2022-1-3 資深UI設(shè)計(jì)者
12月份馬上就結(jié)束了，這也意味著這個(gè)雙月的體驗(yàn)OKR也到了復(fù)盤的階段。想趁這個(gè)機(jī)會(huì)復(fù)盤一下自己這么久以來的體驗(yàn)經(jīng)歷，幫助我拓寬了設(shè)計(jì)職能的邊界，站在整個(gè)產(chǎn)品和業(yè)務(wù)的角度，思考當(dāng)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(yàn)中遇到的問題和解決方案，以及一些個(gè)人感悟。
之所以會(huì)先從問卷入手，一方面是因?yàn)槲覀冊(cè)趩柧淼脑O(shè)計(jì)的過程中，很難找到全面分析問卷設(shè)計(jì)的文章。另一方面是因?yàn)槔斫庥脩?，才能理解體驗(yàn)。真正好的體驗(yàn)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(huì)通過大量問卷案例，把實(shí)際過程中的落地經(jīng)驗(yàn)分享給大家。
在實(shí)際的工作中，常用的用戶調(diào)研方式有兩種：?jiǎn)柧碚{(diào)研和用戶訪談。
那么，我們這次體驗(yàn)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(gè)問題，可以從問卷和訪談的差異性上進(jìn)行對(duì)比：
當(dāng)一個(gè)問題沒有明確答案的時(shí)候，很適合做訪談，因?yàn)闆]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(biāo)方向。甚至你的訪談對(duì)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(gè)用戶沒有使用過微信，但是他有明確的社交需求，那么這個(gè)用戶就有被訪談的價(jià)值，因?yàn)樗軌驇椭覀冋业疆a(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(dāng)公司產(chǎn)品經(jīng)歷了冷啟動(dòng)階段之后，后臺(tái)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(jì)提供了很好的參考變量。所以，這個(gè)時(shí)候調(diào)研對(duì)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(dāng)然，上述觀點(diǎn)并不絕對(duì)，根據(jù)公司業(yè)務(wù)、使用場(chǎng)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(bǔ)充：?jiǎn)柧硎且环N常用的定量分析工具，使用場(chǎng)景主要分為收集用戶數(shù)據(jù)和需求驗(yàn)證：
收集用戶數(shù)據(jù)主要是為了判斷我們對(duì)用戶的的定位是否精準(zhǔn)。具體表現(xiàn)為收集用戶的基本信息、和用戶的體驗(yàn)反饋（吐槽、好評(píng)），主要作為了完善用戶畫像。
需求驗(yàn)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(jià)值和空間（判斷優(yōu)化空間的依據(jù)主要以后臺(tái)數(shù)據(jù)為根本立足點(diǎn)）。
舉個(gè)例子：平臺(tái)上架了一個(gè)xx功能，新功能的觸達(dá)路徑從首頁到目標(biāo)頁需要三步，通過后臺(tái)數(shù)據(jù)埋點(diǎn)的追蹤發(fā)現(xiàn)，在第二步的時(shí)候，觸達(dá)人數(shù)驟降。那么針對(duì)新功能的問卷重點(diǎn)之一，就會(huì)放在這個(gè)頁面觸達(dá)率為什么這么低上，以此尋找解決方案。
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(chǎng)的情況下進(jìn)行的，即調(diào)查者與被調(diào)查者一般不見面。
問卷的優(yōu)點(diǎn)：
效率高：低成本、反饋快。
容易量化：?jiǎn)柧淼膬?nèi)容呈封閉式，答案基本會(huì)被限定在有限的數(shù)量范圍內(nèi)，很少有主觀問答，樣本結(jié)果可控，容易量化。
范圍廣：?jiǎn)柧碚{(diào)研不受人數(shù)、地域范圍、時(shí)空的限制。
問卷的缺點(diǎn)：
封閉性：?jiǎn)柧淼拇鸢甘窃O(shè)計(jì)者預(yù)先設(shè)計(jì)好的，所以收到的信息有限。
數(shù)據(jù)質(zhì)量不穩(wěn)定：由于問卷覆蓋的用戶廣，回答問卷的人是不受約束的，用戶的配合意愿對(duì)數(shù)據(jù)質(zhì)量影響較大（可能會(huì)出現(xiàn)隨便答題的情況）。
在工作中，問卷的設(shè)計(jì)流程通常被分為四個(gè)階段：準(zhǔn)備階段、設(shè)計(jì)階段、發(fā)放并回收階段，分析報(bào)告階段。
確定問卷目的是為了聚焦問題的范圍和方向。
每一個(gè)產(chǎn)品調(diào)研問卷都應(yīng)該圍繞著至少1-2個(gè)核心目標(biāo)進(jìn)行拆分，過多的核心目標(biāo)會(huì)導(dǎo)致問題數(shù)量沒法控制和調(diào)研方向不清晰。
在向用戶提出問題之前，有個(gè)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(huì)包括以下內(nèi)容：
告訴用戶為什么要做這份問卷調(diào)查：讓用戶知道，他們的建議會(huì)影響產(chǎn)品的設(shè)計(jì)方向。
告訴用戶做調(diào)研的人是誰（即平臺(tái)方的名稱）
告訴用戶這份問卷的重要程度：告訴用戶的選擇會(huì)影響最后產(chǎn)品的方向
告訴用戶需要多久能填完這份問卷：讓用戶判斷當(dāng)前是否有足夠的時(shí)間完成全部問卷。
告訴用戶回答問卷的有效期限：避免用戶填寫完后，提交的時(shí)候發(fā)現(xiàn)已經(jīng)錯(cuò)過了時(shí)機(jī)。
告訴用戶保證受訪者的個(gè)人隱私是保密的：打消用戶不必要的顧慮，反映客觀事實(shí)和觀點(diǎn)。
問卷獎(jiǎng)勵(lì)的說明：激勵(lì)用戶答題，最好是和產(chǎn)品相關(guān)的獎(jiǎng)勵(lì)，比如說平臺(tái)會(huì)員獎(jiǎng)勵(lì)。
用戶分群其實(shí)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(biāo)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(shí)間、用戶行為和用戶屬性三個(gè)維度組合完成：
時(shí)間范圍：比如，最近7天，或者給出一個(gè)時(shí)間區(qū)間。
用戶行為：圍繞調(diào)研目標(biāo)，明確用戶的核心行為路徑以及分支路徑。然后判斷用戶完成了/未完成/依次完成了xx路徑，比如：
完成了登錄注冊(cè)的用戶
沒完成登錄注冊(cè)的用戶
完成了登錄注冊(cè)，并且點(diǎn)擊了首頁廣告位的用戶
用戶屬性：關(guān)于用戶屬性的定義，沒有統(tǒng)一的標(biāo)準(zhǔn)，通常會(huì)從業(yè)務(wù)角度出發(fā)，基于產(chǎn)品功能或運(yùn)營玩法，對(duì)用戶進(jìn)行屬性分類，比如：性別/是否新用戶/是否實(shí)名認(rèn)證/用戶來源（抖音、地推）等。
下圖是我們用的用戶分群工具：
我們?cè)谶M(jìn)行用戶分群時(shí)，定位的精準(zhǔn)程度，和維度的選擇數(shù)量是正相關(guān)的。時(shí)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(gè)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(zhǔn)，因?yàn)槎嗔艘粋€(gè)“性別”的維度。
當(dāng)然，每一個(gè)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(xì)分的維度。
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。
回收率 = 回收的有效回答份數(shù) / 總發(fā)送的份數(shù) × 100%
