官方技能 · 客戶成功

NPS 與問卷的回饋主題分析

把 NPS 留言、問卷回答或評論分析成主題,附上次數、代表性引言、情緒,並為每個問題建議一個行動。

可在 Claude、ChatGPT 和程式設計代理中使用。使用 Team 和 Business 方案時,我們改進官方技能後,你 Pod 裡的這個技能會自動更新。

適用情境

你要提供的內容

你會得到的內容

一張附次數和情緒的主題表、每個主題的引言、有分數時的 NPS,以及建議行動。

運作方式

  1. 有分數就先算分數 NPS = 推薦者(9 到 10 分)的百分比減去貶損者(0 到 6 分)的百分比;被動者(7 到 8 分)只計入總數。結果寫成 -100 到 100 之間的數字,並附上回覆數。本技能的預設:回覆少於 30 則時,註明樣本很小。
  2. 全部讀過一次,再開始編碼 每則留言給 1 到 3 個代碼:說明內容的簡短標籤(「載入慢」、「價格」、「客服有幫助」)。同一則留言可以同時有正面和負面的代碼。
  3. 把代碼歸成 5 到 10 個主題 主題是團隊可以採取行動的具體議題(「報表載入很慢」),不是分類(「效能」)。提及少於 3 次的主題併入「其他」,除非它涉及資料遺失、資安或帳務錯誤。
  4. 計數並標註情緒 每個主題寫出:留言數、占全部留言的比例,以及情緒(正面、負面、褒貶參半)。有分數時,列出提及來自貶損者和推薦者各多少。
  5. 每個主題挑 2 則引言 選有代表性的,不選最極端的。一字不改地引用;可以用「…」刪節,但絕不更動用字。拿掉姓名和電子郵件。
  6. 每個負面主題建議一個行動 一個具體的下一步,以及由誰負責(這裡寫團隊即可,不必寫人名)。如果某個主題需要更多資料才能行動,寫出需要什麼資料。
  7. 寫重點摘要 3 點:最大的負面主題、最大的正面主題,以及(有提供前一期資料時)和前一期相比新出現或增加的主題。

SKILL.md 檔案

完整檔案,就是你的 AI 讀到的內容。 下載檔案

---
name: feedback-themes
description: 把 NPS 留言、問卷回答、App 商店評論或其他開放式的客戶回饋,分析成主題,附上次數、代表性引言、情緒和建議行動;有分數時一併計算 NPS。適用於有人提供問卷結果、NPS 回覆、評論或回饋匯出檔,並問「客戶在說什麼」、要主題分析、客戶之聲(VoC)摘要,或想知道先修什麼的時候。
---

# 回饋主題分析

主題分析告訴團隊:客戶最常說什麼、感受多強烈,以及該怎麼處理。每一則留言都要讀、編碼、計數、引用:只有次數沒有引言,感覺很抽象;只有引言沒有次數,最大聲的那則留言就會勝出。

## 適用情境

- NPS 或 CSAT 問卷已經結束,你手上有留言。
- 你匯出了 App 商店、G2 或應用市集的評論。
- 規劃產品路線圖之前,把客戶的原話帶進討論。
- 不適用於一對一訪談逐字稿:用 user-interview-synthesis。也不適用於把客服單整理成 FAQ:用 faq-from-tickets。

## 需要準備

- 留言,一列一則。有分數(NPS 為 0 到 10)和客群(方案、地區、使用時間)會更好。
- 期間,以及問卷的發送方式,寫在標題區。
- 如果留言少於 30 則,還是照做,但要註明數量少,並避免使用百分比。

## 步驟

1. **有分數就先算分數。** NPS = 推薦者(9 到 10 分)的百分比減去貶損者(0 到 6 分)的百分比;被動者(7 到 8 分)只計入總數。結果寫成 -100 到 100 之間的數字,並附上回覆數。本技能的預設:回覆少於 30 則時,註明樣本很小。
2. **全部讀過一次,再開始編碼。** 每則留言給 1 到 3 個代碼:說明內容的簡短標籤(「載入慢」、「價格」、「客服有幫助」)。同一則留言可以同時有正面和負面的代碼。
3. **把代碼歸成 5 到 10 個主題。** 主題是團隊可以採取行動的具體議題(「報表載入很慢」),不是分類(「效能」)。提及少於 3 次的主題併入「其他」,除非它涉及資料遺失、資安或帳務錯誤。
4. **計數並標註情緒。** 每個主題寫出:留言數、占全部留言的比例,以及情緒(正面、負面、褒貶參半)。有分數時,列出提及來自貶損者和推薦者各多少。
5. **每個主題挑 2 則引言。** 選有代表性的,不選最極端的。一字不改地引用;可以用「…」刪節,但絕不更動用字。拿掉姓名和電子郵件。
6. **每個負面主題建議一個行動。** 一個具體的下一步,以及由誰負責(這裡寫團隊即可,不必寫人名)。如果某個主題需要更多資料才能行動,寫出需要什麼資料。
7. **寫重點摘要。** 3 點:最大的負面主題、最大的正面主題,以及(有提供前一期資料時)和前一期相比新出現或增加的主題。

