編輯導(dǎo)語(yǔ)：調(diào)查問(wèn)卷對(duì)于互聯(lián)網(wǎng)公司收集資料十分重要，那么大廠的調(diào)查問(wèn)卷是如何設(shè)計(jì)的呢？本篇文章作者從多個(gè)方面介紹了調(diào)查問(wèn)卷的設(shè)計(jì)方法以及注意點(diǎn)，一起來(lái)看一下吧。

一、什么是調(diào)查問(wèn)卷

調(diào)查問(wèn)卷是互聯(lián)網(wǎng)公司用來(lái)收集用戶資料和驗(yàn)證產(chǎn)品需求的一種常用調(diào)研工具。其他常用的調(diào)研工具還有可用性測(cè)試、A/B測(cè)試、用戶訪談、競(jìng)品分析等等。

1. 使用場(chǎng)景

適用于后臺(tái)已經(jīng)記錄了各功能的使用情況、用戶行為等數(shù)據(jù)的產(chǎn)品。這時(shí)使用問(wèn)卷對(duì)我們的用戶進(jìn)行調(diào)研，可以幫助我們快速定位問(wèn)題。

2. 問(wèn)卷的特點(diǎn)

和其它調(diào)研方法比起來(lái)，問(wèn)卷的成本很低，幾乎不怎么動(dòng)用其它資源，而且問(wèn)卷的設(shè)計(jì)和發(fā)放都可以在線上完成，對(duì)時(shí)間和精力的耗費(fèi)較少。

3. 定量研究和定性研究

在查閱相關(guān)資料的時(shí)候我發(fā)現(xiàn)，有的作者將問(wèn)卷調(diào)查歸為定量研究工具，這一觀點(diǎn)是不嚴(yán)謹(jǐn)?shù)摹Ｆ鋵?shí)問(wèn)卷既可以做定性研究，也可以做定量研究。

定量研究：通過(guò)研究用戶的三日留存、人均消耗量等數(shù)據(jù)，得到精確的某一群體的需求現(xiàn)狀和趨勢(shì)。

定性研究：通過(guò)對(duì)用戶進(jìn)行訪談，詢問(wèn)“上次使用某功能有什么體驗(yàn)”“上次使用時(shí)遇到了哪些問(wèn)題”等問(wèn)題進(jìn)行研究，其目的更多是探索用戶需求的深層心理原因。

4. 調(diào)查問(wèn)卷的結(jié)構(gòu)

問(wèn)卷一般由標(biāo)題、卷首語(yǔ)、問(wèn)題和答案、編碼、結(jié)束語(yǔ)幾個(gè)部分組成。

其中卷首語(yǔ)是需要特別注意的。

卷首語(yǔ)應(yīng)該包括：調(diào)查者信息（即平臺(tái)方）、調(diào)查的目的和主要內(nèi)容、填寫(xiě)問(wèn)卷所需時(shí)間、獎(jiǎng)勵(lì)說(shuō)明、以及調(diào)查的匿名和保密原則等。

編碼：就是將問(wèn)卷中所有的問(wèn)題和答案都加上編號(hào)，方便后期的數(shù)據(jù)統(tǒng)計(jì)。設(shè)計(jì)傳統(tǒng)紙質(zhì)問(wèn)卷需要了解編碼，線上的問(wèn)卷工具會(huì)自動(dòng)編碼，不需要學(xué)習(xí)。

5. 調(diào)查問(wèn)卷的流程

問(wèn)卷的設(shè)計(jì)流程通常分為四個(gè)階段：前期準(zhǔn)備、設(shè)計(jì)問(wèn)卷、問(wèn)卷的收發(fā)，分析報(bào)告。

二、前期準(zhǔn)備

1. 明確研究的目標(biāo)

