用途：把 CSAT、NPS、CES 调研数据从单一分数变成可执行结论。NPS 按“推荐者百分比 − 贬损者百分比”计算，而非评分平均值。
主要能力：计算并展示分数、分布（NPS 的推荐者/被动者/贬损者）、与上期趋势及基准对比；对开放文本评论做主题归纳，分别提炼推荐者喜爱的原因、贬损者不满的痛点、被动者升级所需条件，并各附一条代表性评论；在数据允许时按分层（套餐、使用时长、渠道）呈现差异；最后按“出现频率 × 影响”排序输出行动项，每项含负责人和应改善的指标。
使用方式：需提供指标与数据（NPS 0–10 评分、CSAT 如 1–5 或满意度百分比、CES 及响应数/分布）、开放文本评论、上下文（分层、时间段、上期分数）。附带脚本 scripts/nps.py（仅用标准库）可从评分分布计算 NPS/CSAT，例如：python3 scripts/nps.py nps 12 5 8 ...；python3 scripts/nps.py csat 2 3 10 40 55；python3 scripts/nps.py nps "...counts..." --json。
适用场景：客户体验与产品团队复盘满意度调研、定位体验短板、制定改进优先级。
限制：不要对 NPS 评分取平均；不要只报分数而不解释原因；不要忽略被动者；不要止步于分数而无行动；样本过小需标注低 n，避免把噪声当趋势。具体基准值、行业目标与负责人信息需由使用者提供，资料未提供默认值。