Tickets mit Wiedereröffnung geteilt durch gelöste Tickets.	`ratio`	`percent`	`ticket_resolved`
`csat_average`	Durchschnittlicher Wert von 1 bis 5 aus im Zeitraum eingereichten bewerteten Umfragen.	`average`	`decimal`	`survey_submitted`
`csat_responses`	Im Zeitraum eingereichte bewertete Umfragen.	`count`	`count`	`survey_submitted`
`csat_response_rate`	Im Zeitraum versendete und bewertete Umfragen geteilt durch versendete Umfragen; beachte die Versanddatum-Ausnahme oben.	`ratio`	`percent`	`survey_submitted`
`low_csat_tickets`	Eindeutige Tickets mit einem eingereichten Wert von höchstens 3.	`count`	`count`	`survey_submitted`

KI und Automatisierung

Metrik-ID	Definition und Nenner	Aggregation	Format	Zuordnung
`ai_involved_tickets`	Im Zeitraum erstellte Tickets, auf denen ein KI-Agent lief oder eine erfasste Aktion abschloss.	`count`	`count`	`ticket_created`
`ai_resolved_tickets`	Tickets, deren abschließendes Ergebnis durch einen KI-Agenten gelöst wurde.	`count`	`count`	`ticket_resolved`
`ai_resolution_rate`	KI-gelöste Tickets geteilt durch gelöste Tickets mit KI-Beteiligung, nicht durch alle eingehenden Tickets.	`ratio`	`percent`	`ticket_resolved`
`human_handoffs`	Gelöste Tickets mit erfasster KI-Übergabe an einen Menschen, nach Lösungsdatum statt Übergabezeitpunkt.	`count`	`count`	`ticket_resolved`
`handoff_rate`	Menschliche Übergaben geteilt durch gelöste Tickets mit KI-Beteiligung.	`ratio`	`percent`	`ticket_resolved`
`workflow_resolved_tickets`	Durch Workflow-Automatisierung abgeschlossene gelöste Tickets.	`count`	`count`	`ticket_resolved`
`workflow_resolution_rate`	Durch Workflows gelöste Tickets geteilt durch gelöste Tickets.	`ratio`	`percent`	`ticket_resolved`
`ai_actions`	Erfasste kundenbezogene Aktionen, die KI im Zeitraum abgeschlossen hat.	`count`	`count`	`action_executed`
`human_actions`	Erfasste kundenbezogene Aktionen, die Menschen im Zeitraum abgeschlossen haben.	`count`	`count`	`action_executed`
`action_automation_rate`	KI-Aktionen geteilt durch alle erfassten Aktionen, kein Mittelwert der Automatisierungsanteile je Ticket.	`ratio`	`percent`	`action_executed`
`time_saved`	Geschätzte durch KI-Aktionen gesparte menschliche Zeit anhand der Aktionszeiten des Workspaces.	`sum`	`duration-seconds`	`action_executed`
`money_saved`	Geschätzte EUR-Einsparung anhand gesparter Zeit und des Workspace-Stundensatzes.	`sum`	`currency-eur`	`action_executed`
`ai_spend`	Geschätzte EUR aus erfassten KI-Credits zum Ersatzwert; beachte die Laufdatum-Ausnahme oben.	`sum`	`currency-eur`	`action_executed`
`ai_reopen_rate`	Wiedereröffnete KI-gelöste Tickets geteilt durch KI-gelöste Tickets.	`ratio`	`percent`	`ticket_resolved`
`ai_csat`	Durchschnittlicher eingereichter CSAT-Wert für Tickets mit KI-Beteiligung, auf der Skala von 1 bis 5.	`average`	`decimal`	`survey_submitted`
`ai_suggestion_used_rate`	Verwendete KI-Antwortentwürfe geteilt durch angebotene KI-Vorschläge, auf im Zeitraum gelösten Tickets.	`ratio`	`percent`	`ticket_resolved`

Fehlerbehebung

Antwort	Was du prüfen solltest
`401`	Sende einen gültigen API-Schlüssel.
`403`	Vergib `analytics:read`, weise den Schlüssel einem Agenten zu und prüfe für Abfragen dessen Dashboard-Berechtigungen.
`400`	Prüfe Syntax, Metrik-IDs, Zeitzone und die Kombination aus Metrik und Gruppierung. Begrenze den Zeitraum auf 90 Kalendertage, bei Stundenberichten auf 31 Tage. Zu große Zeiträume liefern `VALIDATION_ERROR` mit `details.requested_days`, `details.max_days` und `details.timezone`. Teile die Abfrage in nicht überlappende `SINCE`/`UNTIL`-Zeiträume auf. Beide Daten sind inklusive, beginne den nächsten Zeitraum also am Folgetag. Reduziere Metriken oder Vergleiche, wenn die Abfrage ihr Ausführungsbudget überschreitet.
`429`	Warte die Zeit aus dem Header `Retry-After` ab.

Zeitraumvalidierung, eine geschätzte Aufwandsprüfung und Limits für zurückgegebene Zeilen oder Punkte garantieren weder eine allgemeine maximale Laufzeit noch eine Grenze für jede Ergebniszelle oder zugrunde liegende Datenbankoperation. LIMIT kürzt zurückgegebene Zeilen oder Punkte; es ist keine Pagination und garantiert nicht weniger Datenbankarbeit. Teile große Reporting-Aufgaben in kleinere Zeitfenster. Historische Vollständigkeit und Aktualität hängen von den verfügbaren Berichtsdaten ab; eine erfolgreiche Antwort bestätigt beides nicht. Scheitert eine gültige kleine Abfrage oder wirken Summen unvollständig, kontaktiere den Support mit der request_id aus der Antwort, der Zeitzone und einer bereinigten Abfrage. Teile niemals deinen API-Schlüssel.

​Zugriff und Limits

​Metriken entdecken

​Berichtsdaten abfragen

​Abfragesprache

​Abfragebeispiele

​Tägliches Ticketvolumen

​Ticket-KPI für gestern

​Neue Tickets nach Kanal

​Zeiten bis zur ersten Antwort

​CSAT-Wert und Stichprobengröße

​Einsparungen und KI-Ausgaben

​Gefilterte Teamauslastung

​Aktuell auf Kunden wartende Tickets

​Ergebnisse lesen

​Metrikreferenz

​Volumen und Auslastung

​Antwort und Lösung

​Qualität und Zufriedenheit

​KI und Automatisierung

​Fehlerbehebung