客诉质量分析技能

SKILL.md

---
name: 客诉质量分析技能
slug: complaint-quality-analysis
displayName: 客诉质量分析技能
description: 客诉质量复盘分析；当用户需要客诉台账分析、售后质量问题复盘、投诉统计报告生成或客诉异常清单分析时使用；覆盖数据清洗、统计分析与改善建议
version: 1.1.0
category: quality
author: org-jaxjwo0r
---
# 客诉质量复盘分析

## 任务目标
- 本 Skill 用于：企业客诉质量数据的标准化复盘分析，生成可视化报告
- 能力包含：多工作表解析、字段关联分析、客诉统计计算、HTML+Markdown双格式报告生成
- 触发条件：用户上传客诉表格、售后问题记录表、投诉异常清单或提出客诉分析需求时

## 前置准备
- 依赖说明：scripts 脚本依赖 pandas（表格处理）、openpyxl（Excel）、matplotlib（图表）、jinja2（HTML模板）
- 数据准备：用户需提供客诉相关表格文件（Excel/CSV/文本粘贴）

## 操作步骤

### 标准交互式分析流程

#### 步骤 1：数据宏观分析（脚本处理）
- 解析用户提供的所有工作表，识别每个表的字段名称、数据类型、记录数量
- 脚本调用示例：
  ```bash
  python scripts/analyze_complaints.py --file_path /path/to/complaint_data.xlsx
  ```
- 输出：所有工作表的字段列表、数据概览、初步字段关联建议

#### 步骤 2：字段确认（智能体处理）
- 向用户展示识别到的所有字段列表
- 询问不明确字段的具体含义（如"问题等级""处理方式"等）
- 确认关键字段映射（客户名称、产品型号、投诉日期、问题类型、异常描述、处理状态）
- 获取用户的字段映射确认

#### 步骤 3：分析目标明确（智能体处理）
- 明确用户本次分析的核心目标（如：年度客诉复盘、某产品问题分析、某客户投诉趋势）
- 确认报告格式要求（Markdown/HTML，是否需要图表、图表类型偏好）
- 确认分析维度（是否需要客户对比、产品对比、时间趋势等）

#### 步骤 4：初步洞察展示（智能体处理）
- 基于步骤1的数据概览，向用户展示初步发现：
  - 数据周期范围（如：2024年1-6月）
  - 总体客诉数量、主要客户分布、主要产品线
  - 数据质量提示（缺失字段、异常数据）
- 获取用户对初步洞察的确认或补充

#### 步骤 5：深度统计分析（脚本处理）
- 执行标准化客诉分析维度：
  - 按投诉问题类型分类统计、占比计算
  - 按客户/产品维度问题分布统计
  - 高频重复投诉问题识别（同一问题出现≥3次）
  - 周期内客诉整体概况与波动说明
- 脚本调用示例：
  ```bash
  python scripts/analyze_complaints.py --file_path /path/to/complaint_data.xlsx --field_mapping '客户名称=customer,产品型号=product,投诉日期=date,问题类型=issue_type,异常描述=description,处理状态=status'
  ```

#### 步骤 6：报告摘要与大纲确认（智能体处理）
- 生成报告摘要：周期概况、核心发现、关键建议
- 展示报告大纲结构：
  1. 周期客诉整体概况
  2. 分类统计+高频问题清单
  3. 质量复盘结论+内部管控优化提示
- 询问用户是否需要调整报告结构或补充内容

#### 步骤 7：最终报告生成（脚本处理）
- 生成 HTML 格式报告（含可视化图表）
- 生成 Markdown 格式报告（纯文本格式）
- 脚本调用示例：
  ```bash
  python scripts/generate_report.py --analysis_json /path/to/analysis_result.json --output_dir /path/to/output
  ```
- 输出：report.html、report.md

