voice-of-customer-synthesizer

顧客の声の統合

散在する顧客フィードバックを、信頼できる唯一の情報源にまとめます。あらゆるフィードバックソースからシグナルを集約し、テーマごとに分類して、プロダクト、マーケティング、CSの各チームが実際に活用できるレポートを作成します。

対象： 顧客フィードバックが6か所に分散していて、統合する時間がないスタートアップ向けです。創業者が「顧客は何と言っていますか？」と尋ねても、明確に答えられる人がいません。このスキルが、その答えを作成します。

使用するタイミング

• 「顧客は何と言っていますか？」
• 「前四半期の顧客フィードバックを統合してください」
• 「プロダクトチーム向けにVoCレポートを作成してください」
• 「顧客フィードバックでは、どんなテーマが挙がっていますか？」
• 「すべてのチャネルからフィードバックを集約してください」

フェーズ 0：インテーク

フィードバックソース（利用可能なものをすべて提供してください）

1. サポートチケット — サポートツールからエクスポートしたデータ（CSV：顧客、日付、件名、説明、タグ、解決内容）
2. NPS/CSATアンケートの回答 — スコアと自由記述のコメント
3. Slackメッセージ — 顧客向けチャンネルのメッセージ、フィードバック用チャンネル
4. G2/Capterraのレビュー — 製品が掲載されている場合はスクレイピングします（製品名またはURLを提供してください）
5. 通話／ミーティングの文字起こし — 顧客との通話の録音またはメモ
6. 解約時アンケートの回答 — 顧客が離れた理由
7. 機能リクエストの記録 — 顧客からの要望を記録した社内トラッカー
8. ソーシャルメディアでの言及 — 製品に言及しているTwitter/LinkedIn/Redditのスレッド
9. メールのやり取り — 重要な顧客メール（称賛または苦情）
10. アプリ内フィードバック — 製品内で送信されたフィードバック

設定

11. 対象期間 — どの期間を分析しますか？（直近30日、四半期、6か月）
12. 製品名 — レビューのスクレイピングとコンテキストの把握に使用します
13. レポートの対象読者 — 誰が読みますか？（プロダクトチーム、経営陣、CSチーム、全員）
14. 注目する領域 — 特に注目するテーマはありますか？（例：「オンボーディング体験」「価格に関するフィードバック」「モバイルアプリ」）

フェーズ 1：データ収集

1A：社内データの処理

提供された入力をもとに、すべてのフィードバックを標準形式に正規化します。

SOURCE | DATE | CUSTOMER | SEGMENT | FEEDBACK_TEXT | SENTIMENT | CATEGORY

項目ごとの感情分類：

• 肯定的 — 賞賛、満足、喜び
• 中立 — 機能リクエスト、質問、所見
• 否定的 — 苦情、不満、失望
• 深刻 — 解約の恐れ、エスカレーション、怒り

1B：外部レビューのスクレイピング（該当する場合）

製品がレビューサイトに掲載されている場合：

Chain: review-site-scraper for G2, Capterra, Trustpilot
Filter: reviews from the target time period

抽出項目：評価、レビュー本文、レビュアーの役職／会社規模、日付、良い点、悪い点。

1C：ソーシャルリスニング（該当する場合）

Search: "[product name]" feedback OR review OR "switched to" OR "stopped using"
Search: "[product name]" site:reddit.com OR site:twitter.com

フェーズ 2：テーマの分類

ボトムアップ方式で、すべてのフィードバック項目をテーマごとにグループ化します。

分類方法

1. すべてのフィードバック項目を読む
2. 繰り返し現れるトピックを特定する（3人以上の顧客、または3つ以上のソースで言及されているもの）
3. テーマごとにグループ化する
4. 頻度と深刻度の両方で順位付けする

テーマのテンプレート

THEME: [Name — e.g., "Onboarding Complexity"]
FREQUENCY: [N mentions across M sources]
SENTIMENT: [Predominantly positive/neutral/negative]
TREND: [↑ Growing / → Stable / ↓ Declining vs prior period]

REPRESENTATIVE QUOTES:
- "[Exact quote]" — [Source, Customer segment, Date]
- "[Exact quote]" — [Source, Customer segment, Date]
- "[Exact quote]" — [Source, Customer segment, Date]

CUSTOMER SEGMENTS AFFECTED:
- [Segment 1: e.g., "New customers in first 30 days"]
- [Segment 2: e.g., "Enterprise accounts"]

ROOT CAUSE HYPOTHESIS:
[1-2 sentences: Why is this coming up? What's the underlying issue?]

IMPACT:
- On retention: [High/Medium/Low]
- On expansion: [High/Medium/Low]
- On acquisition: [High/Medium/Low]

フェーズ 3：分析

3A：感情の概要

Overall Sentiment Distribution:
  Positive:  [N] items ([X%])  ████████░░
  Neutral:   [N] items ([X%])  ████░░░░░░
  Negative:  [N] items ([X%])  ██░░░░░░░░
  Critical:  [N] items ([X%])  █░░░░░░░░░

3B：ソースの比較

ソース	件数	平均感情	主なテーマ
サポートチケット	[N]	[肯定／否定のスコア]	[テーマ]
NPSコメント	[N]	[スコア]	[テーマ]
G2のレビュー	[N]	[スコア]	[テーマ]
Slack	[N]	[スコア]	[テーマ]
通話	[N]	[スコア]	[テーマ]

