直接结论: 用户之声(Voice of the Customer,简称 VoC,也常译作客户之声),是把用户用自己的话说出来的反馈收集起来,并转化成业务决策的做法。VoC 数据既来自问卷和客服工单,也来自电商评价、社媒帖子、Reddit 讨论和退货原因。一套能跑起来的 VoC,会把这些反馈归成主题,回到原话核实每个主题,再给每个主题指定负责人。
这个概念源自产品开发研究。Abbie Griffin 和 John Hauser 1993 年发表在 *Marketing Science* 上的论文《The Voice of the Customer》,系统讨论了怎样识别、整理用户需求并排出优先级,还提出了一个至今仍常被忽略的问题:用户提得最多的需求,是不是就是最重要的需求?对今天的消费品牌来说,原材料已经变了:大部分用户之声已经公开存在于你控制不了的评价、视频和论坛里。这篇文章讲清楚 VoC 包含什么,给出 DataScaler 消费品牌研究里的 6 个真实案例,以及一套简单的起步方法。
用户之声是什么意思
用户之声不是某一份问卷,也不是某个分数,而是一种习惯:用用户自己的语言听他们说话,细到团队可以据此行动的程度。
它和泛泛的"用户反馈"相比,差别主要在于纪律。VoC 保留用户的原话:"肩膀那里偏小"是用户之声,"版型评分 3.2 分"只是关于它的一个指标。它把几百条评论归成一张短清单,比如尺码、价格、可靠性、安装、物流。最后,每个主题都要有人负责。少了这一步,你得到的只是一份报告,而不是一套 VoC。
VoC 数据从哪里来
大多数团队从"主动问来的"反馈开始。但对电商品牌来说,"没问也会说的"反馈价值更大,因为它出现在购买前后,而不只是在你发问卷的时候。
来源 | 类型 | 最擅长告诉你什么 | 短板 |
|---|---|---|---|
购后问卷和 NPS | 主动收集 | 已购用户的满意度趋势 | 只有买过、且愿意回答的人 |
客服工单和在线客服 | 主动收集 | 安装问题、产品缺陷、政策误解 | 天然偏向问题 |
用户访谈 | 主动收集 | 用户为什么买的深层原因 | 样本小、速度慢 |
亚马逊等电商评价 | 自发反馈 | 每个 SKU 的缺陷和预期落差 | 评分虚高,缺少购买前的语境 |
社媒帖子和视频评论 | 自发反馈 | 第一印象、竞品对比、购买前的顾虑 | 噪音多,需要筛选 |
Reddit 和论坛 | 自发反馈 | 细致的"值不值得买"和排障讨论 | 人群更小、更专业 |
退货原因 | 行为数据 | 预期和实际在哪里对不上 | 往往只是一个下拉选项 |
一个好用的判断:主动收集的反馈,告诉你买家买完之后感觉怎么样;自发反馈,告诉你是什么让另一些人根本没下单。
6 个消费品牌的用户之声案例
下面的案例来自 DataScaler 2026 年在博客上发布的研究,每一个都代表一种不同的 VoC 信号,以及团队可以怎么用。数字是公开讨论里的提及数,不是销量或退货率。
品牌或品类 | 用户在说什么 | 意味着什么 | 可以怎么做 |
|---|---|---|---|
拓竹 Bambu Lab(3D 打印机) | "可靠性"出现在 81 条正面、36 条负面提及里 | 同一个属性,同时是优点和抱怨 | 先按机型和问题拆开可靠性,再行动 |
Anker(充电器) | 一年里,充电速度 36 条正面、8 条负面提及 | 充电速度是买家最先评判的属性 | 商品页开头放实测的充电场景 |
UGREEN 绿联(充电器) | "fast charging"57 条正面;"charging speed"10 条负面 | 买家会看功率怎么分配,而不只看总瓦数 | 在 Listing 里标出各口的功率分配 |
人体工学椅(品类) | "腰部支撑"是最高频的需求词(146),同时出现在 47 条负面语境里,旁边还有"背痛"(45) | 最核心的卖点,也是最大的风险 | 补充贴合与调节说明,收集长期使用评价 |
Aelfric Eden(服饰) | "baggy sweatpants"202 次;"wrong size ordered"12 次 | 款式带来关注,尺码问题离下单更近 | 把尺码提及和尺码选择、退货原因对照 |
家具座椅(品类) | 30 天约 200 条提及里,有一小簇在说延迟送达、缺零件和客服跟进慢 | 抱怨不多,但每一条都可能卡住安装、导致退货 | 按物流、零件、客服打标签,并和工单、退款对照 |

看这张图,很难忽略一件事:用户夸得最多的属性,恰恰也是他们抱怨的属性。拓竹的可靠性,Anker 的充电速度,人体工学椅的腰部支撑,都是这样。只数负面提及的 VoC,会把它们当成问题;但它们其实是买家最在意的属性,负面提及只是在告诉你,承诺在哪里没兑现。
另一个教训藏在最小的数字里。12 条"买错尺码",或者零星几条缺零件的投诉,永远上不了仪表盘的榜首,但每一条都离退货或退款很近。Griffin 和 Hauser 当年那个问题在这里依然适用:被提到的次数,不等于它有多重要。给 VoC 主题排序,要看它离购买、退货或流失有多近,而不是看声量。
