几十条客户反馈,怎样用 AI 找出反复出现的问题?

“物流怎么还没动？”“按尺码表买的，还是小了。”“退款进度在哪里看？”

把这些话丢给 AI，说一句“帮我总结”，常常只得到：物流、尺码和售后体验有待提升。方向没错，但明天该做什么，还是不知道。

今天用30条模拟的服装电商反馈，和桌角的小水獭一起走完一条更实用的流程：整理原话 → 固定分类 → 核对明细 → 选择行动 → 回看结果。最后要留下两张表：反馈分类表、行动跟踪表。

01 先说清楚：你要数什么？

本例统计的是反馈记录数：一条记录占一行，每行一个主类。它不等于客户人数，也不等于订单数量。一个人说了三次，可能形成三条记录。

准备表格时至少留两列：编号、原话。有条件再加日期、商品和来源，后面才能比较不同产品或时间段。

重复导出的同一条记录要去重；不同客户说了同样的话，要保留。如果要数“受影响客户数”，就另用脱敏客户标识去重，不能直接拿反馈条数替代。

02 分类要固定，也要足够具体

先约定本轮主类：物流、尺码、退款、说明、待确认。再往下拆子类。否则AI可能一会儿写“售后”，一会儿写“退货退款”，统计就散了。

三条都算问题，但需要的动作不同：查运输节点、修查询链接、补退款入口。子类越接近具体任务，后面越容易行动。

反馈很长时可以分批处理，但每批使用同一套分类规则。全部完成后先合并明细，再统一计数；不要直接拼接几份AI总结。新增标签也要统一名称，避免同一问题被分散统计。

03 先看全貌，再拆“大问题”

按主要问题整理这30条记录，参考结果如下。这里没有“待确认”记录；实际处理时它也应计入总数，不能悄悄丢掉。

40%只表示这30条反馈里有12条归入物流。它不能推出40%的全部客户不满物流，因为没有给出全部客户或订单数量。

再拆物流类，就会看到四种不同情况：

所以，不能把12条全部写成“快递慢”。F11可能首先需要检查链接；F04需要对照承诺发货时间和实际发货记录。原话提供的是线索，原因仍需回查。

04 核对AI：这四件事别省

① 查编号。输入30条，输出也应有30个不同编号；每个都能对应回来。查遗漏比只看“合计30”更重要，重复一条、漏掉一条，合计仍可能正确。

② 查原话。尤其看否定、转折和多问题反馈。“尺码不小”不能归为偏小；“慢是慢，但东西不错”需要保留后半句。

③ 查标签和理由。优先复核“待确认”、新出现的子类和准备据此采取行动的记录。理由里出现“仓库缺人”“物流商服务差”，而原话没说，就属于推测。

④ 自己数一遍。把主类放在表格C列，30条数据从第2行到第31行。在空白的H2写“物流”，在I2用下面的公式统计：

换成其他标签再统计，最后相加，应等于记录总数。数据行数增加时，把范围一起改掉。也可以用透视表：按主类分组，对编号计数。

还可以让AI做第二轮检查，帮你找疑点：

05 别只做排行榜，挑一个能改的问题

“物流12条”最多，并不意味着马上换物流商。优先级还要看：影响多大、证据够不够、这件事能不能先做一个小改动。涉及安全或资损的问题，即使只有一条，也应及时核查。

本例可以先看F23和F24：一条问退款进度在哪里看，一条说没有状态通知。把它整理成一张行动卡：

再看尺码类中的F16和F21：它们提到量尺方法、模特信息不足，可以先核查并补充说明。其余尺寸不合适的记录，要按商品回看，不能直接断定是尺码表的问题。

少写“提升体验”，多写“谁去核查哪一项，确认后改什么”。把下一步写具体，分析才算接上工作。

06 改完，再看同类问题有没有变化

固定标签，选同样长度的前后时间段，再看同类咨询。同时记录业务量，避免订单少了、咨询也少了，就以为改动有效。

这是“每个退款订单对应多少条相关咨询”的指标，不是受影响客户占比；同一订单反复咨询时，数值甚至可能超过100%。想衡量订单占比，就在分子按订单去重，前后保持同一口径。

比较时也要留意活动、商品和渠道有没有变化。样本少时，把趋势当作复查线索，别急着证明“这次改动一定有效”。

桌角小抄：做完要留下什么？

AI可以帮我们把几十条反馈整理得更有条理。但真正有用的，是你从里面找到一个值得核查的问题，做一个具体改动，再回来看看结果。

桌角有只獭在桌角试工具，在日常里找答案。你整理反馈时，最费时间的是分类、统计，还是决定下一步？欢迎留言交流。