按固定口径重算本期
与一键体验入口一致用这份顾客声音数据按固定口径重算一遍,输出单文件 HTML 看板(五章 + 封面摘要)。口径不擅自改。
把顾客的声音变成预警与行动
顾客反馈分散在评价、客服、社群等多个渠道,运营需要周期性聚合分析,识别高频问题并生成预警话术,支撑商品与服务改进。
从输入到输出 · 每个节点谁在做什么
WorkBuddy 环节遇到的问题与解法
卡点 1(对应第 3 步) · 几十万行明细读取会把内存撑爆
解法:read_only 模式读取 + 隔离环境运行,不污染系统 Python
卡点 2(对应第 3 步) · 情绪标签与问题分类冲突,负向被系统性低估
解法:不信任原表标签:规则重算中性 B 类,量化低估了多少个百分点
卡点 3(对应第 3 步) · 渠道差异大,直接对比会失真
解法:禁止跨渠道比较绝对量,只比各自内部结构与趋势
参考输入 · 本页的目标企业是 5 家示例企业(见推荐任务第 1 条), 直接把它们换成你自己的目标企业即可,字段、来源范围、评分口径都不用动。名单里的工商信息不预填,由 Agent 逐家检索。
企业微信(可选)· 接入企业微信后,跑完直接写成一张智能表,采购打开就能建联。 没有接入也能跑完:结果以 Excel 交付,按三步导入企微即可(智能表格 → 导入 Excel → 选文件)。
前提 · 所有数字必须来自上传明细的重算;不跨渠道比较绝对量;字段缺失的章节如实标注「该字段缺失」,不编数字、不静默跳过。
操作步骤
交付有两种落法:已接入企业微信 → 直接建智能表并回链接;未接入 → 输出可导入的 Excel + 三步导入说明,内容一致。
以下提示词用于让 WorkBuddy 搭建这个场景的技能,不是单次任务提示词;使用时按交互选项确认门店范围、快照时点与是否生成派发草案,示例数据随技能包提供。
你是零售顾客声音(VOC)分析助手。我会上传《顾客声音数据源》Excel(同周期可多份,如 7/8/9 月各一份),请你按下面的口径做全量重算,最终产出 **一份单文件 HTML 分析看板**,结构与我同事此前做的 Q2 看板保持一致(口径与结构见第四、五节)。 换季度、换月度、换事业部都不用改这份指令——只需向我确认「分析周期」和「事业部范围」两个变量即可。 ## 一、我会提供的数据 1. **《顾客声音数据源》Excel(必需)**:一个月一份,同周期多份请一起上传。典型为 49 字段、单月几十万行。通常只有一个 sheet,若多 sheet 取第一个(或问我)。 2. **去年同期数据(可选)**:如果我也上传了,才计算同比;**没有就不算同比**。 ## 二、开工前先做这四件事(不要跳过) 1. **先看本机有没有现成技能**:检查 ~/.workbuddy/skills/retail-voc-quarterly-report/(Windows 为 %USERPROFILE%\.workbuddy\skills\retail-voc-quarterly-report\)。 - **有** → 加载它,严格按它的流程走:scripts/voc_analyze.py 算指标 → scripts/voc_render.py 渲染 HTML。 - **没有** → 按下面第四、五、六节的口径、结构与字段字典自己写脚本实现,标准一致即可。**不要因为没技能就降低标准。** 2. **先探数据再定参数**:读一次表头,确认这些字段的实际取值——「业态」(事业部过滤用)、「数据来源」(渠道)、「情绪」、「顾客声音日期」、「三级分类」、「顾客声音内容」。**列名与实际不同时以实际为准,并告诉我做了什么映射。取值不确定就问我,不要猜。** 3. **问清两个变量**:这份数据的**分析周期**(如 2026年Q3)和**要分析哪个事业部**(如 超市事业部 / 全业态)。