旗舰场景知识问答岗位 · 产品

CX-01 · 客服工单全量聚类

痛点　人工质检只能抽检 1%-2% 的会话 · 「报表与导出」168 条工单聚成一个主题 —— 而需求池里这条需求去年被

① 场景引入

人工质检只能抽检 1%-2% 的会话 · 「报表与导出」168 条工单聚成一个主题 —— 而需求池里这条需求去年被拒了

一、这件事现在是什么样

客户之声 · 真实业务触发

客服组长顾倩的工单系统里躺着近 60 天的 1,842 条工单。江晓每周问她的都是同一句：「有没有什么客户反馈值得注意？」顾倩的回答靠印象：「最近登录问题挺多。」真实的分布没人知道 —— 质检抽检只覆盖 1%-2% 的会话，全量聚类在人手上从未做到过。而 RQ-01 那条「导出」需求下周评审，江晓需要知道：工单里到底有多少条在说这件事？

二、痛点 · 每条都有来源

客服数据是金矿但从未被开采：传统客服质检只能覆盖 1%-2% 的会话量，全量聚类在人手上从未做到 —— 这是「AI干了人一直没干成的事」的最硬证据
依据：客服数据的金矿从未被开采：传统客服质检只能覆盖 1%-
% 的会话量，全量聚类在人手上从未做到 —— 这是「AI 干了人一直没干成的事」的最硬证据2聚类发现人工盲区有正面判例：用大模型对工单做全量聚类，发现人工抽检长期漏掉的主题、满意度提升 23% —— 聚类的价值不是统计是发现
依据：聚类发现人工盲区的正面判例：用大模型对客服工单做全量聚类，发现人工抽检长期漏掉的主题、满意度提升 23% —— 聚类的价值不是统计是发现
「声音大当成需求广」有翻车判例：团队花两个月开发智能标签推荐（依据是几个活跃用户的反馈），上线使用率不到 5% —— 需求真伪需要全量证据而不是嗓门
依据：「声音大当成需求广」的判例：团队花两个月开发「智能标签推荐」（依据是几个活跃用户的反馈），上线使用率不到 5% —— 需求真伪需要证据包而不是嗓门

三、换个做法之后

变化不在「快」，在「参与的角色」和「覆盖的范围」

✕ 现在的做法

客服数据是金矿但从未被开采：传统客服质检只能覆盖 1%-2% 的会话量，全量聚类在人手上从未做到—— 这是「AI 干了人一直没干成的事」的最硬证据聚类发现人工盲区有正面判例：用大模型对工单做全量聚类，发现人工抽检长期漏掉的主题、满意度提升 23% —— 聚类的价值不是统计是发现
「声音大当成需求广」有翻车判例：团队花两个月开发智能标签推荐（依据是几个活跃用户的反馈），上线使用率不到 5% —— 需求真伪需要全量证据而不是嗓门

✓ 交给 Agent 之后

多来源文件一次读入，先做口径与完整性校验，再开始算
每条结论绑定来源文件、字段或条号，可以被审
产出是企业真会流转的正式件（带签批栏），不是一张展示用的表
该拦的地方给出「现在还不能提交」，并给不用干等的替代方案

四、场景闭环

5 步 · 每一步的产出都是下一步的输入

全量清洗 · 1,842 条一条不落去掉系统通知/重复提交/纯操作类 —— 但每类的剔除量记录在案，不悄悄扔第 2步主题聚类 · 客户的语言不是产品的语言「报表打不开」「数据下不来」「给集团交材料」聚成「报表与导出」——主题名用客户的原话
频次与情感标注 · 每主题一张脸条数/趋势/情绪强度/典型金句 —— 「登录问题挺多」变成可验证的数字
盲区发现 · 抽检从未覆盖的角落与人工质检的抽样对照 —— 长尾但聚集的主题（如某型号扫码枪兼容）是抽检永远漏掉的
需求信号提取 · 喂给评审的证据与需求池对照：哪些主题已有需求、哪些是新信号、哪些验证了被拒需求的复活条件 —— 报告直连 RQ-01

