Support Feedback Prioritization
일주일간의 지원 노이즈를 몇 분 만에 순위가 매겨진, 보강된 실행 목록으로 바꾸세요.
Intercom 티켓, Slack 스레드, 고객 데이터가 가득한 CRM이 있습니다. 이 스킬은 모든 것을 읽고, 각 신호를 분류하며, 각 항목을 ARR 및 요금제 데이터로 보강하고, 가중치 기반 우선순위 모델을 사용하여 스택에 점수를 매깁니다. 출력물은 4단계 보고서(Critical, High, Medium, FYI)로, 월요일 아침에 정확히 어디에 집중해야 할지 알려줍니다.
프롬프트 템플릿
/schedule Act as a customer feedback analyst for {{COMPANY_NAME}}.
### Step 1 — 신호 수집
지난 7일간의 모든 피드백을 다음에서 수집하세요:
- Intercom: 모든 티켓 및 대화
- Slack: {{SLACK_CHANNELS}}
각 신호에 대해 다음을 기록하세요: 출처, 고객 이름 또는 ID, 날짜, 한 문장 요약, 원문 텍스트.
### Step 2 — 분류
각 신호에 하나의 범주를 할당하세요:
- Bug — 무언가 고장난 경우
- UX confusion — 사용자가 기능을 찾거나 이해하지 못하는 경우
- Feature request — 새로운 기능에 대한 명시적 요청
- Billing issue — 가격, 인보이스 또는 요금제 혼란
- Churn risk — "cancel", "leaving", "switching", "disappointed", "frustrated"와 같은 키워드 포함
### Step 3 — CRM 데이터로 보강
각 신호에 대해 {{CRM_NAME}}에서 다음을 조회하세요:
- ARR 또는 거래 가치
- 요금제 유형 (free / starter / pro / enterprise)
- 회사 규모
- 갱신 날짜
- CSM 또는 계정 소유자 이름
CRM에서 고객을 찾을 수 없는 경우 "CRM: not found"라고 기록하고 계속 진행하세요.
### Step 4 — 점수 및 순위 매기기
- 이탈 위험 신호: 점수에 ×3 곱하기
- Enterprise 또는 고 ARR 고객(ARR 상위 20%): 점수에 ×2 곱하기
- 동일한 문제가 다른 고객으로부터 3회 이상 발생: 한 단계 자동 승격
- 다른 모든 요소가 동일할 때 버그는 기능 요청보다 우선
### Step 5 — 보고서 작성
SupportDigest_{{DATE}}.md라는 이름의 Markdown 파일을 Google Drive의 {{OUTPUT_FOLDER}}에 저장하세요.
## 🔴 Critical — 오늘 조치
## 🟠 High — 이번 주 조치
## 🟡 Medium — 모니터링
## ℹ️ FYI
각 항목에 대해: | 회사 | ARR | 요금제 | 범주 | 출처 | CSM | 권장 조치 |
## 트렌드
시스템적 문제를 시사하는 반복되는 테마와 패턴에 대한 3~5문장.
규칙:
- 읽기 전용 — 메시지를 보내거나 티켓에 답장하지 마세요
- 완료되면 Drive 링크를 반환하세요
설정
| 필드 | 값 |
|---|---|
| 필요한 MCP | Intercom, Slack, CRM (HubSpot / Attio), Google Drive |
| 출력물 | SupportDigest_YYYY-MM-DD.md → /Product/SupportDigest |
| 스케줄러 | 매주, 월요일 오전 8시 |
채워야 할 플레이스홀더
{{COMPANY_NAME}}— 회사 이름{{SLACK_CHANNELS}}— 예:#support, #customer-feedback, #bugs{{CRM_NAME}}— 예:HubSpot,Attio, 또는Intercom{{DATE}}— 스케줄러 실행 시 오늘 날짜로 자동 입력됨{{OUTPUT_FOLDER}}— Drive 경로, 예:/Product/SupportDigest
팁
- 트렌드 섹션은 종종 가장 가치 있는 부분입니다 — 시스템적 문제는 일회성 티켓 5개보다 가치가 있습니다.
- 매주 월요일 🔴 Critical 계층을 #product Slack 채널에 직접 공유하세요.
- CRM이 연결되지 않은 경우 3단계를 제거하세요 — ARR 가중치 없이도 스킬은 여전히 작동합니다.
analyze-feedback과 함께 사용하여 지원 테마를 Amplitude 행동 데이터와 교차 참조하세요.