問卷回收數(shù) = 回收率 × 樣本數(shù)量
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)量的因素主要分為響應(yīng)率和完成率：
響應(yīng)率 = 打開問卷的用戶 / 問卷實(shí)際發(fā)放人數(shù)×100%
舉個(gè)例子：平臺(tái)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%
完成率 = 完成并提交問卷的用戶 / 打開問卷的用戶×100%
舉個(gè)例子：有100人點(diǎn)開了問卷，最終有50個(gè)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(gè)例子：
擴(kuò)大問卷的曝光量，從而觸達(dá)更多用戶，提高響應(yīng)率。
豐富問卷獎(jiǎng)勵(lì)，增加用戶的答題意愿，提高完成率。
問卷數(shù)量的價(jià)值是存在邊際效應(yīng)的，因?yàn)殡S著樣本數(shù)量的增多，回收的答案是趨于一致的，參考價(jià)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(bào)告，應(yīng)該在理想的樣本數(shù)量上，進(jìn)行適當(dāng)?shù)臄U(kuò)充。
舉個(gè)例子：通過觀察平臺(tái)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(shí)會(huì)再加上200的樣本數(shù)量，來確保問卷的回收率。
MECE是一種將一個(gè)具體事物進(jìn)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(shí)盡量做到對(duì)問題點(diǎn)進(jìn)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(gè)部分：
相互獨(dú)立（ME）：
互斥性原則是指在問卷答案的設(shè)計(jì)中，同一問題的若干個(gè)答案之間關(guān)系時(shí)是互相排斥的，不能有重疊、交叉、包含等情況。
完全窮盡（CE）：
完備性原則是指在問卷答案的設(shè)計(jì)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(duì)封閉題而言的，必須做到窮盡。
了解完MECE原則后，接著從以下四個(gè)步驟來說一下它的實(shí)際用法：
明確問題是什么，比如說我們當(dāng)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(huì)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(dāng)問題有了邊界，才能窮盡。
切入點(diǎn)指的是按什么方向進(jìn)行拆分，還是以“為什么新用戶搭訕次數(shù)低？”這個(gè)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(diǎn)是“角色”。即：在整個(gè)業(yè)務(wù)中，會(huì)涉及到的“用戶方”和“產(chǎn)品方”兩個(gè)角色：
用戶在使用過程中遇到哪些問題，導(dǎo)致用戶搭訕次數(shù)低，比如說用戶對(duì)平臺(tái)推薦的人不感興趣、不知道搭訕是什么等。
產(chǎn)品的功能設(shè)計(jì)是否合理，比如說交互邏輯、界面布局，甚至可以聚焦到按鈕的大小和顏色，這些都可能會(huì)影響用戶使用搭訕。
考慮當(dāng)前問題是否可以繼續(xù)細(xì)分，比如說用戶方可以分為男性和女性，但是這對(duì)搭訕數(shù)并沒有直接的影響，可能還要繼續(xù)細(xì)分為年齡、地區(qū)、職業(yè)等屬性，直到找到影響“搭訕”的因素。
細(xì)分完成之后，對(duì)問題進(jìn)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(dú)立和完全窮盡呢？這里提供以下兩個(gè)方法：
判斷是否相互獨(dú)立：每個(gè)拆分后的問題，是否可以和其他問題清楚的區(qū)分開。
判斷是否完全窮盡：拆分后的問題是否具有唯一性，是否把能想到的都想到了。
*注：MECE原則同時(shí)適用于問題和答案的設(shè)計(jì)。
MECE的拆分方法具體分為以下五種：
二分法指的是把信息分成A和非A的兩個(gè)部分，也就是說在找出事物的某一維度后，繼續(xù)找出一個(gè)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。
找到一個(gè)事物的兩個(gè)維度，進(jìn)行坐標(biāo)系劃分，變成4個(gè)象限。
比如我們一次性接到了很多迭代的設(shè)計(jì)需求，可以根據(jù)任務(wù)的重要性和緊急程度兩個(gè)維度，確定所有迭代需求的優(yōu)先級(jí)。
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(jìn)行優(yōu)化解決的，比如一個(gè)電商軟件，用戶付款時(shí)總是失敗。
P1：重要但不緊急，這種一般指用戶在操作時(shí)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(xì)查找?？梢赃^段時(shí)間交付的內(nèi)容也算在這個(gè)范圍內(nèi)，比如國慶大型活動(dòng)這種需求一般都要提前很久準(zhǔn)備，可能交付時(shí)間在一兩個(gè)星期之后。
P2：不重要但緊急，這種情況在設(shè)計(jì)工作中一般會(huì)比較少，比如歷史版本中遺留下來的字號(hào)、間距等問題。
P3：不重要且不緊急，盡量少做，或者可以不做的需求，比如需求評(píng)審會(huì)上不完善、待修改的需求。
要素法是根據(jù)一個(gè)事物的做成要素行劃分的。比如說我們作為設(shè)計(jì)師，都知道體驗(yàn)很重要，但是什么樣的體驗(yàn)才能被稱之為好呢？于是很多公司會(huì)制定自己的體驗(yàn)度量標(biāo)準(zhǔn)，比如Ant rDesign的PTECH模型，就把體驗(yàn)拆分成了性能體驗(yàn)、任務(wù)完成度、參與度、清晰度和滿意度。
*題外話補(bǔ)充：
HEART模型更多是用來度量C端產(chǎn)品的體驗(yàn)，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(fèi)才能使用，比較注重任務(wù)的完成效率和邏輯的清晰度。
按照現(xiàn)有公式中的要素進(jìn)行去分類，比如說銷售額 = 銷售量 x 價(jià)格，CTR = 點(diǎn)擊數(shù) / 曝光數(shù)（根據(jù)不同業(yè)務(wù)和場(chǎng)景會(huì)有細(xì)微差異）。
這種時(shí)候，我們就可以把銷售額拆分為銷售量和價(jià)格，CTR拆分為點(diǎn)擊數(shù)和曝光數(shù)。
流程法指的是把一個(gè)事物，按照進(jìn)行的流程進(jìn)行劃分。拿我自己的上班日常來舉例：8個(gè)活動(dòng)組成一個(gè)流程。
封閉式：
在提出的每個(gè)問題下面給出若干個(gè)答案，讓被調(diào)查者選出其中的一個(gè)或若干個(gè)問題來回答的問卷形式。封閉式問題的優(yōu)勢(shì)在于，用戶在看到問題和答案的時(shí)候，很快就能理解提問者的目的。
a. 是非型：有且只有兩個(gè)備選答案，受訪者只能從中選擇一個(gè)答案。
b. 并列型：提供兩個(gè)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(jí)型：對(duì)兩個(gè)及以上分成等級(jí)的答案進(jìn)行選擇的題型，只能從中選擇一個(gè)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(jìn)行排列的一種方式。
開放式：
開放式問卷是問卷設(shè)計(jì)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(shì)是經(jīng)常會(huì)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(huì)導(dǎo)致問題的答案很不規(guī)范，經(jīng)常會(huì)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(yán)重影響最后的分析效率。