要准备什么：客服工单/会话导出（全量）1,842 条原样 —— 不抽样，全量是本场景的前提产品功能与模块对照表工单语言到产品语言的翻译基准本迭代发布内容新功能相关工单的对照 —— 效果验证的原料上期聚类报告（如有）环比 ——主题的升降比单期的数字更有意义

为什么这个场景值得做

优先级评分：痛感 5 × AI 适配 5 ÷ 落地难度 3 = 8.3

最大差异点：不要求换工单系统。后台导出的 Excel（近 30-90 天全量）扔进来 —— 主题/频次/情感/金句的报告双周一次，发现的东西直接喂需求评审。

评分口径：痛感看「这事没做好谁会生气、生气到什么程度」；

AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」；

落地难度是分母 —— 需要客户先做数据治理的场景，分数会被压得很低。

五、会产出什么

判断标准只有一个：这份东西能不能直接进企业的流程

正式件本体：VoC 全量聚类报告.xlsx 主题/频次/情感/金句 + 环比
可派发清单：需求信号对照表.xlsx 主题 ×需求池的映射 · 新信号与复活条件标注
可派发清单：盲区发现清单.xlsx 抽检从未覆盖的长尾主题 · 逐条附典型原话

这套东西不承诺什么：不做「自动把工单转成需求入池」—— 聚类结果是人筛选后进 RQ-01 的归集。也不做「客服质检替代」—— 质检有质检的口径，聚类是需求侧的读法。

② Live Demo（演示逐步）

人工质检只能抽检 1%-2% 的会话 · 「报表与导出」168 条工单聚成一个主题 —— 而需求池里这条需求去年被拒了!

演示模式 · 可视化预演 本页展示的是「应该怎么跑、每一步看什么、交付什么」，用的是真实业务格式的脱敏构造数据，不宣称已接入客户生产系统，也不承诺任何效率提升百分比。

案例设定：驭数科技（虚构）聚类日：顾倩的工单系统里躺着近 60 天的 1,842 条工单。江晓每周问她的都是同一句：「有没有什么客户反馈值得注意？」回答靠印象：「最近登录问题挺多。」真实的分布没人知道 —— 而 RQ-01 那条「导出」需求周五评审，江晓需要知道工单里到底有多少条在说这件事。

聚类对象1,842 条 · 全量主题数6 大主题 · 24 子类报表与导出168 条 · 环比升盲区发现3 个 · 抽检从未覆盖

输入产品手上能拿到的东西

不需要整理格式、不需要改文件名 · 直接拖进对话框

01_客服工单全量导出.xlsx 近 60 天 1,842 条 —— 全量是本场景的前提客服工单系统导出 · 2026-08-24
02_工单抽样质检记录.txt 人工抽检的口径 —— 盲区对照的基准客服质检记录 · 2026-07/08
03_产品功能对照表.xlsx 工单语言到产品语言的翻译基准产品部维护 · 2026-08
04_上期聚类报告（若有）.xlsx 环比的基准 —— 主题的升降比单期数字更有意义首次运行 · 无上期数据
05_需求池在途需求清单.xlsx 需求信号对照的基准 —— 聚类结果喂给评审RQ-01 归集产出 ·2026-08-20

注意标橙色那一份 —— 02_工单抽样质检记录.txt。它客服质检记录 · 2026-07/08，平时压根不在核对范围里。这个场景的价值，很大一部分就来自把它读进来。

提示词就说这么几句

没有模板、没有表单 · 专业规则由 Skill 兜底

近 60 天的客服工单导出在这，1,842 条，产品功能对照表和本迭代的发布内容也附上了，帮我做一次全量聚类。先全量清洗，剔除的系统通知和重复提交各多少条要记下来，别悄悄扔；主题聚类用客户的原话命名 —— 「报表打不开」「数据下不来」这种应该是一类还是两类，你判断；每个主题给我条数、趋势、情绪和一两句典型原话 —— 「最近登录问题挺多」这种印象我要变成数字；有没有人工抽检一直漏掉的角落？跟顾倩她们质检的抽样对照一下；跟需求池对一遍：哪些主题有对应需求、哪些是新信号 —— 下周评审那条导出需求，工单侧的证据帮我单独拉一页。

