用户反馈分析的痛点
- App Store 几百条评论，一条条看不过来
- 客服工单量大，不知道优先处理什么
- 不同渠道的反馈格式不统一
AI 分析流程
第一步：收集和清洗
把各渠道的反馈汇集到一个文档（Excel/飞书表格），每个反馈一行，包含：
- 来源（App Store / 客服 / 问卷）
- 用户 ID 或昵称
- 反馈内容
- 时间
第二步：批量分析
把数据贴给 AI（Kimi 支持超长上下文，一次可以处理几百条）：
> 以下是我们的用户反馈数据（共 200 条）。请帮我：
> 1. 用 5-10 个标签对反馈分类（如：物流、定价、质检、App 体验等）
> 2. 每个分类的占比和典型反馈（列举 3 条代表性的）
> 3. 情感分布（正面/中性/负面 比例）
> 4. 高优先级问题 TOP 5（频率高 + 影响大的问题）
第三步：提炼用户画像
> 根据这些负面反馈，帮我归纳出 3 个典型的"不满意用户画像"，描述他们是谁、为什么不满、期望是什么。
第四步：生成行动计划
> 针对 Top 5 问题，每个请给出：
> - 问题根因推测
> - 建议的解决方案（短期/中期）
> - 需要协调的团队
注意事项
- **脱敏处理**：上传用户数据前去掉手机号等敏感信息
- **AI 只能给你"趋势"**：百分比是估计值，精确统计还是要 SQL
- **结合定量数据**：AI 告诉你"物流投诉最多"，但实际投诉率是多少需要数据库确认