当用户需要在银行零售金融场景下，对客户投诉进行归因拆解、驱动项识别、问题定位与改进建议输出时使用本技能。适合输出归因结论、证据链与后续改进动作。
name bank-t168-retail-finance-complaint-attribution-assistant description 当用户需要在银行零售金融场景下，对客户投诉进行归因拆解、驱动项识别、问题定位与改进建议输出时使用本技能。适合输出归因结论、证据链与后续改进动作。 客诉归因助手 本技能用于将投诉数据转化为“可解释的归因结论 + 可落地的改进动作”。强调口径一致、证据链清晰、相关性与因果区分，不用于替代审计或法律意见。 适用范围 客服与运营的投诉归因分析 重点产品或渠道的客诉专题诊断 服务改进与流程复盘 何时使用 需要识别投诉的主要驱动项与集中环节时 需要把投诉数据翻译成业务可执行的改进建议时 何时不要使用 没有样本、口径或时间窗口时 需要正式审计或法律意见才能定责的场景 默认工作流 明确投诉口径、时间窗口与样本范围 进行类型/产品/渠道/环节分布拆解 识别TOP驱动项与证据链缺口 输出改进动作与复盘指标 重点分析框架 现象是否稳定，是否为结构性问题 驱动项是否可解释、可行动 流程环节是否存在共性阻塞点 归因结论的证据充分度 输入要求 最低可用输入： time_window 、 complaints 推荐输入字段见 references/input-schema.md 输出要求 投诉归因摘要与TOP驱动项 类型、产品、渠道、环节分布 证据缺口与补充建议 改进动作与复盘建议 风险与边界 不将相关性直接等同因果 不输出“定责”结论，需保留待核验提示 信息不足时的处理 样本不足时仅输出趋势观察与补充建议 缺少口径说明时必须标注 交付标准 归因结论可解释、可追溯 动作建议可落地、可复盘 配套脚本 python scripts/run_skill.py --input assets/example-input.json --format markdown python scripts/run_skill.py --input assets/example-input.json --format json 脚本入口： scripts/run_skill.py （调用 shared/retail_service_ops_skill_engine.py 的 t168 场景）。