modu-ai/commerce-voc-triage
| 고객의 소리(VOC) 전체를 다루는 엄브렐러 스킬 — 멀티채널 리뷰를 통합 분석하고(리뷰는 VOC의 한 원천), 폭주하는 VOC의 처리 우선순위를 3축 분류 + KTAS 응급실 5단계로 판별합니다. "리뷰 모아서 분석해줘", "리뷰 분석해줘", "수백 개 리뷰 정리", "감정 분석 리뷰", "쿠팡 리뷰 키워드", "리뷰 인사이트 액션플랜", "멀티채널 리뷰 통합", "VOC 분류해줘", "VOC 처리 순서", "고객 문의 우선순위", "응급 VOC 분류", "VOC 트리아지", "KTAS 응급실 분류 VOC"
npx skills add https://github.com/modu-ai/cowork-plugins --skill commerce-voc-triage
고객의 소리(VOC)는 리뷰·문의·CS·SNS 댓글 등 여러 원천에서 들어옵니다. 이 스킬은 VOC 엄브렐러로서 두 가지 모드를 한 곳에서 제공합니다.
| 모드 | 트리거 발화 예 | 산출물 |
|------|---------------|--------|
| 리뷰 집계 모드 | "리뷰 모아서 분석해줘", "쿠팡 리뷰 키워드", "멀티채널 리뷰 통합" | 4채널 리뷰 통합 → 감정·키워드·인사이트·액션플랜 4단 분석 |
| VOC 분류·트리아지 모드 | "VOC 분류해줘", "고객 문의 우선순위", "응급 VOC 분류" | 3축 분류 × KTAS 5단계 응급도 → 처리 순서 + 응답 템플릿 |
리뷰는 VOC의 한 원천이므로 두 모드는 자연스럽게 이어집니다: 리뷰 집계 모드로 모은 리뷰·문의를 VOC 분류·트리아지 모드로 넘겨 처리 우선순위를 매깁니다. 모드는 CLI 플래그가 아니라 발화로 결정됩니다.
네이버 스마트스토어·쿠팡·자사몰·YouTube·인스타그램 등 멀티채널 리뷰를 통합 수집·분석해 감정·키워드·인사이트·액션플랜 4단 분석 리포트를 생성합니다.
책임 한 줄: 상품 ID 또는 채널별 리뷰 데이터 입력 → 4단 분석 → (선택) PPT 자동화 출력.
| 채널 | 수집 방법 | 비용 | 자동화 가능성 |
|------|----------|------|-------------|
| 네이버 스마트스토어 | API (네이버 커머스 API) | 무료 (인증 필요) | 자동화 가능 |
| 쿠팡 윙 | Wing API 또는 윙 대시보드 CSV | 무료 (셀러 한정) | 부분 자동화 |
| 자사몰 (카페24/아임웹) | API 또는 어드민 CSV | 무료 | 자동화 가능 |
| YouTube | YouTube Data API | 무료 (한도 내) | 자동화 가능 |
| 인스타그램 | Instagram Graph API (브랜드 계정만) | 무료 | 자동화 가능 |
데이터 연동: 연결된 커머스 MCP 커넥터가 있으면 직접 조회하고, 없으면 사용자가 첨부한 내보내기 파일·스크린샷이나 Claude의 자체 분석으로 동일한 산출물을 생성합니다.
{
"product": "비건 세럼 50ml",
"total_reviews": 1247,
"channels": {"smartstore": 580, "coupang": 412, "self_mall": 255},
"sentiment": {"positive": 78, "negative": 12, "neutral": 10},
"top_keywords": [
{"keyword": "흡수력 좋음", "freq": 234, "polarity": "+"},
{"keyword": "향이 별로", "freq": 87, "polarity": "-"}
],
"insights": {
"strengths": ["흡수력·발림성", "비건 인증 신뢰", "용기 디자인"],
"weaknesses": ["향 호불호", "용량 부족 (50ml)", "가격 부담"],
"service": "배송 빠름, CS 친절"
},
"action_plan": [
{"priority": 1, "term": "즉각", "action": "상세페이지에 향 정보 보강 (라벤더 향)"},
{"priority": 2, "term": "단기", "action": "100ml 대용량 SKU 추가"}
]
}
리뷰 집계 사용 예시:
"비건 세럼 50ml, 스마트스토어·쿠팡 통합 리뷰 분석"
→ 두 채널 리뷰 1,000+ 통합 → 4단 분석 → (선택) pptx-designer PPT 자동화
VOC(Voice of Customer)의 폭주 시기에 모든 의견을 다 처리할 수 없는 셀러를 위해 3축 분류 + KTAS 응급실 분류를 적용한 처리 우선순위 매트릭스를 생성합니다. 리뷰 집계 모드의 4단 분석 결과(부정 리뷰·반복 불만)를 입력으로 받으면 더 정확합니다.