我們?cè)诖_定目標(biāo)的時(shí)經(jīng)常犯的一個(gè)錯(cuò)誤是目標(biāo)的制定過(guò)于籠統(tǒng)，例如：

提高用戶留存率了解用戶使用習(xí)慣以及產(chǎn)品的滿意度建議反饋、吐槽、好評(píng)優(yōu)化產(chǎn)品的用戶體驗(yàn)······

諸如此類寬泛的主題會(huì)讓問(wèn)卷的設(shè)計(jì)無(wú)從下手，為了更好地聚焦問(wèn)題的范圍和方向，我們要圍繞著至少1-2個(gè)核心目標(biāo)進(jìn)行拆分細(xì)化。

舉個(gè)例子：某平臺(tái)下單模塊耗時(shí)較長(zhǎng)，年輕用戶流失率上升且對(duì)官方軟件吐槽較多，品牌影響較為負(fù)面。本次調(diào)研，主要針對(duì)年輕用戶在平臺(tái)的購(gòu)票路徑，分析該用戶群體在下單過(guò)程中的操作節(jié)點(diǎn)與關(guān)注點(diǎn)，探索用戶流失與差評(píng)的原因。

2. 確定目標(biāo)用戶

為了讓調(diào)研目標(biāo)和用戶的需求相匹配，忽略調(diào)研目的不相關(guān)的用戶，我們首先需要將用戶分群。除了用戶分群，我們還經(jīng)常聽(tīng)到另一個(gè)概念：用戶分層。這兩者是什么關(guān)系？有什么區(qū)別嗎？

舉個(gè)例子：

如果按性別將用戶分為男女兩個(gè)群體，這兩個(gè)群體之間是平行關(guān)系，那就是用戶分群。

如果按照“AARRR模型”將用戶分成5個(gè)群體，即新用戶、下載用戶、活躍用戶、興趣用戶和付費(fèi)用戶，這5個(gè)群體之間是遞進(jìn)關(guān)系的，那就是用戶分層。

兩者本質(zhì)上都是在某些維度，將用戶劃分成不同群體的方法。所以，用戶分層其實(shí)是一種特殊的用戶分群方式。

常用的用戶分群維度有：數(shù)據(jù)范圍、用戶行為和用戶屬性三個(gè)維度。

1）數(shù)據(jù)范圍：時(shí)間范圍、次數(shù)范圍、消費(fèi)范圍等。

例如：最近14天內(nèi)登錄；下單大于7次；累計(jì)消費(fèi)金額大于1000元，或者給出一個(gè)其它的數(shù)據(jù)范圍。

2）用戶行為：圍繞調(diào)研目標(biāo)，明確用戶的核心行為路徑及分支路徑，然后根據(jù)是否完成核心路徑來(lái)對(duì)用戶分類。

例如：提交訂單的用戶；完成消費(fèi)的用戶；訂票中使用了搜索功能的用戶······

3）用戶屬性：一般會(huì)從業(yè)務(wù)流程的角度出發(fā)，基于產(chǎn)品的核心功能或者整運(yùn)營(yíng)玩法，對(duì)用戶進(jìn)行屬性分類，比如：

例如：用戶的性別；用戶的職業(yè)；是否注冊(cè)會(huì)員。

4）特別注意：分類的原因一定要緊貼研究目標(biāo)，不能為了分類而分類。

無(wú)意義的分類不但不能幫助完成調(diào)研目標(biāo)，還會(huì)增加后期分析數(shù)據(jù)的任務(wù)量。

舉個(gè)例子：性別在以消費(fèi)為核心的產(chǎn)品中會(huì)有明顯的區(qū)別，男性和女性就是兩個(gè)相異的群體，應(yīng)該進(jìn)行分群，但是在某些工具類的APP中，或許就沒(méi)那么必要了。

3. 了解行業(yè)情況

閱讀相關(guān)的行業(yè)研究報(bào)告或做競(jìng)品分析研究，通過(guò)吸取現(xiàn)有的經(jīng)驗(yàn)和教訓(xùn)，可以提高問(wèn)卷的制作效率、避免走錯(cuò)方向，也能提供新思路。

