三个平台的差评各说各话，酒店永远抓不到真正该修的那间房

芭提雅一家六十间房的中型酒店，Agoda、Booking.com、Google地图三个平台每天都会冒出几条新差评。前台值班人员轮流回复，用的几乎都是同一句“非常抱歉给您带来不便，我们会尽快改进”，贴上去案子就算了结。到了月度会议，市场或前台主管报告：“这个月差评十二条，平均分7.8分”，仅此而已——没人说得出这十二条里有几条在骂空调不制冷、几条在骂早餐重样、几条在骂夜间隔音差，更没人知道是不是都集中在某几间房、某个楼层、或某个班次。于是下个月，同样的投诉又原封不动地再来一次。

为什么差评永远“回完就完了”

• 回复速度被当成唯一考核指标：主管只在意“几小时内回复”，却没人统计差评背后的问题类型。
• 三个平台各自为政：Agoda后台看不到Booking.com的评论，Google地图又是另一套系统，没人有时间把三边数据放一起看。
• 模板化回复掩盖真相：每条都写“我们会尽快改进”，听起来在处理，实际没人知道要改进“什么”。

一份好的差评月报应该具备哪些要素

• 先分类，再统计次数：把每条差评拆成“客房卫生／空调温控／餐饮质量／噪音隔音／服务态度／设施故障”等类别，才能看出哪一类反复出现。
• 要能定位到房号、楼层、时段：光知道“空调有问题”没用，要知道是哪几间房、哪个楼层，才能真正排查维修。
• 排出优先级：找出出现次数最高的前三大问题，而不是把十二条差评平均分摊处理。
• 回复要分级：能立刻处理的、需要时间改进的、属于住客认知偏差需要说明的，三种情况该用完全不同的语气回复。

🔧 AI动手做：三平台差评汇总月报＋分级回复模板

把三个平台本月的差评文字整批复制粘贴给AI，一次跑出分类统计、房号楼层对照表，还有分好级的回复草稿，比开会讨论半天更快抓到问题。

你是一家泰国中型酒店的客诉分析顾问。以下是我们酒店本月在Agoda、Booking.com、Google地图三个平台收到的所有差评原文（已标注平台来源，如有房号或日期也一并附上）：

[粘贴三个平台本月全部差评原文，尽量保留房号/日期/评分等信息]

请帮我完成：
1. 把每一条差评分类到以下类别之一：客房卫生／空调温控／餐饮质量／噪音隔音／服务态度／设施故障／其他，并列出“分类 × 出现次数”的统计表。
2. 如果差评内容有提到房号、楼层或入住时段（如夜间、凌晨、旺季周末），请一并整理成“问题 × 房号/楼层 × 时段”的对照表，帮我找出是否集中在特定楼层或特定时段。
3. 按出现次数排出本月“最需要优先处理的前三大问题”，并各自说明可能原因与建议改进方向。
4. 针对每一条差评，判断它属于“A. 可以立即处理并回复”“B. 需要时间才能改进，要先让住客知道时间表”“C. 属于住客认知偏差或误解，需要委婉说明”三种情况之一，并各生成一段适合发在该平台上的中文与泰文回复草稿（语气真诚、避免模板化用语，具体提到我们正在做的改进动作）。

我们是位于[城市/地区]的[房型/星级]酒店，共[房间数]间房，这个月共有[差评条数]条差评。

本周就能做的一步：先把过去30天三个平台的差评（不用等到月底）整批复制粘贴给AI，跑出一次“分类 × 房号/楼层”的统计表，拿着这张表去现场走一趟被点名最多次的那几间房，看看问题是不是真的存在——这比再等一个月开会讨论更快找到答案。