产品岗位 / 客户之声 / CX-01
F旗舰T2+T3优先级 8.3全量替代抽检发现盲区需求真伪证据双周 VoC

CX-01 · 客服工单全量聚类

人工质检只能抽检 1%-2% 的会话 · 「报表与导出」168 条工单聚成一个主题 —— 而需求池里这条需求去年被拒了

一这件事现在是什么样

客户之声 · 真实业务触发

客服组长顾倩的工单系统里躺着近 60 天的 1,842 条工单。江晓每周问她的都是同一句：「有没有什么客户反馈值得注意？」顾倩的回答靠印象：「最近登录问题挺多。」真实的分布没人知道 —— 质检抽检只覆盖 1%-2% 的会话，全量聚类在人手上从未做到过。而 RQ-01 那条「导出」需求下周评审，江晓需要知道：工单里到底有多少条在说这件事？

二痛点 · 每条都有来源

不是流程描述，是调研出来的真痛点 —— 每条可点开核对出处

1
客服数据是金矿但从未被开采：传统客服质检只能覆盖 1%-2% 的会话量，全量聚类在人手上从未做到 —— 这是「AI 干了人一直没干成的事」的最硬证据依据 · 客服数据的金矿从未被开采：传统客服质检只能覆盖 1%-2% 的会话量，全量聚类在人手上从未做到 —— 这是「AI 干了人一直没干成的事」的最硬证据
2
聚类发现人工盲区有正面判例：用大模型对工单做全量聚类，发现人工抽检长期漏掉的主题、满意度提升 23% —— 聚类的价值不是统计是发现依据 · 聚类发现人工盲区的正面判例：用大模型对客服工单做全量聚类，发现人工抽检长期漏掉的主题、满意度提升 23% —— 聚类的价值不是统计是发现
3
「声音大当成需求广」有翻车判例：团队花两个月开发智能标签推荐（依据是几个活跃用户的反馈），上线使用率不到 5% —— 需求真伪需要全量证据而不是嗓门依据 · 「声音大当成需求广」的判例：团队花两个月开发「智能标签推荐」（依据是几个活跃用户的反馈），上线使用率不到 5% —— 需求真伪需要证据包而不是嗓门

三换个做法之后

变化不在「快」，在「参与的角色」和「覆盖的范围」

✕ 现在的做法

  • 客服数据是金矿但从未被开采：传统客服质检只能覆盖 1%-2% 的会话量，全量聚类在人手上从未做到 —— 这是「AI 干了人一直没干成的事」的最硬证据
  • 聚类发现人工盲区有正面判例：用大模型对工单做全量聚类，发现人工抽检长期漏掉的主题、满意度提升 23% —— 聚类的价值不是统计是发现
  • 「声音大当成需求广」有翻车判例：团队花两个月开发智能标签推荐（依据是几个活跃用户的反馈），上线使用率不到 5% —— 需求真伪需要全量证据而不是嗓门

✓ 交给 Agent 之后

  • 多来源文件一次读入，先做口径与完整性校验，再开始算
  • 每条结论绑定来源文件、字段或条号，可以被审
  • 产出是企业真会流转的正式件（带签批栏），不是一张展示用的表
  • 该拦的地方给出「现在还不能提交」，并给不用干等的替代方案

四场景闭环

5 步 · 每一步的产出都是下一步的输入

第 1 步
全量清洗 · 1,842 条一条不落去掉系统通知/重复提交/纯操作类 —— 但每类的剔除量记录在案，不悄悄扔
第 2 步
主题聚类 · 客户的语言不是产品的语言「报表打不开」「数据下不来」「给集团交材料」聚成「报表与导出」—— 主题名用客户的原话
第 3 步
频次与情感标注 · 每主题一张脸条数/趋势/情绪强度/典型金句 —— 「登录问题挺多」变成可验证的数字
第 4 步
盲区发现 · 抽检从未覆盖的角落与人工质检的抽样对照 —— 长尾但聚集的主题（如某型号扫码枪兼容）是抽检永远漏掉的
第 5 步
需求信号提取 · 喂给评审的证据与需求池对照：哪些主题已有需求、哪些是新信号、哪些验证了被拒需求的复活条件 —— 报告直连 RQ-01

要准备什么

客服工单/会话导出（全量）
1,842 条原样 —— 不抽样，全量是本场景的前提
产品功能与模块对照表
工单语言到产品语言的翻译基准
本迭代发布内容
新功能相关工单的对照 —— 效果验证的原料
上期聚类报告（如有）
环比 —— 主题的升降比单期的数字更有意义

为什么这个场景值得做

痛感 5 × AI 适配 5 ÷ 落地难度 3 = 8.3

最大差异点 · 不要求换工单系统。后台导出的 Excel（近 30-90 天全量）扔进来 —— 主题/频次/情感/金句的报告双周一次，发现的东西直接喂需求评审。

评分口径：痛感看「这事没做好谁会生气、生气到什么程度」； AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」； 落地难度是分母 —— 需要客户先做数据治理的场景，分数会被压得很低。

五会产出什么

判断标准只有一个：这份东西能不能直接进企业的流程

正式件本体
VoC 全量聚类报告.xlsx
正式件本体 · 主题/频次/情感/金句 + 环比
可派发清单
需求信号对照表.xlsx
主题 × 需求池的映射 · 新信号与复活条件标注
可派发清单
盲区发现清单.xlsx
抽检从未覆盖的长尾主题 · 逐条附典型原话

这套东西不承诺什么

不做「自动把工单转成需求入池」—— 聚类结果是人筛选后进 RQ-01 的归集。也不做「客服质检替代」—— 质检有质检的口径，聚类是需求侧的读法。

想看具体怎么跑？

Live Demo 里有一个完整案例的每一步，包括 Agent 在哪一步拦住了

查看 Live Demo →