kimi可高效完成客户满意度分析：一、整理结构化原始文本；二、分段生成三点式情绪摘要；三、用结构化提示词提取三类关键词；四、回溯原始语句交叉验证；五、生成markdown表格导入excel统计。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您需要从大量客户反馈中提取关键信息并评估满意度水平，Kimi的长文本总结能力可帮助快速提炼核心观点。以下是利用Kimi进行客户满意度分析的具体操作路径：
一、准备结构化原始文本
客户满意度分析依赖高质量输入，需将分散的反馈整理为统一格式的长文本。确保内容包含真实对话记录、问卷开放题答案、客服工单描述或App评论原文，避免添加主观修饰或删减原始语义。
1、收集全部客户反馈数据，保存为纯文本文件（.txt）或直接复制到剪贴板。
2、剔除明显无关内容，如系统自动回复、重复提交、测试性留言等噪声条目。
3、按时间顺序或渠道类型（如微信、电话、邮件）分段标注，每段开头用【渠道】+【日期】标识。
二、使用Kimi进行多轮摘要生成
Kimi支持超长上下文理解，可通过分段摘要再聚合的方式提升关键点覆盖度，避免单次输入过长导致重点稀释。
1、将原始文本按每800–1200字切分为若干逻辑段落，确保每段含完整反馈场景。
2、依次将各段粘贴至Kimi对话框，输入指令：请提取本段中客户明确表达的满意点、不满意点及具体原因，用三点式列表输出，不添加解释。
3、保存每次返回结果，汇总至同一文档，形成初始情绪标签矩阵。
三、设置提示词引导情感倾向识别
默认总结可能弱化情绪强度，需通过结构化提示词强制Kimi聚焦满意度维度，增强判断颗粒度。
1、在Kimi输入框中键入：你是一名客户体验分析师，请基于以下文本，仅输出：①正面评价关键词（最多5个）；②负面评价关键词（最多5个）；③中性但高频出现的服务要素名词（如“响应速度”“退款流程”）。
使用 Moonshot Kimi API 的 $web_search 内置工具进行联网搜索。当需要进行网络搜索获取实时信息时使用，支持中文和英文搜索查询。需要配置 MOONSHOT_API_KEY。
2、粘贴整段反馈文本，提交后立即获取三类关键词集合。
3、对多次运行结果中的关键词进行频次统计，标记出现3次以上的术语为高权重指标。
四、交叉验证关键问题与原始语句
避免摘要失真，需回溯原始语句确认Kimi提取的问题是否具备代表性，尤其关注否定词、程度副词和隐含诉求。
1、从Kimi输出的负面关键词中任选一个（如“等待太久”），在原始文本中全文搜索该短语及其变体（如“等了好久”“一直没回复”）。
2、定位所有匹配句，检查前后语境是否确属投诉场景，排除反讽或举例说明等情况。
3、将确认有效的原始语句编号归档，作为后续改进措施的直接依据。
五、生成分类统计视图
Kimi虽不直接输出图表，但可通过指令驱动其生成适配Excel导入的结构化表格文本，支撑进一步量化分析。
1、输入指令：将以上全部分析结果整理为Markdown表格，列名依次为：问题类别、关键词、出现频次、典型原始语句（截取前30字）、涉及渠道。
2、复制Kimi返回的表格代码，粘贴至支持Markdown的文本编辑器，导出为CSV格式。
3、用Excel打开CSV文件，对“问题类别”列进行筛选，分别统计“服务态度”“功能缺陷”“流程繁琐”等类别的占比。
