shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

客户声音洞察报告智能编写

【客户声音（VoC）洞察分析】基于新奥新智客品运营体系，对客户反馈数据进行全流程分析：自动分类标注（7类需求类型+P0~P3优先级+正负向）、智能空值补足、主题聚类、价值目标匹配、6条示险规则检测、5种闭环状态追踪，输出面向客户/运营/领导层的结构化洞察报告。支持 Excel/CSV 导入，即传即分析。 Voice of Customer (VoC) analysis skill. Automatically classifies feedback by 7 demand types, P0-P3 priority, and sentiment; clusters topics; matches value targets; detects 6 risk alert rules; tracks 5 close-loop states; and generates structured insight reports for customers, operations teams, and leadership. Supports Excel/CSV import. 触发词：分析客户声音、客户反馈分析、VoC分析、整理客户反馈、客户洞察报告、VOC报告、分析评论、分析客户反馈、评价分析。

personAuthor: user_5f05865ahubcommunity
downloadDownload package

客户声音分析技能（Customer Voice Analysis）

技能目的

对用户提供的客户反馈数据进行系统性分析，基于新奥新智客品运营体系的7大步骤业务规则，输出一份结构化的客户反馈洞察报告。帮助用户识别痛点/亮点、评估价值目标达成情况、发现改进机会，并生成明确的分派建议。

触发条件

当用户：

  • 提供一批客户评论/反馈文本，并要求分析
  • 说「帮我分析客户声音」「分析用户反馈」「整理客户意见」等
  • 上传或粘贴客户反馈数据（CSV、纯文本、逐条列表等形式）

执行流程（对应业务规则7大步骤）

Phase 1：数据接收与聚合（对应 Step 1）

  1. 识别用户提供的反馈数据格式（粘贴文本 / 文件 / 逐条列表）
  2. 读取 references/business_rules.md 第一节了解聚合规则，读取 references/analysis_framework.md 了解补充分析方法
  3. 统计总条数、识别来源渠道，告知用户：「收到 X 条客户反馈，开始分析...」
  4. 对数据进行清洗和标准化（参考业务规则第五节"客户声音数据字段模型"）
  5. 如果用户未提供任何数据，礼貌引导：

    「请提供需要分析的客户反馈数据，可以直接粘贴文本、逐条列出，或上传包含反馈的文件。」

Phase 2：初步分类与优先级标注（对应 Step 2）

按照 references/business_rules.md 第二节进行：

  1. 正负向判断：按反馈性质分为三类 —
    • ✅ 正向：合理功能建议（客户提出有价值的改善意见）
    • 〰️ 中性：对比吐槽 / 影响体验（横向对比或体验感受差，但未指向具体缺陷）
    • ❌ 负向：功能缺失 / 故障缺陷（核心扣分项，直接影响客户价值达成）
  2. 分类标注：按固定需求类型分为 7 类 —
    • ① 功能需求（核心功能缺失，影响业务闭环）
    • ② 体验需求（流程繁琐，大幅降低感受）
    • ③ 性能需求（卡顿/崩溃/排队）
    • ④ 安全需求（人身/财产/信息安全）
    • ⑤ 兼容性需求（设备/系统适配异常）
    • ⑥ 故障缺陷（确定性 bug/数据异常，业务无法完成）
    • ⑦ 其他需求（文案优化、非核心建议等）
  3. 优先级标注（P0~P3），采用二维判断矩阵：
    • 🔴 P0：影响主流程 且 影响体验
    • 🟠 P1：影响主流程 但 不影响体验
    • 🟡 P2：不影响主流程 但 影响体验
    • 🟢 P3：不影响主流程 且 不影响体验
    • 特殊升级：VIP 客户 / 同一问题多次重现（≥3次）→ 自动升一级
    • P0 级别需重点标记，关注 48h SLA

Phase 3：与客户意图（客户价值目标）匹配（对应 Step 3）

核心原则：价值匹配与反馈是否验证、是否闭环无关。它是独立维度，判断"客户诉求是否对应到需智已解析的客户意图"。

  1. 尝试获取需智客户意图清单：

    • 通过预留接口（见 references/business_rules.md Step 3 的接口定义）获取需智已解析的客户意图清单
    • 清单包含：意图ID、意图描述、关联价值目标、关联能力组合
    • 当前状态：需智接口尚未连接，客户意图清单暂不可用

