Agent Skills
返回列表
行业 VOC 深度语义聚类分析

行业 VOC 深度语义聚类分析

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_fe8d3f05/luowenvoc2。

技能介绍

解决什么问题

当产品改进、满意度分析或机会洞察依赖用户评论、回复、追评时，原始反馈通常分散、口语化、字段混杂。直接读表格很难判断哪些问题是重复诉求，哪些只是噪音。该技能把一批 VOC 材料整理成稳定的主题结构，便于后续复盘和决策。

如何工作

技能先做两项前置校验：声明材料读取覆盖率，排除空评论、模板自动回复、无分析价值的元数据、广告刷单等无效内容。随后在内部完成核心概念识别、按行业维度逐条打标签、相似概念向上合并，避免过度拆分。最终输出固定 5 列的 Markdown 表格：序号、主题名称、主题说明、支撑评论、声音标签，主题数控制在 8–12 个。每个主题保留 2–4 条用户原话作为证据，并给出简短标签，如 偏咸、包装难拆、物流慢。

适用边界

适合提供 Excel、CSV、JSON、TXT、PDF 或直接粘贴评论，并能明确行业、产品或关键词的场景。若读取覆盖率低于 60%，技能会建议分批或抽样；若评论量不足，主题数可能少于 8 个。它输出的是可复盘的主题聚类，不替代量化统计、情绪模型或完整 BI 分析。

使用场景

  • 收到某款休闲零食的 Excel 评论表，需要剔除模板回复并归出 8–12 个口味、包装、价格主题。
  • 从文旅酒店追评中提取用户原话证据，输出可给产品会使用的售后响应与安全保障主题表。
  • 将某关键词下的 CSV 用户反馈结构化，排除订单号、时间戳等字段，形成可复盘的主题聚类。
  • 对直接粘贴的门店评论片段做快速 VOC 聚类，输出带声音标签和支撑原话的 Markdown 表格。

适合人员

  • 负责产品改进的运营：每周要把用户评论、追评归成稳定主题，用于评审会。
  • 做满意度分析的研究员：需要从大段反馈里排除模板回复，提炼可解释的用户声音。
  • 带产品团队的负责人：要在不读全部原话的情况下判断口味、包装、售后等关键问题。
  • 数据分析实习生：需要把 Excel/CSV 评论整理成带原话证据的主题表，支撑后续统计。