短是因为「主题聚类口径、频次归因分层、盲区对照方法」都在能力包里。产品经理只要把工单导出扔进来。

触发1,842 条 vs 1.4% 的抽检覆盖率

「有没有什么值得注意的反馈」—— 这个问题第一次有数字答案

江晓把工单全量、质检记录、语言映射、基线说明、在途需求全部扔进来 —— 聚类的第一件事是清洗规则透明，剔除量在案。

第 1 步 · 全量清洗 · 剔除规则透明

系统通知/重复提交/纯操作类 —— 每类剔除量记录在案

演示数据（表格原文）剔除类条数规则去向系统自动通知63无客户输入内容归档不计入同一事件重复提交41同客户同主题 24 小时内合并计 1纯操作指引类127知识库已有答案的查询转 FAQ 统计剔除合计231保留 1,611 条进入聚类剔除率 12.5%剔除规则全部公开—— 谁都可以复核「为什么这条被剔了」。清洗的黑箱化是数据报告失信的第一步。

第 2 步 · 主题聚类 · 客户的语言

六大主题 24 子类 —— 主题名用客户原话

主题（客户原话命名）条数占比环比「登不上去/没权限」28717.8%持平「巡检上报出问题」23114.3%升 9%「报表打不开/数据下不来」16810.4%升 22%「数据同步不上」1549.6%持平「提醒没收到/太多」1328.2%降 6%（长尾 19 子类）63939.7%—合计（六大主题）1,611100%环比基准见报告附注「报表打不开/数据下不来」168 条、环比升 22% —— 这个主题 84% 的工单出现在导出需求评审通过之后 —— 「不做导出」的隐性成本在工单侧持续显性化。

第 3 步 · 归因分层 · 频次最高不等于最痛

登录 287 条的内部结构 —— 新客户引导才是真问题

演示数据（表格原文）「登不上去」子层条数归因对策指向新客户首次登录248引导流程缺接入指引FAQ + 引导页老客户密码找回39正常分布自助找回优化（低优先）（其中同一家批量误操作）31某客户培训缺口培训问题非产品问题287 条拆开看：248 条是新客户首次登录 —— 占新客户工单的六成 —— 「登录功能差」的直觉被分层推翻 —— 真问题是「新客户引导」，对策是 FAQ 和引导页，不是重构登录。

第 4 步 · 盲区发现 · 抽检从未覆盖的角落

长尾但聚集 —— 人工抽样永远抽不到的主题

演示数据（表格原文）盲区主题条数为何抽检漏掉建议「某型号扫码枪扫不出」37分散在 5 家客户、从未连续出现兼容性修复排期「打印格式乱」29被归为「报表」大类的边角模板缺陷修复「报表慢」22客户说「卡」被归为通用性能与缓存策略变更关联三个盲区主题合计 88 条 —— 抽检 26 条的两年里从未命中过其中任何一条。聚类的价值不是统计是发现 —— 「扫码枪扫不出」若再积三个月，就是第二个华正式投诉。

