客户声音(VOC)会话分析技能。读取用户提供的一批客服会话导出文件（Excel/CSV/文本，逐条式或整段式均可，来自企业微信、千牛、美洽、Udesk、智齿等系统），提炼客户在关心什么，输出高频问题Top榜、情绪分布、原声引用、流失风险信号与改进建议的单次洞察报告。适用场景：客户声音分析、VOC分析、会话洞察、客户反馈分析、客户需求分析、客诉归因，以及用户提供一批客服会话并希望了解客户整体反馈的任务。分析结果供决策参考。反馈与定制联系：zenobiazizi.skills@foxmail.com
编程
Voc Analysis
试用通用顾客声音（VOC）分析技能。通过交互引导采集顾客原始反馈，系统化整理、分类、提炼关键需求，并转化为可测量的 CTQ（关键质量特性）与改善优先级。适用于顾客投诉分析、产品改进方向识别、服务质量设计等场景，质量反馈（投诉/退货/审核发现）是典型应用领域之一。
它能做什么
通用顾客声音（VOC）分析技能。通过交互引导采集顾客原始反馈，系统化整理、分类、提炼关键需求，并转化为可测量的 CTQ（关键质量特性）与改善优先级。适用于顾客投诉分析、产品改进方向识别、服务质量设计等场景，质量反馈（投诉/退货/审核发现）是典型应用领域之一。
技能文档
VOC顾客声音分析技能
0. 能力说明与边界（调用前必读）
本技能能做什么
- 引导你采集并整理顾客/用户的原始反馈，按维度归类、标注情感与频次。
- 将关键需求提炼为可测量的 CTQ（Critical to Quality），并给出改善优先级。
- 输出双版本报告：Markdown 文档 + 精美网页版 HTML（适合评审演示）。
本技能不能做什么
- 不能替你编造反馈——所有分析的源头是你提供的真实反馈，Agent 只做归纳整理，不虚构"顾客说"。
- 不能替你定 CTQ——哪些需求要转成可测量指标、指标阈值多少，由你确认。
- 不能替你下"先做哪个"的取舍结论——优先级给建议，最终取舍由你定。
- 不对负面反馈做粉饰——原始抱怨会如实呈现，不会"美化"。
- 不绑定任何质量管理体系标准——VOC 是通用顾客洞察方法，质量是应用方向之一。
通用性说明：VOC 适用于任何有"用户/顾客声音"的场景（产品、服务、内部流程、政务服务…）。举例与引导会多往质量管理领域靠拢（如顾客投诉、退货分析、审核不符合项、质量特性 CTQ 转化），但你可切换到任何领域。
1. 调用前置：我需要的信息
| 信息 | 必填 | 说明 |
|---|---|---|
| 原始反馈 | 是 | 顾客/用户反馈文本（可逐条给，也可上传 .txt/.docx/.xlsx，由 Agent 调文档解析技能读取） |
| 分析对象 | 是 | 产品/服务/流程名称 |
| 分析目的 | 否 | 如"投诉根因""改进方向""CTQ 提取" |
| 战略/重点 | 否 | 若提供，优先级会向其倾斜；未提供标注「待提供战略后复核」 |
缺失处理：反馈不足时 Agent 会引导你逐条补充或给示例启发，不会代写。
2. 交互锁流程（强制）
| 门 | Agent 行为 | 禁止 |
|---|---|---|
| 门1 采集反馈 | 接收上传/逐条引导挖掘（"还有哪些使用场景的反馈？""这条是质量还是价格问题？"） | 替你编"顾客说电池差" |
| 门2 整理分类 | 按维度分组、标情感/频次，请你确认归类 | 擅自把中性反馈判为负面 |
| 门3 CTQ 转化 | 引导你把关键需求转成"可测量指标+阈值"，给示例 | 替你写"续航≥2天"这类指标 |
| 门4 优先级 | 按 IPA（重要度×满意度）给象限建议，交你确认 | 替你定"先改电池"的结论 |
3. 输出形式（规则 4：先大纲后文档）
收集与提炼完成后，先展示报告大纲确认，再生成：
VOC顾客声音分析_报告.mdVOC顾客声音分析_报告.html（精美网页版，用于演示）
若只需文字结论，对话内直接给，不必强制出文档。
4. 参考资料（按需读取）
references/interaction_guide.md：各门引导话术与示例references/dialogue_examples.md：真实对话示范scripts/build_report.py：反馈清单 + CTQ 树 + IPA 象限 + 优先级 → MD/HTMLassets/VOC顾客声音分析_输出大纲.md：报告大纲骨架（规则4）
TRACE 自评
| 维度 | 分 | 说明 |
|---|---|---|
| Trust 信任度 | 8 | 源头强制为用户真实反馈，不虚构；CTQ/优先级交由用户确认 |
| Reliability 可靠性 | 8 | 交互锁保证数据真实；IPA 象限逻辑清晰可复现 |
| Adaptability 适配性 | 8 | 支持上传多格式反馈；质量/服务/流程多场景示例 |
| Convention 惯例性 | 8 | 无个人标记；显式边界；内置 5 条通用规则 |
| Effectiveness 有效性 | 9 | 双版输出（MD+精美HTML），直接可演示 |
| 合计 | 41/50 | 过发布门槛 |
相关技能
将客户声音(VOC)转化为关键质量特性(CTQ)的分析工具；支持文本分析、需求提取、映射关联、可视化报告生成；当用户需要分析客户反馈、提炼产品需求、确定质量改进优先级时使用
1 次安装
亚马逊买家之声：评论采集 + VOC 洞察报告
评论里的消费者之声：画像、动因与 Listing 优化
亚马逊买家之声：评论采集 + VOC 洞察报告
1 次安装
将海量评论、工单、问卷和访谈，快速转化为可行动的客户体验洞察。VoiceScope 能自动生成标签体系、批量智能打标，并持续发现标签缺口、重复和粒度问题，辅助智能优化标签口径；通过 AI 语义聚类，自动识别高频痛点、产品亮点和真实用户观点。分析结果可呈现 NSS 四象限、正负向分布及 KEI/KEP × 用户旅程热力图，支持逐层下钻到观点簇和用户原声，并沉淀为可分享的洞察报告。帮助产品、CX、客服和用户研究团队统一判断标准、定位体验问题并确定改进优先级。
1 星标