Exp Satisfaction Stats

满意度统计与分析

对 CSAT、NPS、CES 等满意度指标进行统计计算、分组分析、趋势追踪和报告生成。

触发条件

• 需要计算 CSAT、NPS、CES 等满意度指标
• 需要生成满意度统计报告
• 需要进行满意度趋势分析
• 需要进行不同维度的满意度对比
• 需要设定满意度预警阈值

核心能力

1. CSAT（客户满意度）统计

定义： 衡量用户对特定任务、触点或体验的满意程度。

计算公式：

CSAT = （回答"满意"及"非常满意"的人数 ÷ 总回答人数）× 100%

标准 5 分制：
  1 = 非常不满意
  2 = 不满意
  3 = 一般
  4 = 满意
  5 = 非常满意

→ CSAT = （4分和5分人数 ÷ 总人数）× 100%

适用场景： 任务完成后、服务结束后、功能使用后

关键分析维度：

• 整体 CSAT 得分
• 各分档占比分布（1-5 分各占多少）
• 按用户分层对比（新老用户/付费免费等）
• 按场景/触点对比
• 按时间趋势追踪

2. NPS（净推荐值）统计

定义： 衡量用户向他人推荐产品/服务的意愿，反映忠诚度。

计算公式：

NPS 分组（0-10 分）：
  推荐者（9-10 分）：积极推荐的用户
  中立者（7-8 分）：被动满意的用户
  贬损者（0-6 分）：可能负面评价的用户

NPS = （推荐者占比 - 贬损者占比）× 100
     = （推荐者人数 ÷ 总人数 × 100）- （贬损者人数 ÷ 总人数 × 100）

结果范围：-100 到 +100

适用场景： 整体产品体验、品牌体验、周期性追踪

关键分析维度：

• 整体 NPS 得分
• 三组占比分布（推荐者/中立者/贬损者）
• 按用户分层对比
• 按时间趋势追踪
• 贬损者原因分析（配合开放题）
• 推荐者特征分析（识别高价值用户特征）

NPS 基准参考： | 行业 | 优秀 NPS | 平均 NPS | |------|---------|---------| | 互联网/SaaS | 50+ | 30 | | 电商 | 45+ | 25 | | 金融服务 | 40+ | 20 | | 电信 | 30+ | 10 | | 旅游/酒店 | 45+ | 30 |

3. CES（客户费力度）统计

定义： 衡量用户完成任务所花费的费力程度，反映体验的顺畅度。

计算公式：

CES 5 分制（正向）：
  1 = 非常不同意（很费力）
  2 = 不同意
  3 = 一般
  4 = 同意
  5 = 非常同意（很不费力）

  → CES = 平均分（1-5 分）

或 CES 7 分制：
  1 = 非常费力 → 7 = 非常不费力
  → CES = 平均分（1-7 分）

或 CES 百分比法：
  CES = （选择"同意/非常同意"的人数 ÷ 总人数）× 100%

适用场景： 任务完成后、问题解决后、流程体验后

关键分析维度：

• 整体 CES 得分
• 各分档占比分布
• 按任务类型对比（不同任务的费力度差异）
• 按时间趋势追踪
• 高费力度任务识别（优先改善）

4. 综合分析框架

将 CSAT、NPS、CES 组合分析：

| 组合模式 | 解读 | 策略方向 | |---------|------|---------| | CSAT 高 + NPS 高 + CES 低 | 体验优秀，用户忠诚 | 保持优势，放大口碑 | | CSAT 高 + NPS 低 + CES 低 | 满意但不忠诚 | 强化情感连接和差异化 | | CSAT 低 + NPS 低 + CES 高 | 体验差且费力 | 紧急改善核心流程 | | CSAT 低 + NPS 高 + CES 高 | 满意度低但忠诚 | 可能缺少替代品，有流失风险 | | CSAT 高 + NPS 高 + CES 高 | 满意且忠诚但费力 | 优化效率，降低费力度 |

