1.前言
12月份馬上就結(jié)束了，這也意味著這個雙月的體驗OKR也到了復(fù)盤的階段。想趁這個機會復(fù)盤一下自己這么久以來的體驗經(jīng)歷，幫助我拓寬了設(shè)計職能的邊界，站在整個產(chǎn)品和業(yè)務(wù)的角度，思考當前產(chǎn)品遇到的問題和解決方案。
所以打算分幾篇文章輸出一些關(guān)于我在體驗中遇到的問題和解決方案，以及一些個人感悟。
之所以會先從問卷入手，一方面是因為我們在問卷的設(shè)計的過程中，很難找到全面分析問卷設(shè)計的文章。另一方面是因為理解用戶，才能理解體驗。真正好的體驗一定來自于用戶，且以幫助用戶解決問題為目的。
接下來，本文會通過大量問卷案例，把實際過程中的落地經(jīng)驗分享給大家。
1.1 問卷的使用場景
問卷還是訪談？
在實際的工作中，常用的用戶調(diào)研方式有兩種：問卷調(diào)研和用戶訪談。
那么，我們這次體驗調(diào)研，為什么使用問卷調(diào)研而不是用戶訪談呢？
想要回答這個問題，可以從問卷和訪談的差異性上進行對比：
當一個問題沒有明確答案的時候，很適合做訪談，因為沒有確定的參考變量，不知道方向在哪，訪談可以幫助我們找到目標方向。甚至你的訪談對象可以不是產(chǎn)品用戶，但是他一定要有相同的產(chǎn)品需求。比如一個用戶沒有使用過微信，但是他有明確的社交需求，那么這個用戶就有被訪談的價值，因為他能夠幫助我們找到產(chǎn)品后續(xù)的迭代方向。
而問卷是基于現(xiàn)有數(shù)據(jù)，向用戶求證問題的過程。當公司產(chǎn)品經(jīng)歷了冷啟動階段之后，后臺已經(jīng)記錄了足夠的產(chǎn)品數(shù)據(jù)，這其中包括各功能的使用情況、用戶行為等，都為問卷設(shè)計提供了很好的參考變量。所以，這個時候調(diào)研對象控制在使用過我們產(chǎn)品的用戶，可以幫助我們快速定位問題。
當然，上述觀點并不絕對，根據(jù)公司業(yè)務(wù)、使用場景、成本預(yù)算等因素，問卷和調(diào)研一起使用的情況也是有的，所以找到適合自己公司的調(diào)研方式最重要。
補充：問卷是一種常用的定量分析工具，使用場景主要分為收集用戶數(shù)據(jù)和需求驗證：
收集用戶數(shù)據(jù)
收集用戶數(shù)據(jù)主要是為了判斷我們對用戶的的定位是否精準。具體表現(xiàn)為收集用戶的基本信息、和用戶的體驗反饋（吐槽、好評），主要作為了完善用戶畫像。
需求驗證
需求驗證主要是調(diào)研產(chǎn)品功能是否符合用戶預(yù)期，以及判斷現(xiàn)有功能是否有優(yōu)化的價值和空間（判斷優(yōu)化空間的依據(jù)主要以后臺數(shù)據(jù)為根本立足點）。
舉個例子：平臺上架了一個xx功能，新功能的觸達路徑從首頁到目標頁需要三步，通過后臺數(shù)據(jù)埋點的追蹤發(fā)現(xiàn)，在第二步的時候，觸達人數(shù)驟降。那么針對新功能的問卷重點之一，就會放在這個頁面觸達率為什么這么低上，以此尋找解決方案。
1.2 問卷的特點：
問卷調(diào)研屬于間接調(diào)查，即被調(diào)查者填寫問卷是在調(diào)查者不在場的情況下進行的，即調(diào)查者與被調(diào)查者一般不見面。
問卷的優(yōu)點：
問卷的缺點：
1.3 問卷流程
在工作中，問卷的設(shè)計流程通常被分為四個階段：準備階段、設(shè)計階段、發(fā)放并回收階段，分析報告階段。
2. 問卷設(shè)計前
2.1 關(guān)鍵目的
確定問卷目的是為了聚焦問題的范圍和方向。
每一個產(chǎn)品調(diào)研問卷都應(yīng)該圍繞著至少1-2個核心目標進行拆分，過多的核心目標會導(dǎo)致問題數(shù)量沒法控制和調(diào)研方向不清晰。
2.2 問卷說明
在向用戶提出問題之前，有個最重要也是最容易忽略的地方，就是問卷的說明部分，通常這些說明會包括以下內(nèi)容：
2.3 確定問卷的目標用戶
用戶分群：
用戶分群其實就是通過權(quán)衡來讓調(diào)研目的和用戶的需求相匹配，忽略和調(diào)研目的不相關(guān)的用戶，從而更好的調(diào)研目標用戶的需求，本質(zhì)是為了提升效率。
常用的用戶分群維度由時間、用戶行為和用戶屬性三個維度組合完成：
-
完成了登錄注冊的用戶
-
沒完成登錄注冊的用戶
-
完成了登錄注冊，并且點擊了首頁廣告位的用戶
下圖是我們用的用戶分群工具：
選擇的維度越多，用戶越精準
我們在進行用戶分群時，定位的精準程度，和維度的選擇數(shù)量是正相關(guān)的。時間范圍越窄，用戶行為越多，用戶屬性越多，定位到的用戶越精確。
舉個例子：“近7天使用xx功能的男性用戶”，一定比“近7天使用xx功能的用戶”更加精準，因為多了一個“性別”的維度。
當然，每一個產(chǎn)品的業(yè)務(wù)模式和用戶群體都是復(fù)雜的，根據(jù)商業(yè)模式、產(chǎn)品功能、用戶使用習(xí)慣和目的不同，這些因素都可能成為用戶細分的維度。
樣本數(shù)量
樣本的數(shù)量，主要取決于我們想要回收多少份有效問卷，也就是回收率。
所以，在回收率固定不變的情況下，樣本數(shù)量越大，問卷回收的數(shù)量越多，反之，樣本數(shù)量越小，問卷回收的數(shù)量越少。
影響樣本數(shù)量的因素
影響樣本數(shù)量的因素主要分為響應(yīng)率和完成率：
舉個例子：平臺通過渠道向100人發(fā)放問卷，只有50人打開了問卷，那么調(diào)查的響應(yīng)率為50 / 100 × 100% = 50%
舉個例子：有100人點開了問卷，最終有50個人填寫完成，那么完成率為50 / 100 × 100% = 50%
相同的調(diào)研樣本數(shù)量，用戶響應(yīng)率和完成率越高，有效問卷的回收率也就越高。所以，除了增加樣本數(shù)量外，也可以通過提高用戶的響應(yīng)率和完成率，來提高問卷的回收數(shù)量。
舉個例子：
樣本數(shù)量的邊際效益