### 关键职责分工
- 智能体负责：用户交互、字段确认、目标明确、洞察解读、报告结构设计、结果说明
- 脚本负责：表格解析、数据计算、图表生成、HTML/Markdown报告生成

## 使用示例

### 示例1：标准客诉台账分析
- 场景/输入：用户上传 2024年上半年客诉台账.xlsx
- 预期产出：包含图表的HTML报告+纯文本Markdown报告，覆盖问题类型统计、客户分布、高频问题识别
- 关键要点：
  - 需先识别工作表数量和字段列表
  - 确认关键字段映射关系
  - 展示初步数据洞察后再深入分析
  - 报告大纲需用户确认后再生成最终报告

### 示例2：单一客户投诉复盘
- 场景/输入：用户上传某大客户年度投诉记录.csv，明确分析目标为"该客户投诉问题集中度分析"
- 预期产出：聚焦该客户的问题类型分布、高频重复问题、趋势变化
- 关键要点：
  - 分析前明确目标，聚焦单一客户维度
  - 重复问题需特别标记（出现≥3次）
  - 输出需适合内部复盘会议使用

### 示例3：月度投诉汇总分析
- 场景/输入：用户提供本月所有投诉清单，需要快速生成月度质量复盘报告
- 预期产出：本月客诉概况、TOP5问题类型、环比波动说明
- 关键要点：
  - 强调周期性波动说明
  - 对比上月数据（如有历史数据）
  - 报告需简洁直接，适合管理层快速浏览

## 资源索引

### 脚本
- [scripts/analyze_complaints.py](scripts/analyze_complaints.py)（用途：解析Excel/CSV文件，识别字段结构，执行客诉统计分析；参数：--file_path文件路径、--field_mapping字段映射）
- [scripts/generate_report.py](scripts/generate_report.py)（用途：生成HTML和Markdown双格式报告；参数：--analysis_json分析结果JSON、--output_dir输出目录）

### 参考
- [references/field-mapping.md](references/field-mapping.md)（何时读取：字段确认步骤，用于对比标准字段映射、提供字段含义说明）

### 资产
- [references/report-template.html](references/report-template.html)（直接用于生成HTML报告：提供报告模板和CSS样式）

## 注意事项

### 数据范围
- 仅处理客诉相关数据：客诉登记台账、售后问题记录表、客户异常反馈清单、周期投诉汇总表
- 不处理：车间现场不良、供应商来料、SPC、成本、生产制程分析
- 如收到非客诉类数据，直接提示不在本技能处理范围

### 交互规范
- 不要在收到数据后立即开始分析，必须先完成以下确认：
  1. 展示宏观分析后的字段列表，询问不明确字段含义
  2. 明确分析目标和报告格式要求
  3. 展示初步数据洞察并获取确认
- 不要在未确认报告大纲前生成最终报告

### 输出规范
- 固定三段式结构：①周期客诉整体概况 → ②分类统计+高频问题清单 → ③质量复盘结论+内部管控优化提示
- 文字严谨、合规、中性，适合内部品质复盘、管理层汇报参考
- 排版简洁，HTML报告需包含可视化图表，可直接复制至周报、月度复盘文档
- 不编造数据、不夸大风险，完全依据原始表格客观分析

### 数据质量
- 对缺失字段进行提示，但不影响核心分析
- 对异常数据（如日期格式错误、空值过多）进行过滤提示
- 重复投诉识别标准：同一问题关键词+同一客户+时间跨度内出现≥3次

### 脚本使用
- 所有脚本必须使用绝对路径调用
- 分析结果以JSON格式传递给报告生成脚本
- HTML图表使用matplotlib生成，以base64编码嵌入

## TRACE 测评

| 维度 | 评分 | 说明 |
|------|------|------|
| T — 可信任度 | 9/10 | 纯文档/脚本技能，无外部依赖风险，支持中文交互 |
| R — 可靠性 | 9/10 | 有异常处理说明; 输出格式明确 |
| A — 适用性 | 9/10 | 有适用范围声明; 触发条件明确 |
| C — 规范性 | 10/10 | frontmatter 完整; 文档结构清晰; 内容充分 |
| E — 有效性 | 10/10 | 输出明确; 含使用示例; 文档详尽 |
| **总分** | **47/50** | 通过 |