工单分类错误率要能支撑归因，先得把口径定死：以已关闭工单为分母，以复核确认的最终分类与提单时分类不一致为分子，再按目录节点、错误方向、提单人和时间段分组。只有错误沿目录结构成簇出现、跨人群跨时段重复，并且调整选项描述后仍不收敛，才适合把原因落到目录设计上。ONES Desk 的自定义工单属性与工单分析报表可以承载分类字段维护和错误率统计，具体统计维度需按实际版本核验。
要点总览（TL;DR）
- 分类错误率以已关闭工单为分母，以复核确认的最终分类与提单分类不一致为分子，按目录节点、错误方向、提单人和时间段分组统计。
- 三类原因按“先人、再规则、后结构”的顺序排查：提单人选错看错误是否集中在少数人，规则不清看同类问题是否在相邻节点间稳定摇摆。
- 归因到目录设计需三条证据同时成立：错误沿结构成簇、跨人群跨时段重复、调整选项描述后仍不收敛。
- 确认是目录设计问题后，先备份目录与历史映射、设定停止点，再按节点合并、拆分或重命名处置，并用同一口径复测验证。
分类错误率的统计口径与症状范围
分类错误率本身是一个容易失真的指标。分母混入未完结工单，会把处理中的正常改分类算成错误；分子只取提单人自报的“选错了”，又会漏掉客服在关闭前悄悄改掉、无人复核的情况。要让后续归因站得住，统计口径需要先固定下来，并且在归因前后使用同一套算法。
建议采用如下口径表，作为后续所有分组和复测的统一基准。
| 口径项 | 定义 | 说明 |
|---|---|---|
| 分母 | 统计周期内已关闭的工单 | 排除未完结、已撤销、重复合并的工单，保证每条工单都有确定的最终分类 |
| 分子 | 复核确认的最终分类与提单时分类不一致的工单 | 以复核结论为准，不以提单人主观判断为准 |
| 分组维度一 | 目录节点 | 按提单时选择的节点和最终归属节点分别统计，便于看错误流向 |
| 分组维度二 | 错误方向 | 记录“从哪个节点误分到哪个节点”，相邻节点间的错误与跨大类错误要分开看 |
| 分组维度三 | 提单人 | 按人或按角色聚合，用于判断错误是否集中在少数人 |
| 分组维度四 | 时间段 | 按周或按月切分，用于观察错误是否随目录调整、培训或业务变化而波动 |
| 统计周期 | 建议以完整自然月为单位 | 周期过短会让单次业务高峰主导结果 |
| 样本量下限 | 单节点单周期样本过少时合并周期或标注“样本不足” | 避免几个错误就把某节点错误率推到很高，形成误判 |
口径确定后，先看整体错误率的分布形态，而不是急着找原因。如果错误率在多数节点上都接近，说明问题更可能出在提单环节或规则宣贯；如果错误率只在少数节点上明显偏高，并且这些节点在目录树上彼此相邻或属于同一父类，就值得进一步检查目录结构。分组统计时把“误入”和“误出”分开记录，能看清某个节点是容易被误选进来，还是它的内容容易被误分出去，这两种情况的处置方向并不相同。
三类原因的假设与排除证据
分类错误的原因通常落在三个方向：提单人选错、分类规则不清、目录设计本身有缺陷。三者可能同时存在，排查时按“先人、再规则、后结构”的顺序推进，能用较低成本排除的先排除，避免一上来就改目录。
| 原因假设 | 典型证据 | 取证方式 | 排除条件 |
|---|---|---|---|
| 提单人选错 | 错误集中在少数提单人或某个角色；培训后、选项描述补充后错误率下降 | 按提单人聚合错误率；对比培训或描述优化前后的分组数据；抽查误选工单的提单记录 | 错误分散在多数提单人身上，且培训与描述优化后无明显变化 |
| 分类规则不清 | 同一类问题稳定地在两个相邻节点间来回摇摆；口径文档缺失、过期或两份文档互相冲突 | 抽取误分样本做内容比对，看是否反复出现同一组节点对；核对现有分类规范与实际选项是否一致 | 误分方向分散，不存在稳定的节点对；规则文档与实际选项一致且被普遍遵循 |
| 目录设计问题 | 错误沿目录结构成簇出现；跨人群、跨时段重复；调整选项描述后仍不收敛 | 按目录树聚合错误，观察是否集中在某个父节点下的子节点之间；对比不同提单人群体的错误分布；做一次描述优化后复测 | 错误不随结构聚集，或描述优化后错误率明显回落 |
排查顺序上，先做提单人维度聚合。如果错误高度集中在少数人，优先安排培训或补充选项说明，观察一个统计周期再判断是否需要继续往下查。第二步核对规则：把误分样本按“误出节点—误入节点”配对统计，如果某一对节点反复出现，说明两个节点的边界在文字上就没有说清，这时补充互斥说明和示例往往就能收敛。第三步才进入结构判断，此时需要把前两步的排除结论作为前提，否则容易把描述问题误判成结构问题。
有一个常见误区需要避开：某个节点错误率高，不等于该节点设计有问题。如果它的错误主要来自其他节点的内容误入，问题可能出在相邻节点的命名或范围上。归因时要同时看误入和误出两个方向，并结合目录树的父子关系判断，单看一个节点的错误率容易得出片面结论。
归因到目录设计的判定与处置步骤