問卷數(shù)量的價值是存在邊際效應(yīng)的，因為隨著樣本數(shù)量的增多，回收的答案是趨于一致的，參考價值較低，所以問卷的樣本數(shù)量并不是越多越好。
通常為了保證最終的有效問卷回收能滿足研究報告，應(yīng)該在理想的樣本數(shù)量上，進行適當?shù)臄U充。
舉個例子：通過觀察平臺用戶的響應(yīng)率和完成度，估算出抽取1000數(shù)量的樣本數(shù)量能夠支撐最終的研究產(chǎn)出，但是考慮一些特殊情況的產(chǎn)生，此時會再加上200的樣本數(shù)量，來確保問卷的回收率。
3. 問題和答案的設(shè)計
3.1 MECE原則
MECE是一種將一個具體事物進行"拆分"的原則，該原則由麥肯錫顧問巴巴拉·明托（Barbara Minto）在《金字塔原理》一書中首次提出，隨即被奉為咨詢解決思路的圭臬。其目的在于分析問題時盡量做到對問題點進行不重疊且不遺漏的分類，而且能夠借此有效把握問題的核心，并成為有效解決問題的方法。
MECE原則可以分為兩個部分：
互斥性原則是指在問卷答案的設(shè)計中，同一問題的若干個答案之間關(guān)系時是互相排斥的，不能有重疊、交叉、包含等情況。
完備性原則是指在問卷答案的設(shè)計中，所排列出的答案應(yīng)包含問題的全部情況，不能有遺漏。特別是針對封閉題而言的，必須做到窮盡。
MECE的步驟
了解完MECE原則后，接著從以下四個步驟來說一下它的實際用法：
步驟一：確定范圍
明確問題是什么，比如說我們當前產(chǎn)品的問題是：“為什么新用戶搭訕次數(shù)低？”，所以我們的問題就會聚焦在搭訕數(shù)低的原因上，這也是“完全窮盡”的基礎(chǔ)，只有當問題有了邊界，才能窮盡。
步驟二：尋找切入點
切入點指的是按什么方向進行拆分，還是以“為什么新用戶搭訕次數(shù)低？”這個問題來舉例，我們從搭訕數(shù)低的原因出發(fā)，選擇的切入點是“角色”。即：在整個業(yè)務(wù)中，會涉及到的“用戶方”和“產(chǎn)品方”兩個角色：
步驟三：繼續(xù)細分
考慮當前問題是否可以繼續(xù)細分，比如說用戶方可以分為男性和女性，但是這對搭訕數(shù)并沒有直接的影響，可能還要繼續(xù)細分為年齡、地區(qū)、職業(yè)等屬性，直到找到影響“搭訕”的因素。
步驟四：檢查確認
細分完成之后，對問題進行檢查，看看是否有明顯遺漏或者重復(fù)的問題。
怎么檢查提出的問題是否已經(jīng)滿足相互獨立和完全窮盡呢？這里提供以下兩個方法：
*注：MECE原則同時適用于問題和答案的設(shè)計。
MECE原則的拆分方法
MECE的拆分方法具體分為以下五種：
二分法
二分法指的是把信息分成A和非A的兩個部分，也就是說在找出事物的某一維度后，繼續(xù)找出一個相反的維度，通俗來說就是找出他的反義詞。常見的例子在我們生活中隨處可見，比如說：未婚和已婚、成年和未成年、黑和白、上和下等等。
象限法
找到一個事物的兩個維度，進行坐標系劃分，變成4個象限。
比如我們一次性接到了很多迭代的設(shè)計需求，可以根據(jù)任務(wù)的重要性和緊急程度兩個維度，確定所有迭代需求的優(yōu)先級。
-
P0：重要且緊急，該問題未得到解決，用戶無法順利完成任務(wù)，這種需要馬上開始進行優(yōu)化解決的，比如一個電商軟件，用戶付款時總是失敗。
-
P1：重要但不緊急，這種一般指用戶在操作時可能感到麻煩，但仍然可以繼續(xù)完成任務(wù)，比如說按鈕、反饋很不顯眼，需要仔細查找。可以過段時間交付的內(nèi)容也算在這個范圍內(nèi)，比如國慶大型活動這種需求一般都要提前很久準備，可能交付時間在一兩個星期之后。
要素法
要素法是根據(jù)一個事物的做成要素行劃分的。比如說我們作為設(shè)計師，都知道體驗很重要，但是什么樣的體驗才能被稱之為好呢？于是很多公司會制定自己的體驗度量標準，比如Ant rDesign的PTECH模型，就把體驗拆分成了性能體驗、任務(wù)完成度、參與度、清晰度和滿意度。
*題外話補充：
HEART模型更多是用來度量C端產(chǎn)品的體驗，并不太適用于B端產(chǎn)品。B端產(chǎn)品多是提高效率的工具類產(chǎn)品，業(yè)務(wù)比較復(fù)雜且用戶需要付費才能使用，比較注重任務(wù)的完成效率和邏輯的清晰度。
公式法
按照現(xiàn)有公式中的要素進行去分類，比如說銷售額 = 銷售量 x 價格，CTR = 點擊數(shù) / 曝光數(shù)（根據(jù)不同業(yè)務(wù)和場景會有細微差異）。
這種時候，我們就可以把銷售額拆分為銷售量和價格，CTR拆分為點擊數(shù)和曝光數(shù)。
流程法
流程法指的是把一個事物，按照進行的流程進行劃分。拿我自己的上班日常來舉例：8個活動組成一個流程。
3.2 問題設(shè)計
問題的四種形式
在提出的每個問題下面給出若干個答案，讓被調(diào)查者選出其中的一個或若干個問題來回答的問卷形式。封閉式問題的優(yōu)勢在于，用戶在看到問題和答案的時候，很快就能理解提問者的目的。
a. 是非型：有且只有兩個備選答案，受訪者只能從中選擇一個答案。
b. 并列型：提供兩個及以上的并列答案，讓用戶在其中選擇最適合自己的答案。
c. 等級型：對兩個及以上分成等級的答案進行選擇的題型，只能從中選擇一個答案。
d. 排序型：讓用戶從備選答案中選出全部或者部分答案，根據(jù)用戶選擇順序?qū)Υ鸢高M行排列的一種方式。
開放式問卷是問卷設(shè)計者提供問題，由被調(diào)查者自行構(gòu)思自由發(fā)揮，從而按自己意愿答出問題的問答題型為主，也就是我們常說的填空題。
開放式的優(yōu)勢是經(jīng)常會收集到一些意料之外的信息，且都是用戶直觀的感受。但正是由于它的開放性，會導(dǎo)致問題的答案很不規(guī)范，經(jīng)常會出現(xiàn)用戶的回答和問題不相符的情況。這類不規(guī)范的回答無法使用數(shù)據(jù)分析方法，嚴重影響最后的分析效率。
比如說我們本次的問卷目標是調(diào)研影響用戶搭訕率和回復(fù)率的因素，其中有道填空題：
問題：您在搭訕聊天的過程中，有什么不滿意的地方？或有什么建議？
回答：不太清楚、不知道等詞語。