책임 한 줄: VOC 목록 + 핵심 고객 정의 + 브랜드 USP 입력 → 3축 분류 + KTAS 5단계 응급도 + 처리 순서 + 응답 템플릿 자동 생성.
| 분류 | 정의 | 가중치 |
|-----|------|------|
| 핵심 고객 | LTV 상위 20% / VIP / 충성 5회+ | ×3 |
| 일반 | 정기 구매 / 신규 회원 | ×2 |
| 비핵심 | 단발 구매 / 비회원 | ×1 |
| 분류 | 정의 | 가중치 |
|-----|------|------|
| 반복 | 같은 VOC 5건+ | ×3 |
| 간헐 | 같은 VOC 2-4건 | ×2 |
| 일회성 | 1건 | ×1 |
| 분류 | 정의 | 가중치 |
|-----|------|------|
| USP 직격 | 브랜드 핵심 USP 관련 | ×3 |
| 관련 | 일반 기능·서비스 | ×2 |
| 무관 | 외부 요인 (배송·결제 등) | ×1 |
우선순위 점수 = 고객 핏 × 빈도 × 핵심 가치 관련성
예시:
VIP 고객 + 반복 + USP 직격 = 3×3×3 = 27 (최우선)
일반 + 일회성 + 무관 = 2×1×1 = 2 (후순위)
응급실 환자 분류 시스템(KTAS) 적용:
| 등급 | 명칭 | VOC 점수 | 처리 시한 | 예시 |
|------|------|---------|---------|------|
| Level 1 | 🔴 즉시 (Resuscitation) | 27 | <1시간 | VIP 환불 거부 / 식약처 신고 위협 |
| Level 2 | 🟠 응급 (Emergent) | 18-26 | <4시간 | 반복 부정 리뷰 / USP 핵심 불만 |
| Level 3 | 🟡 긴급 (Urgent) | 12-17 | <24시간 | 일반 고객 반복 불만 |
| Level 4 | 🟢 준응급 (Less Urgent) | 4-11 | <72시간 | 일회성 일반 불만 |
| Level 5 | 🔵 비응급 (Non-Urgent) | 1-3 | <1주 | 칭찬·정보 문의 |
각 등급별 응답 톤·내용 가이드:
"VOC 50건 입력, 핵심 USP '한국 농가 직거래' — VOC 분류해줘"
→ 50건 × 3축 분류 + KTAS 5단계 매핑 + 처리 순서 + 응답 템플릿
"스마트스토어·쿠팡 리뷰 모아서 분석해줘"
→ 리뷰 집계 모드: 4채널 통합 → 감정·키워드·인사이트·액션플랜 4단 분석
→ (이어서) 부정 리뷰·반복 불만을 VOC 분류·트리아지 모드로 우선순위화
두 모드의 텍스트 산출물(리뷰 집계 모드의 인사이트·액션플랜·서비스 평가, VOC 분류 모드의 응답 템플릿 Level 1-5·처리 순서 안내)은 moai-core:ai-slop-reviewer로 자동 후처리 체이닝됩니다. VIP·응급 대응 메시지나 외부 보고서가 AI 패턴(과한 형용사·번역체)을 포함하면 신뢰도가 무너지므로 검수 필수.
리뷰 집계 모드 → moai-core:ai-slop-reviewer → (선택) moai-office:pptx-designer
VOC 분류·트리아지 모드 → moai-core:ai-slop-reviewer → 사용자 검토 → CS 발송
commerce-channel-message — 응답 메시지·액션플랜 기반 카피 작성moai-office:pptx-designer — 리뷰 분석 결과 PPT 자동화moai-core:ai-slop-reviewer — 텍스트 산출물 AI 슬롭 검수 (자동 체인, HARD)Take modu-ai/commerce-voc-triage from the repository into ~/.claude/skills for personal
use, or into .claude/skills inside a project.
The agent identifies a skill by the name field in its header. Two skills with the
same name cannot sit side by side — one of them will be ignored.