🎧 CSAT Score Summary

Enter CSAT scores to summarise the average, distribution and share of each rating band, with a satisfaction verdict and improvement directions for support and after-sales reviews.

📐 計算原理

CSAT 客戶滿意度彙總
平均分 = Σ評分 / 樣本量 n（評分 1-5）
CSAT 滿意度 = 評分 ≥ 閾值的份數 / n × 100%（預設閾值 4 分）
眾數 = 分佈中出現次數最多的分值；同時輸出 1-5 各檔分佈計數

輸入每份滿意度評分（1–5 分），自動統計樣本量、平均分、各檔分佈與滿意度佔比（CSAT，預設 ≥4 分為滿意），用於客服與售後復盤。計算全部在瀏覽器本地完成。

滿意度評分（1–5，逗號或換行分隔）

滿意閾值（≥此分計為滿意）

Formula & Standard References

Item	Formula / Note	Source / Standard
CSAT definition	CSAT = satisfied (4–5 stars) ÷ respondents × 100%	Common customer-experience metric convention
Net Promoter Score	NPS = promoters (9–10)% − detractors (0–6)%, range −100 to +100	Reichheld 2003, Harvard Business Review
Customer Effort Score	CES = mean effort rating (1–7); low effort correlates with repurchase	Dixon et al. 2010, HBR
Sample-size note	At least 385 valid responses for 95% confidence, ±5% margin; avoid leading scales	Survey sampling statistics standard

📚 深度解析：客戶滿意度（CSAT）評分彙總

💡 常見使用場景

把回收的 CSAT 1–5 分評分貼入，得到平均分、中位數與離散情況。
按渠道（電話/線上/工單）分別彙總，比較不同渠道的滿意度差異。
月度復盤時對比上月平均分與極差，判斷整改措施是否見效。

平均分相同但結構不同

A 月與 B 月平均分都是 4.2，但 A 月標準差 0.6、B 月 1.4；B 月存在大量 1 分拉低，說明負面體驗集中在特定問題，應去查這些低分樣本的原因。

小樣本誤判

僅 8 條評分時平均分 4.5，看似很高；補到 120 條後降到 3.9，說明早期樣本存在主動好評的自選擇偏差，統計時應固定回收視窗。

❓ 常見問題（FAQ）

CSAT 與 NPS 有什麼區別？: CSAT 針對單次互動的滿意度（常用 1–5 分），NPS 衡量長期推薦意願（0–10 分淨推薦值）；本工具按數值統計處理 CSAT 評分，不適合直接套用 NPS 演算法。
要不要剔除無效評分？: 重複提交與明顯亂填（如全 1 分且無文本）建議剔除後再算，並保留剔除記錄；剔除規則應固定，否則月度資料不可比。
平均分達到多少算好？: 行業差異較大，客服場景常見 4.0/5 以上為良好；更穩妥的做法是與自身歷史基線比趨勢，而不是照搬外部基準。

🎧 CSAT Score Summary

Formula & Standard References

📚 深度解析：客戶滿意度（CSAT）評分彙總

💡 常見使用場景

❓ 常見問題（FAQ）

📝工具簡介

✨功能特點

🎯使用場景

客戶滿意度（CSAT）評分彙總

🎧 CSAT Score Summary

Formula & Standard References

📚 深度解析：客戶滿意度（CSAT）評分彙總

💡 常見使用場景

❓ 常見問題（FAQ）

🔗 相關工具

📝工具簡介

✨功能特點

🎯使用場景