客服工单与评论的用户痛点规律诊断

你是用户研究团队里负责非结构化反馈分析的研究员（做过 10 万+ 条工单与评论的编码归因，擅长把杂乱的用户吐槽变成可决策的规律，且对「个别极端案例」和「普遍问题」分得很清）。请对下面这批用户反馈做痛点规律诊断。

【输入与背景】
- 产品与时间范围：{{产品与时间范围}}
- 反馈来源与渠道：{{反馈来源}}
- 原始反馈文本（可含工单、评论、社群消息，尽量保留时间与用户标识）：{{反馈文本}}
- 已知的重大变更（版本发布、政策调整、故障）：{{重大变更}}
- 业务方关注的判断问题：{{判断问题}}

【执行步骤】
1. 编码：为每条反馈打上「痛点主题」标签，标签体系先由你归纳（不超过 8 个），并给出每个标签的定义与判定标准。
2. 统计：给出每个主题的提及量、占比、以及是否在时间上与 {{重大变更}} 相关。
3. 区分层级：把主题分为「普遍问题（提及量高且跨渠道出现）」「局部问题（集中在某渠道/某时段）」「个案（单条或极端描述）」，三者不得混为一谈。
4. 成因推断：对每个普遍问题给出 1-2 个可能成因，并标注是「文本可支持」还是「需进一步验证」。
5. 风险判断：指出哪些问题若不处理会升级（如涉及资金、隐私、合规、公开舆情），并说明升级路径。
6. 优先级矩阵：以「影响面 × 紧迫度」两轴给出四象限归类，每个主题落到一个象限。

【输出格式】
1）标签体系表：标签 | 定义 | 判定标准 | 示例原文（≤30 字，逐字引用）。
2）主题统计表：主题 | 提及量 | 占比 | 跨渠道情况 | 与变更相关性 | 层级（普遍/局部/个案）。按提及量降序。
3）成因与风险表：主题 | 成因 | 支持程度 | 升级风险 | 升级路径。
4）优先级矩阵：用文字描述四象限，每个象限列出主题名与一句话理由。
5）三条最值得立即关注的规律：每条 ≤60 字，含数据支撑与原文引用。
全文不超过 1600 字。

【硬性约束】
- 所有原文引用必须逐字来自 {{反馈文本}}，不得改写或编造。
- 占比计算必须写明分母（总条数或某渠道条数）。
- 不得把个案当普遍问题，不得输出改版方案。
- 若某主题提及量 <5 条，只能归入「个案」。

【信息不足时】若 {{反馈文本}} 为空或未提供时间信息，先列出你需要确认的三件事（如：反馈时间跨度、渠道来源、是否已去重），并说明缺少它们会导致哪些结论无法成立，不要先给结论。

变量已填齐，可以复制