問題產(chǎn)生的依據(jù)
*問題的產(chǎn)生要有理有據(jù)。
我們本次調(diào)研的目的，主要是為了幫助用戶解決問題，所以在問卷的設(shè)計過程中，要問自己兩個問題：
-
找到用戶遇到了哪些問題？
-
造成用戶遇到這些問題的原因有哪些？
步驟一：通過用戶使用路徑差異，定位問題
通過對比路徑和數(shù)據(jù)漏斗，發(fā)現(xiàn)并記錄用戶在使用過程中遇到的問題。
如下圖，是一個簡化的用戶路徑和漏斗數(shù)據(jù)，主要分析的是“首頁 - 發(fā)送消息”這條核心路徑，可以發(fā)現(xiàn)：用戶流失最大的地方在“查看用戶資料 - 進入IM頁”這一階段。
當定位問題后，還需要通過福格模型來擬定問題和答案。
步驟二：通過福格模型，分析影響因素
福格模型認為，行為的發(fā)生，有 3 個關(guān)鍵的要素，并且需要 3 個要素同時發(fā)生才能產(chǎn)生作用，也就是動機、能力和提示：
-
動機：做出行為的欲望。
-
能力：去做某個行為的能力。
*之前的版本為 B=MAT，其中 T 是 trigger 觸發(fā)的意思，后續(xù)迭代成 B=MAP，P 是 Prompt 提示的意思，但是提示和觸發(fā)的差異并不大，不必糾結(jié)。
當我們利用福格模型去分析“查看用戶資料 - 進入IM頁”的流失問題時，就變成了：
針對MAP這三個因素，預(yù)測用戶在各個使用場景會遇到的困難，總結(jié)成問卷，向用戶求證。
問題篩選
我們通過上述方法設(shè)計出很多的問題后，時常會出現(xiàn)問題很多，“我全都要”的情況。
步驟一：通過屬性，對問題進行歸類
這里提供給大家一個思路：根據(jù)屬性不同，對所有問題進行歸類。當然，有時候會遇到這樣的情況：有一些問題沒有明確的屬性進行定義，但是又很重要，這種問題可以統(tǒng)一概括為其他。
步驟二：問題篩選
歸類完成后，從每一個屬性中，選出固定數(shù)量的問題整合成問卷，篩選的標準以目標結(jié)果為導(dǎo)向，也就是每個問題和本次問卷目標的關(guān)聯(lián)性，關(guān)聯(lián)性強，則納入問卷，反之則剔除。
這樣做的好處是在最后的問卷結(jié)構(gòu)上，可以把相同屬性的問題放在一起，保證上下問題的邏輯性和相關(guān)性，用戶作答時不顯得別扭。
3.3 問題數(shù)量
問題的數(shù)量沒有固定的要求，根據(jù)不同的業(yè)務(wù)、不同的問卷目的，問卷的數(shù)量都是不同的。
通常情況下，問卷中的問題越多，所得的數(shù)據(jù)就越詳細。但是問題越多，用戶的投入成本也就越高，這樣就會導(dǎo)致填寫意愿降低。
我們公司平時的問題數(shù)量，基本會控制在15個左右，為的是讓用戶能夠在半小時內(nèi)填寫完畢。因為用戶填寫問卷的耐心和時間都是有限的，所以在問題的數(shù)量上，不宜過多。
提問技巧
由淺入深
提供場景預(yù)設(shè)，幫助用戶回憶
在設(shè)計問題時，避免回憶性問題，特別是長時間以前的回憶，記憶的模糊會降低答題的準確率。
因為人的記憶是呈碎片化存儲在大腦里的，直接問用戶是很難被搜索到的。但是，在實際調(diào)研中，經(jīng)常會出現(xiàn)不得不讓用戶回憶的情況，針對這種場景，需要在問題當中構(gòu)建出一個具象的場景，這里的場景可以是時間、地點或者產(chǎn)品功能等，能夠幫助用戶串聯(lián)起回憶的都可以。
舉個例子：比如我現(xiàn)在想調(diào)研用戶使用發(fā)布模塊的情況，那么在問題設(shè)計時，就會圍繞發(fā)布相關(guān)的場景進行提問。
保持客觀，避免導(dǎo)向型問題
如果問題中帶有偏向性的語境，這樣就可能引發(fā)“誘導(dǎo)”，會導(dǎo)致用戶選擇問題“暗示”的答案。
舉個例子：
避免范圍很大的問題
如下圖，單看修改前的問題是沒什么對錯的，但聊天只是我們產(chǎn)品的功能之一，它由1v1聊天、群組聊天等多個功能組成。這樣就會造成用戶回答的內(nèi)容很寬泛，很難提取出有價值的信息。所以在問題的修改上，我們需要更加具體的指向性內(nèi)容。
避免一個問句，兩個問題
一個問句中，出現(xiàn)兩個及以上的問題。這個很簡單，我們直接用上面學(xué)到的MECE原則進行拆分就可以了，直接分成兩個問題提問。
避免術(shù)語、黑話
在設(shè)計問題時要避免使用專業(yè)性術(shù)語，通俗易懂的語言容易被不同畫像的用戶理解，避免誤會而引起的問答偏差。有些用戶可能因為不知道“算法”的具體意思，導(dǎo)致問卷無法進行。
避免雙重否定句式
雙重否定就是否定兩次，即表示肯定的意思，如：不得不。這種句式的問題，用戶通常不能一下子就讀懂句子的意思，增加答題成本。
敏感問題
不直接詢問用戶對某事的觀點，而是把問題轉(zhuǎn)移到其他人身上，然后，請用戶以第三人稱的視角，對他人的回答作出評價，更能得到用戶真實的想法。
首先假設(shè)某一情景或現(xiàn)象的存在，然后再詢問用戶的看法。
3.4 答案設(shè)計
答案設(shè)計的注意事項
答案的設(shè)計最后會影響數(shù)據(jù)的有效性，所以在設(shè)計上需要注意以下三點事項：
3.5 問卷評審
內(nèi)審和外審
在內(nèi)部評審之前，首先要自審一遍，這就要求我們在設(shè)計問卷后，最好是站在問卷回答者的角度，試著自己做一遍問卷，避免出現(xiàn)一些比較常規(guī)性質(zhì)的問題，比如問卷的邏輯性、用詞的通俗性、語意的表達等。
問卷自審后沒什么問題后，可以邀請項目組的人進行內(nèi)審，最好可以拉上開發(fā)、產(chǎn)品一起，提供多角度的思考方向。
4. 問卷發(fā)放
問卷發(fā)放主要從時間、地點、人物三個維度出發(fā)。
4.1 時間：
在問卷的發(fā)放和回收時間之間，需要考慮用戶看到問卷的時間和答題時間。
根據(jù)問卷的曝光程度，留有足夠的時間讓用戶能夠看到并點擊問卷，如果發(fā)放和回收中間留的時間過短，會造成用戶可能沒看到問卷，或正在答題中，就已經(jīng)開始回收了。這種情況會導(dǎo)致用戶在沒有完整閱讀題目或者充分思考的情況下，隨便作答，無法獲取足夠的樣本數(shù)據(jù)和用戶的真實想法。
