VOC 顾客声音分析

把顾客的声音变成预警与行动

一业务背景

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。

二这件事原来卡在哪

1
反馈渠道分散,人工聚合周期长
2
问题归因靠经验,缺乏结构化维度
3
发现的问题无法沉淀为可追踪的预警动作

三工作链路

从输入到输出 · 每个节点谁在做什么

第 1 步
人工输入
上传反馈数据上传各渠道顾客声音 Excel(单月几十万行),并说明分析周期与事业部范围
第 2 步
WorkBuddy
先探数据再动手先读表头核对字段与实际取值,不确定就问;跑完后核对行数确认过滤生效
第 3 步
WorkBuddy
按固定口径重算有效声量、情绪、问题分类、单品归一全部按统一口径重算,不直接信原表标签
第 4 步
WorkBuddy输出
生成分析看板产出单文件 HTML 看板(五章结构),浏览器打开即看,不依赖任何外部资源
第 5 步
人工
依据报告行动运营依据预警话术与根因卡,推进商品与服务改进

四难点与解法

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

五用之前要知道的前提

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

  • 上传《顾客声音数据源》Excel(同周期多份可一起上传;只有同时上传去年同期数据才计算同比)
  • 粘贴提示词全文发送;WorkBuddy 先探查字段取值,并向你确认「分析周期」和「事业部范围」两个变量
  • 确认后按固定口径全量重算,自动核对行数与有效率(30%–45% 区间,偏离会说明原因)
  • 产出单文件 HTML 分析看板(五章结构),并汇报数据量、本期首要问题与因字段缺失未产出的章节

六跑完之后拿到什么

    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。

    七复用提示词

    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
    全文约 4405 字

    想看具体怎么跑?

    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