voc-claude-skills
Voice of Customer-Fähigkeiten für Claude Code
Eine VoC-Pipeline, die sich weigert, ein Muster zu melden, bis mehrere unabhängige Kanäle übereinstimmen. Zieht Daten aus Anrufaufzeichnungen, Bewertungsseiten, internem Chat, Besprechungsnotizen und allem anderen, das Sie anschließen. Gewichtet jedes Signal danach, wer es gesagt hat. Meldet nur, was sich bestätigt. Leitet das Ergebnis an die Person weiter, die darauf reagieren kann, mit den genauen Worten des Kunden.
Die meisten „KI für Kundenfeedback“-Workflows hören bei fasse das zusammen auf. Eine Zusammenfassung von hundert Gesprächen ist ein Absatz, auf den niemand reagiert, und der Mensch bleibt der Engpass. Dies ist die Systemversion: kontinuierlicher Signaleingang, mechanische Bestätigung, menschliche Aufmerksamkeit nur für Beurteilungen.
Was es produziert
Hier ist die Form der Ausgabe. Firmennamen sind fiktiv und die Zahlen dienen der Veranschaulichung – dies ist ein Formatbeispiel, kein echter Durchlauf.
SYNTHESIS — rule: 3+ independent channels, or 2+ with a tier-A account. Minimum 3 mentions.
──────────────────────────────────────────────────────────────────────────────
34 clusters in → 6 confirmed · 9 watchlist · 19 dropped
CONFIRMED
[HIGH ] Export is slow on large datasets
pain · 11 mentions · 3 channels (call, review, chat) · 7 accounts · A:2 B:8 C:1
3 independent channels
+4 unattributed signal(s) excluded from the count
[HIGH ] Cannot buy without SSO
request · 6 mentions · 2 channels (call, ticket) · 4 accounts · A:2 B:4
2 channels including a tier-A account
[MEDIUM] Onboarding felt long
pain · 5 mentions · 2 channels · 1 account · B:5
2 channels, no tier-A contributor — downgraded: all mentions from one
account (Northwind Trading)
WATCHLIST (single channel — not reported, kept for corroboration)
· Reporting filters are confusing (review, 3 mentions)
DROPPED (19) — kept in 2026-04-26-dropped.json for traceabilityDiese letzte Herabstufung ist der Kern der ganzen Sache. Fünf Erwähnungen eines Problems sehen wie ein Trend aus, bis einem auffällt, dass sie alle vom selben Kunden stammen. Diese Pipeline prüft die Kontoverteilung im Code, jedes Mal, damit sich niemand daran erinnern muss.
Related MCP server: Feedback Synthesis MCP
Was daran falsch ist
Lesen Sie dies, bevor Sie irgendetwas von dem, was es ausgibt, vertrauen.
Die Bestätigungsregel ist eine Heuristik, kein Wahrheitstest. Drei Kanäle können alle ein einziges lautes Marktsegment widerspiegeln. Sie filtert Rauschen; sie stellt keine Tatsache fest.
Jede Quelle ist eine verzerrte Stichprobe. Verkaufsgespräche enthalten nur Personen, die an einem Meeting teilgenommen haben. Bewertungen enthalten nur die Begeisterten, die Wütenden und die Belohnten. Chat enthält nur das, was ein Kollege für erwähnenswert hielt, um es einzufügen. Keine davon ist Ihr Markt.
Das Hinzufügen von Verbindungen macht Bestätigung einfacher, nicht wahrer. Schließen Sie sechs Kanäle an und Dinge beginnen sich zu bestätigen, die das nicht sollten. Erhöhen Sie
min_independent_sources, wenn Sie Quellen hinzufügen.Quellenübergreifende Duplikate erzeugen künstliches Vertrauen. Dieselbe Beschwerde, die im Chat weitergegeben, in einem Anruf aufgezeichnet und als Ticket eingereicht wurde, ist ein Ereignis, nicht drei. Die Deduplizierung erfolgt vor der Profilerstellung, und wenn Sie sie überspringen, kann die Regel Sie nicht retten.