5. 统计显著性检验

在对比分析时，进行统计显著性检验：

• 样本量要求 — NPS 至少 100+ 样本，CSAT 至少 50+ 样本才有统计意义
• 置信区间 — 计算 95% 置信区间
• 显著性检验 — 两组对比时进行 Z 检验或 T 检验
• 效应量 — 评估差异的实际意义（Cohen's d）

6. 趋势追踪

建立满意度趋势追踪机制：

• 追踪频率 — 周/月/季度
• 趋势方向 — 上升/持平/下降
• 变化幅度 — 与上一周期对比
• 异常波动 — 识别突然下降并预警
• 归因分析 — 下降时分析可能原因

输出格式：满意度统计报告

【满意度统计报告】

▸ 数据概况：
  指标类型：[CSAT/NPS/CES/综合]
  数据时间范围：[...]
  样本量：[...]
  置信水平：[95%]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 一、核心指标

  CSAT 满意度：
    得分：[XX.X%]
    分档分布：
      非常满意（5分）：[XX.X%]
      满意（4分）：[XX.X%]
      一般（3分）：[XX.X%]
      不满意（2分）：[XX.X%]
      非常不满意（1分）：[XX.X%]
    95% 置信区间：[XX.X% - XX.X%]

  NPS 净推荐值：
    得分：[XX]
    分组分布：
      推荐者（9-10分）：[XX.X%]
      中立者（7-8分）：[XX.X%]
      贬损者（0-6分）：[XX.X%]
    95% 置信区间：[XX - XX]

  CES 费力度：
    得分：[X.XX]（X分制）
    分档分布：
      非常不费力：[XX.X%]
      不费力：[XX.X%]
      一般：[XX.X%]
      费力：[XX.X%]
      非常费力：[XX.X%]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 二、分组对比

  按用户分层：
    新用户 CSAT：[XX.X%] | NPS：[XX] | CES：[X.XX]
    老用户 CSAT：[XX.X%] | NPS：[XX] | CES：[X.XX]
    差异显著性：[显著/不显著]（p=[...]）

  按场景/触点：
    场景A：CSAT [XX.X%] | NPS [XX] | CES [X.XX]
    场景B：CSAT [XX.X%] | NPS [XX] | CES [X.XX]
    ...

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 三、趋势分析

  与上期对比：
    CSAT：[XX.X%] → [XX.X%]（[↑/↓] [X.X] 个百分点）
    NPS：[XX] → [XX]（[↑/↓] [X] 分）
    CES：[X.XX] → [X.XX]（[↑/↓] [X.XX]）

  趋势方向：[上升/持平/下降]
  异常波动：[有/无]，描述：[...]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 四、综合诊断

  组合分析：CSAT [高/低] + NPS [高/低] + CES [低/高]
  诊断结论：[...]
  策略方向：[...]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 五、归因分析

  贬损者 TOP 原因：
    1. [原因]，占比：[XX.X%]
    2. [...]
    ...

  高费力度任务 TOP 3：
    1. [任务]，CES：[X.XX]
    2. [...]
    ...

  推荐者特征：
    [高价值用户的共性特征]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 六、行动建议

  紧急改善（本周）：
    1. [...]
    2. [...]

  中期优化（本月）：
    1. [...]
    2. [...]

  长期追踪（本季度）：
    1. [...]
    2. [...]

▸ 预警阈值：
    CSAT  [X.X] → 预警

使用方法

当需要计算和分析满意度数据时，调用本 skill 进行统计计算、分组对比、趋势分析和综合诊断。通常与 exp-survey-design skill 配合使用：先用问卷设计 skill 设计问卷，收集数据后用本 skill 进行统计分析。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: guofu-shiqu
• Source: guofu-shiqu/ux-expert-skills
• License: MIT

Install and usage instructions live in the source repository linked above.