客户反馈洞察

解决的问题

处理客户评论、客服工单或访谈记录时，原始文本往往包含大量重复、无关或敏感信息。直接让通用大模型总结，不仅容易产生幻觉数据，还可能暴露用户隐私。当样本量较小时，模型也极易将个别情绪放大为普遍结论。本技能旨在把松散的定性反馈整理成可追溯的证据链，并输出工程可用的行动简报。

核心能力与流程

本技能在处理付费分析任务时，严格遵循 Reviewer（审查）与 Generator（生成）模式，核心工作流如下：

• 预处理：剔除垃圾和无关数据，同时对姓名、联系方式、订单号等 PII 信息进行脱敏。
• 结构化编码：将记录拆解为问题、诉求、情绪、场景和客户阶段，并严格分离「观察到的事实」与「模型的解释」。
• 指标计算：仅在分母已知时计算百分比，杜绝用极小样本推导全量市场结论。
• 优先级排序：基于业务影响、紧迫性与证据强度生成待办清单，并为每个高优建议提供验证方法。
• 付费调用机制：通过 SkillPay / X402 接口进行结算，遵循 HTTP 402 响应拦截与微信支付确认流程，确保在付费成功（HTTP 200）前不泄露最终简报。

适用边界

• 仅限授权数据：不提供网络爬虫功能，严禁输入未经脱敏的机密客户数据。
• 极小样本警告：允许极少量样本输入，但输出结果必须被严格标记为「定性分析」，避免误导决策。
• 人类审查门控（Human Gate）：在对外发布报告、修改定价或向客户发送回复前，必须停止流程并要求用户确认。