比如說我們本次的問卷目標(biāo)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。
混合式：指的是封閉式+開放式組合，常見的是在封閉式的答案下，用戶選擇一個(gè)答案后，會(huì)出現(xiàn)一個(gè)輸入框，填寫用戶自己的看法，根據(jù)不同的情況，輸入框分為必填和非必填。
*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(jì)過程中，要問自己兩個(gè)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(duì)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(gè)簡(jiǎn)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(jìn)入IM頁”這一階段。
當(dāng)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(rèn)為，行為的發(fā)生，有 3 個(gè)關(guān)鍵的要素，并且需要 3 個(gè)要素同時(shí)發(fā)生才能產(chǎn)生作用，也就是動(dòng)機(jī)、能力和提示：
動(dòng)機(jī)：做出行為的欲望。
能力：去做某個(gè)行為的能力。
提示：提醒你做出某個(gè)行為的信號(hào)。
*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(dāng)我們利用福格模型去分析“查看用戶資料 - 進(jìn)入IM頁”的流失問題時(shí)，就變成了：
動(dòng)機(jī)：對(duì)方資料頁的哪些信息對(duì)用戶的吸引力高？哪些吸引力低？
能力：阻礙用戶點(diǎn)擊私聊的原因可能是什么？按鈕是否在拇指可觸控區(qū)域？
提示：用戶是否注意到了私聊的存在？怎樣在不打擾用戶的情況下讓用戶注意到私聊按鈕？
針對(duì)MAP這三個(gè)因素，預(yù)測(cè)用戶在各個(gè)使用場(chǎng)景會(huì)遇到的困難，總結(jié)成問卷，向用戶求證。
我們通過上述方法設(shè)計(jì)出很多的問題后，時(shí)常會(huì)出現(xiàn)問題很多，“我全都要”的情況。
這里提供給大家一個(gè)思路：根據(jù)屬性不同，對(duì)所有問題進(jìn)行歸類。當(dāng)然，有時(shí)候會(huì)遇到這樣的情況：有一些問題沒有明確的屬性進(jìn)行定義，但是又很重要，這種問題可以統(tǒng)一概括為其他。
歸類完成后，從每一個(gè)屬性中，選出固定數(shù)量的問題整合成問卷，篩選的標(biāo)準(zhǔn)以目標(biāo)結(jié)果為導(dǎo)向，也就是每個(gè)問題和本次問卷目標(biāo)的關(guān)聯(lián)性，關(guān)聯(lián)性強(qiáng)，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(shí)不顯得別扭。
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(xì)。但是問題越多，用戶的投入成本也就越高，這樣就會(huì)導(dǎo)致填寫意愿降低。
我們公司平時(shí)的問題數(shù)量，基本會(huì)控制在15個(gè)左右，為的是讓用戶能夠在半小時(shí)內(nèi)填寫完畢。因?yàn)橛脩籼顚憜柧淼哪托暮蜁r(shí)間都是有限的，所以在問題的數(shù)量上，不宜過多。
按照問題的難易程度進(jìn)行排列：問題應(yīng)該先易后難，由淺入深，先問正面的問題，后問負(fù)面的問題，先描述客觀問題，后描述主觀問題，先一般性質(zhì)的問題，后特殊性質(zhì)的問題。
按照問題的類型進(jìn)行排序：排列問題的順序時(shí)，要注意把不同類型的問題放在一起，這樣用戶可以一起回答，避免破壞用戶的思路和注意力。
按照問題的時(shí)間順序進(jìn)行排列：一般來說，問題應(yīng)該按照事情發(fā)生的過去、現(xiàn)在、未來的時(shí)間順序進(jìn)行排列，也可以發(fā)過來，即由近到遠(yuǎn)。
在設(shè)計(jì)問題時(shí)，避免回憶性問題，特別是長(zhǎng)時(shí)間以前的回憶，記憶的模糊會(huì)降低答題的準(zhǔn)確率。
因?yàn)槿说挠洃浭浅仕槠鎯?chǔ)在大腦里的，直接問用戶是很難被搜索到的。但是，在實(shí)際調(diào)研中，經(jīng)常會(huì)出現(xiàn)不得不讓用戶回憶的情況，針對(duì)這種場(chǎng)景，需要在問題當(dāng)中構(gòu)建出一個(gè)具象的場(chǎng)景，這里的場(chǎng)景可以是時(shí)間、地點(diǎn)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(gè)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(jì)時(shí)，就會(huì)圍繞發(fā)布相關(guān)的場(chǎng)景進(jìn)行提問。
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(huì)導(dǎo)致用戶選擇問題“暗示”的答案。
舉個(gè)例子：
如下圖，單看修改前的問題是沒什么對(duì)錯(cuò)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(gè)功能組成。這樣就會(huì)造成用戶回答的內(nèi)容很寬泛，很難提取出有價(jià)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。
一個(gè)問句中，出現(xiàn)兩個(gè)及以上的問題。這個(gè)很簡(jiǎn)單，我們直接用上面學(xué)到的MECE原則進(jìn)行拆分就可以了，直接分成兩個(gè)問題提問。
在設(shè)計(jì)問題時(shí)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(huì)而引起的問答偏差。有些用戶可能因?yàn)椴恢馈八惴ā钡木唧w意思，導(dǎo)致問卷無法進(jìn)行。
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。
轉(zhuǎn)移法
不直接詢問用戶對(duì)某事的觀點(diǎn)，而是把問題轉(zhuǎn)移到其他人身上，然后，請(qǐng)用戶以第三人稱的視角，對(duì)他人的回答作出評(píng)價(jià)，更能得到用戶真實(shí)的想法。
假設(shè)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。
答案的設(shè)計(jì)最后會(huì)影響數(shù)據(jù)的有效性，所以在設(shè)計(jì)上需要注意以下三點(diǎn)事項(xiàng)：
具體量化：避免主觀描述，比如，偶爾、經(jīng)常、幾乎、相當(dāng)多。這類詞語在不同的情況下，不同的用戶會(huì)有不同程度的理解。
避免無效數(shù)據(jù)：特殊情況下，提供無效答案，比如其他、以上都不是等選項(xiàng)，避免給出的答案都不是用戶想要的，隨便選一個(gè)，影響最后的數(shù)據(jù)分析。
避免多選：多選的話設(shè)置上限，一般不超過三個(gè)，可根據(jù)具體情況增加或減少。
在內(nèi)部評(píng)審之前，首先要自審一遍，這就要求我們?cè)谠O(shè)計(jì)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(dá)等。
問卷自審后沒什么問題后，可以邀請(qǐng)項(xiàng)目組的人進(jìn)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。
問卷發(fā)放主要從時(shí)間、地點(diǎn)、人物三個(gè)維度出發(fā)。
在問卷的發(fā)放和回收時(shí)間之間，需要考慮用戶看到問卷的時(shí)間和答題時(shí)間。
根據(jù)問卷的曝光程度，留有足夠的時(shí)間讓用戶能夠看到并點(diǎn)擊問卷，如果發(fā)放和回收中間留的時(shí)間過短，會(huì)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(huì)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(shí)想法。