第 5 步 · 需求信号提取 · 喂给评审的证据

在途需求 × 工单主题对照 —— 排期与客户之声对账

演示数据（表格原文）信号数据去向导出需求的工单侧证据168 条 + 「给集团交材料」41 次/17 家DC-03 材料包第五节数据同步需求验证154条支持评审通过决策回填评审记录扫码枪兼容（盲区）37 条/5 家客户新需求归集建议（RQ-01 流程）三个信号三个去向：证据进材料包、验证回填决策、盲区触发新归集 —— 聚类报告不是终端产物，是需求管理流水线的中转站。聚类报告还不能给销售侧 —— 数据口径的两面性没处理完「登录与权限」287 条的数据在产品语境里是「新客户引导问题」，在销售语境里会被读成「产品连登录都做不好」—— 某客户批量误操作的 31 条若被竞争对手引用，杀伤力不实但印象致命。数据不会说谎，但截取数据的人会 —— 报告分发前要把口径分层处理清楚。给出的不是干等：方案 A（双版分发·推荐）：产品版全量呈现（含归因分层），对外版（销售/客户成功可用）将 31 条批量误操作标注为「培训类」并附培训记录、登录主题附「新客户引导优化中」的改进说明 —— 同样的数据，配上归因就是弹药，不配就是隐患；方案 B（只发产品版）：报告只在产品与客服内部流转 —— 最安全，但「给集团交材料 41 次」这种续约相关的强信号也就到不了销售侧的谈判桌上。两案差的是信号的辐射范围 —— 41 次提及值不值得配上归因说明后发出去，值。之后这一次跑完，公司多了什么

不讲省了多久 · 讲少了几个隐患、沉淀了什么

演示数据（表格原文）✓1,842 条工单第一次被全量读 —— 1%-2% 的抽检覆盖率被彻底替代✓「报表与导出」168 条、环比上升 —— 被拒需求的复活条件第一次有了数据形态的证据✓「登录最痛」被归因分层推翻 —— 真问题是新客户引导，频次最高不等于最痛✓「不做导出」的隐性成本被算出 —— 实施侧 14 人时的手工代劳 vs 8 人日的一次性开发追问现场可能被问到的答不上来的问题，比答得漂亮的问题更能决定这场演示的结果多久聚一次？双周一次 —— 环比的意义大于单期。单期告诉你有什么问题，环比告诉你什么在恶化。聚类结果直接进需求池吗？不直接 —— 聚类是证据、入池是决策。需求信号对照表给 RQ-01 做原料，归集与确认的流程照走。客服那边能直接用吗？能 —— 主题的高频原话就是客服话术的原料（运营库 RC-01 同款打法），一份聚类两处用。

③ 能力沉淀（Skill / 提示词 / 预期输出 / 人工边界）

人工质检只能抽检 1%-2% 的会话 · 「报表与导出」168 条工单聚成一个主题 —— 而需求池里这条需求去年被拒了

1. Skill 能力包

导入之后，同类任务会自动按这套规则走 —— 提示词才能写得那么短

客服工单全量聚类 · Skill

SKILL.md 主本 + references（输出骨架 / 判据 / 渲染脚本）· 符合 WorkBuddy Skill 规范

版本 v1.0

voc-clustering.zip

在 WorkBuddy 里直接上传这个 zip 即可导入

包内结构

SKILL.md 主本 —— YAML 元信息 + 执行流程 + 硬规则 + 人工边界
references/output_template.md 输出骨架（sheet 名 / 分区顺序 / 列头）+ 可直接运行的渲染脚本
references/judgement_rules.md 判据与口径 —— 什么情况算异常、什么情况必须拦住

references 不会一次性全读进来 —— Agent 按需取用。所以 Skill 可以写得很细，不会拖慢每次对话。

2. 原始素材

这些就是产品手上真实能拿到的东西 —— 格式不统一是常态，不是问题

📁CX-01 · 演示素材

脱敏构造数据 · 真实业务格式 · 埋点可核验

共 5 份

01_客服工单全量导出.xlsx 近 60 天 1,842 条 —— 全量是本场景的前提
02_工单抽样质检记录.txt 人工抽检的口径 —— 盲区对照的基准
03_产品功能对照表.xlsx 工单语言到产品语言的翻译基准
04_上期聚类报告（若有）.xlsx 环比的基准 —— 主题的升降比单期数字更有意义
05_需求池在途需求清单.xlsx 需求信号对照的基准 —— 聚类结果喂给评审

