客诉质量分析技能

客诉质量复盘分析

任务目标

• 本 Skill 用于：企业客诉质量数据的标准化复盘分析，生成可视化报告
• 能力包含：多工作表解析、字段关联分析、客诉统计计算、HTML+Markdown双格式报告生成
• 触发条件：用户上传客诉表格、售后问题记录表、投诉异常清单或提出客诉分析需求时

前置准备

• 依赖说明：scripts 脚本依赖 pandas（表格处理）、openpyxl（Excel）、matplotlib（图表）、jinja2（HTML模板）
• 数据准备：用户需提供客诉相关表格文件（Excel/CSV/文本粘贴）

操作步骤

标准交互式分析流程

步骤 1：数据宏观分析（脚本处理）

• 解析用户提供的所有工作表，识别每个表的字段名称、数据类型、记录数量
• 脚本调用示例：

  python scripts/analyze_complaints.py --file_path /path/to/complaint_data.xlsx
  

• 输出：所有工作表的字段列表、数据概览、初步字段关联建议

步骤 2：字段确认（智能体处理）

• 向用户展示识别到的所有字段列表
• 询问不明确字段的具体含义（如"问题等级""处理方式"等）
• 确认关键字段映射（客户名称、产品型号、投诉日期、问题类型、异常描述、处理状态）
• 获取用户的字段映射确认

步骤 3：分析目标明确（智能体处理）

• 明确用户本次分析的核心目标（如：年度客诉复盘、某产品问题分析、某客户投诉趋势）
• 确认报告格式要求（Markdown/HTML，是否需要图表、图表类型偏好）
• 确认分析维度（是否需要客户对比、产品对比、时间趋势等）

步骤 4：初步洞察展示（智能体处理）

• 基于步骤1的数据概览，向用户展示初步发现：
  • 数据周期范围（如：2024年1-6月）
  • 总体客诉数量、主要客户分布、主要产品线
  • 数据质量提示（缺失字段、异常数据）
• 获取用户对初步洞察的确认或补充

步骤 5：深度统计分析（脚本处理）

• 执行标准化客诉分析维度：
  • 按投诉问题类型分类统计、占比计算
  • 按客户/产品维度问题分布统计
  • 高频重复投诉问题识别（同一问题出现≥3次）
  • 周期内客诉整体概况与波动说明
• 脚本调用示例：

  python scripts/analyze_complaints.py --file_path /path/to/complaint_data.xlsx --field_mapping '客户名称=customer,产品型号=product,投诉日期=date,问题类型=issue_type,异常描述=description,处理状态=status'
  

步骤 6：报告摘要与大纲确认（智能体处理）

• 生成报告摘要：周期概况、核心发现、关键建议
• 展示报告大纲结构：
  1. 周期客诉整体概况
  2. 分类统计+高频问题清单
  3. 质量复盘结论+内部管控优化提示
• 询问用户是否需要调整报告结构或补充内容

步骤 7：最终报告生成（脚本处理）

• 生成 HTML 格式报告（含可视化图表）
• 生成 Markdown 格式报告（纯文本格式）
• 脚本调用示例：

  python scripts/generate_report.py --analysis_json /path/to/analysis_result.json --output_dir /path/to/output
  

• 输出：report.html、report.md

关键职责分工

• 智能体负责：用户交互、字段确认、目标明确、洞察解读、报告结构设计、结果说明
• 脚本负责：表格解析、数据计算、图表生成、HTML/Markdown报告生成

使用示例

示例1：标准客诉台账分析

• 场景/输入：用户上传 2024年上半年客诉台账.xlsx
• 预期产出：包含图表的HTML报告+纯文本Markdown报告，覆盖问题类型统计、客户分布、高频问题识别
• 关键要点：
  • 需先识别工作表数量和字段列表
  • 确认关键字段映射关系
  • 展示初步数据洞察后再深入分析
  • 报告大纲需用户确认后再生成最终报告

示例2：单一客户投诉复盘

• 场景/输入：用户上传某大客户年度投诉记录.csv，明确分析目标为"该客户投诉问题集中度分析"
• 预期产出：聚焦该客户的问题类型分布、高频重复问题、趋势变化
• 关键要点：
  • 分析前明确目标，聚焦单一客户维度
  • 重复问题需特别标记（出现≥3次）
  • 输出需适合内部复盘会议使用

示例3：月度投诉汇总分析

• 场景/输入：用户提供本月所有投诉清单，需要快速生成月度质量复盘报告
• 预期产出：本月客诉概况、TOP5问题类型、环比波动说明
• 关键要点：
  • 强调周期性波动说明
  • 对比上月数据（如有历史数据）
  • 报告需简洁直接，适合管理层快速浏览

资源索引

脚本

• scripts/analyze_complaints.py（用途：解析Excel/CSV文件，识别字段结构，执行客诉统计分析；参数：--file_path文件路径、--field_mapping字段映射）
• scripts/generate_report.py（用途：生成HTML和Markdown双格式报告；参数：--analysis_json分析结果JSON、--output_dir输出目录）

参考

• references/field-mapping.md（何时读取：字段确认步骤，用于对比标准字段映射、提供字段含义说明）

资产

• references/report-template.html（直接用于生成HTML报告：提供报告模板和CSS样式）

注意事项

数据范围

• 仅处理客诉相关数据：客诉登记台账、售后问题记录表、客户异常反馈清单、周期投诉汇总表
• 不处理：车间现场不良、供应商来料、SPC、成本、生产制程分析
• 如收到非客诉类数据，直接提示不在本技能处理范围

交互规范

• 不要在收到数据后立即开始分析，必须先完成以下确认：
  1. 展示宏观分析后的字段列表，询问不明确字段含义
  2. 明确分析目标和报告格式要求
  3. 展示初步数据洞察并获取确认
• 不要在未确认报告大纲前生成最终报告

输出规范

• 固定三段式结构：①周期客诉整体概况 → ②分类统计+高频问题清单 → ③质量复盘结论+内部管控优化提示
• 文字严谨、合规、中性，适合内部品质复盘、管理层汇报参考
• 排版简洁，HTML报告需包含可视化图表，可直接复制至周报、月度复盘文档
• 不编造数据、不夸大风险，完全依据原始表格客观分析

数据质量

• 对缺失字段进行提示，但不影响核心分析
• 对异常数据（如日期格式错误、空值过多）进行过滤提示
• 重复投诉识别标准：同一问题关键词+同一客户+时间跨度内出现≥3次

脚本使用

• 所有脚本必须使用绝对路径调用
• 分析结果以JSON格式传递给报告生成脚本
• HTML图表使用matplotlib生成，以base64编码嵌入

TRACE 测评