analizar-mis-tickets

# Analizar mis tickets Distinta de `flag-a-signal signal=repeat-question`. Esa skill genera candidatos a vacíos en la base de conocimiento (vista operativa). Esta genera un reporte estratégico de voz del cliente (vista de producto/posicionamiento). Mismos datos de origen, distinto consumidor. ## Cuándo usarla - "analiza los últimos {N} tickets en busca de temas." - "¿qué están pidiendo los clientes?" - Antes de escribir el roadmap, una actualización de landing page, o un reporte para inversionistas. - Solicitudes puntuales de investigación estratégica. ## Conexiones que necesito Hago el trabajo externo a través de Composio. Antes de ejecutar esta skill, verifico que las categorías de abajo estén conectadas. Si falta alguna → nombro la categoría, te pido que la conectes desde la pestaña de Integraciones, y me detengo. - **Bandeja de entrada** (Gmail) - fuente de los hilos de clientes cuando `conversations.json` no cubre el periodo. Opcional si los datos locales están al día. - **Help-desk de soporte** (Intercom / Zendesk / Help Scout) - fuente alterna de tickets. Opcional. Si ninguna está conectada y el índice local de conversaciones es escaso, me detengo y te pido que conectes tu bandeja de entrada o tu help-desk para tener suficiente señal. ## Información que necesito Primero leo tu contexto de soporte. Por cada campo obligatorio que falte, te hago UNA pregunta en lenguaje simple (mejor modalidad: app conectada > archivo > URL > pegar texto) y espero. - **Posicionamiento actual** - Obligatorio. Por qué lo necesito: detecto fricción comparando el lenguaje real de los clientes contra lo que tú afirmas. Si falta, pregunto: "¿Cómo describes hoy lo que hace el producto? Comparte la URL de tu página principal o un párrafo." - **Ventana de tiempo** - Obligatorio. Por qué lo necesito: 30 días es el valor por defecto, pero lo amplío o reduzco si quieres. Si falta, pregunto: "¿Qué tan atrás debo mirar? ¿Últimos 30 días, el último trimestre, desde el lanzamiento?" - **Filtro de segmento** - Opcional. Por qué lo necesito: me permite agrupar por tipo de cliente en vez de mezclar todo. Si no lo tienes, sigo con TBD y muestro grupos mixtos. ## Pasos <!-- houston-workflow:v1 --> 1. **Leo `context/support-context.md`.** Para el posicionamiento actual + la lista VIP. Si no existe, corro primero `set-up-my-support-info`. 2. **Defino la ventana.** Por defecto: últimos 30 días. Pregunto si quieres otra ventana. 3. **Leo los datos de conversación.** - `conversations.json` - filtro según la ventana. - Por cada conversación, leo `conversations/{id}/thread.json` para el contenido real de los mensajes. Prefiero los mensajes del propio cliente, no tus respuestas. - Salto mensajes que parecen de bot o que claramente no son señal. 4. **Leo la señal del centro de ayuda.** - `requests.json` - solicitudes de funciones en la ventana, con atribución. - `patterns.json` - temas de preguntas repetidas ya detectados. - Los uso para verificar los grupos y atribuir solicitudes. 5. **Extraigo la señal.** - **Dolores (top 5):** agrupo las frases textuales de queja. Ordeno por frecuencia. En cada una, conservo 2-3 citas textuales (identificadores tachados). - **Solicitudes de funciones (top 5):** agrupo las solicitudes. Ordeno por cantidad de clientes distintos que la piden (no por total de menciones). Anoto qué VIPs hay en cada grupo. - **Frases de fricción:** oraciones que contradicen el posicionamiento actual (por ejemplo, el posicionamiento dice "fácil de configurar" pero 5 clientes describieron la configuración como "confusa"; lo marco). - **Citas útiles para posicionamiento:** 2-3 líneas textuales buenas para el copy de la landing page, con atribución del tipo de cliente. - **Patrones emergentes:** cosas que tal vez no se han notado, por ejemplo "3 clientes SMB distintos preguntaron sobre la API esta semana." 6. **Redacto el reporte.** Markdown, ~500-700 palabras. Estructura: ```markdown # Voz del cliente - {window} **Ventana:** {start} → {end} **Fuente:** {N} conversaciones, {N} solicitudes de funciones **Versión del documento de contexto:** basado en `context/support-context.md` al {date} ## Top 5 dolores (ordenados por frecuencia) 1. **{Pain name}** - {count} casos > "{verbatim quote 1}" > "{verbatim quote 2}" *Afecta a: {segments or VIPs}* 2. … (se repite) ## Top 5 solicitudes de funciones (ordenadas por solicitantes distintos) 1. **{Feature}** - {N} clientes distintos incluyendo {VIP-if-any} *Solicitudes vinculadas:* {paths into requests.json} 2. … ## Fricción con el posicionamiento actual {2-4 elementos donde el lenguaje de los tickets contradice el posicionamiento en context/support-context.md. Cada elemento: la afirmación, las citas que la contradicen, un cambio concreto que podríamos hacer.} ## Citas útiles para posicionamiento - "{quote}" - {customer type} - "{quote}" - {customer type} - "{quote}" - {customer type} ## Patrones emergentes {2-4 viñetas sobre patrones que tal vez no hayas notado.} ## Próximos pasos recomendados 1. **Enviar a marketing/producto:** {specific quote or pain} 2. **Actualizar posicionamiento:** {one friction point worth fixing} 3. **Construir/priorizar:** {one feature cluster} ``` 7. **Escribo en `voc/{YYYY-MM-DD}.md`** de forma atómica. 8. **Agrego a `outputs.json`** con `type: "voc-synthesis", domain: "quality"`, título = "voice-of-customer - {window}", resumen = el dolor principal + la solicitud principal, ruta, estado `ready`. 9. **Te resumo.** Titular: el mayor dolor + la mayor solicitud + 3 citas útiles para posicionamiento pegadas directo. Ofrezco encadenarlo con `review-my-support scope=weekly` para que la próxima revisión del lunes traiga este hallazgo. ## Resultados - `voc/{YYYY-MM-DD}.md` - Agrega a `outputs.json` con `type: "voc-synthesis", domain: "quality"`.