Es kann Ihnen nicht sagen, was niemand gesagt hat. Der häufigste Grund, warum Menschen nicht kaufen, ist normalerweise für jede dieser Quellen unsichtbar.
Überprüfen Sie es in dreißig Sekunden
git clone <this-repo> && cd voc-claude-skills
npm install
npm run checknpm run check validiert die Frontmatter jeder Fähigkeit, erkennt kleingeschriebene skill.md-Dateien, die
unter Linux brechen, scannt nach absoluten Pfaden und durchgesickerten Anmeldeinformationen, prüft die Syntax jedes Skripts und
bestätigt, dass die Schwellenwertkonfiguration geparst wird. Keine Anmeldeinformationen erforderlich. Es beendet sich mit einem Fehlercode ungleich Null, sodass es
in CI funktioniert.
Dann, mit noch nichts konfiguriert:
node scripts/synthesize.js examples/clusters.sample.json --out /tmp/voc-demoDas führt die eigentliche Bestätigungsregel gegen Beispielcluster aus und zeigt Ihnen genau, was sich bestätigt, was auf die Beobachtungsliste kommt und was verworfen wird. Es ist der Kern des Systems und es läuft ohne API-Schlüssel.
Architektur
calls · reviews · chat · notes · custom
│
▼
/voc-source-* normalize to one signal shape
│
▼
/voc-profiler CRM context, ICP fit, weight tier
│ (tier U = unattributed = quarantined)
▼
/voc-synthesize cluster by meaning (subagents)
│ apply the rule (code)
▼
/voc-route testimonial · case study · objection map
│ product feedback · exec memo
▼
/voc-dispatch outreach emails · copy briefs
PM one-pagers · exec memoClustering ist Beurteilung, also macht es ein Modell. Zählen ist das nicht, also macht es Code. Die
Bestätigungsregel lebt in scripts/synthesize.js und liest config/thresholds.json, und sonst
nirgendwo – es ist ein Schwellenwert, den Sie einstellen, kein Absatz, den ein Modell bei jedem Durchlauf anders interpretiert.
Fähigkeiten
Fähigkeit | Was sie tut |
| Der wöchentliche Durchlauf. Alle sechs Phasen, mit Vorabprüfung. |
| Holt Transkripte von Ihrem Anrufrekorder |
| Transkripte → Prospect-Intelligence-Bericht |
| G2, Capterra und Co. → Messaging-Brief. Kostet Geld. |
| Kunden-Zitate, die Ihr Team in Slack eingefügt hat |
| KI-Besprechungsnotizen, für die Gespräche, die der Rekorder verpasst hat |
| Umfragen, Tickets, CRM-E-Mails, alles andere |
| CRM-Kontext und Gewichtung an ein Signal anhängen |
| Quellenübergreifende Bestätigung |
| Jedes Thema dorthin leiten, wo es bearbeitet wird |
| Die eigentlichen Ergebnisse generieren |
Einrichtung
Vollständige Anleitung in docs/SETUP.md. Die Kurzversion:
cp .env.example .env # call recorder + tokens
cp .mcp.json.example .mcp.json # MCP servers
cp context/product-context.example.md context/product-context.mdDann füllen Sie product-context.md aus. Es dauert etwa zwanzig Minuten und es ist der Unterschied zwischen
nützlicher Ausgabe und generischen Themen.
Sie brauchen nicht alles. Die Pipeline läuft mit einer Quelle und sagt Ihnen ehrlich, dass nichts hohe Konfidenz erreichen kann. Beginnen Sie mit Anrufen, fügen Sie Chat hinzu, dann Bewertungen.
