CTQ分析技能

将客户声音(VOC)转化为关键质量特性(CTQ)的分析工具；支持文本分析、需求提取、映射关联、可视化报告生成；当用户需要分析客户反馈、提炼产品需求、确定质量改进优先级时使用

VOC-CTQ 分解工具

任务目标

• 本 Skill 用于：将客户声音(VOC)分解为关键质量特性(CTQ)，支持需求分析、映射关联、优先级评估和可视化展示
• 能力包含：VOC录入与分析、关键词提取、需求分类、CTQ定义与映射、优先级评分、可视化报告生成
• 触发条件：用户需要分析客户反馈文本、提炼产品/服务质量需求、建立VOC-CTQ映射关系、生成质量改进报告

前置准备

• 依赖说明：jieba(中文分词)、pyecharts(可视化)、snownlp(情感分析)
• 非标准文件/文件夹准备：
  • 输入数据：客户反馈文本文件(JSON/CSV/TXT格式)
  • 字典文件(如需要)：用户可提供自定义分词词典 user_dict.txt

操作步骤

标准流程

1. VOC数据录入

   • 手动输入：python scripts/voc_analyzer.py --mode input
   • 文件导入：python scripts/voc_analyzer.py --mode import --file <path>
   • 支持格式：JSON(推荐)、CSV、TXT(每行一条反馈)

2. 文本分析与关键词提取

   • 命令：python scripts/voc_analyzer.py --mode analyze --input <data.json> --output <result.json>
   • 功能：分词、词性标注、关键词提取、情感分析、需求分类
   • 输出：包含分析结果的JSON文件

3. CTQ候选提取与确认

   • 命令：python scripts/voc_analyzer.py --mode extract-ctq --input <analyzed.json> --output <ctq.json>
   • 功能：基于词频和重要性提取CTQ候选
   • 用户确认：可编辑输出文件调整CTQ

4. VOC-CTQ映射建立

   • 命令：python scripts/voc_analyzer.py --mode map --voc <analyzed.json> --ctq <ctq.json> --output <mapping.json>
   • 功能：建立VOC与CTQ的对应关系，支持多对多映射

5. 优先级评估

   • 命令：python scripts/voc_analyzer.py --mode evaluate --mapping <mapping.json> --output <scored.json>
   • 算法：综合频率权重(40%)、情感强度(30%)、明确重要性(30%)计算最终优先级

6. 可视化报告生成

   • 命令：python scripts/voc_analyzer.py --mode visualize --data <scored.json> --output <report.html>
   • 内容：桑基图(映射关系)、词云(高频需求)、评分表格(CTQ优先级)

快速全流程

bash

python scripts/voc_analyzer.py --mode full \
    --input customer_feedback.json \
    --ctq-template ctq_template.json \
    --output ./analysis_result/

执行完整流程：分析→提取CTQ→映射→评估→可视化

使用示例

示例1：分析客户投诉文本

• 场景/输入：customer_complaints.json包含50条客户投诉文本
• 预期产出：分析报告，包含词频统计、情感评分、问题分类、CTQ候选列表
• 关键要点：确保JSON格式正确，每条反馈包含text字段

示例2：建立需求映射关系

• 场景/输入：已分析的客户反馈 analyzed.json，已定义的CTQ quality_ctq.json
• 预期产出：mapping.json包含VOC-ID到CTQ-ID的映射关系
• 关键要点：CTQ需先通过 --mode extract-ctq 或手动定义

示例3：生成优先级报告

• 场景/输入：mapping.json包含完整映射关系
• 预期产出：priority_report.html交互式页面，包含桑基图和评分表格
• 关键要点：桑基图展示VOC来源→需求类型→CTQ的流向

资源索引

• 脚本：见 scripts/voc_analyzer.py(功能：VOC分析、CTQ提取、映射关联、可视化生成；支持7种模式)
• 参考：见 references/format_spec.md(何时读取：准备输入数据或解析输出结果时)

注意事项

• 情感分析对讽刺、反话识别有限，重要决策需人工复核
• 自定义词典可通过 user_dict.txt 添加专业术语
• 大批量数据(>1000条)建议分批处理
• 输出HTML报告在浏览器中打开可获得最佳交互体验

TRACE 测评

维度	评分	说明
T — 可信任度	9/10	纯文档/脚本技能，无外部依赖风险，支持中文交互
R — 可靠性	9/10	有异常处理说明; 输出格式明确
A — 适用性	9/10	有适用范围声明; 触发条件明确
C — 规范性	10/10	frontmatter 完整; 文档结构清晰; 内容充分
E — 有效性	10/10	输出明确; 含使用示例; 文档详尽
总分	47/50	通过