把原因落到目录设计，需要三条证据同时成立：错误沿目录结构成簇出现；错误跨提单人群、跨时间段重复；针对选项描述做过优化后错误率仍不收敛。三条缺一，更稳妥的做法是继续在培训和规则层面处理，或者把结论标记为“待观察”。
判定成立后，按以下步骤处置，每一步都保留可回退的空间。
- 固化证据。整理成簇的节点对、涉及人群、时间分布和描述优化前后的对比数据，形成一份简短的归因说明，作为调整依据，也方便后续复测时对照。
- 备份现状。导出当前目录结构、各节点的选项描述和示例，以及历史工单与节点的映射关系。备份是后续回滚和回溯映射的基础，缺少这一步不建议直接改动线上目录。
- 选择调整动作。节点合并适用于两个节点内容高度重叠、边界无法用文字区分的情况；节点拆分适用于一个节点承载了多类差异明显的问题、提单人只能凭猜测选择的情况；重命名适用于节点名称与实际内容偏离、名称本身诱导误选的情况。补充互斥说明与示例通常与上述动作配合使用。
- 设定停止点。明确本次调整的范围边界，例如只处理已确认成簇的两到三组节点，其余节点保持不动；同时约定如果复测后错误率没有改善，就回滚到备份版本，避免反复调整把目录越改越乱。
- 处理历史工单。目录调整后，历史工单仍挂在旧节点上。需要建立新旧节点的映射表，说明哪些历史数据需要回溯映射、哪些保持原样仅作标注，并向使用报表的人说明影响范围，避免调整前后的统计口径被混在一起比较。
在工具层面，ONES Desk 支持自定义工单属性与工单内容配置，可以把分类字段和选项描述按调整后的结构维护；工单分析报表可用于观察分类分布与变化趋势。若需要按目录节点精确统计分类错误率或查看分类字段的变更记录，需先在实际版本中确认报表维度与字段留痕能力，再决定统计是在系统内完成还是配合导出数据完成。
调整后的验证与复发预防
目录调整是否解决了问题，要用调整前的同一口径复测，而不是凭感觉判断“看起来好多了”。复测时保持分母、分子和分组维度不变，重点对比调整前后各节点的错误率、成簇节点对的错误数量，以及不同提单人群体的错误分布是否趋于一致。
验证可以分两段进行。调整后第一个统计周期作为观察期，重点看错误方向是否发生变化，例如原来在相邻节点间摇摆的错误是否消失、是否转移到了新的节点对。观察期结束后，如果错误率回落到可接受水平且没有出现新的成簇错误，可以判定归因成立；如果错误率下降有限或出现新的聚集，需要重新检查是否还有未处理的节点，或者此前的归因是否只覆盖了部分原因。
复发预防依赖例行机制，而不是一次性检查。可以把以下动作纳入日常管理：
- 目录评审：业务或产品范围发生明显变化时，同步检查分类目录是否仍能覆盖新增问题类型，避免新类型被硬塞进旧节点。
- 选项描述维护：把节点名称、描述和示例纳入版本管理，修改时记录原因和生效时间，便于后续对比。
- 错误率例行观察：按固定周期查看分节点错误率，对连续多个周期偏高的节点提前介入，而不是等到错误积累后再集中调整。
- 归因记录归档：把本次的统计口径、证据、调整动作和复测结果整理成记录，后续遇到类似分类错误时可以直接参照排查顺序，减少重复取证。
需要说明的是，目录设计问题往往与规则表述、提单习惯交织在一起。即使本次归因成立，调整后也应保留一段观察期，允许在新结构下继续收集误分样本，用实际数据确认结构改动带来的改善幅度，再决定是否需要第二轮微调。
常见问题
统计周期内已关闭工单太少，分类错误率还能用来归因吗？
样本过少时，几个错误就能把某个节点的错误率推得很高，容易形成误判。建议先合并统计周期，或把相邻周期数据放在一起看，并在报表中标注“样本不足”。只有在单节点样本量达到可比较水平后，再拿分节点错误率做结构判断；否则优先用误分样本的内容比对来辅助排查。
提单人培训后错误率下降了，还需要继续查目录设计吗？
培训后错误率明显回落，说明提单环节是主要原因之一，可以先把结论落在培训和选项说明上，观察一个完整统计周期。如果错误率降到可接受水平且没有新的成簇错误，就不必继续往下查。若培训后仍有部分节点错误率偏高，并且这些节点在目录树上相邻，再针对这部分节点做结构层面的取证。
目录调整后历史工单的分类要不要全部改到新节点？
不必全部改。更稳妥的做法是建立新旧节点映射表，明确哪些历史数据需要回溯映射、哪些保持原样仅作标注，并向使用报表的人说明影响范围。全部改写会破坏历史数据的原始记录，也可能让调整前后的统计口径混在一起比较；保留原值加映射，既能回溯又能对比。
ONES Desk 能直接按目录节点统计分类错误率吗？
ONES Desk 提供工单分析报表，支持自定义工单属性和工单内容配置，可用于维护分类字段并观察分类分布与变化趋势。按目录节点精确统计分类错误率、以及查看分类字段的变更记录，需要先在实际版本中确认报表维度与字段留痕能力，再决定在系统内完成统计还是配合导出数据完成。
复测时错误率没有明显改善，应该怎么处理？
先检查归因是否只覆盖了部分原因，例如规则表述问题与结构问题同时存在，只改了目录而描述仍含糊。再看调整范围是否过窄，成簇节点对是否还有未处理的。若确认调整动作本身不合适，按事先设定的停止点回滚到备份版本，重新取证后再做第二轮调整，避免在线上反复改动把目录越改越乱。
