Stats
Actions
Tags
From super-pm
Analyzes user feedback by categorizing, performing sentiment analysis, assessing priority, and clustering problems. Generates a structured report with improvement suggestions.
How this skill is triggered — by the user, by Claude, or both
Slash command
/super-pm:pm-feedbackThis skill is limited to the following tools:
The summary Claude sees in its skill listing — used to decide when to auto-load this skill
```bash
bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 创建增长迭代目录
mkdir -p docs/03-增长迭代
echo "📊 PM-Feedback V2 - 用户反馈分析工具"
echo "支持并发分析：反馈分类 | 情感分析 | 优先级评估 | 问题归类"
echo ""
使用 AskUserQuestion 询问：
📊 用户反馈分析 - 数据来源
请提供用户反馈数据：
A) 从文件读取（输入文件路径） B) 直接粘贴反馈内容 C) 从应用商店/社交媒体爬取（需 WebSearch） D) 使用示例数据演示 E) 其他（请手动输入）
用户选择后，获取反馈数据。
使用 Agent tool 并发派发 4 个 subagent：
在一条消息中并发调用 4 个 Agent tool：
**Subagent 1: Feedback Categorization**
- type: "general-purpose"
- prompt: "分析用户反馈，进行分类（功能需求/Bug报告/体验问题/价格反馈/其他），输出到 docs/03-增长迭代/feedback-categories.md"
**Subagent 2: Sentiment Analysis**
- type: "general-purpose"
- prompt: "分析用户反馈情感倾向（正面/中性/负面），识别关键情绪点，输出到 docs/03-增长迭代/sentiment-analysis.md"
**Subagent 3: Priority Assessment**
- type: "general-purpose"
- prompt: "评估用户反馈优先级（P0-P3），基于影响面/紧急程度/实现成本，输出到 docs/03-增长迭代/priority-assessment.md"
**Subagent 4: Problem Clustering**
- type: "general-purpose"
- prompt: "对用户反馈问题进行聚类分析，识别核心问题群，输出到 docs/03-增长迭代/problem-clusters.md"
**并发执行，等待所有 subagent 完成**
读取所有 subagent 分析结果：
read docs/03-增长迭代/feedback-categories.md
read docs/03-增长迭代/sentiment-analysis.md
read docs/03-增长迭代/priority-assessment.md
read docs/03-增长迭代/problem-clusters.md
整合成综合报告：
使用 Write 生成：docs/03-增长迭代/用户反馈分析报告.md
# 用户反馈分析报告
## 一、反馈概览
**数据来源**: [来源]
**反馈数量**: [总数]
**时间范围**: [时间段]
---
## 二、反馈分类统计
### 2.1 分类分布
[来自 feedback-categories.md]
| 类型 | 数量 | 占比 |
|------|------|------|
| 功能需求 | XX | XX% |
| Bug报告 | XX | XX% |
| 体验问题 | XX | XX% |
| 价格反馈 | XX | XX% |
| 其他 | XX | XX% |
### 2.2 高频反馈 TOP 10
1. [反馈内容] - XX 次
2. [反馈内容] - XX 次
...
---
## 三、情感分析
### 3.1 情感分布
[来自 sentiment-analysis.md]
| 情感 | 数量 | 占比 |
|------|------|------|
| 正面 | XX | XX% |
| 中性 | XX | XX% |
| 负面 | XX | XX% |
### 3.2 关键情绪点
**正面情绪**:
- [用户喜欢的地方]
**负面情绪**:
- [用户不满的地方]
---
## 四、优先级评估
### 4.1 优先级分布
[来自 priority-assessment.md]
| 优先级 | 数量 | 说明 |
|--------|------|------|
| P0 (紧急) | XX | 影响核心功能/大量用户 |
| P1 (高) | XX | 重要但不紧急 |
| P2 (中) | XX | 需要关注 |
| P3 (低) | XX | 可延后处理 |
### 4.2 P0 问题清单
1. [问题描述] - 影响：XX 用户
2. [问题描述] - 影响：XX 用户
...
---
## 五、问题聚类分析
### 5.1 核心问题群
[来自 problem-clusters.md]
**问题群 1: [问题类别]**
- 关联反馈：XX 条
- 典型描述：[用户原话]
- 根本原因：[分析]
**问题群 2: [问题类别]**
- 关联反馈：XX 条
- 典型描述：[用户原话]
- 根本原因：[分析]
---
## 六、改进建议
### 6.1 短期行动（1-2 周）
**紧急修复（P0）**:
1. [改进建议]
2. [改进建议]
**快速优化（P1）**:
1. [改进建议]
2. [改进建议]
### 6.2 中期规划（1-3 月）
**功能迭代**:
1. [功能需求] - P1 优先级
2. [功能需求] - P2 优先级
**体验优化**:
1. [优化点]
2. [优化点]
### 6.3 长期规划（3-6 月）
**战略改进**:
1. [战略建议]
2. [战略建议]
---
## 七、下一步建议
建议执行：
1. **pm-priority** - 对改进建议进行优先级排序
2. **pm-iteration** - 制定迭代计划
3. **pm-docs** - 更新产品文档
---
**分析时间**: 2026-XX-XX
**数据来源**: 用户反馈
**分析方法**: 多维度并发分析
| 指标 | V1（顺序分析） | V2（并发分析） | 提升 |
|---|---|---|---|
| 分析时间 | ~8 分钟 | ~2 分钟 | 4x |
| 主 Agent 上下文 | ~40,000 tokens | ~10,000 tokens | 节省 75% |
| 分析维度 | 1-4 个顺序 | 4 个并发 | - |
| 报告质量 | 单一视角 | 多维度整合 | ✅ |
用户: 分析这批用户反馈，文件路径：docs/03-增长迭代/user-feedback.txt
AI: 🎯 读取反馈数据...
