客户满意度在工单场景里不能只看一个平均分。要把结果层的满意度评分、过程层的响应与解决指标、证据层的回收率与复核记录放在同一口径下对照，才能判断服务质量究竟好在哪里、差在哪个环节。本文给出可复算的指标定义、分母与时间窗规则、计算步骤和一个带数字的算例，并说明结果能怎么用、不能怎么用。工单评价与处理过程数据可以在同一工作项体系中归集，ONES Desk 的工单分析报表与工单关联文档能力可承载这类核对工作。
要点总览（TL;DR）
- 客户满意度在工单场景要分三层度量：结果层的满意度评分（CSAT）及分布、过程层的首次响应与解决时长及一次解决率、证据层的评价回收率与低分工单复核记录。
- 计算前先固定统计对象、时间窗和分母：回收率以发出邀请数为分母，覆盖率以已关闭工单数为分母，两个数分别报告，避免混用。
- 未评价工单的处理方式会显著改变均分，同一批数据按剔除与按中性分计入可相差近 0.8 分，口径必须在报告中写明。
- 跨团队、跨渠道比较均分前先对比渠道分布、优先级分布和回收率，差异明显时做分层比较或结构校正。
- 改进验证要固定口径做前后对比，并排除样本结构变化的影响，单期分数不能直接当作改进成效。
度量客户满意度要回答什么问题
开始取数之前，先写清楚这次度量要支撑什么决策。目标不同，指标组合和统计范围就不同。常见的三类用途是：判断某段时间工单服务的整体质量水平；定位具体环节的改进点，例如响应慢还是解决不彻底；支撑服务验收或外包考核，需要可复核的证据链。
对应地，指标分成两层。结果指标回答“客户怎么评价这次服务”，核心是满意度评分及其分布。过程指标回答“服务过程发生了什么”，包括首次响应时长、解决时长、一次解决率。两层指标各自都不足以单独下结论：评分高可能因为样本偏向容易满足的客户，过程指标好也可能因为问题本身简单。把两层放在同一分组下对照，才能形成可解释的判断。
本文的范围限定在工单服务质量度量，包括指标定义、取数口径、计算步骤与解读限制。SLA 规则怎么设、优先级怎么划分属于工单优先级与 SLA 管理主题；开发交付效率的度量属于研发效能管理主题，本文不展开。评估目标说明建议写成一张简表，列出决策用途、对应指标层级和责任人，避免后续取数时反复改口径。
指标与统计范围怎么划定
指标清单要固定到可以直接取数的程度。每个指标至少写清名称、计算公式、单位、统计对象和时间窗五项，缺一项就会在复算时产生分歧。
| 指标 | 计算方式 | 单位 | 常用统计对象 | 时间窗归属 |
|---|---|---|---|---|
| CSAT 均分 | 有效评价分值之和 ÷ 有效评价数 | 分 | 工单、团队、渠道 | 评价提交时间 |
| CSAT 分布 | 各分值人数 ÷ 有效评价数 | 百分比 | 同上 | 评价提交时间 |
| 评价回收率 | 有效评价数 ÷ 发出邀请数 | 百分比 | 同上 | 邀请发出时间 |
| 首次响应时长 | 首次有效回复时间 − 工单创建时间 | 小时 | 工单、坐席 | 工单创建时间 |
| 解决时长 | 工单关闭时间 − 工单创建时间 | 小时 | 工单、团队 | 工单关闭时间 |
| 一次解决率 | 未重开且无二次流转的工单数 ÷ 已关闭工单数 | 百分比 | 工单、团队 | 工单关闭时间 |
统计对象要提前分层。按工单来源或渠道划分，可以看不同入口的服务差异；按客户类型划分，可以区分重点客户与普通客户；按优先级划分，可以避免高优工单拉低整体均分后被误读为服务退步。分层维度不宜一次加太多，否则每组样本过少，均分波动大且没有解释力。
时间窗是分歧最多的地方。按工单关闭时间归集，反映的是“这个月关掉的工单处理得怎么样”；按评价提交时间归集，反映的是“这个月收到的评价是什么水平”。跨月关闭的工单会让两者出现差异：上月末创建、本月关闭并评价的工单，在关闭口径下计入本月，在评价口径下也可能计入本月，但若评价延迟到下月提交，两个口径就会错位。选定一种口径后，所有指标保持一致，并在报表上注明，跨期对比时才不会把口径变化误当成质量变化。
