一句话回答
客户情绪是客户对一家公司、一个产品或一次沟通的感受:正面、负面、中性还是复杂,以及有多强烈。它是对话过程中会变化的过程信号,不同于对话结束后才给出的满意度评分这种结果信号。
公式: 低分占比 = 1 分和 2 分的评分 ÷ 全部评分(1–5 分制)
什么是客户情绪?
客户情绪(customer sentiment)是客户对一家公司、一个产品或一次沟通的感受:正面、负面、中性还是复杂,以及有多强烈。它体现在客户写的和说的内容里(聊天消息、评价、邮件、通话记录),也体现在他们的行为里(要求找人工、为同一个问题再来联系、聊到一半离开)。
真正有用的区分在情绪和满意度之间。情绪是过程信号:它在一次对话中不断变化,有时一条消息一个样,告诉你事情正在变糟,而且还来得及补救。满意度是结果信号:对话结束后给出的评分,告诉你事情最后怎么收场。一个客户可能一开始很生气,问题很快解决后打了 5 分;另一个客户全程客气,却因为问题始终没解决只打了 2 分。
这个区别决定了怎么去量。在动用情绪模型之前,先用手里已有的结构化信号:评分、要求转人工、同一个问题反复来问、等待过久。只有当会话多到人看不过来时,文本情绪模型才有价值。
「客户情绪分析」(customer sentiment analysis)通常指自动化的部分:用软件把文本标成正面、负面或中性。那是衡量情绪的一种方法,不是情绪本身的定义。
情绪、满意度和忠诚度有什么区别
| 客户情绪 | 客户满意度(CSAT) | 忠诚度(如 NPS) | |
|---|---|---|---|
| 反映什么 | 情绪及其方向,单次对话中或许多对话的整体 | 一次沟通或一次购买的结果如何 | 长期留下来、愿意推荐的程度 |
| 信号类型 | 过程信号 | 结果信号 | 关系信号 |
| 怎么得到 | 文本、语气和行为,由人或模型判读 | 沟通结束后的评分题,常见 1–5 分 | 问卷题,例如「你有多大可能把我们推荐给别人」,0–10 分 |
| 什么时候能拿到 | 对话进行中 | 结束之后,而且只来自愿意回答的人 | 定期,来自一部分样本 |
| 常见用途 | 发现正在变糟的对话,找出反复出现的不满 | 按坐席、团队、周期评估服务质量 | 追踪整体关系,比较不同人群 |
三者有重叠,但不能互相替代。满意度评分只来自主动作答的客户,会漏掉沉默的不满者;忠诚度分数变化慢,也说不出是哪次对话出了问题。情绪填的正是两者之间的空当,前提是你能可靠地量它。计算满意度分数可以用 CSAT 计算器;情绪和满意度在整体里的位置,见客户体验。
怎样衡量客户情绪
先从已经被记录成数字或事件的信号入手。它们成本低、含义清楚,还能覆盖那些从不打分的客户。
- 对话后的评分。低分(1–5 分里的 1 分或 2 分)是最直接的负面信号。要追踪低分占比,而不只是平均分。
- 要求转人工。机器人或知识库在回答时,访客打出「人工」「找客服」,就是在告诉你自动回答没起作用。
- 重复联系。同一个客户几天内为同一个问题再来,或者已解决的对话被重新打开,说明头一次的回答没解决问题。这也是解决率和情绪总是一起变动的原因。
- 等待。首次响应时间过长,是在线客服里最常见的不满来源之一。等待时间精确到秒,很容易和评分交叉对比。
- 离开。坐席回复之前就关掉聊天,或者因为没人在线只能留言,是一种偏弱但很常见的负面信号。
- 客户写了什么。「还是」「又」「第三次了」「离谱」这类词,以及全大写的消息。人工翻看一批对话,是最简单的情绪分析。
情绪分析是怎么做的
自动情绪分析给每段文本打一个标签或分数。常见的有两类方法:
- 基于词典和规则。每个词在词典里有一个极性分(「很棒」正面、「坏了」负面),再加上处理否定(「不太好」)、程度词(「非常」)和标点的规则。透明、快,但看不懂上下文。
- 机器学习分类器。用标注好的样本训练模型,让它学会哪些模式对应正面或负面文本。Pang、Lee 和 Vaithyanathan 2002 年用影评做的研究发现,标准分类器在情绪分类上的表现不如普通的主题分类,因为情绪依赖上下文、转折和反讽。现代语言模型做得更好,但这些难点依然存在。
输出通常是一个分数加一个强度。以 Google Cloud 的自然语言 API 为例,它返回 −1.0(负面)到 1.0(正面)的分数,外加单独的强度值;分数接近 0 既可能是中性文本,也可能是强烈的正负情绪混在一起,只有强度值能把两者分开。