當然，發(fā)放和回收中間留的時間也不宜過長，時間越長，用戶忘記調(diào)研問卷這回事的概率也就越大。
4.2 地點（投放方式）：
投放渠道，由于我們的體驗工作一般圍繞APP進行，所以我們的渠道主要分為以下幾種：
優(yōu)點：可實現(xiàn)精準投放
缺點：受限于設(shè)備的消息開關(guān)，打擾性強
優(yōu)點：由于是用戶主動點擊進行，所以有效性較高
缺點：廣告位多為全量投放，無法保證用戶參與度
4.3 人物：
用戶和問卷的匹配關(guān)系：問卷的調(diào)研對象必須是我們的用戶。也就是說，如果投放的用戶和問卷不匹配，那么最后得到的數(shù)據(jù)是沒有意義。
并且在分發(fā)方式上，還會根據(jù)規(guī)模分為部分和全量。部分就是針對用戶分群后的具體用戶，有選擇性的進行問卷發(fā)放。全量則是針對平臺所有用戶的問卷，這種由于平臺的用戶類型很多，資源浪費等問題，基本不太用。
5. 問卷整理：數(shù)據(jù)清洗
5.1 有效問卷的數(shù)量影響最后分析的準確性
在前文關(guān)于問卷的特點中我們提到，用戶回答問題的場景是不可控的，可能會出現(xiàn)瞎填的情況，如果我們回收問卷后立馬進行分析，會混入一些無效數(shù)據(jù)，大大降低我們調(diào)研結(jié)果的可靠性。
所以，在正式進行數(shù)據(jù)分析之前，還有一個問卷篩選的環(huán)節(jié)，以此保證數(shù)據(jù)的有效性，專業(yè)名稱叫做數(shù)據(jù)清洗。
5.2 篩選無效問卷的標準
既然涉及數(shù)據(jù)清洗，那么就一定會有一套標準去判斷哪些數(shù)據(jù)是可以“被清洗”的，所以我們這里總結(jié)了以下幾個標準供大家參考：
檢查答案是否出現(xiàn)保持一致，或呈現(xiàn)某種規(guī)律的情況，出現(xiàn)的問卷進行刪除。
舉個例子：所有的答案都是“A-A-A-A”或”A-B-A-B”
嚴格來說應(yīng)該將漏填的答卷全都進行剔除，但有時候會遇到回收樣本量很少的情況，所以一般會設(shè)置漏答數(shù)的標準。
常用的標準是總題數(shù)的2/3，例如問卷一共設(shè)計了 10 個問題，回答了 6 個以上的用戶即視為有效問卷，反之，則視為無效問卷。
有些用戶受主客觀因素影響，可能不會認真選答案，所以需要檢查前后的選項是否矛盾。
在問題的設(shè)計中，經(jīng)常會出現(xiàn)多個問題之間保持邏輯關(guān)系，如果用戶選擇了前一題“A”，則不應(yīng)該選擇后一道題的“B”。
舉個例子：用戶在前一題中選擇了“從未搭訕過”，后面卻又選擇了“搭訕后沒有人回復(fù)“，這種就可以視為前后邏輯不符的答卷。
如果問卷中實在找不出可以用來表示邏輯關(guān)系的問題，那么也可以設(shè)置一個明顯錯誤的答案，最后統(tǒng)計問卷數(shù)據(jù)時，剔除該問卷即可。
當然問題的迷惑性不能太強，我們只是想要檢驗用戶是否在認真答題，而不是為難用戶，所以認真閱讀問題和答案就不會出錯。
舉個例子：第1題問：「請問您使用過語音功能嗎？若沒有，請忽略第 2 題」，如果用戶第1題選沒有的，卻仍回答了第2題，那么就可以把該問卷視為無效。
在發(fā)放問卷前，我們會進行答題測試，目的是估算出答題所需要的總時長，以此作為問卷答題時長的有效性依據(jù)，如果最后回收的問卷答題時間比預(yù)估時間過長或過短，就可以判斷為答題不認真，都可以根據(jù)業(yè)務(wù)需求酌情剔除。
提交時間主要針對的是在規(guī)定時間內(nèi)完成答題，但超過了提交時間的用戶。比如說我們回收問卷的截止時間是12月7日，但是有的用戶是在12月8日完成答題并提交的，也會被視為無效問卷。（市面上有些問卷工具，可以回收設(shè)置時間，超過規(guī)定時間提交的問卷不計入問卷回收。）
6. 分析報告
統(tǒng)計各選項的數(shù)量、頻率是最常用到的分析方法，然后通過圖表展現(xiàn)出來，可以非常直觀的看出整體分布情況。具體可以分為趨勢分析和分組分析兩種方法。
6.1 分類篩選
顧名思義，分類篩選是根據(jù)類別來進行數(shù)據(jù)篩選的一種方法，常用的類別有：
-
來源詳情：如鏈接地址、郵件地址、手機、PC等。
-
地區(qū)：省份、城市
舉個例子：如下圖，選擇的篩選條件是問題回答+提交日期。最終選擇的類別為：年齡在21-30歲之間的用戶，且2021/12/23之前提交問卷的用戶，最后得到的有效答卷是 44 份，這就說明滿足該篩選條件的用戶有44人。
此時，系統(tǒng)會把這44個人回答的其他問題也全部篩選出來，如下圖：
44個人當中，有7個人搭訕過 1 次，9個人搭訕過 2-5 次，4個人搭訕過6-10次，5個人搭訕過 10 次以上，剩下19個人從未搭訕過。
6.2 交叉分析
除了分類統(tǒng)計，我們還可以通過交叉法，進行差異分析，找出影響因素。
交叉分析法通常用于分析兩個及以上的變量關(guān)系，即同時將有一定聯(lián)系的變量及其值交叉排列在一張表格內(nèi)，形成交叉表，從而分析交叉表中變量之間的關(guān)系。
聽上去有一些麻煩，但是現(xiàn)在的很多問卷平臺都會提供交叉分析的功能，下面會以問卷星為例，簡單的了解一下交叉分析的具體流程。
步驟一：點擊問卷后臺的統(tǒng)計頁面，選擇交叉分析，選擇自變量X和因變量Y，點擊交叉分析。
步驟二：得出“分析年齡和關(guān)注信息之間的關(guān)系”數(shù)據(jù)表現(xiàn)。
當數(shù)據(jù)都放在一起分析時，很難看出年齡和關(guān)注信息這一行為的關(guān)系，但使用交叉分析之后，可以聚焦每個年齡段對于關(guān)注點的偏好，針對性的給出優(yōu)化方案。
-
20歲以下的用戶中，最關(guān)注的是顏值，占比為63.64%。
-
21-30歲的所有用戶中，最關(guān)注的是年齡，占比為67.86%。
-
31-40歲的所有用戶中，最關(guān)注城市，占比為76.92%。
-
其他年齡的信息偏好等等...
