体验家XMPlus提出多源客户反馈联合分析的数据组织方法

问卷评分下降、客服咨询增加、电商点评出现负面内容，可能在描述同一件事，也可能来自完全不同的人群。把三份数据交给Agent，并不意味着它们已经具备联合分析的条件。

本文围绕反馈粒度、身份关联和时间窗口，介绍如何组织可追溯的分析数据，避免重复计数与错误归因。文中的字段、数据和处理流程均为通用设计示例，不是客户实绩或产品底层实现说明。

一、先确定分析对象，再决定怎样关联

联合分析首先要回答：本次研究的对象是一条反馈、一次服务，还是一位客户？

一份问卷可能对应一次购买，一段客服会话可能跨越多个问题，一条商品点评也未必能关联到内部客户编号。它们的统计单位不同，不宜直接堆成一张明细表计算比例。

可以保留三层数据：原始记录层保存来源及原文；业务关联层记录客户、订单或服务事件的对应关系；分析层按本次任务确定一行的含义。若要解释一次服务后的评分，分析层宜以该次反馈为单位，把相关客服记录汇总为上下文。

体验家Agent可分析系统问卷、按支持范围采集的点评，以及通过文件或已配置连接器引入的数据。具体任务能否联合这些来源，仍取决于数据是否接入、字段是否可对应及账户权限。以下关联规则需要按实际数据准备，不能假设Agent会自动补齐缺失标识。

二、为每条记录保留可追溯的上下文

下面是一组建议字段，并非平台实际接口定义。

同一数字在两个系统中可能代表不同客户，因此来源内编号不能直接视为统一客户标识。优先使用经确认的映射关系；无法关联的记录应保留为独立分析来源，不能凭相似昵称强行匹配。

时间也要拆开理解。业务完成时间、客户填答时间和文件导入时间不是同一个概念。若问卷在服务完成数日后填答，应明确分析窗口围绕哪个事件建立，不能使用导入日期替代服务日期。

三、处理一对多关系，避免反馈被重复放大

假设一位客户针对同一订单填写一份问卷，评分为2分，同时产生两张客服单。如果按客户编号直接连接，问卷会变成两行；再增加三条会话片段，连接结果可能进一步膨胀。

此时，平均分可能在个别例子中看似没有变化，但该客户的权重已经增加。存在不同数量客服记录的客户时，总体评分和问题占比就可能偏移。

更稳妥的设计，是先保留问卷的唯一编号，再按业务事件和时间窗口匹配客服记录，并输出汇总字段：去重后的工单数、涉及的问题类型、最早与最近处理时间等。原文仍留在明细层，通过编号回溯。

对每条有效反馈：
  按已确认的客户标识和业务事件查找相关记录
  按本次研究定义的时间窗口筛选
  对工单编号去重，汇总相关上下文
  输出一行反馈分析记录，并保留关联记录编号

这段流程描述的是建议的数据组织方法，不代表系统已内置相同算法。若缺少业务事件编号，仅按客户匹配，应单独说明关联可能混入其他经历。

四、不能逐条关联的数据，也能参与比较

外部点评没有内部客户标识时，可以按产品、渠道和时期进行群体层面的比较，例如观察同一产品的问卷低分主题与同期点评主题是否相近。

但两个来源的客户构成和反馈意愿可能不同。客服记录更容易覆盖遇到困难的人，公开点评也不等于全部购买者。三个来源都出现“等待”主题，只能说明值得进一步检查，不能直接据此推算所有客户的等待问题发生率。

还要检查证据是否重复。同一位客户可能先提交问卷，再联系客服，最后发布点评。三个渠道中的相似记录，可能只是同一事件的重复表达。能够去重时应标记事件关系，不能把来源数量直接当作独立证据数量。

联合分析至少应完成以下检查：

1. 比较关联前后的反馈总数与唯一编号数，解释任何增减。

2. 列出匹配成功、未匹配及多重匹配的记录数量。

3. 检查关联事件是否落在规定窗口内，排除不应参与解释的后续信息。

4. 抽查不同来源、正常记录与异常记录，确认字段映射和原文可回溯。

以“一份问卷、两张客服单”的示例为验收样本，预期分析层仍只有一条问卷记录，相关工单数为2；不能把两行连接结果解释为两位客户不满。

Agent的任务可以分为数据检查、统计与解释三个阶段。先输出范围和质量说明，再计算各来源及各群体的结果，最后提出需要验证的解释。这样便于判断问题来自数据准备，还是来自后续语义解读。

分析报告应同时保留来源、时间、样本和限制。不能只展示几段有代表性的负面原文，却省略它们是从多少条记录中选出的。

六、结论与局限

多源联合分析的关键，是为不同来源保留正确的统计单位，并控制身份、事件和时间关系。具备共同标识时可以逐条关联；缺少标识时，可以在限定条件下比较群体趋势。

可追溯的数据能够帮助Agent形成更有依据的解释，但无法消除采样偏差，也不能单凭关联证明因果。下一步应围绕缺失字段、未匹配记录与独立验证安排持续改进。

七、FAQ

Q1：客户标识相同，就能直接合并全部记录吗？

还需检查是否属于同一次经历、同一时间范围，以及标识在不同系统中的含义。家庭共用账户或跨事件服务，都可能造成误关联。

Q2：联合分析前需要删除所有缺失值吗？

不需要。应先区分未采集、问卷跳转、无法匹配与实际缺失。不同原因需要不同处理，删除记录后也要检查样本结构是否变化。

Q3：跨来源结果一致，是否说明原因已经找到？

不能直接这样判断。还应检查是否存在重复事件、共同偏差或同期变化，再结合业务走查、访谈或试点验证解释。