九步决策思维

为什么需要结构化的 VOC 分析

在产品迭代中，用户反馈往往以零散评论、工单和客服记录的形式堆积。这些数据体量巨大但结构混乱，直接阅读难以提炼出明确的行动方向。常见的问题是：团队容易被个别极端差评带偏，或者在功能层面的修修补补中忽略用户真实的底层任务。

这套技能的目标是把分散的用户声音系统性地收敛为产品决策依据。它不依赖单一工具，而是将多种分析模型串联成一条流水线，确保从原始评论到优先级排序的每一步都有据可查。

核心工作流：七步决策流水线

该技能采用递进式分析架构，每个步骤都基于上一步的产出：

• Step 1 生成式 VOC：在缺乏真实数据时，通过角色拆解和失败路径推演生成合成评论，用于探索性分析。
• Step 2 VOC 聚类：利用六西格玛逻辑将评论结构化为 8-12 个行业友好主题。
• Step 3 FACT 分析：对单条评论进行 事实/行为/场景/触发点 四维提取。
• Step 4 情绪痛点评分：通过五级情绪分类和七维量化评分（如 痛点价值分 = 情绪强度 × 痛点强度 × 场景频率）筛选高价值痛点。
• Step 5 JTBD 需求洞察：结合 NEO 框架（表层/本质/潜在）和三真分析挖掘战略级需求。
• Step 6 KANO 模型：对需求进行五维分类，并计算 Better-Worse 系数以量化满意度影响力。
• Step 7 产品机会地图：输出四象限 SVG 可视化和 P0-P3 优先级清单。

适用边界与质量控制

该技能适用于产品决策、需求洞察和用户研究场景，但不涉及代码开发或运营执行。使用前需注意：

• 证据可追溯：所有结论必须能回溯到具体的 VOC 原文。
• 数据门槛：构建机会地图至少需要 10 条原始反馈及前六步中 3 项以上的分析结果。
• 合成数据限制：Step 1 的合成评论无法替代真实用户数据，仅适用于早期方向探索。