企业微信中Clawbot未实现客户满意度自动调研闭环，主因缺乏结构化问卷触发机制、对话意图识别配置或分析结果回写路径；可通过会话后置触发NPS推送、关键词主动触发场景化调研、CRM工单闭环结构化分析、语音转写非结构化分析四条技术路径实现。
☞☞☞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☜☜☜
如果您在企业微信中已部署Clawbot，但尚未构建客户满意度自动调研与分析闭环，则可能是由于缺乏结构化问卷触发机制、对话意图识别配置或分析结果回写路径。以下是实现该系统的多种技术路径：
一、基于会话后置触发的NPS自动推送方案
该方法利用客户咨询结束后的静默期（默认30秒）自动发送标准化满意度问卷，无需修改业务流程，适配现有客服话术节奏。系统通过会话状态监听器捕获“对话关闭”事件，并调用预设问卷模板生成带唯一追踪ID的卡片消息。
1、进入Clawbot工作目录：cd /root/clawdbot
2、启用后置调研插件：node dist/index.js plugin enable --name satisfaction-survey --config '{"trigger":"post-conversation","delayMs":30000,"npsScale":5}'
3、向企业微信通讯录中指定客户ID发送测试问卷：node dist/index.js agent --agent surveyor --message "trigger-nps-for:wxid_abc123"
4、确认客户终端收到含5分制滑动评分条+开放评论框的富文本卡片，且提交后自动记录至本地SQLite数据库survey_results.db
二、基于关键词主动触发的场景化调研方案
该方法将满意度采集嵌入真实服务节点，当客户消息中出现“解决了吗”“还行”“不太满意”等语义信号时，即时插入轻量级反馈入口，提升回收率并保留上下文关联性。系统依赖内置的中文情感词典与正则匹配引擎，不依赖外部NLP API。
1、编辑意图识别配置文件：nano config/intent-rules.yaml
2、在rules列表末尾添加满意度触发规则：- pattern: ".*[还行|差不多|可以了|没解决|不满意|失望].*"
3、绑定响应动作：执行命令 node dist/index.js intent bind --rule-id satisfaction-trigger --action "survey:mini"
4、重启网关服务使规则生效：bash /root/restart-clawdbot.sh
5、模拟客户发送消息“这个问题还没解决”，验证是否在3秒内收到带当前会话快照的2题微问卷（“问题是否已解决？”“服务态度如何？”）
三、基于CRM工单闭环的结构化分析方案
该方法将满意度数据与原始工单强绑定，实现从“客户打分”到“根因归类”的自动映射。系统在CRM工单创建时注入满意度采集钩子，回收数据后自动执行预设SQL聚合脚本，生成部门/坐席/问题类型三级维度报表。
1、在CRM对接配置中启用满意度字段同步：vi config/crm-integration.json，将"include_satisfaction_fields"设为true
2、部署分析脚本至定时任务：cp scripts/analyze-sat-score.js /root/clawdbot/scripts/ && chmod +x /root/clawdbot/scripts/analyze-sat-score.js
3、配置每小时执行分析：crontab -e，添加行 0 * * * * cd /root/clawdbot && node scripts/analyze-sat-score.js > /var/log/sat-analysis.log 2>&1
4、检查输出日志：tail -n 20 /var/log/sat-analysis.log，确认包含类似“【售后组】平均分3.2｜‘响应延迟’归因占比68%”的结构化结论
四、基于语音转写反馈的非结构化分析方案
该方法专用于处理客户语音消息中的隐性不满，通过本地ASR引擎将语音转为文字后，调用轻量级情感分析模型提取负面情绪强度值。所有音频处理均在本地完成，不上传任何语音片段至公网。
1、安装语音处理依赖：pip3 install pydub vosk
2、下载中文语音模型至指定路径：wget https://alphacephei.com/vosk/models/vosk-model-small-cn-0.22.zip -O /root/clawdbot/models/vosk-small-cn.zip && unzip /root/clawdbot/models/vosk-small-cn.zip -d /root/clawdbot/models/
3、启用语音分析插件：node dist/index.js plugin enable --name voice-sentiment --config '{"modelPath":"/root/clawdbot/models/vosk-model-small-cn-0.22"}'
4、向测试客户发送语音消息，查看后台日志中是否出现voice_emotion_score: -0.72（负向强度）｜triggered_keyword: "烦死了"等标记