上述的兩種分析方法（分類篩選和交叉分析），都是我們常用且方便的分析方法。如果想要更加深入的進行調(diào)研總結(jié)，可以使用一些專業(yè)的分析軟件，例如使用SPSS軟件，或者導(dǎo)入Excel表格做數(shù)據(jù)的處理，這都是目前使用比較廣泛的一些分析工具。
*重要的不是分析工具，而是對數(shù)據(jù)的敏感程度和分析能力。
7. 寫在最后
至此，從問卷設(shè)計到最后的數(shù)據(jù)分析就講解完了。
問卷調(diào)研不是目的，目的是通過調(diào)研得出的結(jié)論，指導(dǎo)我們體驗的優(yōu)化方向，問卷調(diào)研本身只是了解用戶的手段之一，重要的是在問卷設(shè)計過程中加深對手頭業(yè)務(wù)的理解。
1.前言
12月份馬上就結(jié)束了，這也意味著這個雙月的體驗OKR也到了復(fù)盤的階段。想趁這個機會復(fù)盤一下自己這么久以來的體驗經(jīng)歷，幫助我拓寬了設(shè)計職能的邊界，站在整個產(chǎn)品和業(yè)務(wù)的角度，思考當前產(chǎn)品遇到的問題和解決方案。
所以打算分幾篇文章輸出一些關(guān)于我在體驗中遇到的問題和解決方案，以及一些個人感悟。
之所以會先從問卷入手，一方面是因為我們在問卷的設(shè)計的過程中，很難找到全面分析問卷設(shè)計的文章。另一方面是因為理解用戶，才能理解體驗。真正好的體驗一定來自于用戶，且以幫助用戶解決問題為目的。
接下來，本文會通過大量問卷案例，把實際過程中的落地經(jīng)驗分享給大家。
1.1 問卷的使用場景
問卷還是訪談？
在實際的工作中，常用的用戶調(diào)研方式有兩種：問卷調(diào)研和用戶訪談。
那么，我們這次體驗調(diào)研，為什么使用問卷調(diào)研而不是用戶訪談呢？
想要回答這個問題，可以從問卷和訪談的差異性上進行對比：
當一個問題沒有明確答案的時候，很適合做訪談，因為沒有確定的參考變量，不知道方向在哪，訪談可以幫助我們找到目標方向。甚至你的訪談對象可以不是產(chǎn)品用戶，但是他一定要有相同的產(chǎn)品需求。比如一個用戶沒有使用過微信，但是他有明確的社交需求，那么這個用戶就有被訪談的價值，因為他能夠幫助我們找到產(chǎn)品后續(xù)的迭代方向。
而問卷是基于現(xiàn)有數(shù)據(jù)，向用戶求證問題的過程。當公司產(chǎn)品經(jīng)歷了冷啟動階段之后，后臺已經(jīng)記錄了足夠的產(chǎn)品數(shù)據(jù)，這其中包括各功能的使用情況、用戶行為等，都為問卷設(shè)計提供了很好的參考變量。所以，這個時候調(diào)研對象控制在使用過我們產(chǎn)品的用戶，可以幫助我們快速定位問題。
當然，上述觀點并不絕對，根據(jù)公司業(yè)務(wù)、使用場景、成本預(yù)算等因素，問卷和調(diào)研一起使用的情況也是有的，所以找到適合自己公司的調(diào)研方式最重要。
補充：問卷是一種常用的定量分析工具，使用場景主要分為收集用戶數(shù)據(jù)和需求驗證：
收集用戶數(shù)據(jù)
收集用戶數(shù)據(jù)主要是為了判斷我們對用戶的的定位是否精準。具體表現(xiàn)為收集用戶的基本信息、和用戶的體驗反饋（吐槽、好評），主要作為了完善用戶畫像。
需求驗證
需求驗證主要是調(diào)研產(chǎn)品功能是否符合用戶預(yù)期，以及判斷現(xiàn)有功能是否有優(yōu)化的價值和空間（判斷優(yōu)化空間的依據(jù)主要以后臺數(shù)據(jù)為根本立足點）。
舉個例子：平臺上架了一個xx功能，新功能的觸達路徑從首頁到目標頁需要三步，通過后臺數(shù)據(jù)埋點的追蹤發(fā)現(xiàn)，在第二步的時候，觸達人數(shù)驟降。那么針對新功能的問卷重點之一，就會放在這個頁面觸達率為什么這么低上，以此尋找解決方案。
1.2 問卷的特點：
問卷調(diào)研屬于間接調(diào)查，即被調(diào)查者填寫問卷是在調(diào)查者不在場的情況下進行的，即調(diào)查者與被調(diào)查者一般不見面。
問卷的優(yōu)點：
問卷的缺點：
1.3 問卷流程
在工作中，問卷的設(shè)計流程通常被分為四個階段：準備階段、設(shè)計階段、發(fā)放并回收階段，分析報告階段。
2. 問卷設(shè)計前
2.1 關(guān)鍵目的
確定問卷目的是為了聚焦問題的范圍和方向。
每一個產(chǎn)品調(diào)研問卷都應(yīng)該圍繞著至少1-2個核心目標進行拆分，過多的核心目標會導(dǎo)致問題數(shù)量沒法控制和調(diào)研方向不清晰。
2.2 問卷說明
在向用戶提出問題之前，有個最重要也是最容易忽略的地方，就是問卷的說明部分，通常這些說明會包括以下內(nèi)容：
2.3 確定問卷的目標用戶
用戶分群：
用戶分群其實就是通過權(quán)衡來讓調(diào)研目的和用戶的需求相匹配，忽略和調(diào)研目的不相關(guān)的用戶，從而更好的調(diào)研目標用戶的需求，本質(zhì)是為了提升效率。
常用的用戶分群維度由時間、用戶行為和用戶屬性三個維度組合完成：
-
完成了登錄注冊的用戶
-
沒完成登錄注冊的用戶
-
完成了登錄注冊，并且點擊了首頁廣告位的用戶
下圖是我們用的用戶分群工具：
選擇的維度越多，用戶越精準
我們在進行用戶分群時，定位的精準程度，和維度的選擇數(shù)量是正相關(guān)的。時間范圍越窄，用戶行為越多，用戶屬性越多，定位到的用戶越精確。
舉個例子：“近7天使用xx功能的男性用戶”，一定比“近7天使用xx功能的用戶”更加精準，因為多了一個“性別”的維度。
當然，每一個產(chǎn)品的業(yè)務(wù)模式和用戶群體都是復(fù)雜的，根據(jù)商業(yè)模式、產(chǎn)品功能、用戶使用習(xí)慣和目的不同，這些因素都可能成為用戶細分的維度。
樣本數(shù)量
樣本的數(shù)量，主要取決于我們想要回收多少份有效問卷，也就是回收率。
所以，在回收率固定不變的情況下，樣本數(shù)量越大，問卷回收的數(shù)量越多，反之，樣本數(shù)量越小，問卷回收的數(shù)量越少。
影響樣本數(shù)量的因素
影響樣本數(shù)量的因素主要分為響應(yīng)率和完成率：
舉個例子：平臺通過渠道向100人發(fā)放問卷，只有50人打開了問卷，那么調(diào)查的響應(yīng)率為50 / 100 × 100% = 50%
舉個例子：有100人點開了問卷，最終有50個人填寫完成，那么完成率為50 / 100 × 100% = 50%
相同的調(diào)研樣本數(shù)量，用戶響應(yīng)率和完成率越高，有效問卷的回收率也就越高。所以，除了增加樣本數(shù)量外，也可以通過提高用戶的響應(yīng)率和完成率，來提高問卷的回收數(shù)量。
舉個例子：
樣本數(shù)量的邊際效益
問卷數(shù)量的價值是存在邊際效應(yīng)的，因為隨著樣本數(shù)量的增多，回收的答案是趨于一致的，參考價值較低，所以問卷的樣本數(shù)量并不是越多越好。