怎么用

把素材全部拖进 WorkBuddy 对话框（不需要整理格式、不需要改文件名）
粘贴下方提示词发送
拿到正式件初稿 —— 签批栏留空，推荐意见留空，由你填

3. 提示词卡片

近 60 天的客服工单导出在这，1,842 条，产品功能对照表和本迭代的发布内容也附上了，帮我做一次全量聚类。先全量清洗，剔除的系统通知和重复提交各多少条要记下来，别悄悄扔；主题聚类用客户的原话命名 —— 「报表打不开」「数据下不来」这种应该是一类还是两类，你判断；每个主题给我条数、趋势、情绪和一两句典型原话 —— 「最近登录问题挺多」这种印象我要变成数字；有没有人工抽检一直漏掉的角落？跟顾倩她们质检的抽样对照一下；跟需求池对一遍：哪些主题有对应需求、哪些是新信号 —— 下周评审那条导出需求，工单侧的证据帮我单独拉一页。

为什么这么短就够了：短是因为「主题聚类口径、频次归因分层、盲区对照方法」都在能力包里。产品经理只要把工单导出扔进来。

换成你自己的业务：把素材换成你手上的真实文件即可。导入 Skill 之后，

该走几步、什么口径、什么情况必须拦住，Agent 自己知道 —— 你只需要说清这是什么事。

自己组织输入的三步法

用自然语言说清核心需求 —— 就按平时跟同事交代活的方式说：什么事、什么文件、什么要求。不用讲究格式。
调用 Skill 补齐专业规则 —— 导入本页 Skill 后，流程、口径、硬规则 Agent 自己知道。
用「增强提示词」补全遗漏 —— 输入框旁边有增强按钮，把随口说的话补成更完整的表述。

分工：自然语言负责「这是什么事」，Skill 负责「该怎么做」，增强提示词负责「别漏了什么」。

4. 预期输出

不方便现场跑的时候可以直接拿这份给客户看 · 与实跑结果同结构

📋正式交付物

带签批栏 / 冻结首行 / 开筛选 —— 判断标准是「能不能直接进企业的流程」

共 3 份

CX-01_VoC 全量聚类报告.xlsx 正式件本体 · 主题/频次/情感/金句 + 环比
CX-01_需求信号对照表.xlsx 主题 × 需求池的映射 · 新信号与复活条件标注
CX-01_盲区发现清单.xlsx 抽检从未覆盖的长尾主题 · 逐条附典型原话

Skill 里固化了什么：从聚类结果里「想起」了那条被拒的需求该拦的地方拦住了排除性结论把技术动作翻译成钱

输入清单：客服工单/会话导出（全量）1,842 条原样 —— 不抽样，全量是本场景的前提产品功能与模块对照表工单语言到产品语言的翻译基准本迭代发布内容新功能相关工单的对照 —— 效果验证的原料上期聚类报告（如有）环比 ——主题的升降比单期的数字更有意义

人工边界：不做「自动把工单转成需求入池」—— 聚类结果是人筛选后进 RQ-01 的归集。也不做「客服质检替代」——质检有质检的口径，聚类是需求侧的读法。

升为客户真实案例还缺什么：客户当前真实输入文件（不要整理过的）岗位现行 SOP 与审批链（金额分档、谁签字）至少一次真实出过问题的案例客户当前正在用的正式输出模板客户确认的阈值口径（多少天算临期、多少金额算大额）

5. 同一角色下的其他场景

客户之声 · 产出即下一步输入

CX-02 · 客户承诺台账 — 销售答应客户的「Q3 一定上」，产品侧从没看见过 · 承诺散落销售微信是续约纠纷之源查看 →CX-03 · 定制工时与毛利台账 — 定制工时占研发 39%、毛利掉到 58%：投资人的警戒线是 65% · 这笔账绝大多数中小 SaaS 从来没算过

上下游串起来就是完整链路。每一步的产出都是下一步的输入，不用在不同工具之间来回复制粘贴。

场景内容基于 WorkBuddy 产品能力整理，演示中的企业、人物与数据均为虚构，不代表任何客户的实际成效；痛点引用的公开来源已做脱敏处理。网页版由原资料转换，部分演示表格以原文形式展示。

其他行业的同类场景 · 知识问答

想把这个场景在你们企业跑通？

顾问会先看你们的数据和流程够不够，再决定从哪一步开始。

看产品其他场景