粒度上，工单级用于计算均分和分布，客户级用于观察单个客户的体验变化，坐席或团队级用于内部改进。坐席级数据涉及个人评价，使用时应明确用途和范围，避免把满意度分数直接等同于个人绩效。
数据口径与证据要求
评分来源要统一。如果不同渠道使用不同量表，例如在线评价用 1–5 分、电话回访用 1–10 分，不能把原始分值直接混在一起求平均。处理方式有两种：统一换算到同一量表并注明换算规则，或者分渠道分别统计、只在渠道内部比较。换算会损失精度，报告中应说明使用的是哪种方式。
分母口径决定回收率的含义。以发出邀请数为分母，衡量的是客户响应意愿；以已关闭工单数为分母，衡量的是评价覆盖程度。两者数值不同，用途也不同。建议同时保留两个数：回收率用邀请数作分母，覆盖率用已关闭工单数作分母，报表中分别标注，避免混用。
未评价工单的处理方式直接影响均分。常见做法有三种：从均分计算中剔除，只统计有效评价；把未评价视为中性分计入；把未评价单独列为“无反馈”类别，不进入均分但单独报告占比。第一种做法均分反映的是愿意评价客户的看法，第二种会人为拉平分数，第三种信息最完整。无论选哪种，都要在口径说明中写明，并在报告中同时给出有效评价数和未评价占比，让读者判断均分的代表性。
定性证据是定量结果的补充。低分工单应保留复核记录，包括客户原话、问题原因、处理过程和回访结论。这些记录用于解释分数背后的具体问题，也是改进措施的依据。证据清单可以按工单编号组织，逐条记录评分、复核结论和改进动作，便于后续抽查和复算。
计算与评估步骤
按以下顺序执行，每一步都留下可核对的中间结果。
- 确定样本集与时间窗。明确纳入哪些工单状态、哪些渠道、哪个时间段，按选定口径导出工单明细和评价明细，记录导出时间和筛选条件。
- 计算 CSAT 均分与分布。均分 = 有效评价分值之和 ÷ 有效评价数；分布 = 各分值人数 ÷ 有效评价数。同时报告有效评价数和未评价数。
- 计算回收率并做样本结构对比。回收率 = 有效评价数 ÷ 发出邀请数。把评价样本的渠道分布、优先级分布与全量已关闭工单的分布对比，差异明显时在报告中标注。
- 按同一分组对照过程指标与评分。例如按团队分组，同时列出该组的均分、回收率、首次响应时长中位数、解决时长中位数和一次解决率，找出评分偏低但过程指标正常、或过程指标偏差但评分尚可的异常分组。
- 对低分样本抽样复核。抽取一定比例的低分工单，核对复核记录和客户原话，归纳主要原因类别，形成定性结论，并与定量结果对照。
校验点包括：有效评价数加未评价数应等于发出邀请数（在邀请口径下）；各分值人数之和应等于有效评价数；分组汇总的工单数应等于总样本数。任何一项对不上，先查数据再出结论。
一个可复算的例子
以下为演示情景，数字仅用于说明计算过程，不代表任何行业基准或达标线。
某月某团队关闭工单 500 张，发出评价邀请 400 张（部分工单未触发邀请），收到有效评价 120 条。评分采用 1–5 分，分布为：5 分 60 人，4 分 30 人，3 分 18 人，2 分 8 人，1 分 4 人。
均分 =（5×60 + 4×30 + 3×18 + 2×8 + 1×4）÷ 120 =（300 + 120 + 54 + 16 + 4）÷ 120 = 494 ÷ 120 ≈ 4.12 分。5 分占比 50%，4 分及以上占比 75%，1–2 分占比 10%。回收率 = 120 ÷ 400 = 30%；以已关闭工单为分母的覆盖率 = 120 ÷ 500 = 24%。若该团队当月关闭工单中有 420 张未重开且无二次流转，一次解决率 = 420 ÷ 500 = 84%。
换一种分母看变化：若把未评价的 280 张邀请按中性 3 分计入，均分变为（494 + 3×280）÷ 400 = 1334 ÷ 400 ≈ 3.34 分。同一批数据，仅因未评价处理方式不同，均分相差约 0.78 分。这说明报告必须写明未评价的处理规则，否则两个团队的数字无法比较。
这个例子可以支持的结论是：该团队当月有效评价的满意度处于较高水平，但回收率只有 30%，均分主要代表愿意评价客户的意见；1–2 分共 12 条，值得逐条复核。不能支持的结论是：该团队服务质量整体优于其他团队，因为样本结构和回收率未做校正；也不能据此判断改进措施有效，因为没有前后对比。
