用 AI 做客户回访与满意度分析：实用方法

回访记录表拉出来，三十行里有二十九行写着「客户表示满意，暂无问题」。这张表交上去，老板看不出任何东西，销售也拿不到一条线索。问题不在回访做得少，在问法把所有答案都压成了同一个字。AI 能帮上忙的地方，是把「问什么、怎么问、答完怎么归」这三件事做出结构。

先定这次回访要回答什么

回访有三种目的，混在一起就什么都问不出来。验证交付：该做的做到没有。发现风险：谁可能要流失。挖掘需求：还有什么没被满足。三种目的对应的问题不一样，样本也不一样——验证交付抽近三个月成交的，发现风险要抽使用率在往下走的，挖掘需求得抽用得深的。

开打之前先写一句话：这次回访结束，我要能回答的问题是＿＿。写不出来就别打，打完也只是一堆「挺好的」。这句话还有个用处，它决定了提纲该问几层——验证交付问三层就够，发现风险要问到具体事件。

六步做完一轮回访

第四步和第六步最容易被跳过。没有原话，第五步的归类就是二手转述，销售会质疑「客户真这么说的？」；没有下文，第二轮回访的接通率会掉一半，因为客户已经知道说了没用。

「满意吗」为什么问不出东西

封闭问题加上社交礼貌，等于系统性偏正。客户不愿意在电话里给一个具体的人打低分，于是「挺好」成了默认答案。换成问事件：上一次用到某个功能是什么时候、当时顺不顺利、后来还遇到过没有。人对具体事件的记忆比对面评价可靠得多，而且叙述里会带出细节，细节才是你要的东西。

追问有个好用的句式：「如果只能改一处，您改哪里」。它绕开了评价，直接要取舍。客户说「都还行」的时候，这句往往能撬出真话。提纲怎么写成这种可追问的结构，可以参考提示词里怎么给约束和示例——把「不要问是否、要问何时何地」写成明确规则，模型出的提纲会明显好用。

分析阶段要结论，也要出处

把转写稿丢进去，要求三件事：按主题归类、统计每类涉及多少个客户（不是提及次数）、每条结论附一句原话。第三件事最关键，它让结论可核查，也逼模型不要顺手编。模型在归纳时补一个不存在的细节很常见，机制见AI 幻觉为什么难以自查，要求逐条附原文是目前最有效的约束。

样本量大时先分层再汇总：按套餐、按使用时长、按行业各切一刀。总体结论最容易被大客户带偏——五个大客户说「功能太多」，三十个小客户说「功能不够」，平均下来是「基本满意」，这句话没有任何行动价值。分层看数的思路和评估指标要分层看是一回事：总体好看、分层全是坑，是常态。

样本、意图、优先级，三处必须自己判断

样本代表性是第一道坎。回访到的三十个人不代表三千个客户，而且偏差有方向：流失的客户根本不接电话，最不满意的那批人最先沉默。所以回访数据只能说明「愿意说话的人怎么想」，不能说明整体满意度。要补这个缺口，得看行为数据——登录频次、功能使用深度、工单量，这些不会说谎。

真实意图是第二道坎。客户说「价格贵」，可能是预算真紧，可能是没看到价值，也可能是给拒绝找个体面理由。这三种对应的动作完全不同：降价、做价值证明、或者干脆放走。工具能帮你把这类表述归类，判断属于哪一种得靠你对这个客户的了解。

改进优先级是第三道坎。先改哪个问题，取决于影响面、改造成本、和今年的方向，这是经营决策。工具能算出「多少人提到」，算不出「值不值得做」。

回访真正的产出是被记住

一轮回访里最有用的一句话，往往是「您上次提的那个问题，我们改了」。这句话的说服力超过任何问卷，也超过任何折扣。所以回访要设计成一个回路：上一轮的问题清单、这一轮开头先告知处理结果、再问新的问题。三句话的工夫，客户对你的态度会不一样。

工具有个副作用值得提防：它让回访变便宜，于是做得更多、问得更浅。一个月打三百个电话，每个三分钟，不如打三十个、每个二十分钟。次数不是指标，落实率才是——提出来的问题里，有多少在下一轮之前真的改了。

怎么判断一轮回访算不算有效

看三个数：能不能说出三条具体的、之前不知道的事实；这些事实有没有对应到具体的改动项；下一轮回访的接通率有没有下降。三条都过，这轮就是有效的。只能说出「客户总体满意」，那这轮的价值大概等于零。

速查：回访的四个动作

• 开打前写一句话目标，写不出来就别打
• 问事件不问评价，「只能改一处」是最有效的追问
• 每条结论附一句原话，没有出处的不算结论
• 下一轮开头先告知上次的问题改没改