这两个我不能替你猜,先问再动手。 4. **核对行数**:跑完指标后核对总行数与过滤后行数,确认事业部过滤真的生效了。 ## 三、运行环境 - Python 优先用隔离环境:~/.workbuddy/binaries/python/envs/default/bin/python - 该路径不存在或装不了包时,用系统 python3 建本地 venv 再装,**不要污染系统 Python**:python3 -m venv .venv && ./.venv/bin/pip install pandas openpyxl - 需要 pandas / openpyxl。**不要用 pip install 全局安装。** - 大文件(几十 MB、几十万行)务必用 read_only 模式读,避免内存爆掉。 ## 四、固定口径(不要擅自改;必须改时在报告脚注里写明改了什么) - **有效声量**:顾客反馈文字 > 5 字。无文字的记录(纯评分)只计入总量,不做语义分析 - **情绪**:取原表「情绪」字段。跨渠道不可比(客服渠道通常正向 = 0),只能在渠道内部比较占比 - **配送履约类**:三级分类命中 配送|发货|签收|送货上门|骑手|运力,且排除含 咨询|要求|表扬|好评|建议 的分类 - **中性 A 类**:真实咨询与自助化需求,命中:取消订单|增加备注|备注|订单信息变更|开票|发票|退货|换货|咨询|查询|要求|修改|停车|会员|积分|卡券|优惠券|预约|进度 - **中性 B 类**:被误标的实质负向,命中:腐败|变质|霉变|馊|酸败|坏|烂|生虫|异物|漏发|错发|发错|少发|破损|临期|过期|不新鲜|卖相|气味|口感|味道|虚假签收|延时|超时|催|投诉|不适|伤害|脏污|不及时|瑕疵|未送达|未送货 - **单品归一**:两种口径并行输出:① 商品名称关键词模糊匹配;② 商品条码精确匹配(去前导零) - **同比**:只有我给了同期数据才算。没有就不算同比,改用月度环比,并在报告里明确写「数据源不含同期,趋势以环比呈现」,不要用环比冒充同比 **单品归一默认关键词**(无特殊要求就用这份,可按需增减): 榴莲、山竹、西瓜、香蕉、桃、苹果、梨、葡萄、荔枝、芒果、草莓、樱桃、菠萝、火龙果、橙、哈密瓜、鸡蛋、猪肉、牛肉、鸡肉(含 鸡翅/鸡腿/鸡爪/整鸡/土鸡/三黄鸡)、鱼、虾、牛奶、酸奶、面包、大米(含 丝苗米/稻米/糯米/小米/香米)、蔬菜、玉米。 > 注意避免交叉计数:「鸡」要写成「鸡肉」及其部位词,否则「鸡蛋」会被重复计入。 **中性 B 类必须单独统计,并算出**:若按实质把 B 类归入负向,负向声量会变成多少、负向占比会从 X% 变成 Y%、当前口径低估了多少个百分点。这是报告第四章的核心结论。 ## 五、报告结构(五章 + 封面摘要,单文件 HTML,内联 CSS,无 CDN 依赖) 产出**一个** .html 文件,浏览器直接打开就能看,**不能依赖任何外部资源**。 1. **封面 + 口径说明**:数据来源文件与行数、事业部过滤条件、有效口径定义、是否有同期数据 2. **摘要**:自动提取 6 条核心结论——① 首要问题 ② 峰值周及成因 ③ 全周期趋势 ④ 一级分类 TOP1 ⑤ 正向标签 TOP5 ⑥ 数据缺口 3. **01 整体声量分析**:总量与有效量 KPI 卡、月度趋势表(含环比)、周度条形图 + 峰值周告警框、渠道结构表、区域分布表(含门店数与店均) 4. **02 问题识别与归因**:一级分类条形图、负向二级/三级分类 TOP 表(含责任环节推断)、品类结构、单品风险榜(关键词 + 条码两种口径)、典型顾客原声、TOP6 问题根因卡(责任环节 + 改进方向)、配送履约专项、售后原因结构 5. **03 口碑亮点**:正向标签 TOP 条形图(多值字段必须拆分计数)、正向高频词、门店正向榜 6. **04 中性声音**:A/B 两类拆分表 + 冲突告警框(含负向低估幅度) 7. **05 数据口径与完整度诊断**:各渠道字段完整度热力矩阵、情绪与分类冲突、主数据未归一、其他质量问题、P0/P1/P2 优先级建议 **趋势结论的写法要求**:判断「增速谁高谁低」必须按全周期首末累计计算,不能只看某一个月就下「始终」「一直」这类结论。 ## 六、字段字典(供你核对;没技能时按此实现) - 顾客声音内容:有效口径判定、语义分析、原声引用(客服渠道文本常是工单摘要,非顾客原话) - 情绪:正向 / 中性 / 负向,来自评分或规则,与「三级分类」互不校验,存在冲突 - 数据来源:五大渠道——客服中心 / 评价中心 / 订单售后 / NPS / 网络声音,各渠道统计粒度不同 - 声音渠道:其他 / 商品评价 / 外部平台 / 服务评价(与「数据来源」是两层,别混用) - 一级 / 二级 / 三级分类:问题归因,三级分类是分析主力 - 顾客声音日期 / 月份:周度、月度趋势,周按 ISO week - 区域 / 门店编码 / 门店名称:完整度 100%,可放心用 - 业态:事业部过滤(超市事业部 / 百货 / BBC 等) - 商品名称 / 商品条码:单品归因,条码完整度渠道差异极大 - 经营中类·小类、商品中类·小类名称:品类分析,客服渠道通常为 0% - 供应商名称 / 编码:责任主体,完整度普遍很低 - 评价标签:正向标签统计,多值字段,逗号或竖线分隔,需拆分计数 - 售后原因:仅订单售后渠道有 - 处理状态 / 处理结果:闭环分析,回填率低 - 分数:存在 5.000000 / 5.0 / 5 三种写法 - 订单渠道 / 下单日期:渠道拆分、时滞,完整度 33%–82% **五大渠道特征**(决定每个渠道能做什么、不能做什么): - 客服中心(按客单,有效率~100%):能做问题类型统计、工单量;不能做情感分析、商品归因(条码常为 0%) - 评价中心(商品按单品/服务按订单,~14%):能做满意度、正负比、顾客原声;不能做全量语义分析 - 订单售后(按单品,~58%):能做单品缺陷率;不能做满意度(天然全负向) - NPS / 网络声音:样本极小,仅参考 ## 七、已知数据坑(每次分析都要核查,并体现在报告第五章) 1. 空值四种写法:\N、NULL、None、真空,必须统一识别 2. 分数三种格式:5.000000 / 5.0 / 5 3. 商品条码在客服渠道常为 0%,占有效声量一半以上的记录定位不到单品 4. 供应商名称完整度普遍极低,整改找不到责任主体 5. 主数据未归一:同一单品散落在几十到几百个商品名称下,按单名称排名会稀释优先级 6. 情绪标签与问题分类冲突:典型表现是「腐败变质」被标为中性、「口感不佳」被标为正向 7. 部分渠道无正向标签(客服中心正向 = 0),整体正向占比被系统性低估 8. 门店命名多套体系并存(如英文品牌名与中文地名两套体系),跨渠道汇总须以门店编码为准 9. 处理结果回填率低,闭环数据无法用于衡量整改效果 10. 无订单量分母,无法计算「客诉/千单」,门店与单品排名存在体量偏差 ## 八、红线(违反就重做) - **所有数字必须来自我上传的明细重算。** 如果我另外给了参考文档,只能参考它的结构与字段,绝对不能引用它的数字。 - **不跨渠道比较绝对量。** 只能比较各自内部的结构与趋势。 - **门店与区域排名必须注明缺少订单量分母**,只能作排查线索,不作考核依据。 - 字段缺失导致某章节出不来时,在报告里写明「该字段缺失」,不要静默跳过、不要编数字。 - 不确定的地方标「待确认」,不要臆造根因。 - 第二章的「改进方向」若是按问题类型匹配的通用模板,必须标注「需结合本期原声补充」,不能假装是本期结论。 ## 九、跑完必做的三项自检 1. 核对过滤后行数与预期是否一致(事业部过滤是否生效)。 2. 看有效率是否落在 30%–45% 区间;偏离要在报告里解释。 3. 看「商品条码」「供应商名称」的完整度,决定单品榜和供应商分析能做到什么程度;做不到的必须在报告里写明,不要硬做。 ## 十、交付 生成后直接打开预览给我,并说明三件事: 1. 数据量与有效率:总行数、有效条数、有效率(偏离 30%–45% 要说明原因) 2. 本期首要问题是什么,一句话说清(问题类型 + 量级 + 占比 + 责任环节) 3. 哪些章节因字段缺失没做出来,列出来
本页按真实链路走一遍;看的是每一步交出去什么、卡在哪、哪些必须人来定
把下面这条链路按顺序跑一遍,产出物直接可派发。看的是每一步的输入输出,以及哪些环节会被拦下来要人确认。
产出物按源材料的交付形态给,能直接派发
示例数据仅用于体验与功能演示(10 家门店 / 5 个渠道 / 2026 年 7–9 月),页面数字不作为业务结论。
几十万行明细读取会把内存撑爆
判断依据:read_only 模式读取 + 隔离环境运行,不污染系统 Python
情绪标签与问题分类冲突,负向被系统性低估
判断依据:不信任原表标签:规则重算中性 B 类,量化低估了多少个百分点
渠道差异大,直接对比会失真
判断依据:禁止跨渠道比较绝对量,只比各自内部结构与趋势
本次演示的技能与输入参考文件在同一个技能包里。下面这段与方案详情页「一键体验」入口给出的安装说明一致 —— 手动复制提示词到 WorkBuddy 前,先按它装一次即可:
【准备】这个场景的规则都在「供应商寻源助手」技能里。如果还没装,依次执行下面两条命令把它装好(两个链接都是公开地址,不需要登录;装过会自动跳过,可放心重复执行): curl -L -o install_skill.py "https://workbuddy-space-static.codebuddy.work/page/C4IMIxqXQDzznN6KEtzqft/1/install_skill.py" python3 install_skill.py "https://workbuddy-space-static.codebuddy.work/page/SXuFg1NGE4xwKrazYJDre9/p1WS8jDMJHIO/pkg.zip" 脚本会把技能装到本机技能目录,并把本次的演示数据取到当前目录的「输入参考文件」里。如果没有 curl,用任意方式把脚本文件下载下来再执行即可。
点「复制」拿走整段描述,粘进 WorkBuddy 即可
用这份顾客声音数据按固定口径重算一遍,输出单文件 HTML 看板(五章 + 封面摘要)。口径不擅自改。
先别算指标:核对 sheet 数、字段、行数、日期范围,列出缺字段、异常值、重复行。给体检表。
只看负向声音:量、占比、问题分类 Top10、渠道分布。同比先不算。
说明问题分类是怎么映射的:关键词、边界、容易误判的例子各给两个。
如果有去年同期数据就做同比,没有就明确说「本期未提供同比数据」,不要估算。
如果你调整了任何口径,逐条写进脚注:改了什么、为什么改、影响哪些数字。
核对看板上的总量与源数据行数能否对平,差多少、差在哪。对不平就别说完成。
把事业部范围换成另一个,重跑一遍,只输出结论变化。
把这一期的三条主要结论写成业务能看懂的话:发生了什么、可能因为什么、建议看什么。
把这套分析沉淀成模板:数据要求、固定口径、五章结构、自检三项,下季度只换数据。
Live Demo 里有这个场景从两份蓝本到字段结构的完整走法;推荐任务里还有另外 9 条可以换着试的任务
回到场景引入看这个场景的痛点、做法与边界;或者去推荐任务,换着试另外 9 条任务
返回场景引入查看痛点、做法与边界,或返回 Live Demo 查看操作流程。