Exp voc insight
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
npx -y skills add guofu-shiqu/ux-expert-skills --skill exp-voc-insightAssembled 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
VOC 洞察分析。当接收到批量客户原声、客服对话、投诉记录、App 评价或社媒评论，需要提炼洞察时调用。
SKILL.md
2.5 KB, as published. Nobody here has run it
VOC 洞察分析
对 VOC（客户原声）进行分类、情绪分析、痛点识别和需求挖掘，输出优先级排序和策略机会。
触发条件
- 接收到批量客户原声
- 接收到客服对话记录
- 接收到投诉记录
- 接收到 App 评价或社媒评论
- 需要提炼洞察和指导策略
核心能力
1. 分类和标签
对 VOC 进行分类：
- 按产品线/功能模块分类
- 按问题类型分类（功能缺陷、体验问题、需求建议、投诉等）
- 按用户类型分类（新用户、老用户、流失用户等）
2. 情绪强度评估
评估每条 VOC 的情绪强度：
- 强烈负面情绪（愤怒、失望）
- 中度负面情绪（不满、困惑）
- 中性表达
- 正面情绪（满意、惊喜）
3. 高频问题识别
识别高频问题和共性痛点：
- 统计问题出现频次
- 识别问题聚类
- 发现系统性问题
4. 深层需求挖掘
从表面表达中挖掘深层需求：
- 用户真正想要的是什么
- 背后的 JTBD 是什么
- 未被满足的潜在需求
5. 场景匹配
将 VOC 匹配到具体场景：
- 用户是在什么场景下遇到这个问题的
- 这个问题影响了哪些旅程阶段
输出格式：VOC 洞察分析报告
【VOC 洞察分析报告】
▸ 数据范围：
来源：[...]
时间范围：[...]
样本量：[...]
▸ 高频分类：
1. [问题类别]，频次：[...]，占比：[...%]
2. [...]
...
▸ 代表性表达：
"[直接引用用户原话]"
"[直接引用用户原话]"
...
▸ 情绪强度分布：
强烈负面：[...%]
中度负面：[...%]
中性：[...%]
正面：[...%]
▸ 体验断点（按频次排序）：
1. [断点描述]，影响用户数：[...]
2. [...]
...
▸ 对应场景：
[将体验断点映射到具体场景]
▸ JTBD 提炼：
[从 VOC 中提炼的 JTBD]
▸ 深层需求：
[从 VOC 中挖掘的深层需求]
▸ 优先级排序：
1. [问题]，优先级：[高/中/低]，理由：[...]
2. [...]
...
▸ 策略机会：
1. [策略方向]，预期效果：[...]
2. [...]
...
▸ 可自动化任务：
[哪些任务可以通过 Agent 自动处理]
▸ 验证指标：
[如何验证改善效果]
使用方法
当接收到批量 VOC 数据时，调用本 skill 进行系统性的洞察分析，输出优先级排序和可执行的策略机会。