給大家推薦一個(gè)整合網(wǎng)站，里面幾乎把互聯(lián)網(wǎng)所有常用的網(wǎng)站都做了整合，包括行業(yè)視野、數(shù)據(jù)查詢、素材資源等各大網(wǎng)站?；ヂ?lián)網(wǎng)人必備！

名稱：產(chǎn)品經(jīng)理導(dǎo)航 鏈接：https://www.pmbaobao.com/

4. 形成前期報(bào)告并提出假設(shè)

對(duì)調(diào)研結(jié)果進(jìn)行分析，并提出假設(shè)。之后的問(wèn)題設(shè)計(jì)將圍繞著這些假設(shè)進(jìn)行。

舉個(gè)例子：

比如現(xiàn)在要為盲人設(shè)計(jì)一塊手表，通過(guò)大量的調(diào)研，我們得知大部分盲人用戶希望手表的外觀要簡(jiǎn)單大氣，且不喜歡語(yǔ)音播報(bào)的功能。

這時(shí)我們就可以假設(shè)：

因?yàn)槊と诵枰?jīng)常獲取時(shí)間，所以他們希望在獲取時(shí)間的時(shí)候不要出聲、盡量不要打擾到別人，也不希望自己的隱私暴露，所以將手表設(shè)計(jì)的大氣普通能讓他們有更好的體驗(yàn)。

5. 將假設(shè)轉(zhuǎn)變?yōu)楣?/h3>

還是以盲人手表的設(shè)計(jì)為例：

盲人手表的設(shè)計(jì)=外觀+時(shí)間獲取方式+續(xù)航+質(zhì)量。

翻譯一下就是：盲人手表的外觀要簡(jiǎn)單時(shí)尚，可以通過(guò)觸摸來(lái)獲知時(shí)間，產(chǎn)品的續(xù)航和質(zhì)量要強(qiáng)。

三、設(shè)計(jì)問(wèn)卷

1. 問(wèn)題的種類

問(wèn)題按照內(nèi)容可分為四類，即背景性問(wèn)題、客觀性問(wèn)題、主觀性問(wèn)題以及檢驗(yàn)性問(wèn)題。

1）背景性問(wèn)題：背景類問(wèn)題通常想要了解用戶的個(gè)人資料有關(guān)的信息，旨在對(duì)調(diào)查的不同人群作分類統(tǒng)計(jì)，從而反映不同類型用戶的情況。

舉例：你的教育程度是？

A. 高中以下；B. 高中或中專；C. 大?；虮究疲籇. 本科以上

2）客觀性問(wèn)題：指實(shí)際發(fā)生的行為和事實(shí)。包括用戶的行為習(xí)慣和產(chǎn)品功能方面的實(shí)際問(wèn)題。比如使用目的、用戶行為習(xí)慣，使用某功能的情況等。

舉例：在京東購(gòu)物，物流配送時(shí)你會(huì)選擇哪種配送方式?

A. 自營(yíng)物流配送；B. 第三方物流配送；C. 兩者都可。

3）主觀性問(wèn)題：主觀性問(wèn)題通常想要了解用戶對(duì)產(chǎn)品的了解程度和態(tài)度，反映的是用戶的主觀感受和認(rèn)識(shí)，包括意見(jiàn)、情感、動(dòng)機(jī)、信念、價(jià)值觀以及滿意度等。

舉例：你認(rèn)為京東這種配送模式的前景如何？

A. 發(fā)展空間較大，容易接受；B. 兩種模式直接存在很多問(wèn)題，不利于發(fā)展；C. 短期內(nèi)不會(huì)有較大發(fā)展D. 其他

4）檢驗(yàn)性問(wèn)題：指通過(guò)兩道互斥的問(wèn)題來(lái)判斷答題者是否認(rèn)真填寫(xiě)問(wèn)卷，目的是幫助篩選無(wú)效樣本，提高問(wèn)卷的有效性。