當(dāng)然，發(fā)放和回收中間留的時(shí)間也不宜過長(zhǎng)，時(shí)間越長(zhǎng)，用戶忘記調(diào)研問卷這回事的概率也就越大。
投放渠道，由于我們的體驗(yàn)工作一般圍繞APP進(jìn)行，所以我們的渠道主要分為以下幾種：
app消息推送（push）
優(yōu)點(diǎn)：可實(shí)現(xiàn)精準(zhǔn)投放
缺點(diǎn)：受限于設(shè)備的消息開關(guān)，打擾性強(qiáng)
app廣告位推送：啟動(dòng)頁，banner，信息流等形式
優(yōu)點(diǎn)：由于是用戶主動(dòng)點(diǎn)擊進(jìn)行，所以有效性較高
缺點(diǎn)：廣告位多為全量投放，無法保證用戶參與度
用戶和問卷的匹配關(guān)系：?jiǎn)柧淼恼{(diào)研對(duì)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(huì)根據(jù)規(guī)模分為部分和全量。部分就是針對(duì)用戶分群后的具體用戶，有選擇性的進(jìn)行問卷發(fā)放。全量則是針對(duì)平臺(tái)所有用戶的問卷，這種由于平臺(tái)的用戶類型很多，資源浪費(fèi)等問題，基本不太用。
在前文關(guān)于問卷的特點(diǎn)中我們提到，用戶回答問題的場(chǎng)景是不可控的，可能會(huì)出現(xiàn)瞎填的情況，如果我們回收問卷后立馬進(jìn)行分析，會(huì)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(jìn)行數(shù)據(jù)分析之前，還有一個(gè)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。
既然涉及數(shù)據(jù)清洗，那么就一定會(huì)有一套標(biāo)準(zhǔn)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(gè)標(biāo)準(zhǔn)供大家參考：
選項(xiàng)呈重復(fù)性和規(guī)律性
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(jìn)行刪除。
舉個(gè)例子：所有的答案都是“A-A-A-A”或”A-B-A-B”
剔除漏答數(shù)過多的問卷
嚴(yán)格來說應(yīng)該將漏填的答卷全都進(jìn)行剔除，但有時(shí)候會(huì)遇到回收樣本量很少的情況，所以一般會(huì)設(shè)置漏答數(shù)的標(biāo)準(zhǔn)。
常用的標(biāo)準(zhǔn)是總題數(shù)的2/3，例如問卷一共設(shè)計(jì)了 10 個(gè)問題，回答了 6 個(gè)以上的用戶即視為有效問卷，反之，則視為無效問卷。
前后邏輯不符
有些用戶受主客觀因素影響，可能不會(huì)認(rèn)真選答案，所以需要檢查前后的選項(xiàng)是否矛盾。
在問題的設(shè)計(jì)中，經(jīng)常會(huì)出現(xiàn)多個(gè)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(gè)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(shí)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(gè)明顯錯(cuò)誤的答案，最后統(tǒng)計(jì)問卷數(shù)據(jù)時(shí)，剔除該問卷即可。
當(dāng)然問題的迷惑性不能太強(qiáng)，我們只是想要檢驗(yàn)用戶是否在認(rèn)真答題，而不是為難用戶，所以認(rèn)真閱讀問題和答案就不會(huì)出錯(cuò)。
未按問卷所指示之題項(xiàng)填答
舉個(gè)例子：第1題問：「請(qǐng)問您使用過語音功能嗎？若沒有，請(qǐng)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。
根據(jù)填答時(shí)間和提交時(shí)間處理
在發(fā)放問卷前，我們會(huì)進(jìn)行答題測(cè)試，目的是估算出答題所需要的總時(shí)長(zhǎng)，以此作為問卷答題時(shí)長(zhǎng)的有效性依據(jù)，如果最后回收的問卷答題時(shí)間比預(yù)估時(shí)間過長(zhǎng)或過短，就可以判斷為答題不認(rèn)真，都可以根據(jù)業(yè)務(wù)需求酌情剔除。
提交時(shí)間主要針對(duì)的是在規(guī)定時(shí)間內(nèi)完成答題，但超過了提交時(shí)間的用戶。比如說我們回收問卷的截止時(shí)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(huì)被視為無效問卷。（市面上有些問卷工具，可以回收設(shè)置時(shí)間，超過規(guī)定時(shí)間提交的問卷不計(jì)入問卷回收。）
統(tǒng)計(jì)各選項(xiàng)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(shì)分析和分組分析兩種方法。
顧名思義，分類篩選是根據(jù)類別來進(jìn)行數(shù)據(jù)篩選的一種方法，常用的類別有：
按回答篩選：根據(jù)題目中某道題進(jìn)行篩選分類。使用場(chǎng)景如：需要分別查看男、女性的數(shù)據(jù)，或者是按部門查看數(shù)據(jù)。
問卷提交時(shí)間：顧名思義按提交的時(shí)間篩選（以天為時(shí)間單位）。
來源詳情：如鏈接地址、郵件地址、手機(jī)、PC等。
地區(qū)：省份、城市
其他類別：比如得分、IP地址等。
舉個(gè)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(shí)，系統(tǒng)會(huì)把這44個(gè)人回答的其他問題也全部篩選出來，如下圖：
44個(gè)人當(dāng)中，有7個(gè)人搭訕過 1 次，9個(gè)人搭訕過 2-5 次，4個(gè)人搭訕過6-10次，5個(gè)人搭訕過 10 次以上，剩下19個(gè)人從未搭訕過。
除了分類統(tǒng)計(jì)，我們還可以通過交叉法，進(jìn)行差異分析，找出影響因素。
交叉分析法通常用于分析兩個(gè)及以上的變量關(guān)系，即同時(shí)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(tái)都會(huì)提供交叉分析的功能，下面會(huì)以問卷星為例，簡(jiǎn)單的了解一下交叉分析的具體流程。
步驟一：點(diǎn)擊問卷后臺(tái)的統(tǒng)計(jì)頁面，選擇交叉分析，選擇自變量X和因變量Y，點(diǎn)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(dāng)數(shù)據(jù)都放在一起分析時(shí)，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(gè)年齡段對(duì)于關(guān)注點(diǎn)的偏好，針對(duì)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(jìn)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(duì)數(shù)據(jù)的敏感程度和分析能力。
至此，從問卷設(shè)計(jì)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(yàn)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(jì)過程中加深對(duì)手頭業(yè)務(wù)的理解。
12月份馬上就結(jié)束了，這也意味著這個(gè)雙月的體驗(yàn)OKR也到了復(fù)盤的階段。想趁這個(gè)機(jī)會(huì)復(fù)盤一下自己這么久以來的體驗(yàn)經(jīng)歷，幫助我拓寬了設(shè)計(jì)職能的邊界，站在整個(gè)產(chǎn)品和業(yè)務(wù)的角度，思考當(dāng)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(yàn)中遇到的問題和解決方案，以及一些個(gè)人感悟。