インサイト： ソースによって、異なる実態が見えてくることがよくあります。サポートチケットは問題を扱うため、否定的な意見に偏ります。レビューは両極端（非常に好意的、または非常に批判的）になりやすく、通話からはニュアンスがわかります。確度を高めるため、複数のソースにまたがって現れるテーマに注目してください。

3C：セグメント分析

顧客セグメント	主な感情	主な要望	主な課題
[新規顧客]	[感情]	[要望]	[課題]
[ヘビーユーザー]	[感情]	[要望]	[課題]
[エンタープライズ]	[感情]	[要望]	[課題]
[解約した顧客]	[感情]	[要望]	[課題]

3D: トレンドの検出

前の期間と比較します（利用可能な場合）。

テーマ	前の期間	今回の期間	トレンド	アラート
[テーマ 1]	[N 件の言及]	[N 件の言及]	[↑X%]	[新規／増加／安定／減少]
[テーマ 2]	...	...	...	...

今回の期間の新しいテーマ： [以前は見られなかったテーマ] 解消したテーマ： [大幅に減少したテーマ — 修正した項目]

フェーズ 4：推奨事項

プロダクトチーム向け

優先度	テーマ	推奨事項	エビデンスの強さ
P0	[テーマ]	[具体的な対応]	[N 件の言及、M 個の情報源、解約の兆候を含む]
P1	[テーマ]	[対応]	[エビデンス]
P2	[テーマ]	[対応]	[エビデンス]

CS／サポートチーム向け

対応	テーマ	期待される効果
[X に関するヘルプ記事を作成する]	[テーマ]	月あたり約 [N] 件の問い合わせを削減
[Y のオンボーディング手順を追加する]	[テーマ]	新規ユーザーの混乱を軽減
[セグメント Z への先回りした連絡]	[テーマ]	解約リスクの高いセグメントの解約を防止

マーケティングチーム向け

対応	テーマ	機会
[この実績をメッセージに活用する]	[肯定的なテーマ]	「[マーケティングにすぐ使える顧客の引用]」
[ウェブサイトでこの懸念に対処する]	[否定的なテーマ]	購入前によくある懸念を払拭
[X を中心に事例を作成する]	[肯定的なテーマ]	[N] 人の顧客がこの成果に言及

フェーズ 5：出力形式

# Voice of Customer Report — [Period]
Sources analyzed: [list]
Total feedback items: [N]
Date range: [start] — [end]

---

## Executive Summary

[3-5 sentences: What are customers saying? What's the overall sentiment?
What's the single most important thing to act on?]

---

## Sentiment Overview

Positive: [X%] | Neutral: [X%] | Negative: [X%] | Critical: [X%]

Net Sentiment Score: [calculated — % positive minus % negative]
vs Prior Period: [+/- X points]

---

## Top Themes (Ranked by Impact)

### 1. [Theme Name] — [Sentiment] — [N mentions]
**Summary:** [2-3 sentences]
**Key quotes:**
> "[Quote]" — [Source]
> "[Quote]" — [Source]
**Recommended action:** [What to do]
**Owner:** [Product / CS / Marketing]

### 2. [Theme Name] — ...

### 3. [Theme Name] — ...

[Continue for top 5-8 themes]

---

## What Customers Love (Preserve These)

| Strength | Evidence | Marketing Opportunity |
|----------|---------|----------------------|
| [Feature/experience] | "[Quote]" — [N mentions] | [How to use in messaging] |

---

## What Customers Want (Feature Requests)

| Request | Frequency | Segments | Product Priority |
|---------|-----------|----------|-----------------|
| [Feature] | [N mentions] | [Who wants it] | [P0/P1/P2] |

---

## What Causes Pain (Fix These)

| Pain Point | Severity | Churn Risk | Recommended Fix |
|-----------|----------|------------|----------------|
| [Issue] | [High/Med/Low] | [Yes/No] | [Action] |

---

## Trends vs Prior Period

[What's getting better, what's getting worse, what's new]

---

## Team-Specific Action Items

### Product Team
1. [Action] — [Evidence]

### CS Team
1. [Action] — [Evidence]

### Marketing Team
1. [Action] — [Evidence]

---

## Appendix: All Themes Detail

[Full theme cards with all quotes and analysis]

現在の作業ディレクトリに voc-report-[YYYY-MM-DD].md として保存します。

スケジュール設定

毎月または四半期ごとに実行します。

0 8 1 */3 * python3 run_skill.py voice-of-customer-synthesizer --client <client-name>

コスト

コンポーネント	コスト
レビューのスクレイピング（review-site-scraper 経由）	約 $0.50～1.00
ウェブ検索（ソーシャルメディアでの言及）	無料
すべての分析と統合	無料（LLM の推論）
合計	無料～$1

必要なツール

• 任意： G2／Capterra／Trustpilot のレビュー用の review-site-scraper
• 任意： ソーシャルメディアでの言及用の twitter-mention-tracker
• 任意： コミュニティからのフィードバック用の reddit-post-finder
• すべての分析は、提供されたデータに基づく純粋な LLM の推論です

トリガーフレーズ

• 「顧客の声を教えて」
• 「VoC レポートを作成して」
• 「顧客フィードバックを統合して」
• 「顧客の声を分析して」
• 「[期間] の顧客フィードバックの要約」