案例解析：假設(shè)用戶在問(wèn)題1中未選擇G選項(xiàng)(奢侈品)，但是在問(wèn)題2中選擇了A/B/C選項(xiàng)，那么這個(gè)樣本就是無(wú)效的。

2. 問(wèn)題的結(jié)構(gòu)

合理的排列組合方式更容易讓調(diào)查者回答，也利于對(duì)數(shù)據(jù)進(jìn)行整理和分析，問(wèn)題一般可采取以下幾種方式排列。

1）按難易度排序：

一般來(lái)說(shuō)應(yīng)該先易后難，由淺入深，先描述客觀問(wèn)題，后描述主觀問(wèn)題，先一般性質(zhì)的問(wèn)題，后特殊性質(zhì)的問(wèn)題。特別是敏感性強(qiáng)的問(wèn)題，更應(yīng)安排在問(wèn)卷的后面。

2）按類型排序：

把相同類型的問(wèn)題放在一起，這樣用戶可以一起回答，避免破壞用戶的思路。

3）按時(shí)間順序排序：

可以按照事情發(fā)生的時(shí)間，由遠(yuǎn)及近或者由近及遠(yuǎn)排序。無(wú)論哪一種排序，都應(yīng)該有連續(xù)性，不可來(lái)回跳躍。

下圖為《12306購(gòu)票體驗(yàn)調(diào)查問(wèn)卷》的排版參考。

3. 問(wèn)題的表述方式

1）具體性原則：即問(wèn)題的內(nèi)容要具體，不要提抽象、籠統(tǒng)的問(wèn)題。

例如一個(gè)款應(yīng)用的聊天功能中還有許多其它功能，比如“匿名匹配”、“視頻匹配”。僅僅詢問(wèn)對(duì)聊天功能的看法很難提取出有價(jià)值的信息。所以在問(wèn)題的修改上，我們需要更加具體。

2）單一性原則：避免一個(gè)問(wèn)句，多個(gè)問(wèn)題。

避免在一個(gè)問(wèn)題中提兩個(gè)及以上的問(wèn)題。兩個(gè)及以上問(wèn)題要拆開(kāi)問(wèn)。

3）通俗性原則：避免術(shù)語(yǔ)、黑話。

提問(wèn)的語(yǔ)言要通俗，不要使用被調(diào)查者感到陌生的語(yǔ)言，特別是不要使用專業(yè)化的術(shù)語(yǔ)，如算法、數(shù)據(jù)結(jié)構(gòu)、負(fù)空間模塊等等。

4）準(zhǔn)確性原則：問(wèn)題及答案一定要精確可度量。

比如“你的孩子是高是矮？”，高矮是相對(duì)的，同樣是180的身高，籃球運(yùn)動(dòng)員可能會(huì)覺(jué)得有些矮，但一般的女生則會(huì)覺(jué)得正好。所以不要使用含糊不清或容易產(chǎn)生歧異的語(yǔ)言或概念。選項(xiàng)一定要精準(zhǔn)和可度量！否則數(shù)據(jù)無(wú)法衡量。

5）客觀性原則：避免誘導(dǎo)性或傾向性問(wèn)題。

問(wèn)題帶有偏向性，會(huì)對(duì)被訪者產(chǎn)生“誘導(dǎo)”，導(dǎo)致其選擇出“暗示”的答案。

4. 特殊問(wèn)題表述方式

對(duì)于某些敏感性強(qiáng)的特殊問(wèn)題，在表達(dá)方式上應(yīng)該做些減輕被訪者敏感度的處理，以便他們更容易于面對(duì)這些問(wèn)題，從而做出真實(shí)回答。對(duì)特殊問(wèn)題的處理有以下幾種方法：