各案例背后的完整报告:拓竹社交聆听案例、Anker 的 Reddit 数据、Anker 与绿联、人体工学椅评论分析、服饰尺码分析和家具投诉分析。
用户之声怎么做:启动 VoC 的五步
不需要专门的研究团队,一个小品牌两周就能跑完第一轮 VoC。
- 只选一个决策。 比如:某款产品的评分为什么掉了?访客为什么离开商品页?没有问题的 VoC,会什么都收集、什么都不改变。
- 拉两类来源。 一类是你主动收集的(工单或问卷),一类是用户自发说的(评价、社媒评论或 Reddit)。两者放在一起,能看出买家对你说的和对彼此说的有什么不同。
- 先归主题,再读原话。 第一轮用自动打标签没问题,但行动之前,每个主题读 10 到 20 条原始评论,确认标签和你理解的是一回事。
- 按离钱有多近排序。 购买顾虑、退货原因和流失信号排前面,泛泛的夸奖和小毛病排后面。
- 每个主题指定负责人和复查日期。 可能是产品、Listing 文案、客服话术或定价。四到六周后用同样的来源再跑一次,看这个主题有没有变小。
第 3 步的具体做法,包括怎么给评论编码、怎么避免常见的打标签错误,可以看 VOC 分析怎么做。两轮之间想及时发现新主题,可以配合一套轻量的每周品牌监测。
可以直接复制的 VoC 主题记录表
每个主题一行。如果某一列长期空着,说明这套 VoC 已经停摆了。
主题 | 用户原话示例 | 来源 | 离钱有多近 | 负责人 | 行动 | 复查日期 |
|---|---|---|---|---|---|---|
尺码偏小 | "按平时的尺码买的,只能退回去" | 评价、退货 | 高:退货 | 产品 + Listing | 更新尺码表和模特尺寸 | 6 周后 |
安装看不懂 | "找了一个小时才找到 App 里的设置" | 工单、Reddit | 中:客服成本 | 客服 | 新增安装视频,置顶 FAQ | 4 周后 |
值得追踪的 VoC 指标
NPS、CSAT 这类分数有用,但反应慢,也很少告诉你该改什么。下面这些更接近行动:
指标 | 说明什么 |
|---|---|
各主题的提及占比 | 这个月哪些问题占据讨论 |
主题内的负面占比 | 这个主题主要是夸还是骂 |
本期新出现的主题 | 上个月还不存在的问题 |
和退货、工单关联的主题 | 哪些 VoC 信号在花钱 |
从发现主题到采取行动的时间 | 这套 VoC 到底有没有改变什么 |
做 VoC 的常见误区
最常见的是把 VoC 当成问卷项目。问卷只能覆盖买过的人,而公开讨论往往能解释那些没买的人。紧随其后的是只看标签、不读原话:"价格"这个主题,可能是"太贵",也可能是"很划算",只有原文能告诉你是哪一种。
跑起来之后,还容易出现另外两个问题:汇报声量而不是决策,每月一份图表代替了有人负责的行动;以及忽略竞品的用户,而他们的评价,恰好告诉你哪些顾虑是你有机会赢下来的。
在一份报告里看到用户的原话。 DataScaler 读取电商评价、Reddit、TikTok、YouTube 等公开来源,把反馈归成主题,每个主题都能回链到原帖。免费生成一份品牌报告,或者预约演示。
常见问题
用一句话说,什么是用户之声?
就是用户用自己的话对你产品的评价,来自问卷、客服、电商评价和社媒,并且被整理成团队可以据此行动的形式。
能举一个用户之声的例子吗?
一个服饰品牌一个月里看到 12 条公开的"买错尺码"。数量不多,但每一条都可能是一次退货,所以团队把它们和尺码选择、退货原因对照,然后调整了尺码表。
VoC 有哪些主要方法?
问卷、用户访谈、客服工单分析、评价分析和社交聆听。大多数品牌会把一种自己能控制的方法(比如问卷)和一种控制不了的方法(比如评价或社媒)结合起来。
用户之声和社交聆听有什么区别?
社交聆听是用户之声的一个来源。VoC 覆盖所有用户反馈,包括问卷和客服工单;社交聆听覆盖的是公开的网络讨论,也包括从没买过你产品的人。详细可以看什么是社交聆听。
小团队怎么启动 VoC?
选一个业务问题,组合一个主动收集和一个自发反馈的来源,把评论归成主题,按离购买或退货有多近排序,给每个主题指定负责人。每四到六周重复一轮。
用户之声和消费者之声有什么区别?
大多数时候指的是同一件事。用户之声(客户之声)在企业和 B2B 场景里更常用;消费者之声更多被消费品牌和市场研究使用,范围也包括还没购买的人,比如在 Reddit 或 YouTube 上比较产品的潜在买家。无论叫哪个名字,做法都一样:收集大家用自己的话说出的反馈,再把它变成决策。
数据方法与来源
6 个案例概括自 DataScaler 2026 年发布的研究文章,每篇都基于该文写明时间窗口内的公开帖子和评论:拓竹 90 天、Anker 一年、绿联一个月,人体工学椅、Aelfric Eden 和家具座椅各 30 天。数字是模型分类后的提及数,不代表独立用户数、销量或退货率。各原始报告的链接见案例部分。
背景文献:Griffin, A. and Hauser, J. R. (1993), "The Voice of the Customer," *Marketing Science* 12(1): 1–27. 摘要。
想听听用户在你没问的地方怎么说? 免费生成一份品牌报告,或者预约演示,用你自己的产品看一遍。
