voice-of-customer-synthesizer

客户之声综合分析工具

将零散的客户反馈整合为统一的信息来源。汇总来自所有渠道的信号，将其归纳为不同主题，并生成产品、营销和客户成功团队可以实际采取行动的报告。

适用对象： 客户反馈散落在 6 个不同地方、没人有时间综合分析的初创公司。创始人问“客户都在说什么？”，但没人能给出明确答复。此技能可以给出答案。

适用场景

• “我们的客户都在说什么？”
• “综合分析上个季度的客户反馈”
• “为产品团队编写客户之声报告”
• “客户反馈中反复出现哪些主题？”
• “汇总我们所有渠道的反馈”

阶段 0：信息收集

反馈来源（请提供所有可用的信息）

1. 支持工单 — 从支持工具导出（CSV：客户、日期、主题、描述、标签、解决结果）
2. NPS/CSAT 调查回复 — 评分 + 原文评论
3. Slack 消息 — 客户频道消息、反馈频道消息
4. G2/Capterra 评论 — 如果产品已上架，将抓取评论（请提供产品名称或 URL）
5. 通话/会议文字记录 — 客户通话录音或笔记
6. 流失客户退出调查回复 — 客户为什么离开？
7. 功能请求日志 — 客户需求的内部跟踪记录
8. 社交媒体提及 — 提及你们产品的 Twitter/LinkedIn/Reddit 讨论串
9. 电子邮件往来 — 值得关注的客户邮件（赞扬或投诉）
10. 应用内反馈 — 产品内收到的任何反馈

配置

11. 时间段 — 要分析哪个时间范围？（过去 30 天、一个季度、6 个月）
12. 产品名称 — 用于抓取评论和提供背景信息
13. 报告读者 — 谁会阅读这份报告？（产品团队、高管团队、客户成功团队、所有人）
14. 关注领域 — 是否有需要重点关注的主题？（例如：“新手引导体验”“定价反馈”“移动应用”）

阶段 1：数据收集

1A：内部数据处理

根据提供的输入，将所有反馈统一为标准格式：

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

对每条反馈进行情感分类：

• 正面 — 赞扬、满意、欣喜
• 中性 — 功能请求、问题、观察
• 负面 — 投诉、沮丧、失望
• 严重 — 流失威胁、升级处理、愤怒

1B：外部评论抓取（如适用）

如果产品已在评论平台上架：

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

提取：评分、评论文本、评论者职位/公司规模、日期、优点、缺点。

1C：社交媒体监听（如适用）

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

阶段 2：主题聚类

采用自下而上的方法，将所有反馈归纳为不同主题：

聚类方法

1. 阅读所有反馈
2. 找出反复出现的话题（由 3 位以上客户提及，或出现在 3 个以上来源中）
3. 将反馈归入不同主题
4. 按频率和严重程度排序

主题模板

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]

阶段 3：分析

3A：情感概览

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

3B：来源对比

来源	数量	平均情感	主要主题
支持工单	[N]	[正面/负面评分]	[主题]
NPS 评论	[N]	[评分]	[主题]
G2 评论	[N]	[评分]	[主题]
Slack	[N]	[评分]	[主题]
通话	[N]	[评分]	[主题]

洞察： 不同来源往往呈现不同的情况。支持工单通常偏负面（反映问题）。评论通常呈两极分化（喜爱/厌恶）。通话则能揭示细微差别。请标明哪些主题出现在多个来源中，以获得最高置信度。

3C：客群分析

客户群体	主导情感	主要请求	关键痛点
[新客户]	[情感]	[请求]	[痛点]
[高级用户]	[情感]	[请求]	[痛点]
[企业客户]	[情感]	[请求]	[痛点]
[已流失客户]	[情感]	[请求]	[痛点]

3D：趋势检测

与上一周期（如有）进行比较：

主题	上一周期	本周期	趋势	警报
[主题 1]	[N 次提及]	[N 次提及]	[↑X%]	[新出现/增长中/稳定/下降中]
[主题 2]	...	...	...	...

本周期的新主题： [之前未出现的主题] 已解决的主题： [显著减少的主题——已解决的问题]

阶段 4：建议

面向产品团队

优先级	主题	建议	证据强度
P0	[主题]	[具体行动]	[N 次提及，M 个来源，包含流失信号]
P1	[主题]	[行动]	[证据]
P2	[主题]	[行动]	[证据]

面向 CS/支持团队

行动	主题	预期影响
[为 X 创建帮助文章]	[主题]	每月减少约 [N] 个工单
[为 Y 增加引导步骤]	[主题]	减少新用户的困惑
[主动联系 Z 客户群体]	[主题]	防止高风险客户群体流失

面向营销团队

行动	主题	机会
[在宣传信息中使用此证明]	[正面主题]	“[可用于营销的客户引言]”
[在网站上回应此异议]	[负面主题]	在销售前回应常见顾虑
[围绕 X 制作案例研究]	[正面主题]	[N] 位客户提到了这一成功之处

阶段 5：输出格式

# 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]

保存到 clients/<client-name>/customer-success/voc/voc-report-[YYYY-MM-DD].md。

定期安排

每月或每季度运行：

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

成本

组件	成本
评论抓取（通过 review-scraper）	~$0.50-1.00
网络搜索（社交媒体提及）	免费
所有分析和综合	免费（大模型推理）
总计	免费 — $1

所需工具

• 可选： review-scraper，用于抓取 G2/Capterra/Trustpilot 上的评论
• 可选： twitter-scraper，用于抓取社交媒体提及
• 可选： reddit-scraper，用于抓取社区反馈
• 所有分析均基于提供的数据，完全通过大模型推理完成

触发短语

• “客户都在说什么？”
• “生成一份 VoC 报告”
• “综合我们的客户反馈”
• “运行客户之声分析”
• “[周期]的客户反馈摘要”