customer-feedback-analysis

客户反馈分析

将来自 NPS 调查、CSAT 回复、支持互动和应用商店评论的原始客户反馈转化为结构化洞察。此技能从开放文本回复中提取重复出现的主题，计算定量评分分布，识别随时间变化的新兴趋势，并生成报告，将客户情绪与特定产品领域和业务成果关联起来。

工作流

1. 收集反馈数据 — 汇总所有可用来源的反馈：NPS 调查回复（评分 + 开放文本）、支持互动中的 CSAT 评分、应用内反馈组件、应用商店评论、社交媒体提及、G2/Capterra 评论和销售通话记录。为每条回复添加元数据：日期、客户细分、套餐等级、账户使用时长和来源渠道。确保所有来源采用一致的架构。

2. 清理并规范化 — 跨渠道去除同一客户的重复回复。统一评分尺度（将 1-5 分的 CSAT 转换为 1-10 分，以便交叉比较）。从开放文本回复中删除 PII。处理多语言回复时，检测语言并翻译为英文，同时保留原文。使用模式检测移除机器人/垃圾回复（文本相同、时间可疑、单字噪声）。

3. 从开放文本回复中提取主题 — 应用主题建模，将开放文本反馈聚类为连贯的主题。常见主题类别包括：产品可靠性、易用性、特定功能反馈、价格/价值认知、支持质量、引导体验和竞品对比。为每条回复分配一个或多个主题，并给出置信度分数。为每个主题提取有代表性的原文引述。

4. 计算定量评分 — 计算汇总指标：NPS（推荐者百分比减去贬损者百分比）、CSAT 平均分和主题频率分布。按细分群体（套餐等级、行业、账户规模、使用时长）拆分评分，以识别满意度最高和最低的群体。计算细分群体差异的统计显著性，避免因噪声而采取行动。

5. 识别趋势 — 将当前周期的指标与之前周期（环比、季度环比）进行比较。标记数量变化显著的主题（较基准上升或下降 20% 以上）。检测首次出现或达到频率阈值的新兴主题。将情绪变化与产品发布、价格变更或市场事件相关联。

6. 生成洞察报告 — 生成结构化报告，包含：执行摘要（3-5 条关键要点）、定量评分卡、附代表性引述的主题细分、趋势分析、细分群体对比和建议行动。每项建议都应与特定主题相关联，并根据出现频率和业务影响确定优先级。

用法

提供反馈数据（CSV、JSON，或描述数据集），并指定分析范围。该 Agent 将返回结构化洞察报告。

Analyze our Q4 NPS survey results (850 responses). Break down scores by plan
tier, extract the top themes from detractor comments, and identify any new
themes that weren't present in Q3.

示例

示例 1：NPS 调查分析

输入： 第 4 季度的 850 份 NPS 调查回复，按套餐层级细分。

输出：

执行摘要：

• 整体 NPS：+32（高于第 3 季度的 +28，具有统计显著性，p<0.05）
• Enterprise NPS：+52 | Pro NPS：+31 | Starter NPS：+14
• 主要贬损者主题：“报告速度太慢”（占贬损者评论的 38%，高于第 3 季度的 22%）
• 新出现的主题：“需要更好的移动端体验”（出现在第 4 季度 12% 的回复中，第 3 季度未出现）
• 推荐者忠诚度驱动因素：“客户支持非常出色”（占推荐者评论的 45%）

评分分布：

细分群体	推荐者（9-10）	被动者（7-8）	贬损者（0-6）	NPS	回复数
Enterprise	68%	16%	16%	+52	180
Pro	52%	27%	21%	+31	420
Starter	38%	38%	24%	+14	250
整体	51%	28%	21%	+32	850

主题细分（贬损者评论，n=179）：

主题	频率	与第 3 季度相比的变化	代表性引言
报告速度慢	38%	+16pp	“大型数据集的仪表板需要 20 多秒才能加载。这严重影响了我们团队的工作效率。”
定价问题	24%	-3pp	“从 Pro 升级到 Enterprise 的价格涨幅太大。我们需要这些功能，但无法接受 3 倍的费用。”
缺少集成	18%	-5pp	“还是没有原生 Salesforce 集成。我们已经提了一年多了。”
移动端体验	12%	新增	“通勤时我无法用手机查看仪表板。竞争对手的移动应用做得不错。”
设置复杂	8%	-8pp	“团队花了 3 周时间才完成初始配置。入门文档已经过时。”