之所以會(huì)先從問卷入手，一方面是因?yàn)槲覀冊(cè)趩柧淼脑O(shè)計(jì)的過程中，很難找到全面分析問卷設(shè)計(jì)的文章。另一方面是因?yàn)槔斫庥脩簦拍芾斫怏w驗(yàn)。真正好的體驗(yàn)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(huì)通過大量問卷案例，把實(shí)際過程中的落地經(jīng)驗(yàn)分享給大家。
在實(shí)際的工作中，常用的用戶調(diào)研方式有兩種：?jiǎn)柧碚{(diào)研和用戶訪談。
那么，我們這次體驗(yàn)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(gè)問題，可以從問卷和訪談的差異性上進(jìn)行對(duì)比：
當(dāng)一個(gè)問題沒有明確答案的時(shí)候，很適合做訪談，因?yàn)闆]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(biāo)方向。甚至你的訪談對(duì)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(gè)用戶沒有使用過微信，但是他有明確的社交需求，那么這個(gè)用戶就有被訪談的價(jià)值，因?yàn)樗軌驇椭覀冋业疆a(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(dāng)公司產(chǎn)品經(jīng)歷了冷啟動(dòng)階段之后，后臺(tái)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(jì)提供了很好的參考變量。所以，這個(gè)時(shí)候調(diào)研對(duì)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(dāng)然，上述觀點(diǎn)并不絕對(duì)，根據(jù)公司業(yè)務(wù)、使用場(chǎng)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(bǔ)充：?jiǎn)柧硎且环N常用的定量分析工具，使用場(chǎng)景主要分為收集用戶數(shù)據(jù)和需求驗(yàn)證：
收集用戶數(shù)據(jù)主要是為了判斷我們對(duì)用戶的的定位是否精準(zhǔn)。具體表現(xiàn)為收集用戶的基本信息、和用戶的體驗(yàn)反饋（吐槽、好評(píng)），主要作為了完善用戶畫像。
需求驗(yàn)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(jià)值和空間（判斷優(yōu)化空間的依據(jù)主要以后臺(tái)數(shù)據(jù)為根本立足點(diǎn)）。
舉個(gè)例子：平臺(tái)上架了一個(gè)xx功能，新功能的觸達(dá)路徑從首頁到目標(biāo)頁需要三步，通過后臺(tái)數(shù)據(jù)埋點(diǎn)的追蹤發(fā)現(xiàn)，在第二步的時(shí)候，觸達(dá)人數(shù)驟降。那么針對(duì)新功能的問卷重點(diǎn)之一，就會(huì)放在這個(gè)頁面觸達(dá)率為什么這么低上，以此尋找解決方案。
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(chǎng)的情況下進(jìn)行的，即調(diào)查者與被調(diào)查者一般不見面。
問卷的優(yōu)點(diǎn)：
效率高：低成本、反饋快。
容易量化：?jiǎn)柧淼膬?nèi)容呈封閉式，答案基本會(huì)被限定在有限的數(shù)量范圍內(nèi)，很少有主觀問答，樣本結(jié)果可控，容易量化。
范圍廣：?jiǎn)柧碚{(diào)研不受人數(shù)、地域范圍、時(shí)空的限制。
問卷的缺點(diǎn)：
封閉性：?jiǎn)柧淼拇鸢甘窃O(shè)計(jì)者預(yù)先設(shè)計(jì)好的，所以收到的信息有限。
數(shù)據(jù)質(zhì)量不穩(wěn)定：由于問卷覆蓋的用戶廣，回答問卷的人是不受約束的，用戶的配合意愿對(duì)數(shù)據(jù)質(zhì)量影響較大（可能會(huì)出現(xiàn)隨便答題的情況）。
在工作中，問卷的設(shè)計(jì)流程通常被分為四個(gè)階段：準(zhǔn)備階段、設(shè)計(jì)階段、發(fā)放并回收階段，分析報(bào)告階段。
確定問卷目的是為了聚焦問題的范圍和方向。
每一個(gè)產(chǎn)品調(diào)研問卷都應(yīng)該圍繞著至少1-2個(gè)核心目標(biāo)進(jìn)行拆分，過多的核心目標(biāo)會(huì)導(dǎo)致問題數(shù)量沒法控制和調(diào)研方向不清晰。
在向用戶提出問題之前，有個(gè)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(huì)包括以下內(nèi)容：
告訴用戶為什么要做這份問卷調(diào)查：讓用戶知道，他們的建議會(huì)影響產(chǎn)品的設(shè)計(jì)方向。
告訴用戶做調(diào)研的人是誰（即平臺(tái)方的名稱）
告訴用戶這份問卷的重要程度：告訴用戶的選擇會(huì)影響最后產(chǎn)品的方向
告訴用戶需要多久能填完這份問卷：讓用戶判斷當(dāng)前是否有足夠的時(shí)間完成全部問卷。
告訴用戶回答問卷的有效期限：避免用戶填寫完后，提交的時(shí)候發(fā)現(xiàn)已經(jīng)錯(cuò)過了時(shí)機(jī)。
告訴用戶保證受訪者的個(gè)人隱私是保密的：打消用戶不必要的顧慮，反映客觀事實(shí)和觀點(diǎn)。
問卷獎(jiǎng)勵(lì)的說明：激勵(lì)用戶答題，最好是和產(chǎn)品相關(guān)的獎(jiǎng)勵(lì)，比如說平臺(tái)會(huì)員獎(jiǎng)勵(lì)。
用戶分群其實(shí)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(biāo)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(shí)間、用戶行為和用戶屬性三個(gè)維度組合完成：
時(shí)間范圍：比如，最近7天，或者給出一個(gè)時(shí)間區(qū)間。
用戶行為：圍繞調(diào)研目標(biāo)，明確用戶的核心行為路徑以及分支路徑。然后判斷用戶完成了/未完成/依次完成了xx路徑，比如：
完成了登錄注冊(cè)的用戶
沒完成登錄注冊(cè)的用戶
完成了登錄注冊(cè)，并且點(diǎn)擊了首頁廣告位的用戶
用戶屬性：關(guān)于用戶屬性的定義，沒有統(tǒng)一的標(biāo)準(zhǔn)，通常會(huì)從業(yè)務(wù)角度出發(fā)，基于產(chǎn)品功能或運(yùn)營玩法，對(duì)用戶進(jìn)行屬性分類，比如：性別/是否新用戶/是否實(shí)名認(rèn)證/用戶來源（抖音、地推）等。
下圖是我們用的用戶分群工具：
我們?cè)谶M(jìn)行用戶分群時(shí)，定位的精準(zhǔn)程度，和維度的選擇數(shù)量是正相關(guān)的。時(shí)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(gè)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(zhǔn)，因?yàn)槎嗔艘粋€(gè)“性別”的維度。
當(dāng)然，每一個(gè)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(xì)分的維度。
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。
回收率 = 回收的有效回答份數(shù) / 總發(fā)送的份數(shù) × 100%
問卷回收數(shù) = 回收率 × 樣本數(shù)量
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)量的因素主要分為響應(yīng)率和完成率：
響應(yīng)率 = 打開問卷的用戶 / 問卷實(shí)際發(fā)放人數(shù)×100%
舉個(gè)例子：平臺(tái)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%