通常為了保證最終的有效問卷回收能滿足研究報告，應(yīng)該在理想的樣本數(shù)量上，進行適當?shù)臄U充。
舉個例子：通過觀察平臺用戶的響應(yīng)率和完成度，估算出抽取1000數(shù)量的樣本數(shù)量能夠支撐最終的研究產(chǎn)出，但是考慮一些特殊情況的產(chǎn)生，此時會再加上200的樣本數(shù)量，來確保問卷的回收率。
3. 問題和答案的設(shè)計
3.1 MECE原則
MECE是一種將一個具體事物進行"拆分"的原則，該原則由麥肯錫顧問巴巴拉·明托（Barbara Minto）在《金字塔原理》一書中首次提出，隨即被奉為咨詢解決思路的圭臬。其目的在于分析問題時盡量做到對問題點進行不重疊且不遺漏的分類，而且能夠借此有效把握問題的核心，并成為有效解決問題的方法。
MECE原則可以分為兩個部分：
互斥性原則是指在問卷答案的設(shè)計中，同一問題的若干個答案之間關(guān)系時是互相排斥的，不能有重疊、交叉、包含等情況。
完備性原則是指在問卷答案的設(shè)計中，所排列出的答案應(yīng)包含問題的全部情況，不能有遺漏。特別是針對封閉題而言的，必須做到窮盡。
MECE的步驟
了解完MECE原則后，接著從以下四個步驟來說一下它的實際用法：
步驟一：確定范圍
明確問題是什么，比如說我們當前產(chǎn)品的問題是：“為什么新用戶搭訕次數(shù)低？”，所以我們的問題就會聚焦在搭訕數(shù)低的原因上，這也是“完全窮盡”的基礎(chǔ)，只有當問題有了邊界，才能窮盡。
步驟二：尋找切入點
切入點指的是按什么方向進行拆分，還是以“為什么新用戶搭訕次數(shù)低？”這個問題來舉例，我們從搭訕數(shù)低的原因出發(fā)，選擇的切入點是“角色”。即：在整個業(yè)務(wù)中，會涉及到的“用戶方”和“產(chǎn)品方”兩個角色：
步驟三：繼續(xù)細分
考慮當前問題是否可以繼續(xù)細分，比如說用戶方可以分為男性和女性，但是這對搭訕數(shù)并沒有直接的影響，可能還要繼續(xù)細分為年齡、地區(qū)、職業(yè)等屬性，直到找到影響“搭訕”的因素。
步驟四：檢查確認
細分完成之后，對問題進行檢查，看看是否有明顯遺漏或者重復(fù)的問題。
怎么檢查提出的問題是否已經(jīng)滿足相互獨立和完全窮盡呢？這里提供以下兩個方法：
*注：MECE原則同時適用于問題和答案的設(shè)計。
MECE原則的拆分方法
MECE的拆分方法具體分為以下五種：
二分法
二分法指的是把信息分成A和非A的兩個部分，也就是說在找出事物的某一維度后，繼續(xù)找出一個相反的維度，通俗來說就是找出他的反義詞。常見的例子在我們生活中隨處可見，比如說：未婚和已婚、成年和未成年、黑和白、上和下等等。
象限法
找到一個事物的兩個維度，進行坐標系劃分，變成4個象限。
比如我們一次性接到了很多迭代的設(shè)計需求，可以根據(jù)任務(wù)的重要性和緊急程度兩個維度，確定所有迭代需求的優(yōu)先級。
-
P0：重要且緊急，該問題未得到解決，用戶無法順利完成任務(wù)，這種需要馬上開始進行優(yōu)化解決的，比如一個電商軟件，用戶付款時總是失敗。
-
P1：重要但不緊急，這種一般指用戶在操作時可能感到麻煩，但仍然可以繼續(xù)完成任務(wù)，比如說按鈕、反饋很不顯眼，需要仔細查找。可以過段時間交付的內(nèi)容也算在這個范圍內(nèi)，比如國慶大型活動這種需求一般都要提前很久準備，可能交付時間在一兩個星期之后。
要素法
要素法是根據(jù)一個事物的做成要素行劃分的。比如說我們作為設(shè)計師，都知道體驗很重要，但是什么樣的體驗才能被稱之為好呢？于是很多公司會制定自己的體驗度量標準，比如Ant rDesign的PTECH模型，就把體驗拆分成了性能體驗、任務(wù)完成度、參與度、清晰度和滿意度。
*題外話補充：
HEART模型更多是用來度量C端產(chǎn)品的體驗，并不太適用于B端產(chǎn)品。B端產(chǎn)品多是提高效率的工具類產(chǎn)品，業(yè)務(wù)比較復(fù)雜且用戶需要付費才能使用，比較注重任務(wù)的完成效率和邏輯的清晰度。
公式法
按照現(xiàn)有公式中的要素進行去分類，比如說銷售額 = 銷售量 x 價格，CTR = 點擊數(shù) / 曝光數(shù)（根據(jù)不同業(yè)務(wù)和場景會有細微差異）。
這種時候，我們就可以把銷售額拆分為銷售量和價格，CTR拆分為點擊數(shù)和曝光數(shù)。
流程法
流程法指的是把一個事物，按照進行的流程進行劃分。拿我自己的上班日常來舉例：8個活動組成一個流程。
3.2 問題設(shè)計
問題的四種形式
在提出的每個問題下面給出若干個答案，讓被調(diào)查者選出其中的一個或若干個問題來回答的問卷形式。封閉式問題的優(yōu)勢在于，用戶在看到問題和答案的時候，很快就能理解提問者的目的。
a. 是非型：有且只有兩個備選答案，受訪者只能從中選擇一個答案。
b. 并列型：提供兩個及以上的并列答案，讓用戶在其中選擇最適合自己的答案。
c. 等級型：對兩個及以上分成等級的答案進行選擇的題型，只能從中選擇一個答案。
d. 排序型：讓用戶從備選答案中選出全部或者部分答案，根據(jù)用戶選擇順序?qū)Υ鸢高M行排列的一種方式。
開放式問卷是問卷設(shè)計者提供問題，由被調(diào)查者自行構(gòu)思自由發(fā)揮，從而按自己意愿答出問題的問答題型為主，也就是我們常說的填空題。
開放式的優(yōu)勢是經(jīng)常會收集到一些意料之外的信息，且都是用戶直觀的感受。但正是由于它的開放性，會導(dǎo)致問題的答案很不規(guī)范，經(jīng)常會出現(xiàn)用戶的回答和問題不相符的情況。這類不規(guī)范的回答無法使用數(shù)據(jù)分析方法，嚴重影響最后的分析效率。
比如說我們本次的問卷目標是調(diào)研影響用戶搭訕率和回復(fù)率的因素，其中有道填空題：
問題：您在搭訕聊天的過程中，有什么不滿意的地方？或有什么建議？
回答：不太清楚、不知道等詞語。
問題產(chǎn)生的依據(jù)
*問題的產(chǎn)生要有理有據(jù)。
我們本次調(diào)研的目的，主要是為了幫助用戶解決問題，所以在問卷的設(shè)計過程中，要問自己兩個問題：
-
找到用戶遇到了哪些問題？
-
造成用戶遇到這些問題的原因有哪些？
步驟一：通過用戶使用路徑差異，定位問題
通過對比路徑和數(shù)據(jù)漏斗，發(fā)現(xiàn)并記錄用戶在使用過程中遇到的問題。
如下圖，是一個簡化的用戶路徑和漏斗數(shù)據(jù)，主要分析的是“首頁 - 發(fā)送消息”這條核心路徑，可以發(fā)現(xiàn)：用戶流失最大的地方在“查看用戶資料 - 進入IM頁”這一階段。
當定位問題后，還需要通過福格模型來擬定問題和答案。
步驟二：通過福格模型，分析影響因素
福格模型認為，行為的發(fā)生，有 3 個關(guān)鍵的要素，并且需要 3 個要素同時發(fā)生才能產(chǎn)生作用，也就是動機、能力和提示：
-
動機：做出行為的欲望。
-
能力：去做某個行為的能力。