建议行动：

1. P0 — 报告性能： 投入资源优化查询和缓存。38% 的贬损者提到了这一点，而且问题正在迅速加剧。预计解决后 NPS 可提升 +5-8 分。
2. P1 — 移动端体验： 委托开展移动端产品竞争分析。这是一个占比 12%、呈上升趋势的新主题——应赶在第 1 季度 NPS 调查前采取行动。
3. P2 — 定价层级差距： 在 Pro 和 Enterprise 之间推出“Pro Plus”层级，吸引需要部分企业级功能、但无法承担完整价格的客户。

示例 2：应用商店评论情感分析

输入： 过去 6 个月的 1,200 条应用商店评论（合并 iOS 和 Android）。

输出：

整体情感： 平均 3.8★（iOS：4.1★，Android：3.4★）

按星级划分的情感：

• 5★（34%）：“喜欢这个设计”“快速可靠”“同类产品中的佼佼者”
• 4★（22%）：“很棒，但需要离线模式”“几乎完美”
• 3★（18%）：“还不错，但在 Android 上有缺陷”“满足基本使用需求”
• 2★（14%）：“经常崩溃”“提供的功能不值这个价”
• 1★（12%）：“我的数据丢失了”“客服没有回应”“应用无法打开”

功能请求提取（来自 3★ 及以上评论）：

功能请求	提及次数	平台	示例引言
离线模式	87	两者	“我经常出差，需要在没有 WiFi 的情况下访问数据。”
深色模式	64	两者	“晚上用这个太刺眼了。请添加深色模式。”
小组件支持	43	iOS	“希望能有一个主屏幕小组件，用来查看每日统计数据。”
导出为 PDF	38	两者	“我需要与没有账号的人分享报告。”
Android 稳定性	112	Android	“每次尝试编辑仪表板时都会崩溃。Pixel 8，Android 14。”

关键发现： Android 评分（3.4★）拉低了整体分数。1-2★ 评论中有 72% 来自 Android 用户。最主要的投诉是编辑仪表板时崩溃（Samsung 和 Pixel 设备，Android 14 及以上版本）。修复这一个错误，预计可使 Android 评分提高 0.4 星。

最佳实践

• 分别分析贬损者和推荐者的评论——将两组评论混合为单一主题分析，会削弱各组信号。
• 始终在报告 NPS 分数的同时提供置信区间和样本量。某个细分群体的 NPS 为 +60，但只有 15 份回复，并不具备可操作性。
• 在提交给领导层的报告中引用原文——原始客户反馈比统计摘要更有说服力，也能避免对主题标签产生误解。
• 在调查完成后 48 小时内回复贬损者，以闭环处理反馈。收到负面反馈后续跟进的客户，在下一轮调查中提高评分的可能性会增加 2 倍。
• 跟踪主题频率随时间的变化，而不是对单次快照做出反应。某个主题连续 3 个季度呈上升趋势，说明这是一个结构性问题；单个季度的激增则可能是对某次特定版本发布的暂时反应。
• 在主题分类体系中，将“缺少功能”类投诉与“功能故障”类投诉分开——它们需要不同的组织应对措施（产品路线图与工程修复）。

边缘情况

• 回复率低（<15%）——结果可能受到无应答偏差影响，即只有最满意和最不满意的客户会回复。请醒目注明回复率，并建议提高回复率后再得出细分层面的结论。
• 调查疲劳——每季度接受调查超过一次的客户，回复率会下降，评分也会更加负面。请限制调查频率，并轮换调查对象。
• 讽刺或反话回复——“哦，太好了，又一次让所有东西都坏掉的更新，我可太喜欢了！10/10”在简单的情感分析中会被判定为正面。请标记情感分数与 NPS 分数相互矛盾的回复，以便人工审核。
• 近期服务中断影响反馈——单次事件可能主导整个调查周期。请按事件发生前后对回复进行细分，并分别报告两种视角。可考虑延长调查窗口，以减弱近期事件的影响。
• 反馈中提及竞争对手——“我要转用 CompetitorX”这类回复包含有价值的竞争情报。请将竞争对手提及内容提取出来进行单独分析，并转交产品战略团队。