完成率 = 完成并提交問卷的用戶 / 打開問卷的用戶×100%
舉個(gè)例子：有100人點(diǎn)開了問卷，最終有50個(gè)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(gè)例子：
擴(kuò)大問卷的曝光量，從而觸達(dá)更多用戶，提高響應(yīng)率。
豐富問卷獎(jiǎng)勵(lì)，增加用戶的答題意愿，提高完成率。
問卷數(shù)量的價(jià)值是存在邊際效應(yīng)的，因?yàn)殡S著樣本數(shù)量的增多，回收的答案是趨于一致的，參考價(jià)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(bào)告，應(yīng)該在理想的樣本數(shù)量上，進(jìn)行適當(dāng)?shù)臄U(kuò)充。
舉個(gè)例子：通過觀察平臺(tái)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(shí)會(huì)再加上200的樣本數(shù)量，來確保問卷的回收率。
MECE是一種將一個(gè)具體事物進(jìn)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(shí)盡量做到對(duì)問題點(diǎn)進(jìn)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(gè)部分：
相互獨(dú)立（ME）：
互斥性原則是指在問卷答案的設(shè)計(jì)中，同一問題的若干個(gè)答案之間關(guān)系時(shí)是互相排斥的，不能有重疊、交叉、包含等情況。
完全窮盡（CE）：
完備性原則是指在問卷答案的設(shè)計(jì)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(duì)封閉題而言的，必須做到窮盡。
了解完MECE原則后，接著從以下四個(gè)步驟來說一下它的實(shí)際用法：
明確問題是什么，比如說我們當(dāng)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(huì)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(dāng)問題有了邊界，才能窮盡。
切入點(diǎn)指的是按什么方向進(jìn)行拆分，還是以“為什么新用戶搭訕次數(shù)低？”這個(gè)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(diǎn)是“角色”。即：在整個(gè)業(yè)務(wù)中，會(huì)涉及到的“用戶方”和“產(chǎn)品方”兩個(gè)角色：
用戶在使用過程中遇到哪些問題，導(dǎo)致用戶搭訕次數(shù)低，比如說用戶對(duì)平臺(tái)推薦的人不感興趣、不知道搭訕是什么等。
產(chǎn)品的功能設(shè)計(jì)是否合理，比如說交互邏輯、界面布局，甚至可以聚焦到按鈕的大小和顏色，這些都可能會(huì)影響用戶使用搭訕。
考慮當(dāng)前問題是否可以繼續(xù)細(xì)分，比如說用戶方可以分為男性和女性，但是這對(duì)搭訕數(shù)并沒有直接的影響，可能還要繼續(xù)細(xì)分為年齡、地區(qū)、職業(yè)等屬性，直到找到影響“搭訕”的因素。
細(xì)分完成之后，對(duì)問題進(jìn)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(dú)立和完全窮盡呢？這里提供以下兩個(gè)方法：
判斷是否相互獨(dú)立：每個(gè)拆分后的問題，是否可以和其他問題清楚的區(qū)分開。
判斷是否完全窮盡：拆分后的問題是否具有唯一性，是否把能想到的都想到了。
*注：MECE原則同時(shí)適用于問題和答案的設(shè)計(jì)。
MECE的拆分方法具體分為以下五種：
二分法指的是把信息分成A和非A的兩個(gè)部分，也就是說在找出事物的某一維度后，繼續(xù)找出一個(gè)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。
找到一個(gè)事物的兩個(gè)維度，進(jìn)行坐標(biāo)系劃分，變成4個(gè)象限。
比如我們一次性接到了很多迭代的設(shè)計(jì)需求，可以根據(jù)任務(wù)的重要性和緊急程度兩個(gè)維度，確定所有迭代需求的優(yōu)先級(jí)。
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(jìn)行優(yōu)化解決的，比如一個(gè)電商軟件，用戶付款時(shí)總是失敗。
P1：重要但不緊急，這種一般指用戶在操作時(shí)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(xì)查找?？梢赃^段時(shí)間交付的內(nèi)容也算在這個(gè)范圍內(nèi)，比如國慶大型活動(dòng)這種需求一般都要提前很久準(zhǔn)備，可能交付時(shí)間在一兩個(gè)星期之后。
P2：不重要但緊急，這種情況在設(shè)計(jì)工作中一般會(huì)比較少，比如歷史版本中遺留下來的字號(hào)、間距等問題。
P3：不重要且不緊急，盡量少做，或者可以不做的需求，比如需求評(píng)審會(huì)上不完善、待修改的需求。
要素法是根據(jù)一個(gè)事物的做成要素行劃分的。比如說我們作為設(shè)計(jì)師，都知道體驗(yàn)很重要，但是什么樣的體驗(yàn)才能被稱之為好呢？于是很多公司會(huì)制定自己的體驗(yàn)度量標(biāo)準(zhǔn)，比如Ant rDesign的PTECH模型，就把體驗(yàn)拆分成了性能體驗(yàn)、任務(wù)完成度、參與度、清晰度和滿意度。
*題外話補(bǔ)充：
HEART模型更多是用來度量C端產(chǎn)品的體驗(yàn)，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(fèi)才能使用，比較注重任務(wù)的完成效率和邏輯的清晰度。
按照現(xiàn)有公式中的要素進(jìn)行去分類，比如說銷售額 = 銷售量 x 價(jià)格，CTR = 點(diǎn)擊數(shù) / 曝光數(shù)（根據(jù)不同業(yè)務(wù)和場(chǎng)景會(huì)有細(xì)微差異）。
這種時(shí)候，我們就可以把銷售額拆分為銷售量和價(jià)格，CTR拆分為點(diǎn)擊數(shù)和曝光數(shù)。
流程法指的是把一個(gè)事物，按照進(jìn)行的流程進(jìn)行劃分。拿我自己的上班日常來舉例：8個(gè)活動(dòng)組成一個(gè)流程。
封閉式：
在提出的每個(gè)問題下面給出若干個(gè)答案，讓被調(diào)查者選出其中的一個(gè)或若干個(gè)問題來回答的問卷形式。封閉式問題的優(yōu)勢(shì)在于，用戶在看到問題和答案的時(shí)候，很快就能理解提問者的目的。
a. 是非型：有且只有兩個(gè)備選答案，受訪者只能從中選擇一個(gè)答案。
b. 并列型：提供兩個(gè)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(jí)型：對(duì)兩個(gè)及以上分成等級(jí)的答案進(jìn)行選擇的題型，只能從中選擇一個(gè)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(jìn)行排列的一種方式。
開放式：
開放式問卷是問卷設(shè)計(jì)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(shì)是經(jīng)常會(huì)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(huì)導(dǎo)致問題的答案很不規(guī)范，經(jīng)常會(huì)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(yán)重影響最后的分析效率。
比如說我們本次的問卷目標(biāo)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。
混合式：指的是封閉式+開放式組合，常見的是在封閉式的答案下，用戶選擇一個(gè)答案后，會(huì)出現(xiàn)一個(gè)輸入框，填寫用戶自己的看法，根據(jù)不同的情況，輸入框分為必填和非必填。
