我在一家做 SaaS 的公司写代码,兼着听用户的声音。以前的做法是每周五花半小时把客服群里、应用商店里的反馈扫一遍,看完基本就忘了,等产品要用户故事的时候又抓瞎。这个月我搭了个盯反馈的智能体,把它变成了每天的例行公事。一个月跑下来,效果比我预想的好不少。
三个来源:客服群导出的每日对话记录(值班同事发到一个固定目录)、应用商店的新评论(用现成的采集服务抓)、还有我们自己系统里的差评反馈表单。智能体每天早上十点跑一轮,把三处的增量全部收进来。
收到原始反馈先做三件事:分类(功能建议/故障/吐槽/咨询)、打情感分(小事但有用,差评激增要当天就警觉)、抽取关键实体(提到哪个模块、哪个页面)。然后进最有价值的一步——和过去三十天的反馈做关联:同一模块的建议合并计数,同一故障的抱怨累计出现次数。
产出是每天早上发到群里的一段日报,就几行:今天新增反馈 N 条,导出模块被提到 6 次(30 天累计 31 次,趋势上升),一个新出现的故障关键词"白屏"出现 3 次需要关注。
第一条:导出模块的建议从零星几条涨到连续一周每天都有,我们把导出重构提前进了下个迭代。上线后那类反馈直接归零。搁以前,这些声音要等季度复盘才汇到一起,早错过窗口了。
第二条更险:某个周三早上日报提示"白屏"出现 3 次,以往这个词一个月出现不了一次。我们当天上午查出了昨晚一个发布引入的兼容问题,影响面还不大的时候修掉了。值班同事说,按老流程这事起码要两天后才有人察觉。
情感分翻过一次。有个老用户习惯用"你们这个破系统"开头,但内容其实是正经功能建议,被打成差评激进了两周。后来把情感判断改成只看诉求类型不看语气词,就正常了。这提醒我:中文反馈里的情绪和诉求是两回事,别让模型混着判。
用户的声音一直都在,缺的从来不是渠道,是有人天天汇拢它。这活以前没人愿意干,因为琐碎还没成就感——现在智能体干了,我每天花两分钟看日报就行。要说这一个月我最大的感受:所谓数据驱动,很多时刻就差一个不知疲倦的汇总员。