VOC FACT 结构化分析

解决的问题

用户评论、客诉原话和 NPS 开放题通常夹杂空值、系统默认、广告和纯情绪表达，直接做洞察容易把噪声当成需求。该技能面向这类单条 VOC 材料，先把有效内容筛出来，再按 FACT 框架拆出可追踪的字段：F 事实、A 行为、C 场景、T 触发点。它适合产品、客服、运营在根因分析和改进机会识别前做条目级结构化。

工作方式

• 读取完整性检查：分析前会报告已读取条数、未读取原因和抽样方式，避免把截断样本当成全量结论。
• 无效字段清洗：空值、系统默认、单字、重复、广告和纯情绪宣泄会被标记，不参与后续提取。
• 逐条结构化：对每条有效原话提取客观事实、具体动作、使用情境和触发瞬间；原话未提及且无法推断的字段填「无」。
• 机会识别：基于 T 触发点反推一句话可执行建议，例如自动识别订单、免填退换，而不是空泛的“提升体验”。
• 输出结构：默认输出 Markdown 表格，包含原话、F、A、C、T 和机会识别，并在表后汇总主题级建议。

适用边界

该技能聚焦单条评论的细节拆解，不替代全量评论的主题聚类。若某项信息只是推测，C 场景会标注「推断」；F/A/C/T 不编造。若用户额外要求，可追加情绪列，但默认不输出。