结果怎么解读，以及有哪些限制
评分高低受样本结构影响。高优先级工单的客户往往更关注处理速度，低优先级工单的客户可能对结果更宽容；不同渠道的客户评价习惯也不同。跨团队、跨渠道直接比较均分之前，先比较两边的渠道分布、优先级分布和回收率，差异明显时应做分层比较或结构校正，再下结论。
回收率过低时，均分的代表性有限。回收率 30% 意味着七成客户没有表达意见，均分反映的是少数人的看法。报告中应标注样本量和回收率，回收率明显偏低的组别，结论措辞要相应保守。回收率本身也是观察对象：回收率突然下降，可能说明邀请流程出了问题，而不是服务质量变化。
单指标不能作为服务质量的全部结论。均分高但一次解决率低，说明客户虽然给了好评，问题却可能被反复处理；均分低但响应和解决时长都正常，问题可能出在沟通或预期管理上。把评分、过程指标和复核证据放在一起看，才能定位到具体环节。
改进后的验证要固定口径做前后对比。对比时保持统计对象、时间窗、分母和未评价处理方式一致，并检查两期的样本结构是否发生变化。如果改进期间恰好调整了邀请策略或渠道结构，前后差异可能来自样本变化而非服务改进，此时应分渠道或分优先级分别对比，再综合判断。
在数据归集环节，ONES Desk 提供工单分析报表，汇总工单处理情况，便于按团队和时段核对处理进度；工单可一键关联到 ONES Wiki 页面，用于记录低分工单的复核结论和服务经验，也可关联到 ONES Project 的需求或缺陷工作项，跟踪问题直至处理完成。这些能力承载的是评价数据与复核记录的归集和追溯，指标定义与计算口径仍需按本文方法自行确定并在报表中注明。
常见问题
工单量不大、每月有效评价只有几十条，还能算满意度均分吗？
可以算，但要同时报告样本量，并对结论措辞保持保守。几十条评价的均分容易受个别极端分值影响，一条 1 分就可能让均分变动零点几分。建议把分值分布和有效评价数一起呈现，观察 1–2 分和 4–5 分的具体条数，而不是只报一个平均分。
样本过少时，可以拉长统计周期，例如按季度而非按月统计，或按渠道、团队合并分组，让每组有足够的评价数。合并分组会掩盖组间差异，报告中应说明合并规则。
不同渠道用了不同评分量表，历史数据还能放在一起看吗？
原始分值不能直接混算平均。处理方式有两种：一是按事先写明的规则换算到同一量表，例如把 1–10 分线性映射到 1–5 分，换算会损失精度，报告中要注明；二是分渠道分别统计，只在渠道内部做纵向对比，跨渠道时比较分布形态而非均分。
如果历史数据没有记录量表来源，建议先补齐渠道与量表字段，再决定哪些数据可以合并。口径不明的历史数据，更适合作为趋势参考，不适合作为考核依据。
满意度分数能不能直接用于坐席个人绩效考核？
坐席级满意度数据涉及个人评价，使用时需要明确用途和范围。单个坐席分到的评价数通常很少，均分波动大，直接与绩效挂钩容易造成对评价结果的过度追求，例如选择性邀请评价或引导客户打高分。
更稳妥的做法是把坐席级分数用于辅导和改进，考核时结合一次解决率、解决时长等过程指标，并设置最低样本量门槛。低于门槛的坐席只做趋势观察，不进入排名。
回收率突然下降，应该先查什么？
回收率下降不一定是服务质量变化。先检查邀请流程本身：邀请是否正常触发、发送渠道是否变更、邀请文案或时机是否调整、工单关闭状态是否正常流转。这些环节出问题，会让大量客户根本没收到邀请。
排除流程问题后，再看样本结构是否变化，例如新增了低响应率的渠道或客户类型。确认是客户响应意愿变化时，再结合评分和复核记录判断服务质量。回收率本身应作为独立指标持续观察，不宜与均分混为一个结论。
改进措施上线后，怎么判断满意度提升是措施带来的？
固定口径做前后对比是基本前提：统计对象、时间窗、分母和未评价处理方式保持一致。然后检查两期的样本结构，如果渠道分布、优先级分布或回收率发生明显变化，前后差异可能来自样本而非服务改进。
结构变化明显时，按渠道或优先级分别对比，看改进是否在各类样本中都成立。还可以结合低分工单复核记录的变化，观察问题类别是否减少。单期均分上升不足以证明措施有效，多组证据方向一致时结论才更可靠。
