用户反馈洞察
给多渠道的工单、商店评论、NPS 与访谈记录,产出加权主题报告、流失相关主题和 RICE 排序的功能待办。
功能与用途
用户反馈散在工单、应用商店评论、NPS 追问和访谈记录里,翻一遍很累,但真正说清问题、能排进路线图的结论又拿不出来。这个技能把这些反馈按类型、模块和严重度三个维度统一归类,按月排出最高频的主题并附上用户原话,再标出哪些主题和流失客户高度相关;功能需求则用 RICE 打分排顺序。它还会帮你设计一套多渠道收集机制——什么时候问、问什么、怎么汇总——前提是这些问题最后要有人回复给用户。
适用场景
- 半年积累了两千多条应用商店评论,想找出最能拉低评分的几个问题:半年积累了两千多条应用商店评论,想找出最能拉低评分的几个问题以及它们随时间的变化
- 只有支持工单一个反馈来源,用户为什么流失说不清,想搭起包含应:只有支持工单一个反馈来源,用户为什么流失说不清,想搭起包含应用内问卷、NPS 和评论监控的收集体系
- 季度末有四十多条功能需求来自工单、销售记录和 NPS 留言,:季度末有四十多条功能需求来自工单、销售记录和 NPS 留言,需要排出下季度先做哪十个
适用人群
- SaaS 产品经理
- 用户研究员
- 客户成功与支持负责人
使用步骤
- 先把能拿到的反馈数据汇总出来,说清渠道、时间范围和想回答的问题(比如流失原因或优先级)。
- 让系统按类型、模块、严重度三维给每条反馈打标,量大时改用批量自动分类。
- 拿到月度主题报告,按加权频次看高频主题和它们的原话样本,并检查流失相关主题那一节。
- 把功能需求交进 RICE 打分,补齐 Reach、Impact、Confidence、Effort 四项,必要时再用 Kano 判断属于必备还是惊喜。
- 把定性主题与功能使用、漏斗等行为数据对照验证,落地上线后记得回头告知提需求的用户。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 商业运营
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-11
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
>-
使用前准备
- 人工分析无需准备
- 要做批量自动分类需要可用的大模型 API
- 需具备各反馈渠道与行为数据的导出权限
依赖与权限
- 读取用户主动提供的内容