agentsclimarketplace

Exp service review

Skill guofu-shiqu/ux-expert-skills/skills/exp-service-review

UX Expert Skills — 25 个体验管理专家 Skill,兼容 Claude Code & OpenAI Codex,基于 Agent Skills 开放标准

Install
npx -y skills add guofu-shiqu/ux-expert-skills --skill exp-service-review

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

  • 2 stars2 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.

What its author says it does

Copied from the file, not written here

服务体验复盘。当一次服务事件结束后,需要进行系统复盘、提炼经验教训时调用。

SKILL.md

2.6 KB, as published. Nobody here has run it

服务体验复盘

还原服务路径和关键触点表现,识别体验低谷和峰值机会,输出改善策略和预警机制。

触发条件

  • 一次服务事件结束后
  • 需要进行系统复盘
  • 需要提炼经验教训
  • 需要识别系统性问题
  • 需要建立预警机制

核心能力

复盘框架

按照以下框架进行系统复盘:

  1. 事件概述 — 发生了什么,涉及哪些用户和服务
  2. 旅程尺度与边界 — 复盘的范围是什么
  3. 用户目标 — 用户想要完成什么
  4. 服务路径还原 — 实际发生了什么
  5. 关键触点表现 — 每个触点的表现如何
  6. 体验低谷识别 — 哪些地方体验不好
  7. 峰值机会识别 — 哪些地方可以创造峰值
  8. 员工体验问题 — 员工侧有什么问题
  9. 后台流程问题 — 后台有什么问题
  10. 品牌印记表现 — 用户记住了什么
  11. 改善策略 — 如何改善
  12. 指标与预警 — 如何监测和预警
  13. 资产回写 — 哪些经验可以沉淀

输出格式:服务体验复盘报告

【服务体验复盘报告】

▸ 事件概述:
  事件名称:[...]
  发生时间:[...]
  涉及用户:[...]
  涉及服务:[...]

▸ 旅程尺度与边界:
  尺度:[微型/小型/中型/大型/生命周期]
  开始於:[...]
  结束于:[...]

▸ 用户目标:[用户想要完成什么]

▸ 服务路径还原:
  阶段1:[行为],触点:[...],表现:[...]
  阶段2:[...]
  ...

▸ 关键触点表现:
  触点1:[名称],表现:[好/中/差],问题:[...]
  触点2:[...]
  ...

▸ 体验低谷:
  1. [低谷描述],影响:[...]
  2. [...]
  ...

▸ 峰值机会:
  1. [可以创造峰值的时刻],类型:[安心/效率/被理解/专业/惊喜/结尾]
  2. [...]
  ...

▸ 员工体验问题:
  [员工侧有什么问题]

▸ 后台流程问题:
  [后台有什么问题]

▸ 品牌印记表现:
  [用户记住了什么关于品牌的信息]
  [是正面的还是负面的]

▸ 改善策略:
  1. [...]
  2. [...]
  ...

▸ 指标与预警:
  监测指标:[...]
  预警阈值:[...]
  响应动作:[...]

▸ 资产回写:
  [哪些经验可以沉淀为 reusable asset]

使用方法

当一次服务事件结束后,调用本 skill 进行系统复盘,还原服务路径,识别问题和机会,输出改善策略和预警机制。

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.