[Read file...]
🚀 并发分析中...
⏳ Subagent 1: Feedback Categorization - 完成 ✅
⏳ Subagent 2: Sentiment Analysis - 完成 ✅
⏳ Subagent 3: Priority Assessment - 完成 ✅
⏳ Subagent 4: Problem Clustering - 完成 ✅
🔧 整合分析结果...
✅ 生成报告: docs/03-增长迭代/用户反馈分析报告.md
📊 关键发现：
- 负面反馈占比 35%，主要集中在"搜索功能"
- P0 问题 3 个，需紧急修复
- 正面反馈集中在"界面设计"
💡 建议下一步：
1. /pm-priority - 对改进建议排序
2. /pm-iteration - 制定迭代计划
你是用户反馈分类专家。执行以下任务：
**输入数据**: [反馈数据]
**分类维度**:
1. 功能需求 - 用户提出的新功能希望
2. Bug报告 - 用户遇到的错误/异常
3. 体验问题 - 用户使用过程中的不便
4. 价格反馈 - 对定价的意见
5. 其他 - 无法归类的反馈
**分析要求**:
- 对每条反馈进行分类
- 统计各类型数量和占比
- 提取高频反馈 TOP 10
**输出要求**:
生成结构化报告到：docs/03-增长迭代/feedback-categories.md
完成后立即返回结果。
你是用户情感分析专家。执行以下任务：
**输入数据**: [反馈数据]
**分析维度**:
1. 正面情感 - 用户满意/赞扬
2. 中性情感 - 客观陈述
3. 负面情感 - 用户不满/抱怨
**分析要求**:
- 对每条反馈进行情感判断
- 识别关键情绪点（正面/负面）
- 提取典型情感表达
**输出要求**:
生成结构化报告到：docs/03-增长迭代/sentiment-analysis.md
完成后立即返回结果。
你是优先级评估专家。执行以下任务：
**输入数据**: [反馈数据]
**评估维度**:
- P0 (紧急) - 影响核心功能/大量用户
- P1 (高) - 重要但不紧急
- P2 (中) - 需要关注
- P3 (低) - 可延后处理
**评估标准**:
1. 影响面 - 影响多少用户
2. 紧急程度 - 是否需要立即处理
3. 实现成本 - 修复难度和时间
**输出要求**:
生成结构化报告到：docs/03-增长迭代/priority-assessment.md
重点列出 P0 问题清单。
完成后立即返回结果。
你是问题聚类分析专家。执行以下任务：
**输入数据**: [反馈数据]
**聚类方法**:
1. 识别反馈中的问题关键词
2. 按问题类型进行聚类
3. 分析根本原因
**输出要求**:
生成结构化报告到：docs/03-增长迭代/problem-clusters.md
包含：
- 核心问题群（3-5 个）
- 每个问题群的关联反馈数量
- 典型用户描述
- 根本原因分析
完成后立即返回结果。
高质量反馈：
低质量反馈：
完成用户反馈分析后，推荐执行：
Super-PM - 让用户反馈分析更深入、更全面 📊
✅ Good 示例：
- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」
❌ Bad 示例：
- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」
出现以下情况立即停止并回溯：
| 误区 | 正确做法 |
|---|---|
| 使用"应该"、"大概"、"看起来"做结论 | 必须基于实际数据和验证 |
| 未运行检查就声称已完成 | 先验证，再陈述 |
| 因时间紧迫跳过关键步骤 | 没有例外，时间紧更要严格 |
| "这次应该没问题"的想法 | 每次都要重新验证 |
docs/ 目录⚠️ 任何一项未通过 → 补全后再标记完成。
npx claudepluginhub konglong87/superpm --plugin super-pmCategorizes, scores, and prioritizes customer feedback from support tickets, reviews, and surveys into actionable reports with feature request rankings and sentiment trends.
Classifies user feedback (Excel/CSV/text) into 6 categories with sentiment analysis, theme clustering, trend analysis, NPS calculation, and actionable Top-10 pain points with recommendations.
Use this skill when the user asks to "triage feedback", "analyze support tickets", "cluster feedback", "analyze NPS responses", "what are users complaining about", "find pain points in this feedback", "synthesize this customer feedback", or pastes a batch of raw feedback, tickets, or interview notes. This skill is for structured feedback triage and scoring. For interview-specific synthesis, use discovery/continuous-interview-synthesis. For full research synthesis with OST mapping, use /synthesize-research.