比方法更要紧的是实际局限。客服对话很短,满是产品名,还常常夹杂多种语言;用评价数据训练的模型可能把「这下把 bug 干掉了」读成负面。而且情绪标签只能告诉你某次对话不顺,说不出原因。所以模型主要在量大、没人看得过来时才划算,它的输出也应该拿上面那些结构化信号来核对。
算例:低分对话有什么共同点
示例数据:一个客服团队一个月处理 400 个聊天会话。客户给其中 260 个打了分(65.0%),52 个是 1 分或 2 分,低分占比 52 ÷ 260 = 20.0%。要回答的问题是:低分对话有什么共同点?用的是一个已经记录下来的信号:客户等坐席头一条回复是否超过 5 分钟。
| 已评分的会话 | 等待 > 5 分钟 | 等待 ≤ 5 分钟 | 合计 |
|---|---|---|---|
| 低分(1–2) | 31 | 21 | 52 |
| 非低分(3–5) | 25 | 183 | 208 |
| 合计 | 56 | 204 | 260 |
- 低分会话中等待过久的占比:31 ÷ 52 = 59.6%。
- 其他已评分会话中等待过久的占比:25 ÷ 208 = 12.0%。
- 等待超过 5 分钟时的低分率:31 ÷ 56 = 55.4%;等待 5 分钟以内:21 ÷ 204 = 10.3%。
等待过久的会话有一半以上以低分收场,其余会话大约十个里一个。不用任何情绪模型,团队就找到了负面情绪的主要来源,以及可以动手的杠杆:高峰时段排班、设置说明等待时间的离开提示,或者为最常见的问题加一条知识库答案。剩下 21 个等待不长却打了低分的会话,数量少到可以逐条阅读;解释它们靠的是阅读,不是模型。
这就是核心观点落到数字上。一个月 52 条负面评分,一个人就能全部看完。等到每周有几千个会话、其中很多没打分时,文本情绪模型才开始物有所值;即便那时,它的标签也应该拿等待时间、重复联系这类信号来核对。
常见误区
- 把平均分当成情绪。4.2 的平均分看不出低分是不是在增加。追踪低分占比,并去读那些对话。
- 忽略不打分的人。算例里 400 个会话中有 140 个(35.0%)没有评分。对他们要用行为信号。
- 还没读过对话就先买情绪模型。量小的时候,阅读更快,也能解释原因;模型只会贴标签。
- 不核对就相信标签。抽样对比模型输出和人工判断,尤其是短消息、技术性消息和翻译过的消息。
- 量了情绪却不行动。每一种负面模式都应该对应一个负责人和一项改动,比如排班、常用语或产品修复。措辞也有帮助,见共情话术。
- 把不同渠道的情绪当成可以直接比较。人们在聊天、邮件和评价里的写法不同;每个渠道只和自己的历史比。
在 TapCub 里看客户情绪
TapCub 不做情绪分析:它不会给对话文本打分或贴标签。它提供的是算例里用到的那些结构化信号,而衡量情绪本来就该从这里开始。
- 看结果信号。客服 › 客服报表显示满意度:访客可以在会话解决后 24 小时内打 1 到 5 分,每条会话只能评一次,取平均并保留一位小数。旁边是会话数、解决率(已解决 ÷ 全部会话)和平均首次响应,同时显示中位数。
- 把评分和等待放在一起看。平均首次响应统计从会话开始到坐席头一次回复的秒数,不含 AI 的回复,所以可以把首次响应变长的周期或坐席,和满意度下降的周期对照起来看。算例里按 5 分钟拆分,来自逐条查看低分会话,不是现成报表。
- 去读低分会话。在客服 › 客服工作台里,「已解决」列表能看到每条会话的满意度,侧栏能看到这个访客过去的对话,同一个问题反复来问一眼就能看出来,不用另开工具。
- 数一数没人接待的访客。离线留言在报表里单独统计,不算进已解决;留言变多,说明有需求没碰上坐席。
- 看谁要求了人工。开启 AI 回复时,访客一要求人工,AI 就停下、对话交给坐席;这些转接值得翻一翻,找出没答到点上的自动回答。提高评分本身的方法见如何提升 CSAT。
如果需要自动的情绪标签,得用别的工具;TapCub 负责的是这些评分、时长,以及围绕它们的对话记录。
资料来源
- Pang、Lee、Vaithyanathan:Thumbs up? Sentiment Classification using Machine Learning Techniques(EMNLP 2002)。
- Google Cloud:Natural Language API 基础:解读情绪分析数值。
- Frederick F. Reichheld:The One Number You Need to Grow,《哈佛商业评论》,2003。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
