用户满意度分析的核心逻辑是：先定义指标与数据来源 → 做描述性统计看整体水位 → 拆维度找短板 → 关联业务结果验证影响 → 输出可落地的改进项。下面按可执行步骤拆解。
一、先明确“满意度”怎么度量
不同场景指标不同，选错指标后面全歪：
CSAT（客户满意度）：单次交互后问“你对这次服务/产品满意吗”，1–5分或百分比，适合衡量具体触点。
NPS（净推荐值）：“你有多大可能推荐给朋友”，0–10分， promoters 减 detractors，适合看长期忠诚度和口碑。
CES（客户费力指数）：“你解决问题花了多大精力”，适合衡量流程顺畅度（越低越好）。
自定义满意度：如App内“本次体验打分”、售后“维修满意度”等。
建议：交易/服务闭环后用 CSAT，关系型调研用 NPS，流程类痛点用 CES。
二、数据从哪来
主动调研：问卷（推送时机很关键，别在用户刚进页面就弹）
被动反馈：评价文本、客服会话、应用商店评论、工单
行为代理指标：留存率、复购率、退款率、投诉率——不满意不一定说，但会用脚投票
三、描述性统计：先看整体水位
算均值、中位数、分布（多少人在1分、5分）
看NPS的推荐者/中立者/贬损者占比
标红“低分集中区”：比如某渠道CSAT只有3.1，全局3.8
四、多维拆解：找到“谁不满意”
按以下维度交叉分析，定位短板：
用户分层：新客/老客、高价值/低价值、地区、设备
场景/触点：注册、支付、售后、某个功能页
时间：版本发布前后、大促期间、节假日
渠道：iOS/Android、官网/小程序、线上/门店
举例：整体NPS 30，但“支付失败后再投诉”的用户NPS为 -40，说明失败恢复机制是致命伤。
五、文本反馈做定性归因
分数只告诉你“不满意”，文本告诉你“为什么”：
用NLP或人工编码把开放题归类：物流慢、客服态度、价格贵、bug多
做词频+情感分析，看差评高频词
把“低分+负面文本”样本拉出来逐条读，提炼Top 5痛点
六、关联业务结果，验证“满意度有没有用”
满意度不是终点，要证明它影响GMV/留存：
分组对比：高CSAT用户 vs 低CSAT用户的30日留存、LTV
回归分析：控制其他变量后，NPS每升10点，复购率涨X%
贬损者（打0–6分）的流失率是不是显著更高
这样老板才信“值得投入改”。
七、输出结论与行动项
别只交报表，交“下一步”：
优先级排序：按“影响人数 × 不满意程度 × 改造成本”排P0/P1/P2
责任到岗：物流问题→供应链；闪退→客户端组
闭环机制：改完后再次投放轻量问卷验证CSAT是否回升
监控看板：把核心满意度指标做成周/月自动更新，而非一次性项目