  2. 逐条比对（接口就绪后执行）：

    • 匹配上客户意图 → 标记为「匹配上价值目标但不满足」→ 分派给供智（供智需优化产品功能以满足客户价值）
    • 匹配不上客户意图 → 标记为「匹配不上价值目标」→ 分派给需智（需智需先解析此反馈对应的客户意图）

  3. 接口未就绪时的处理：

    • 价值匹配列暂标记为「待匹配（需智接口未就绪）」
    • 基于反馈内容做初步归纳，列出"潜在客户意图"供后续人工比对
    • 在报告中标注："⚠️ 当前需智客户意图清单未接入，价值匹配基于反馈内容初步推断"

Phase 4：深度分析（对应 Step 4）

按照 references/business_rules.md 第四节进行：

  1. 价值满足情况分类（三类，独立于闭环验证状态）：

    • ✅ 价值匹配且满足 — 用户对产品功能满意
    • ⚠️ 匹配上价值目标但不满足 — 客户意图已被需智识别，供智未满足 → 分派给供智
    • ❓ 匹配不上价值目标 — 需智客户意图清单中不存在 → 分派给需智解析意图

  2. 风险分析（参照 references/business_rules.md 第七节 6 条示险规则）：

    • 规则1：反馈响应示险 — T+1 无人响应
    • 规则2：反馈性质示险 — P0/P1 + 负向 + 性能/安全/故障
    • 规则3：解决超期示险 — 超预计解决时间未上线
    • 规则4：闭环验证示险 — 已上线 5 天未验证 / 回退处理
    • 规则5：批量复现示险 — 同一问题多人反馈，形成投诉潮
    • 规则6：反馈异常示险 — 反馈量异常偏低

  3. 主题聚类（参考 references/analysis_framework.md 第三节）：

    • 归纳 5-10 个主要话题
    • 统计每个主题的提及频次、情感分布
    • 为每个主题选取 1-3 条代表性原文

  4. 痛点与亮点提炼（参考 references/analysis_framework.md 第四节）：

    • TOP 3-5 痛点（含频次、优先级、关联价值目标、代表原文）
    • TOP 3-5 亮点（含频次、代表原文）

Phase 5：分派建议生成（对应 Step 5）

核心原则：无论反馈的优先级（P0/P1/P2/P3）是什么，均依据反馈内容与客户意图的匹配情况决定分派对象。价值匹配独立于闭环验证状态。

  1. 整理需推送给需智的内容：

    • 仅包含匹配不上客户意图的反馈（无论优先级）
    • 含义：需智的客户意图清单中不存在该反馈对应的客户意图
    • 行动：需智根据反馈内容解析出客户意图，补入客户意图清单
    • 数据：具体反馈原文、分类标注（类型/正负向/优先级）、分析结论、示险风险

  2. 整理需推送给供智的内容：

    • 仅包含匹配上客户意图但不满足的反馈（无论优先级）
    • 含义：客户意图已被需智识别，但供智的供给能力未满足客户期望
    • 行动：供智据此优化对应产品功能/能力
    • 数据：具体反馈原文、对应的客户意图、价值达成差距、示险风险

  3. 关于客品运营：

    • 客品运营是整体运营客户声音的角色，不参与分派
    • 客品运营可见所有数据，负责全局协调、推动需智和供智的闭环进展
    • 不在分派建议表中单独列出"客品运营"分派行

