自动收集多渠道客户反馈，AI 进行情感分析和分类，生成反馈洞察报告并预警负面反馈。
产品团队需要系统化收集和分析客户反馈，但反馈分散在多个渠道
每周节省 6-8 小时
约 ¥50-150/月
梳理当前所有客户反馈渠道（邮件、Google Forms、社媒评论、客服工单等），在 Airtable 中创建统一的反馈数据库，字段包括来源渠道、反馈内容、情感标签、分类主题、处理状态。配置 Make Pro 账号和 OpenAI API Key。
在 Make 中为每个反馈渠道创建独立的监听模块：Gmail 模块监听客户邮件、Google Forms 模块接收表单提交、HTTP 模块定时拉取社媒评论。所有渠道数据统一格式化后汇入同一处理流程。
将反馈内容发送给 GPT-4 API 进行情感分析（正面/中性/负面，置信度评分）和主题分类（产品功能/服务体验/价格/Bug 等）。提示词中提供分类体系说明和示例，确保分类结果一致性。
设置负面反馈实时预警规则：情感为负面且置信度>80% 时立即通过 Slack 推送给客服主管。每日汇总生成反馈分析报告写入 Airtable 视图，每周生成趋势分析识别高频问题。
准备 20-30 条不同情感和主题的测试反馈，验证 AI 分类的准确率是否达到 85% 以上。测试负面反馈预警的响应速度，确认从反馈提交到 Slack 通知在 5 分钟以内。
常见问题包括社媒评论抓取不完整、AI 对模糊反馈分类不准、多语言反馈处理困难。建议设置兜底分类'待人工审核'，对置信度低于 70% 的分类结果标记人工复查。
GPT-4 对中文情感分析的准确率通常在 85-90%，但对于反讽、双关等复杂表达可能误判。建议在提示词中加入中文语境的情感判断示例，并对低置信度结果设置人工复查。
每条反馈的分析大约消耗 500-1000 Token，费用约 ¥0.02-0.05。日均 100 条反馈的月费用约 ¥60-150。可以对明显的垃圾信息先用规则过滤，减少不必要的 API 调用。
除了 Slack 即时预警外，建议设置 48 小时未处理的升级机制，自动通知更高级别的负责人。在 Airtable 中设置处理状态追踪，每日站会回顾未关闭的负面反馈。
每周将高频问题 Top 5 自动同步到产品团队的需求池，附带原始反馈数量和代表性原文。每月生成反馈趋势报告，帮助产品经理识别用户痛点的优先级变化。