Nachdem Sie einen MCP-Server verbunden haben, führen Sie /mcp aus und kopieren Sie die genauen Toolnamen in die entsprechenden
allowed-tools der relevanten Fähigkeit. Tool-Namensräume unterscheiden sich zwischen Servern für dasselbe Produkt, und eine
Fähigkeit, die einen Namen deklariert, den Ihr Server nicht bereitstellt, schlägt beim ersten Aufruf fehl, während es aussieht,
als wäre sie gelaufen. Dies ist der mit Abstand häufigste Einrichtungsfehler.
Kosten
Alles ist kostenlos außer der Bewertungsanalyse, die kostenpflichtige Scraper verwendet. Ein Durchlauf mit vier Domänen liegt typischerweise zwischen 2 und 8 US-Dollar. Das kostenlose Kontingent von Apify beträgt 5 US-Dollar Guthaben insgesamt, nicht monatlich – ein einziger breiter Durchlauf kann es aufbrauchen. Siehe docs/COST.md vor Ihrem ersten Bewertungsdurchlauf.
Datenschutz
Diese Pipeline schreibt Transkripte von Kundengesprächen auf die Festplatte. Sie sind personenbezogene Daten gemäß DSGVO und CCPA.
Setzen Sie
VOC_OUTPUT_DIRauf einen lokalen, git-ignorierten Pfad. Nicht Dropbox, nicht iCloud. Die Vorabprüfung des Orchestrators warnt Sie, aber überprüfen Sie es selbst.Aufzeichnungsgesetze variieren je nach Rechtsordnung. Dieses Tool geht davon aus, dass Sie bereits rechtmäßige Aufzeichnungen haben.
Informieren Sie Ihr Team, dass die Chat-Erfassung läuft.
Eine öffentliche Bewertung ist keine Erlaubnis, die Worte einer Person in einer Anzeige mit ihrem Logo zu verwenden. Nichts in diesem Repository kennzeichnet jemals ein Zitat als genehmigt.
Voraussetzungen
Node 18+. Claude Code. Ein Anrufrekorder mit einer Transkript-API ist die einzige nahezu wesentliche Abhängigkeit; alles andere ist optional.
Mitwirken
Das Hinzufügen eines Anrufrekorder-Adapters ist der nützlichste Beitrag – siehe
scripts/providers/README.md, es sind vier Funktionen. Führen Sie
npm run check aus, bevor Sie einen PR eröffnen.
Lizenz
MIT. Siehe LICENSE.
In den Fähigkeiten referenzierte Frameworks werden in CREDITS.md genannt.
This server cannot be deployed
Maintenance
Related MCP Connectors
Analyze customer feedback at scale — reviews, surveys, calls. AI-powered themes and sentiment.
- SquadOAuthai.meetsquad
Decision intelligence for product teams. Turn scattered feedback into signal you can act on.
Run in-product voice interviews with AI agents and analyze source-linked evidence.
- EvermuseOAuthcom.evermuse
Search your customer interviews, calls, feedback, competitor intel and roadmap from any AI agent.
Related MCP Servers
- AlicenseNot gradedqualityCmaintenanceTransforms scattered customer feedback from sources like Slack, Zoom, and JIRA into actionable product insights and AI-generated PRDs. It features over 50 tools for semantic clustering, sentiment analysis, and VOC-based prioritization to streamline product management workflows.1MIT
- AlicenseAqualityDmaintenanceMCP server that synthesizes user feedback from multiple sources into actionable insights. Aggregates reviews, support tickets, and survey responses to identify patterns and priorities.4MIT
- FlicenseNot gradedqualityFmaintenanceBackEngine is a multi-tenant SaaS platform that ingests all of an organization's customer and prospect communications — Slack threads, emails, call and meeting transcripts, and support tickets — and distills them into structured, queryable context. Raw conversations are processed into signals (categorized, attributed moments), sources (the underlying transcripts, emails, and tickets), and rolling1-
- FlicenseNot gradedqualityBmaintenanceEnables collection and scoring of sales chat conversations via CDP, computing response times and generating evidence-linked LLM quality reviews.-