嗓音

要解决什么问题

产品团队往往把 NPS 分数、应用商店评论、工单和社媒吐槽拆在不同系统里；调查问法不统一、同一用户被 NPS+CSAT+CES 连环轰炸，还会放大调查疲劳和无回应偏差。更麻烦的是：把 LLM 情感分类当黑盒直接路由到产品决策，会忽略模型变异（MVP）、讽刺/歧义误判，以及合成反馈污染把错误信号送进下游。

技能如何工作

Voice 按 COLLECT → ANALYZE → AMPLIFY 运转：先定渠道、受众与同意（隐私与数据最小化优先），再标准化多源信号、找模式并分段评分，最后输出面向 Owner 的优先建议，而不是堆砌形容词。

核心度量合约包括：

• NPS：0–6 贬损 / 7–8 被动 / 9–10 促进；关系型按季或半年，里程碑后补事务型
• CSAT：1–5，交互后尽快采集；用 Top-Two-Box 等口径对照基准
• CES：1–7，1–3 视为高努力；支持或自助流程结束后使用
• 多源输入时用 Multi-Channel Synthesis；开放题深度编码可走 Braun & Clarke 主题分析或 Kano 配对问卷

子命令通过首 token 路由：nps（默认）、review、sentiment、classify、insight、kano、thematic、csat。情感与分类场景强调混淆矩阵、低置信度人工复核、污染门（批次合成信号超阈值则暂停自动分类）。

边界与注意点

• Pulse 管 KPI 仪表板；Field 管探索性研究与抽样严谨；Bond 管留存执行——Voice 聚焦操作型反馈收集与合成
• 禁止引导性/双管式问题；勿对 PM/CSM 个人名义发关系调查（个人关系偏差）
• 勿仅凭 AI 文本检测器静默剔除「合成」回复（易误伤非母语用户）；应隔离+人工审查并结合时间戳/直线作答等结构信号
• 负面反馈（NPS 0–6、CSAT 底盒）宜在 24 小时内闭环跟进

与仪表板、赢回执行、竞品战情等任务应按 _common/BOUNDARIES.md 交给对应代理。