*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(jì)過程中，要問自己兩個(gè)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(duì)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(gè)簡(jiǎn)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(jìn)入IM頁”這一階段。
當(dāng)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(rèn)為，行為的發(fā)生，有 3 個(gè)關(guān)鍵的要素，并且需要 3 個(gè)要素同時(shí)發(fā)生才能產(chǎn)生作用，也就是動(dòng)機(jī)、能力和提示：
動(dòng)機(jī)：做出行為的欲望。
能力：去做某個(gè)行為的能力。
提示：提醒你做出某個(gè)行為的信號(hào)。
*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(dāng)我們利用福格模型去分析“查看用戶資料 - 進(jìn)入IM頁”的流失問題時(shí)，就變成了：
動(dòng)機(jī)：對(duì)方資料頁的哪些信息對(duì)用戶的吸引力高？哪些吸引力低？
能力：阻礙用戶點(diǎn)擊私聊的原因可能是什么？按鈕是否在拇指可觸控區(qū)域？
提示：用戶是否注意到了私聊的存在？怎樣在不打擾用戶的情況下讓用戶注意到私聊按鈕？
針對(duì)MAP這三個(gè)因素，預(yù)測(cè)用戶在各個(gè)使用場(chǎng)景會(huì)遇到的困難，總結(jié)成問卷，向用戶求證。
我們通過上述方法設(shè)計(jì)出很多的問題后，時(shí)常會(huì)出現(xiàn)問題很多，“我全都要”的情況。
這里提供給大家一個(gè)思路：根據(jù)屬性不同，對(duì)所有問題進(jìn)行歸類。當(dāng)然，有時(shí)候會(huì)遇到這樣的情況：有一些問題沒有明確的屬性進(jìn)行定義，但是又很重要，這種問題可以統(tǒng)一概括為其他。
歸類完成后，從每一個(gè)屬性中，選出固定數(shù)量的問題整合成問卷，篩選的標(biāo)準(zhǔn)以目標(biāo)結(jié)果為導(dǎo)向，也就是每個(gè)問題和本次問卷目標(biāo)的關(guān)聯(lián)性，關(guān)聯(lián)性強(qiáng)，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(shí)不顯得別扭。
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(xì)。但是問題越多，用戶的投入成本也就越高，這樣就會(huì)導(dǎo)致填寫意愿降低。
我們公司平時(shí)的問題數(shù)量，基本會(huì)控制在15個(gè)左右，為的是讓用戶能夠在半小時(shí)內(nèi)填寫完畢。因?yàn)橛脩籼顚憜柧淼哪托暮蜁r(shí)間都是有限的，所以在問題的數(shù)量上，不宜過多。
按照問題的難易程度進(jìn)行排列：問題應(yīng)該先易后難，由淺入深，先問正面的問題，后問負(fù)面的問題，先描述客觀問題，后描述主觀問題，先一般性質(zhì)的問題，后特殊性質(zhì)的問題。
按照問題的類型進(jìn)行排序：排列問題的順序時(shí)，要注意把不同類型的問題放在一起，這樣用戶可以一起回答，避免破壞用戶的思路和注意力。
按照問題的時(shí)間順序進(jìn)行排列：一般來說，問題應(yīng)該按照事情發(fā)生的過去、現(xiàn)在、未來的時(shí)間順序進(jìn)行排列，也可以發(fā)過來，即由近到遠(yuǎn)。
在設(shè)計(jì)問題時(shí)，避免回憶性問題，特別是長(zhǎng)時(shí)間以前的回憶，記憶的模糊會(huì)降低答題的準(zhǔn)確率。
因?yàn)槿说挠洃浭浅仕槠鎯?chǔ)在大腦里的，直接問用戶是很難被搜索到的。但是，在實(shí)際調(diào)研中，經(jīng)常會(huì)出現(xiàn)不得不讓用戶回憶的情況，針對(duì)這種場(chǎng)景，需要在問題當(dāng)中構(gòu)建出一個(gè)具象的場(chǎng)景，這里的場(chǎng)景可以是時(shí)間、地點(diǎn)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(gè)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(jì)時(shí)，就會(huì)圍繞發(fā)布相關(guān)的場(chǎng)景進(jìn)行提問。
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(huì)導(dǎo)致用戶選擇問題“暗示”的答案。
舉個(gè)例子：
如下圖，單看修改前的問題是沒什么對(duì)錯(cuò)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(gè)功能組成。這樣就會(huì)造成用戶回答的內(nèi)容很寬泛，很難提取出有價(jià)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。
一個(gè)問句中，出現(xiàn)兩個(gè)及以上的問題。這個(gè)很簡(jiǎn)單，我們直接用上面學(xué)到的MECE原則進(jìn)行拆分就可以了，直接分成兩個(gè)問題提問。
在設(shè)計(jì)問題時(shí)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(huì)而引起的問答偏差。有些用戶可能因?yàn)椴恢馈八惴ā钡木唧w意思，導(dǎo)致問卷無法進(jìn)行。
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。
轉(zhuǎn)移法
不直接詢問用戶對(duì)某事的觀點(diǎn)，而是把問題轉(zhuǎn)移到其他人身上，然后，請(qǐng)用戶以第三人稱的視角，對(duì)他人的回答作出評(píng)價(jià)，更能得到用戶真實(shí)的想法。
假設(shè)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。
答案的設(shè)計(jì)最后會(huì)影響數(shù)據(jù)的有效性，所以在設(shè)計(jì)上需要注意以下三點(diǎn)事項(xiàng)：
具體量化：避免主觀描述，比如，偶爾、經(jīng)常、幾乎、相當(dāng)多。這類詞語在不同的情況下，不同的用戶會(huì)有不同程度的理解。
避免無效數(shù)據(jù)：特殊情況下，提供無效答案，比如其他、以上都不是等選項(xiàng)，避免給出的答案都不是用戶想要的，隨便選一個(gè)，影響最后的數(shù)據(jù)分析。
避免多選：多選的話設(shè)置上限，一般不超過三個(gè)，可根據(jù)具體情況增加或減少。
在內(nèi)部評(píng)審之前，首先要自審一遍，這就要求我們?cè)谠O(shè)計(jì)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(dá)等。
問卷自審后沒什么問題后，可以邀請(qǐng)項(xiàng)目組的人進(jìn)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。
問卷發(fā)放主要從時(shí)間、地點(diǎn)、人物三個(gè)維度出發(fā)。
在問卷的發(fā)放和回收時(shí)間之間，需要考慮用戶看到問卷的時(shí)間和答題時(shí)間。
根據(jù)問卷的曝光程度，留有足夠的時(shí)間讓用戶能夠看到并點(diǎn)擊問卷，如果發(fā)放和回收中間留的時(shí)間過短，會(huì)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(huì)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(shí)想法。
當(dāng)然，發(fā)放和回收中間留的時(shí)間也不宜過長(zhǎng)，時(shí)間越長(zhǎng)，用戶忘記調(diào)研問卷這回事的概率也就越大。
投放渠道，由于我們的體驗(yàn)工作一般圍繞APP進(jìn)行，所以我們的渠道主要分為以下幾種：
app消息推送（push）
