连锁餐饮门店消费者反馈分析

要解决什么问题

连锁品牌往往把点评、美团、闪送渠道和品牌问卷里的评论散落在各平台 CSV 里，总部很难用同一套口径做 QSC（品质/服务/环境卫生） 和 NPS 对比，也更难把差评拆成可跟进的「问题列表」。本 Skill 只做反馈的量化分析与报告生成：多源导入 → 标准化中间层 → 评分与 NLP → 周报/看板/预警，不接入工单，问题清单由人工分发。

技能如何工作

触发词会路由到对应脚本与参考文档，典型链路如下：

• 数据导入：支持品牌问卷、大众点评、美团、淘宝闪送、京东秒送等；经 data_importer 映射到统一 schema（store_id、region、rating_*、nps_score、comment_text 等）。
• 评分层：Q 40% / S 35% / C 25% 的 QSC 规则与 NPS（推荐者 − 贬损者）由本地脚本计算，不依赖外部服务。
• NLP：默认本地词典 + NLTK；可选阿里云/百度云 API 做更细的情绪与实体识别，输出极性、Top 关键词与差评根因标签（如出餐慢、异物）。
• 分析与输出：region_analyzer 做区域/门店排名与雷达对比；report_generator 产出周报/月报结构（概览、Top/待改进门店、根因、区域对比、预警、问题列表）；dashboard_generator 生成 HTML 看板；alert_engine 按规则做差评突增等预警；issue_extractor 导出待跟进清单。

边界与注意点

• 职责：不联动配方/营养类 Skill；问题列表不自动派单。
• 数据：customer_id 须脱敏；单店单月反馈 < 30 条 时 NPS 误差大，应提示样本不足。
• 解读：跨平台客群不同，不宜简单求平均；NLP 根因需人工复核；对外报告需对敏感客户信息打码。