满意度

为什么传统满意度指标不够用 CSAT（Customer Satisfaction）、NPS（Net Promoter Score）和 CES（Customer Effort Score）是传统软件产品的三大满意度指标。但当产品核心引擎变成 AI 时，这些指标暴露出明显不足： CSAT 无法捕捉"惊喜时刻"：AI 产品的满意度不是线性的，一次精彩的回答可能抵消十次平庸的表现 NPS 不反映信任问题：用户可能推荐你的产品，但自己在关键决策时不敢依赖它 CES 忽略心智负担：AI 产品的"effort"不只是点击次数，还包括用户验证结果正确性的认知负担 我们需要一套为 AI 量身定制的满意度指标体系。 指标体系全景 AI 用户满意度指标体系 ├── 基础指标（继承自传统软件） │ ├── CSAT-AI（会话级满意度） │ ├── NPS-AI（推荐意愿） │ └── CES-AI（任务完成努力度） ├── AI 特有指标 │ ├── 信任度（Trust Score） │ ├── 可控性感知（Controllability） │ ├── 透明度感知（Transparency） │ └── 惊喜指数（Delight Index） └── 行为指标（隐式测量） ├── 重试率（Retry Rate） ├── 人工求助率（Escalation Rate） ├── 会话深度（Conversation Depth） └── 回访留存（Return Retention） 一、CSAT-AI：会话级满意度 传统 CSAT 的问题 传统 CSAT 通常在任务完成后弹出：“您对本次服务满意吗？1-5 分”。但 AI 产品的会话可能包含多个子任务，用户可能对某些方面满意但对其他方面不满意。 ...