客户满意度回访

适用场景

1 电商订单签收后自动触发满意度调查，收集物流、商品、客服评价

2 SaaS产品续费前30天发起NPS回访，识别流失风险客户并预警

3 线下门店服务完成后通过企微推送问卷，分析门店服务质量

4 客服工单关闭后自动回访，评估问题解决率与坐席服务态度

核心Prompt（安装配置用）

你是企业客户满意度回访Agent，负责自动发起满意度调查、分析客户反馈并生成改进建议。

角色设定：你是一名资深客户体验分析师，具备5年以上客户满意度管理经验，熟悉NPS、CSAT、CES等指标体系。

任务描述：
1. 根据客户订单/服务记录，在指定触发条件下自动生成个性化回访问卷，问卷包含评分题（1-5分）、开放题和NPS推荐值。
2. 收集客户反馈后，对文本内容进行情感分析、关键词提取和问题归类。
3. 识别低分客户（评分≤3）和高风险反馈（含投诉、退款、流失倾向关键词），标记为待跟进。
4. 基于反馈数据生成改进建议，按产品、服务、物流、客服等维度归类。

输出格式：
- 回访问卷：JSON格式，含客户ID、触发场景、问题列表
- 分析报告：Markdown格式，含满意度概览、问题分布、TOP3问题、改进建议
- 预警清单：JSON格式，含高风险客户ID、风险类型、建议跟进动作

约束条件：
- 回访频率不得超过每客户每月2次，避免骚扰
- 涉及客户隐私数据需脱敏处理
- 改进建议必须具体可执行，避免空泛表述
- 情感分析准确率需达85%以上
- 所有输出需符合企业数据安全规范

所需工具 / API对接

需对接：CRM系统（客户信息、订单记录）、工单系统（服务记录）、企微/短信/邮件API（问卷推送）、数据库（反馈存储）、BI工具（报表展示）、大模型API（情感分析与文本生成）。

安装部署步骤

11. 环境准备：确认服务器配置4核8G以上，安装Python 3.9+、Docker、MySQL 8.0，执行 `docker pull aiagent/base:latest` 拉取基础镜像。

22. 安装依赖：执行 `pip install requests pandas openai sqlalchemy`，配置企业大模型API Key到环境变量 `export LLM_API_KEY=your_key`。

33. 配置参数：编辑 `config.yaml`，设置回访触发条件（如订单签收后48小时）、回访频率上限、评分阈值（默认≤3分预警）、推送渠道（企微/短信）。

44. 导入Prompt：将核心Prompt写入 `prompts/survey_agent.txt`，执行 `python load_prompt.py --file prompts/survey_agent.txt` 验证加载成功。

55. 连接工具API：在 `integrations.yaml` 中配置CRM、工单系统、企微API的endpoint和token，执行 `python test_connection.py --all` 验证各接口连通性。

66. 测试验证：运行 `python run_agent.py --test-mode`，模拟10条客户反馈，检查问卷生成、情感分析、改进建议输出是否符合预期，准确率需达85%。

77. 上线部署：执行 `docker-compose up -d` 启动服务，配置定时任务 `crontab -e` 设置每小时扫描触发条件，监控日志 `tail -f logs/agent.log`。

88. 效果验收：上线后第3天检查首轮回访完成率（目标≥60%）、分析报告生成率（目标100%），根据结果调整触发频率和问卷话术。

配置参数

参数名	说明	默认值
`trigger_delay_hours`	触发回访的延迟小时数	48
`max_survey_per_month`	每客户每月最大回访次数	2
`low_score_threshold`	低分预警阈值	3
`push_channel`	问卷推送渠道	wecom
`analysis_dimensions`	分析维度	产品,服务,物流,客服
`report_frequency`	改进报告生成频率	weekly

效果示例

输入：CRM拉取到订单号ORD-20240501，客户张三签收后48小时。Agent自动生成问卷并推送企微。客户反馈：评分2分，评论“物流太慢，客服态度差”。

输出：
- 预警清单：{客户ID:张三, 风险类型:物流+客服, 建议动作:24小时内电话回访}
- 分析报告：本周满意度均分3.2，物流维度最低（2.8分），TOP问题为配送延迟（占比35%）、客服响应慢（占比28%）。
- 改进建议：1.与物流商协商华东区配送时效；2.增加客服高峰时段人力配置；3.对低分客户48小时内二次回访。

常见问题

Q1：回访频率如何控制避免骚扰客户？
A1：系统内置频率限制，每客户每月最多2次，且同一订单不重复触发，可在config.yaml中调整阈值。

Q2：情感分析准确率不达标怎么办？
A2：可接入企业自有标注数据微调模型，或调整Prompt中的分类规则，建议先小批量测试再全量上线。

Q3：如何对接企业已有的CRM和工单系统？
A3：在integrations.yaml中配置对应API的endpoint和认证token，支持RESTful和Webhook两种方式，测试连通性后即可使用。

Q4：数据安全和隐私如何保障？
A4：所有客户数据脱敏处理，传输采用HTTPS加密，存储符合GDPR和等保要求，支持私有化部署。

Q5：改进建议如何落地追踪？
A5：系统生成建议后可推送至企业任务管理系统，支持闭环追踪，建议每周复盘一次改进完成率。

企业落地建议

建议采用私有化部署，保障数据安全。初期可先在单一业务线试点，验证效果后逐步推广。成本估算：服务器+API调用约每月2000-5000元，人力投入约2人周。注意事项：1.回访话术需符合行业规范；2.低分客户需人工介入避免二次伤害；3.定期校准情感分析模型；4.与客服团队建立联动机制。需要我们帮你落地吗？可以试试免费AI诊断→