用 AI 归纳用户反馈主题：从几百条留言到可行动的问题清单
用 AI 归纳用户反馈，可靠的做法是：先清洗数据 → 让 AI 开放式提出主题 → 人工确定编码表 → 再让 AI 按编码表逐条归类并摘原话 → 抽检后再出结论。 这样得到的主题清单可追溯、可复核，而不是一段漂亮但无法验证的总结。
适用场景
应用商店评论、客服工单、问卷开放题、社群留言，动辄几百上千条。直接丢给 AI 说「总结一下」，往往得到「用户希望提升体验」之类的空话，数字比例也可能是编出来的。
第一步：清洗与分批
- 去掉手机号、邮箱等个人信息。
- 每条反馈加编号（F001、F002……），后续所有结论都要能指回编号。
- 一次交给 AI 的量以不超出上下文为准，过长就分批。
第二步：开放式提出主题
以下是用户反馈（带编号）。请提出 8–12 个主题，每个主题包括：
主题名｜一句话说明｜3 条代表性反馈编号
不要统计数量，不要给出比例。
这一步只是「找方向」，先不计数。
第三步：确定编码表
人工合并相近主题、拆开过宽主题，形成编码表，并为每个主题写清楚「属于 / 不属于」的边界。例如「支付失败」与「价格太贵」要分开。
第四步：按编码表逐条归类
按以下编码表对每条反馈归类。输出：编号｜主题（可多选）｜情绪（正/负/中性）｜关键原话（≤30 字，原文摘录）
无法归类的标「其他」。不得改写原话。
编码表：……
反馈：……
计数请用表格软件对 AI 输出做统计，而不是让 AI 心算比例，这样数字才可靠。
第五步：抽检与结论
- 随机抽 10%–20% 人工复核归类是否正确（比例按你的精力定）。
- 错误多的主题，回到第三步改边界。
- 最终报告每个主题写：条数、代表原话、可能的改进方向（由团队讨论，不是 AI 拍板）。
常见坑
- 让 AI 直接给百分比：容易不准，统计交给表格。
- 主题太抽象：「体验不好」不可行动，要拆到「登录验证码收不到」这一级。
- 忽略少数但严重的问题：安全、资损类反馈即使只有一条，也要单独标出。
一句话模板
先编号、再开放聚类、人定编码表、AI 逐条归类、表格计数、人工抽检。