*之前的版本為 B=MAT，其中 T 是 trigger 觸發(fā)的意思，后續(xù)迭代成 B=MAP，P 是 Prompt 提示的意思，但是提示和觸發(fā)的差異并不大，不必糾結(jié)。
當我們利用福格模型去分析“查看用戶資料 - 進入IM頁”的流失問題時，就變成了：
針對MAP這三個因素，預(yù)測用戶在各個使用場景會遇到的困難，總結(jié)成問卷，向用戶求證。
問題篩選
我們通過上述方法設(shè)計出很多的問題后，時常會出現(xiàn)問題很多，“我全都要”的情況。
步驟一：通過屬性，對問題進行歸類
這里提供給大家一個思路：根據(jù)屬性不同，對所有問題進行歸類。當然，有時候會遇到這樣的情況：有一些問題沒有明確的屬性進行定義，但是又很重要，這種問題可以統(tǒng)一概括為其他。
步驟二：問題篩選
歸類完成后，從每一個屬性中，選出固定數(shù)量的問題整合成問卷，篩選的標準以目標結(jié)果為導(dǎo)向，也就是每個問題和本次問卷目標的關(guān)聯(lián)性，關(guān)聯(lián)性強，則納入問卷，反之則剔除。
這樣做的好處是在最后的問卷結(jié)構(gòu)上，可以把相同屬性的問題放在一起，保證上下問題的邏輯性和相關(guān)性，用戶作答時不顯得別扭。
3.3 問題數(shù)量
問題的數(shù)量沒有固定的要求，根據(jù)不同的業(yè)務(wù)、不同的問卷目的，問卷的數(shù)量都是不同的。
通常情況下，問卷中的問題越多，所得的數(shù)據(jù)就越詳細。但是問題越多，用戶的投入成本也就越高，這樣就會導(dǎo)致填寫意愿降低。
我們公司平時的問題數(shù)量，基本會控制在15個左右，為的是讓用戶能夠在半小時內(nèi)填寫完畢。因為用戶填寫問卷的耐心和時間都是有限的，所以在問題的數(shù)量上，不宜過多。
提問技巧
由淺入深
提供場景預(yù)設(shè)，幫助用戶回憶
在設(shè)計問題時，避免回憶性問題，特別是長時間以前的回憶，記憶的模糊會降低答題的準確率。
因為人的記憶是呈碎片化存儲在大腦里的，直接問用戶是很難被搜索到的。但是，在實際調(diào)研中，經(jīng)常會出現(xiàn)不得不讓用戶回憶的情況，針對這種場景，需要在問題當中構(gòu)建出一個具象的場景，這里的場景可以是時間、地點或者產(chǎn)品功能等，能夠幫助用戶串聯(lián)起回憶的都可以。
舉個例子：比如我現(xiàn)在想調(diào)研用戶使用發(fā)布模塊的情況，那么在問題設(shè)計時，就會圍繞發(fā)布相關(guān)的場景進行提問。
保持客觀，避免導(dǎo)向型問題
如果問題中帶有偏向性的語境，這樣就可能引發(fā)“誘導(dǎo)”，會導(dǎo)致用戶選擇問題“暗示”的答案。
舉個例子：
避免范圍很大的問題
如下圖，單看修改前的問題是沒什么對錯的，但聊天只是我們產(chǎn)品的功能之一，它由1v1聊天、群組聊天等多個功能組成。這樣就會造成用戶回答的內(nèi)容很寬泛，很難提取出有價值的信息。所以在問題的修改上，我們需要更加具體的指向性內(nèi)容。
避免一個問句，兩個問題
一個問句中，出現(xiàn)兩個及以上的問題。這個很簡單，我們直接用上面學(xué)到的MECE原則進行拆分就可以了，直接分成兩個問題提問。
避免術(shù)語、黑話
在設(shè)計問題時要避免使用專業(yè)性術(shù)語，通俗易懂的語言容易被不同畫像的用戶理解，避免誤會而引起的問答偏差。有些用戶可能因為不知道“算法”的具體意思，導(dǎo)致問卷無法進行。
避免雙重否定句式
雙重否定就是否定兩次，即表示肯定的意思，如：不得不。這種句式的問題，用戶通常不能一下子就讀懂句子的意思，增加答題成本。
敏感問題
不直接詢問用戶對某事的觀點，而是把問題轉(zhuǎn)移到其他人身上，然后，請用戶以第三人稱的視角，對他人的回答作出評價，更能得到用戶真實的想法。
首先假設(shè)某一情景或現(xiàn)象的存在，然后再詢問用戶的看法。
3.4 答案設(shè)計
答案設(shè)計的注意事項
答案的設(shè)計最后會影響數(shù)據(jù)的有效性，所以在設(shè)計上需要注意以下三點事項：
3.5 問卷評審
內(nèi)審和外審
在內(nèi)部評審之前，首先要自審一遍，這就要求我們在設(shè)計問卷后，最好是站在問卷回答者的角度，試著自己做一遍問卷，避免出現(xiàn)一些比較常規(guī)性質(zhì)的問題，比如問卷的邏輯性、用詞的通俗性、語意的表達等。
問卷自審后沒什么問題后，可以邀請項目組的人進行內(nèi)審，最好可以拉上開發(fā)、產(chǎn)品一起，提供多角度的思考方向。
4. 問卷發(fā)放
問卷發(fā)放主要從時間、地點、人物三個維度出發(fā)。
4.1 時間：
在問卷的發(fā)放和回收時間之間，需要考慮用戶看到問卷的時間和答題時間。
根據(jù)問卷的曝光程度，留有足夠的時間讓用戶能夠看到并點擊問卷，如果發(fā)放和回收中間留的時間過短，會造成用戶可能沒看到問卷，或正在答題中，就已經(jīng)開始回收了。這種情況會導(dǎo)致用戶在沒有完整閱讀題目或者充分思考的情況下，隨便作答，無法獲取足夠的樣本數(shù)據(jù)和用戶的真實想法。
當然，發(fā)放和回收中間留的時間也不宜過長，時間越長，用戶忘記調(diào)研問卷這回事的概率也就越大。
4.2 地點（投放方式）：
投放渠道，由于我們的體驗工作一般圍繞APP進行，所以我們的渠道主要分為以下幾種：
優(yōu)點：可實現(xiàn)精準投放
缺點：受限于設(shè)備的消息開關(guān)，打擾性強
優(yōu)點：由于是用戶主動點擊進行，所以有效性較高
缺點：廣告位多為全量投放，無法保證用戶參與度
4.3 人物：
用戶和問卷的匹配關(guān)系：問卷的調(diào)研對象必須是我們的用戶。也就是說，如果投放的用戶和問卷不匹配，那么最后得到的數(shù)據(jù)是沒有意義。
并且在分發(fā)方式上，還會根據(jù)規(guī)模分為部分和全量。部分就是針對用戶分群后的具體用戶，有選擇性的進行問卷發(fā)放。全量則是針對平臺所有用戶的問卷，這種由于平臺的用戶類型很多，資源浪費等問題，基本不太用。
5. 問卷整理：數(shù)據(jù)清洗
5.1 有效問卷的數(shù)量影響最后分析的準確性
在前文關(guān)于問卷的特點中我們提到，用戶回答問題的場景是不可控的，可能會出現(xiàn)瞎填的情況，如果我們回收問卷后立馬進行分析，會混入一些無效數(shù)據(jù)，大大降低我們調(diào)研結(jié)果的可靠性。
所以，在正式進行數(shù)據(jù)分析之前，還有一個問卷篩選的環(huán)節(jié)，以此保證數(shù)據(jù)的有效性，專業(yè)名稱叫做數(shù)據(jù)清洗。
5.2 篩選無效問卷的標準
既然涉及數(shù)據(jù)清洗，那么就一定會有一套標準去判斷哪些數(shù)據(jù)是可以“被清洗”的，所以我們這里總結(jié)了以下幾個標準供大家參考：
檢查答案是否出現(xiàn)保持一致，或呈現(xiàn)某種規(guī)律的情況，出現(xiàn)的問卷進行刪除。
舉個例子：所有的答案都是“A-A-A-A”或”A-B-A-B”
