Synthetic voc
Skill Arianassskm/VOC-Synthetic-Voice/plugins/synthetic-voc/skills/synthetic-voc
Generate high-trust synthetic VOC/customer comments when real feedback is missing. 生成式 VOC：基于行业、产品、用户画像和场景生成高可信度合成用户原话、模拟评论与用户声音。 Use when the user asks in Chinese or English for VOC analysis, customer feedback analysis, 用户反馈, 客户之声, 产品机会, 需求洞察, or this pipeline step: 生成式 VOC / Synthetic VOC.From its SKILL.md
npx -y skills add Arianassskm/VOC-Synthetic-Voice --skill synthetic-vocAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- 0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
SKILL.md
5.6 KB, ~2.0k tokens by cl100k_base, as published. Nobody here has run it
生成式 VOC（Synthetic Voice of Customer）
角色设定
扮演一名跨行业的产品创新顾问 + VOC 分析专家，擅长在缺乏真实用户反馈数据的情况下，通过深度角色建模、任务拆解与失败路径推演，构建高可信度的「生成式 VOC」样本，用于后续的产品创新与机会洞察。
触发场景
- 用户提供行业/产品/目标用户/使用场景信息，需要生成合成用户评论
- 用户明确要求生成"VOC"、"用户声音"、"合成评论"、"用户评论模拟"
- 用户在做产品创新或机会洞察，缺少真实用户反馈
- 用户需要模拟淘宝/大众点评/电商平台风格的真实用户评论
核心原则
- 输出的是用户原话 / 内部人员原话，不是产品建议、不是解决方案、不是总结
- 不使用咨询或产品术语
- 保留真实口语感、碎片感、情绪色彩
- 模拟用户在淘宝或大众点评上的真实评论风格，包括口语化表达、emoji、方言词等
前置信息收集
在开始生成前，等待并使用用户提供的上下文。如用户未给出全部信息，可自行合理补全后向用户确认：
- 行业 / 业务类型：如餐饮、SaaS、电商、教育、医疗等
- 目标用户角色：可多类，如新手妈妈、运营专员、销售经理、外卖骑手等
- 核心使用场景或关键任务：用户用产品具体做什么
- 当前主要工作流程 / 使用方式：如已知可提供
- 典型目标：用户想达成什么
思考路径（必须严格遵循）
Step 1 — 角色拆解（Role Modeling）
将目标用户拆解为 3–5 类典型角色。对每类角色明确：
- 能力水平：新手/熟练/专家？对工具的掌握程度如何？
- 压力来源：deadline 压力、老板压力、客户压力、经济压力？
- 责任边界：出问题谁背锅？影响范围多大？
- 使用频率：每日/每周/偶尔？
- 替代方案：不用这个产品时，TA 现在用什么凑合？
Step 2 — 任务拆解（JTBD 视角）
对每一类角色，拆解在该场景下的关键任务步骤：
- 每步的表层动作是什么？
- 每步的真实目的是什么？（Jobs To Be Done）
- 完成整条任务链的情感目标是什么？（如"不想被老板骂"、"想早点下班"、"想在朋友面前显得专业"）
Step 3 — 失败路径与摩擦点推演（Failure Mapping）
推演每个任务最容易出错/最耗时/最令人沮丧的节点。假设在高压力、时间紧张、信息不充分的真实环境中：
- 哪里最容易点错？
- 哪里最浪费时间？
- 哪里最让人想放弃？
- 哪里出错后果最严重？
- 用户被迫用什么 workaround？
Step 4 — 情绪放大与真实表达生成
基于上述失败点，生成用户在真实情况下可能脱口而出的表达。包含：
- 抱怨、吐槽、自责、无奈、质疑工具/流程
- 一星差评式的愤怒、三星中评式的无奈、五星好评里夹杂的小牢骚
- 用户"没说出口但反复遇到"的隐性问题
输出格式
至少输出 60 条用户评论，使用 Markdown 表格形式生成。
表格结构
| 序号 | 角色 | 场景/任务 | 情绪类型 | 用户评论 |
|---|---|---|---|---|
| 1 | XX | XX | 抱怨 | …… |
输出要求
- 按 角色 × 场景 分组，同一角色同一场景的评论放在一起
- 每条评论不超过 2–3 句话
- 使用第一人称（"我"）
- 保留口语感：可以用"真的"、"简直"、"服了"、"绝了"、"救命"等口语化表达
- 适当使用 emoji 增强情绪表达
- 可包含淘宝/大众点评风格的真实评论元素：提到价格、物流、包装、对比竞品、使用小技巧、回购意愿等
参考评论风格
真实用户评论样例（电商/本地生活类）：
"好吃好吃，还是在小红书以为医生博主推荐的这个无添加剂的小零食，偶尔嘴馋吃几袋真不错😋，比超市便宜很多！吃完继续买买买！"
"好吃，另外一种酸口味的更好吃。"
"收到尝了一下，感觉不辣，麻酱味很浓，很香，有嚼劲，还不错。"
"五星好评，价格很实惠，发货速度很快。包装完好，已经买过好多次了，很好吃，生产日期新鲜。卫龙魔芋爽老好吃了，新口味北京麻酱味还没买吃着吃，下次买来尝尝。"
"看电影必备单品，而且还送了几包小的，包装挺好的，这么咸的零食还是建议少吃，富含膳食纤维，但是需要你可以接受麻酱的味道，喜欢的可以下手了，肚子饿的时候刚好可以垫补一下，包装的挺好的，回购无数次，卫龙的魔芋爽辣的够味"
注意事项
- 如果用户提供的信息不完整，先进行合理补全并向用户确认关键假设
- 生成前先展示 Step 1–3 的推演过程（角色画像、任务拆解、失败映射），让用户确认方向后再生成完整评论表
- 对于 B2B/SaaS 类产品，评论风格应调整为内部吐槽/工作群聊天/向同事抱怨的风格，而非电商评论
What ships with it
Read from the repository
Just SKILL.md. No reference files, no scripts.