Agent Skills
返回列表
爆款笔记·评论顾客之声聚类

爆款笔记·评论顾客之声聚类

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_fccf428b/comment-voice-of-customer-clusterer。

技能介绍

要解决什么问题

业务侧手里往往有一坨带编号的评论导出:时间、来源、权限都清楚,但没人系统地把「用户在说什么」收成可执行的研究产出。常见痛点是:敏感信息混在正文里不能直接丢给模型;单条评论里问题、吐槽、期望和废话缠在一起;少数几声被当成「全民需求」;写选题时把没证据的结论写死。这个技能面向的是离线整理:在你已合法提供的材料上,做可追溯的编码与聚类,并明确哪些能答、哪些得补证。

技能如何工作

输入侧会先核对评论导出、样本范围、剔除字段、产品事实与回答边界,以及最小成簇数量和复核人;缺一项时只追影响最大的,补不齐的标为「待补证」。

核心流程有五步:

  1. 去标识清洗:去掉姓名、联系方式等可识别组合,只留分析用文本。
  2. 句级编码:按问题、阻力、期望、体验、无关噪声拆分句子。
  3. 阈值成簇:达到预设数量才成需求簇,少量表达进观察池。
  4. 原话回溯:每簇绑定记录编号与代表性原话,不脱离上下文。
  5. 选题适配:只产出现有事实能支撑的选题,未知项单独列出。

最低交付包括清洗与排除记录、评论编码表、需求簇地图、原话证据、可回答选题与未知项;输出需对齐 assets/output-template.md,并按 references/output-contract.json 自检,结论要带依据、置信度、负责人与停止条件。

适用边界

不替你抓取或补采未提供的评论;聚类前必须去身份与敏感信息。低于阈值的表达不能包装成高频需求,原话不得改写成更强结论。不承诺曝光、排名、转化或收益,也不输出密码、密钥、联系方式或可识别个人信息。

使用场景

  • 电商或大促后拿到带记录编号的评价导出,要收成需求簇并附原话给内容选题
  • 客服工单或 App 商店评论已授权使用,需先脱敏再句级编码做 VoC 地图
  • 产品复盘会前要把用户评论里的阻力与期望分开,并标出证据不足的未知项
  • 合规审阅要求每条结论可回溯到记录编号,不能凭空写高频痛点

适合人员

  • 负责爆款笔记选题的内容策划,要用真实评论原话支撑标题与角度
  • 用户体验研究员,在最小成簇阈值下整理评论并指定人工复核节点
  • 增长或运营同学,手握导出权限但要把敏感字段剔干净再聚类
  • 需要按 output-contract 交付编码表与需求簇地图的 AI 工作流搭建者