## 輸出格式

```markdown
# 回饋主題 — [來源],[期間]

**回覆數:** [N] · **NPS:** [分數](推薦者 [推薦者]%、被動者 [被動者]%、貶損者 [貶損者]%)[或「未提供分數」]

## 重點摘要
- [最大的負面主題,附次數]
- [最大的正面主題,附次數]
- [新出現或增加的主題,或「未提供前一期資料」]

## 主題
| 主題 | 提及次數 | 比例 | 情緒 | 來自貶損者/推薦者 |
|---|---|---|---|---|
| [主題] | [n] | [%] | [+/–/參半] | [n/n] |

### [主題]
- 「[引言]」
- 「[引言]」
**建議行動:** [步驟] — [負責團隊]

## 其他([n] 則留言)
- [小議題的一行摘要]

## 資料說明
- [樣本數、缺少的客群、留言的編碼方式]
```

## 範例

**輸入(112 則回覆中的 8 則,節錄):**

> 3 —「匯出要等超久,我已經放棄每週報表了」
> 9 —「客服團隊很棒,小芳幾分鐘就幫我解決問題」
> 5 —「價格漲了,東西卻都沒變」
> 10 —「超愛那些範本」
> 2 —「匯出又逾時了」
> 8 —「不錯,但手機 App 很難用」
> 6 —「對我們這種規模的團隊來說太貴了」
> 9 —「客服回得很快」

**輸出(節錄):**

```markdown
# 回饋主題 — NPS 問卷,第三季

**回覆數:** 112 · **NPS:** 14(推薦者 41%、被動者 32%、貶損者 27%)

## 重點摘要
- 匯出很慢或失敗:23 次提及,幾乎全部來自貶損者。
- 客服又快又親切:31 次提及,是推薦者最常給的理由。
- 未提供前一期資料,因此沒有趨勢。

## 主題
| 主題 | 提及次數 | 比例 | 情緒 | 來自貶損者/推薦者 |
|---|---|---|---|---|
| 客服回應快、有幫助 | 31 | 28% | + | 2/24 |
| 匯出很慢或逾時 | 23 | 21% | – | 19/1 |
| 價格和價值不成比例 | 17 | 15% | – | 12/0 |

### 匯出很慢或逾時
- 「匯出要等超久,我已經放棄每週報表了」
- 「匯出又逾時了」
**建議行動:** 量測大型帳號的匯出時間,優先修正逾時問題 — 工程團隊

## 資料說明
- 客服相關的引言提到了客服人員的名字;分享版本已拿掉姓名。
```

## 寄出前檢查

- [ ] 如果有列出 NPS,是用 9–10 分減 0–6 分計算,並寫出回覆數。
- [ ] 每個主題都有次數,而且次數來自實際編碼過的留言。
- [ ] 引言一字不改、有代表性,並已拿掉姓名和電子郵件。
- [ ] 主題夠具體,團隊知道要修什麼。
- [ ] 每個負面主題都有一個建議行動。
- [ ] 小樣本有標註;少於 30 則留言時不寫百分比。

## 常見錯誤

- 主題寫成「UX」或「產品」。要說出是它的哪一點。
- 把最憤怒的留言當成代表性引言。
- 一則長留言裡有 4 個抱怨,卻只算成一個主題。每一點都要分別編碼。

分享給你的團隊

把它加入 AI Skill Pod,團隊每個人(外包人員也包括在內)都能從自己的 AI 使用同一個版本。 看看和團隊分享 AI 技能的最佳做法

加入我團隊的 Pod

更新紀錄

參考來源

  1. Measuring Your Net Promoter Score℠ | Bain & Company (2026-11-04 查閱)
  2. Analyze Qualitative Data: Thematic Analysis (2026-11-04 查閱)
  3. Affinity Diagramming for Collaboratively Sorting UX Findings and Design Ideas (2026-11-04 查閱)
  4. Text iQ Best Practices - Qualtrics (2026-11-04 查閱)