嚴格來說應(yīng)該將漏填的答卷全都進行剔除，但有時候會遇到回收樣本量很少的情況，所以一般會設(shè)置漏答數(shù)的標準。
常用的標準是總題數(shù)的2/3，例如問卷一共設(shè)計了 10 個問題，回答了 6 個以上的用戶即視為有效問卷，反之，則視為無效問卷。
有些用戶受主客觀因素影響，可能不會認真選答案，所以需要檢查前后的選項是否矛盾。
在問題的設(shè)計中，經(jīng)常會出現(xiàn)多個問題之間保持邏輯關(guān)系，如果用戶選擇了前一題“A”，則不應(yīng)該選擇后一道題的“B”。
舉個例子：用戶在前一題中選擇了“從未搭訕過”，后面卻又選擇了“搭訕后沒有人回復(fù)“，這種就可以視為前后邏輯不符的答卷。
如果問卷中實在找不出可以用來表示邏輯關(guān)系的問題，那么也可以設(shè)置一個明顯錯誤的答案，最后統(tǒng)計問卷數(shù)據(jù)時，剔除該問卷即可。
當然問題的迷惑性不能太強，我們只是想要檢驗用戶是否在認真答題，而不是為難用戶，所以認真閱讀問題和答案就不會出錯。
舉個例子：第1題問：「請問您使用過語音功能嗎？若沒有，請忽略第 2 題」，如果用戶第1題選沒有的，卻仍回答了第2題，那么就可以把該問卷視為無效。
在發(fā)放問卷前，我們會進行答題測試，目的是估算出答題所需要的總時長，以此作為問卷答題時長的有效性依據(jù)，如果最后回收的問卷答題時間比預(yù)估時間過長或過短，就可以判斷為答題不認真，都可以根據(jù)業(yè)務(wù)需求酌情剔除。
提交時間主要針對的是在規(guī)定時間內(nèi)完成答題，但超過了提交時間的用戶。比如說我們回收問卷的截止時間是12月7日，但是有的用戶是在12月8日完成答題并提交的，也會被視為無效問卷。（市面上有些問卷工具，可以回收設(shè)置時間，超過規(guī)定時間提交的問卷不計入問卷回收。）
6. 分析報告
統(tǒng)計各選項的數(shù)量、頻率是最常用到的分析方法，然后通過圖表展現(xiàn)出來，可以非常直觀的看出整體分布情況。具體可以分為趨勢分析和分組分析兩種方法。
6.1 分類篩選
顧名思義，分類篩選是根據(jù)類別來進行數(shù)據(jù)篩選的一種方法，常用的類別有：
-
來源詳情：如鏈接地址、郵件地址、手機、PC等。
-
地區(qū)：省份、城市
舉個例子：如下圖，選擇的篩選條件是問題回答+提交日期。最終選擇的類別為：年齡在21-30歲之間的用戶，且2021/12/23之前提交問卷的用戶，最后得到的有效答卷是 44 份，這就說明滿足該篩選條件的用戶有44人。
此時，系統(tǒng)會把這44個人回答的其他問題也全部篩選出來，如下圖：
44個人當中，有7個人搭訕過 1 次，9個人搭訕過 2-5 次，4個人搭訕過6-10次，5個人搭訕過 10 次以上，剩下19個人從未搭訕過。
6.2 交叉分析
除了分類統(tǒng)計，我們還可以通過交叉法，進行差異分析，找出影響因素。
交叉分析法通常用于分析兩個及以上的變量關(guān)系，即同時將有一定聯(lián)系的變量及其值交叉排列在一張表格內(nèi)，形成交叉表，從而分析交叉表中變量之間的關(guān)系。
聽上去有一些麻煩，但是現(xiàn)在的很多問卷平臺都會提供交叉分析的功能，下面會以問卷星為例，簡單的了解一下交叉分析的具體流程。
步驟一：點擊問卷后臺的統(tǒng)計頁面，選擇交叉分析，選擇自變量X和因變量Y，點擊交叉分析。
步驟二：得出“分析年齡和關(guān)注信息之間的關(guān)系”數(shù)據(jù)表現(xiàn)。
當數(shù)據(jù)都放在一起分析時，很難看出年齡和關(guān)注信息這一行為的關(guān)系，但使用交叉分析之后，可以聚焦每個年齡段對于關(guān)注點的偏好，針對性的給出優(yōu)化方案。
-
20歲以下的用戶中，最關(guān)注的是顏值，占比為63.64%。
-
21-30歲的所有用戶中，最關(guān)注的是年齡，占比為67.86%。
-
31-40歲的所有用戶中，最關(guān)注城市，占比為76.92%。
-
其他年齡的信息偏好等等...
上述的兩種分析方法（分類篩選和交叉分析），都是我們常用且方便的分析方法。如果想要更加深入的進行調(diào)研總結(jié)，可以使用一些專業(yè)的分析軟件，例如使用SPSS軟件，或者導(dǎo)入Excel表格做數(shù)據(jù)的處理，這都是目前使用比較廣泛的一些分析工具。
*重要的不是分析工具，而是對數(shù)據(jù)的敏感程度和分析能力。
7. 寫在最后
至此，從問卷設(shè)計到最后的數(shù)據(jù)分析就講解完了。
問卷調(diào)研不是目的，目的是通過調(diào)研得出的結(jié)論，指導(dǎo)我們體驗的優(yōu)化方向，問卷調(diào)研本身只是了解用戶的手段之一，重要的是在問卷設(shè)計過程中加深對手頭業(yè)務(wù)的理解。
文章來源：站酷 作者：抓馬九七
分享此文一切功德，皆悉回向給文章原作者及眾讀者.
免責(zé)聲明：藍藍設(shè)計尊重原作者，文章的版權(quán)歸原作者。如涉及版權(quán)問題，請及時與我們?nèi)〉寐?lián)系，我們立即更正或刪除。
藍藍設(shè)計( www.yvirxh.cn )是一家專注而深入的界面設(shè)計公司，為期望卓越的國內(nèi)外企業(yè)提供卓越的UI界面設(shè)計、BS界面設(shè)計 、 cs界面設(shè)計 、 ipad界面設(shè)計 、 包裝設(shè)計 、 圖標定制 、 用戶體驗 、交互設(shè)計、 網(wǎng)站建設(shè) 、平面設(shè)計服務(wù)
![[優(yōu)化輸出圖像]](https://imgs.xueui.cn/wp-content/uploads/2021/12/ezgif-5-2b07f6c21f.gif)
![[優(yōu)化輸出圖像]](https://imgs.xueui.cn/wp-content/uploads/2021/12/ezgif-5-c23bf9c9bf.gif)
![[優(yōu)化輸出圖像]](https://imgs.xueui.cn/wp-content/uploads/2022/01/ezgif-5-6261ee172e.gif)
![[優(yōu)化輸出圖像]](https://imgs.xueui.cn/wp-content/uploads/2022/01/ezgif-5-2fee847998.gif)
![[優(yōu)化輸出圖像]](https://imgs.xueui.cn/wp-content/uploads/2022/01/ezgif-5-0a4365e523.gif)
![[優(yōu)化輸出圖像]](https://imgs.xueui.cn/wp-content/uploads/2022/01/ezgif-3-6e59fc8a76.gif)
3）構(gòu)建自己的經(jīng)銷渠道，并通過電商系統(tǒng)做自己農(nóng)產(chǎn)品的軟文推廣。開始在各類自媒體上，聯(lián)合當?shù)卣l(fā)布推介信息，爭取銷路和投資。