優(yōu)點(diǎn)：可實(shí)現(xiàn)精準(zhǔn)投放
缺點(diǎn)：受限于設(shè)備的消息開關(guān)，打擾性強(qiáng)
app廣告位推送：啟動(dòng)頁，banner，信息流等形式
優(yōu)點(diǎn)：由于是用戶主動(dòng)點(diǎn)擊進(jìn)行，所以有效性較高
缺點(diǎn)：廣告位多為全量投放，無法保證用戶參與度
用戶和問卷的匹配關(guān)系：?jiǎn)柧淼恼{(diào)研對(duì)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(huì)根據(jù)規(guī)模分為部分和全量。部分就是針對(duì)用戶分群后的具體用戶，有選擇性的進(jìn)行問卷發(fā)放。全量則是針對(duì)平臺(tái)所有用戶的問卷，這種由于平臺(tái)的用戶類型很多，資源浪費(fèi)等問題，基本不太用。
在前文關(guān)于問卷的特點(diǎn)中我們提到，用戶回答問題的場(chǎng)景是不可控的，可能會(huì)出現(xiàn)瞎填的情況，如果我們回收問卷后立馬進(jìn)行分析，會(huì)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(jìn)行數(shù)據(jù)分析之前，還有一個(gè)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。
既然涉及數(shù)據(jù)清洗，那么就一定會(huì)有一套標(biāo)準(zhǔn)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(gè)標(biāo)準(zhǔn)供大家參考：
選項(xiàng)呈重復(fù)性和規(guī)律性
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(jìn)行刪除。
舉個(gè)例子：所有的答案都是“A-A-A-A”或”A-B-A-B”
剔除漏答數(shù)過多的問卷
嚴(yán)格來說應(yīng)該將漏填的答卷全都進(jìn)行剔除，但有時(shí)候會(huì)遇到回收樣本量很少的情況，所以一般會(huì)設(shè)置漏答數(shù)的標(biāo)準(zhǔn)。
常用的標(biāo)準(zhǔn)是總題數(shù)的2/3，例如問卷一共設(shè)計(jì)了 10 個(gè)問題，回答了 6 個(gè)以上的用戶即視為有效問卷，反之，則視為無效問卷。
前后邏輯不符
有些用戶受主客觀因素影響，可能不會(huì)認(rèn)真選答案，所以需要檢查前后的選項(xiàng)是否矛盾。
在問題的設(shè)計(jì)中，經(jīng)常會(huì)出現(xiàn)多個(gè)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(gè)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(shí)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(gè)明顯錯(cuò)誤的答案，最后統(tǒng)計(jì)問卷數(shù)據(jù)時(shí)，剔除該問卷即可。
當(dāng)然問題的迷惑性不能太強(qiáng)，我們只是想要檢驗(yàn)用戶是否在認(rèn)真答題，而不是為難用戶，所以認(rèn)真閱讀問題和答案就不會(huì)出錯(cuò)。
未按問卷所指示之題項(xiàng)填答
舉個(gè)例子：第1題問：「請(qǐng)問您使用過語音功能嗎？若沒有，請(qǐng)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。
根據(jù)填答時(shí)間和提交時(shí)間處理
在發(fā)放問卷前，我們會(huì)進(jìn)行答題測(cè)試，目的是估算出答題所需要的總時(shí)長(zhǎng)，以此作為問卷答題時(shí)長(zhǎng)的有效性依據(jù)，如果最后回收的問卷答題時(shí)間比預(yù)估時(shí)間過長(zhǎng)或過短，就可以判斷為答題不認(rèn)真，都可以根據(jù)業(yè)務(wù)需求酌情剔除。
提交時(shí)間主要針對(duì)的是在規(guī)定時(shí)間內(nèi)完成答題，但超過了提交時(shí)間的用戶。比如說我們回收問卷的截止時(shí)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(huì)被視為無效問卷。（市面上有些問卷工具，可以回收設(shè)置時(shí)間，超過規(guī)定時(shí)間提交的問卷不計(jì)入問卷回收。）
統(tǒng)計(jì)各選項(xiàng)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(shì)分析和分組分析兩種方法。
顧名思義，分類篩選是根據(jù)類別來進(jìn)行數(shù)據(jù)篩選的一種方法，常用的類別有：
按回答篩選：根據(jù)題目中某道題進(jìn)行篩選分類。使用場(chǎng)景如：需要分別查看男、女性的數(shù)據(jù)，或者是按部門查看數(shù)據(jù)。
問卷提交時(shí)間：顧名思義按提交的時(shí)間篩選（以天為時(shí)間單位）。
來源詳情：如鏈接地址、郵件地址、手機(jī)、PC等。
地區(qū)：省份、城市
其他類別：比如得分、IP地址等。
舉個(gè)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(shí)，系統(tǒng)會(huì)把這44個(gè)人回答的其他問題也全部篩選出來，如下圖：
44個(gè)人當(dāng)中，有7個(gè)人搭訕過 1 次，9個(gè)人搭訕過 2-5 次，4個(gè)人搭訕過6-10次，5個(gè)人搭訕過 10 次以上，剩下19個(gè)人從未搭訕過。
除了分類統(tǒng)計(jì)，我們還可以通過交叉法，進(jìn)行差異分析，找出影響因素。
交叉分析法通常用于分析兩個(gè)及以上的變量關(guān)系，即同時(shí)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(tái)都會(huì)提供交叉分析的功能，下面會(huì)以問卷星為例，簡(jiǎn)單的了解一下交叉分析的具體流程。
步驟一：點(diǎn)擊問卷后臺(tái)的統(tǒng)計(jì)頁面，選擇交叉分析，選擇自變量X和因變量Y，點(diǎn)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(dāng)數(shù)據(jù)都放在一起分析時(shí)，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(gè)年齡段對(duì)于關(guān)注點(diǎn)的偏好，針對(duì)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(jìn)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(duì)數(shù)據(jù)的敏感程度和分析能力。
至此，從問卷設(shè)計(jì)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(yàn)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(jì)過程中加深對(duì)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(lán)藍(lán)設(shè)計(jì)尊重原作者，文章的版權(quán)歸原作者。如涉及版權(quán)問題，請(qǐng)及時(shí)與我們?nèi)〉寐?lián)系，我們立即更正或刪除。
藍(lán)藍(lán)設(shè)計(jì)( www.bouu.cn )是一家專注而深入的界面設(shè)計(jì)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(jì)、BS界面設(shè)計(jì) 、 cs界面設(shè)計(jì) 、 ipad界面設(shè)計(jì) 、 包裝設(shè)計(jì) 、 圖標(biāo)定制 、 用戶體驗(yàn) 、交互設(shè)計(jì)、 網(wǎng)站建設(shè) 、平面設(shè)計(jì)服務(wù)
藍(lán)藍(lán)設(shè)計(jì)的小編 http://www.bouu.cn