  4. 在报告"改进建议与分派"节中，按上述原则以分派表格形式呈现，见 assets/report_template.md

  5. 接口未就绪时的标注：如需智客户意图清单未接入，在分派建议上方标注：

    ⚠️ 当前需智客户意图清单未接入，以下分派基于反馈内容初步推断。接入需智接口后分派结果将更精准。

Phase 6：周期性洞察报告输出（对应 Step 7）

按照 references/business_rules.md 第七节的5个洞察维度组织报告，报告目标受众为客户、产品运营人员及领导层：

  1. 总体概况维度：反馈总量、渠道分布、优先级分布（P0~P3）、正负向声音分布、反馈类型分布（7 类）、平均响应时间、闭环率
  2. 反馈聚类维度（发现共性问题）：热点声音 TOP N（含痛点/亮点子项）、趋势变化（环比）、新反馈识别、主题关联分析
  3. 价值目标维度：反馈与价值目标匹配度、价值目标达成度、价值风险预警触发、价值未满足点识别（TOP N）
  4. 能力与产品维度（如有数据）：能力负面率排名、能力价值达成度、能力调用量与反馈比、能力重点缺陷详析
  5. 行动与闭环维度：问题处理时效（P0/P1 SLA 达成）、问题重复率与批量复现、闭环状态分布（5 种状态）、风险预警（6 条示险规则命中情况，分高/中优先级呈现）、关键闭环指标

Phase 7：报告写作与交付

  1. 读取 assets/report_template.md 作为报告结构参考
  2. 将以上分析结果按模板章节填充
  3. 使用 Markdown 格式输出完整报告
  4. 报告开头必须包含「执行摘要」，采用「总起句 + 编号要点（3-5 条）」结构：
    • 总起句：一句话概括覆盖范围（数据量+时间+产品/平台）
    • 编号要点：每条以 emoji 状态标识 + 加粗标题 开篇，关键数字加粗，末尾给行动指向
    • 风险降序排列：🔴 高危 → ❌ 不达标 → ⚠️ 需关注 → 🚨 紧急 → ✅ 达标
    • 涵盖闭环状态、反馈类型/正负向、优先级、示险、价值匹配概况、两端对比等
    • 不单独以某个指标（如价值匹配率）为核心标题，价值匹配结论融入整体判断
  5. 将报告保存为 客户反馈洞察报告_{YYYYMMDD}.md 并交付给用户

输出规范

  • 格式：Markdown，带层级标题、表格、引用块
  • 语言：与输入数据语言一致（默认中文）
  • 目标受众：客户、产品运营人员、领导层
  • 必含章节（5 维度 + 首尾）：
    1. 执行摘要（3-5 句关键结论）
    2. 总体概况维度（核心指标 + 正负向/类型/优先级分布）
    3. 反馈聚类维度（热点声音含痛点亮点 + 趋势 + 新反馈 + 关联分析）
    4. 价值目标维度（匹配度 + 达成度 + 风险预警 + 未满足点）
    5. 能力与产品维度（负面率 + 达成度 + 反馈比 + 重点缺陷）
    6. 行动与闭环维度（处理时效 + 重复率 + 闭环分布 + 示险命中 + 关键指标）
    7. 改进建议与分派（短期/中期/长期 + 需智/供智分派，匹配不上客户意图→需智，匹配上但不满足→供智；客品运营不参与分派，是整体运营角色）
  • 可选章节：能力与产品维度（需有对应数据时可标注"暂无数据"）、趋势分析（需有时间戳）、原始数据明细
  • 所有原文引用使用 > 引用块格式
  • 关键数字加粗，风险项前加 🚨 或 ⚠️ 标记
  • TOP 痛点和 TOP 亮点不再独立成章，而是归属到"反馈聚类维度 → 热点声音"下

引用资源

| 资源 | 路径 | 用途 | |------|------|------| | 业务规则 | references/business_rules.md | 7大步骤、优先级规则、价值匹配规则、数据字段模型 | | 分析框架 | references/analysis_framework.md | 情感分析、主题聚类、痛点亮点方法论 | | 报告模板 | assets/report_template.md | 完整报告章节结构 |

注意事项

  • 若反馈条数少于 5 条，说明「样本量较小，结论仅供参考」
  • 若需智客户意图清单未接入，在报告的价值目标维度章节标注接口状态，并基于反馈内容做初步归纳
  • 涉及用户隐私（姓名、手机号等）的原文，引用前需脱敏
  • P0 级未闭环反馈必须在报告中以醒目方式标出
  • 负面率超标时，在执行摘要中明确提示风险