客户回访这件事，做起来不难，做对很难。常见两种翻车：一种是发出去没人填，回访变成单向打扰；另一种是填了没人用，一堆问卷躺在后台，谁也没从里面读出该改什么。
OpenClaw 在这件事上的价值，不是替你发问卷，而是把「筛人、触达、回收、归因」串成一条能自动跑的线。
先和站内几篇划清边界：客服怎么搭 管的是「服务进行时」；客服质检 管的是「服务好不好（内部视角）」；智能外呼 管的是「打电话」这条链路；客户反馈周报 管的是「被动收集到的反馈怎么汇总」。这一篇讲的是另一件事：主动发起回访，并让回收的数据变成结论。
一、先决定「谁该被回访」
回访最大的浪费是发错人。名单要按触发条件生成，而不是按心情群发：
- 服务刚结束的。工单关闭后 24–72 小时内回访，记忆还新鲜，回答质量最高。
- 有流失信号的。续费临近、登录频次下滑、用量连续下降——这批人该问的是「哪里不顺」，不是「满不满意」。识别方法参考 续费风险巡检。
- 新客户。首次使用后一周内回访，重点是「有没有卡住」，用来补文档和引导。
同时要有一份排除名单：正在处理投诉的客户别发（火上浇油）、最近 30 天已回访过的不重复发、明确表示过不想被打扰的直接进黑名单。排除规则比筛选规则更该被严格执行。
二、触达渠道与节奏
- 渠道按客户习惯选。企业客户走企业微信、邮件；消费客户走短信或公众号。企微接入 和 邮件收发 这两条路 OpenClaw 都已经能跑。
- 一人一链。每条问卷链接带上唯一标识，回收时自动对应到客户，不用人工匹配。这是整个流程能不能自动化的分水岭。
- 频次红线。同一客户一个月最多一次主动回访；同一批次发送要错峰，避免同一分钟几百条同时出去被判定为骚扰。
- 发送时间。工作日 10:00–11:30、14:00–17:00 回收率通常更高；避开周一早晨和周五傍晚。
三、问卷设计与话术
- 题量控制在 3–5 题。超过五题，完成率断崖式下跌。第一题必须最好答。
- 「量表 + 一个开放题」是性价比最高的组合。量表（1–5 分）用来算指标、看趋势；开放题用来发现你不知道的问题。
- 量表要有锚点。「5 分」到底代表什么要写清楚，否则同一份数据里每个人的标准都不一样。
- 话术不要诱导。「麻烦给个五星好评」这类措辞会让数据彻底失真。回访的目的是拿真话，不是拿好评。
四、回收之后，自动做什么
- 低分自动升级。评分低于阈值（比如 ≤3 分）的，自动生成跟进任务并指定负责人；高分的安静归档，不占人力。
- 结构化与开放题分开处理。结构化字段直接算指标（满意度均值、NPS、分渠道与分产品对比）；开放题做聚类，把散落的吐槽归成几个主题。
- 输出洞察简报。每周一份：本周回收量、得分变化、Top 3 问题主题、需要行动的事项。没有行动项的简报等于没写。
- 和内部质检交叉看。如果回访得分很高、但 客服质检 得分很低，说明客户在客气——这个差值本身就是一个重要信号。
五、三条不能越的边界
- 不诱导、不伪造。不写好评话术、不刷问卷、不挑样本。
- 不重复打扰、给退订入口。每条触达都要能一键拒收，并写进排除名单。
- 告知用途。回访数据用来做什么要说清楚。涉及客户信息的收集与存储，参照 个人信息合规那篇 的分级与留痕思路。
六、优缺点与适合人群
优点：把回访从「想起来才做」变成常规动作；回收数据自动归因，减少人工整理；低分客户能被及时接住，而不是流失后才知道；与质检、续费巡检形成交叉验证。
缺点：名单和排除规则要持续维护，否则很快变成骚扰；开放题聚类需要人工复核，不能完全自动；回收率本身受渠道和行业影响，不保证。
适合谁：有一定客户量、且已经在用 OpenClaw 做客服或运营的团队；SaaS 与订阅制业务；需要量化客户满意度的服务团队。
不太适合谁：客户量很少（手工回访更有人情味）；以及还没有稳定客户名单来源、连基本台账都没建的团队——先把手头的客户数据整理清楚。
总结
- 定位：主动回访 + 回收归因，和客服搭建、质检、外呼、被动反馈汇总各管一段。
- 四个环节：按触发条件筛人（配排除名单）、按习惯选渠道（一人一链）、题量控制到 3–5 题、回收后低分升级高分归档。
- 关键设计：一人一链决定了能不能自动化；排除规则比筛选规则更重要。
- 三条边界：不诱导、不重复打扰、告知用途。
- 底线：回访的目的是拿真话，不是为了数据好看。
最后一句：一次没人填的问卷，和一次填了但没人看的问卷，成本是一样的，价值都是零。