1. 釋疑法：即在問(wèn)題前面寫(xiě)一段消除疑慮的功能性文字，或在問(wèn)卷的說(shuō)明詞中表明此問(wèn)卷絕對(duì)保密，并說(shuō)明采取的保密措施。
2. 假定性：即用一個(gè)假言判斷作為問(wèn)題的前提，然后再詢問(wèn)被調(diào)查者的看法。如果視頻會(huì)員上調(diào)為10元/月，你是否會(huì)續(xù)訂會(huì)員服務(wù)？
3. 轉(zhuǎn)移法：即把活動(dòng)問(wèn)題的人轉(zhuǎn)移到別人身上，然后再請(qǐng)被調(diào)查者對(duì)別人的回答做出評(píng)價(jià)。

5. 分析問(wèn)題的方法

分析問(wèn)題的方法有很多，如SWOT 分析法、5W2H 分析法、麥肯錫 7 步分析法等等。下面我將介紹一下我最常用的MECE分析法及其使用步驟。

MECE原則：是巴巴拉·明托在《金字塔原理》（The Minto Pyramid Principle）中提出的一個(gè)很重要的原則。MECE的中文意思是“相互獨(dú)立，完全窮盡”。透過(guò)MECE 分析法，從達(dá)成目標(biāo)的最高層次開(kāi)始，一層一層往下，能將問(wèn)題拆成多個(gè)彼此獨(dú)立而完整的小問(wèn)題，讓我們更好理解問(wèn)題、也更容易進(jìn)行有效的分析與判斷。

相互獨(dú)立（ME）：同一個(gè)問(wèn)題的若干答案之間是互斥關(guān)系，不能有重疊的情況。例如男性和小孩有重疊的部分，就是不可以的。

完全窮盡（CE）：所列出的答案應(yīng)該包含問(wèn)題的所有情況。比如：實(shí)數(shù)可以分為正數(shù)、零、負(fù)數(shù)（夢(mèng)回高中時(shí)代）。

MECE的操作步驟：使用MECE 解決問(wèn)題的重點(diǎn)，首要是把問(wèn)題拆小，讓我們能更好理解。如何做才能做到不重疊、不遺漏地拆分呢?我們以12306的調(diào)查問(wèn)卷為例，介紹一下MECE的操作步驟。

第一步：確定范圍

明確當(dāng)下討論的問(wèn)題到底是什么，以及我們想要達(dá)到的目的是什么。這個(gè)范圍決定了問(wèn)題的邊界。這也讓“完全窮盡”成為一種可能。換句話說(shuō)，MECE中的“完全窮盡”是指有邊界的窮盡。

舉個(gè)例子：某平臺(tái)下單模塊耗時(shí)較長(zhǎng)，年輕用戶流失率上升且對(duì)官方軟件吐槽較多，品牌影響較為負(fù)面。本次調(diào)研，主要針對(duì)年輕用戶在平臺(tái)的購(gòu)票路徑，分析該用戶群體在下單過(guò)程中的操作節(jié)點(diǎn)與關(guān)注點(diǎn)，探索用戶流失與差評(píng)的原因。

所以此次調(diào)研范圍就是：年輕用戶、購(gòu)票路徑、用戶流失原因。

第二步：尋找符合MECE的切入點(diǎn)

所謂的切入點(diǎn)是指，你準(zhǔn)備按什么來(lái)分，或者說(shuō)大家共同的屬性是什么。比如，是按顏色分、按大小分、按時(shí)間序列分還是按重要性分？

舉個(gè)例子：對(duì)購(gòu)票路徑上我們可以從購(gòu)票流程中的功能需求，以及購(gòu)票的體驗(yàn)切入。對(duì)目標(biāo)用戶我們從用戶的年齡、行業(yè)、職業(yè)為切入點(diǎn)。

第三步：找出大的分類后考慮是否可以用MECE繼續(xù)細(xì)分

將上一步分出的大類繼續(xù)細(xì)分，讓目標(biāo)更加詳細(xì)明確。

舉個(gè)例子：功能需求上細(xì)分：購(gòu)票時(shí)關(guān)注的內(nèi)容、是否使用過(guò)底部篩選欄功能、是否查詢過(guò)中轉(zhuǎn)車次。使用體驗(yàn)上我們細(xì)分為：購(gòu)票中的不便、哪些信息消耗購(gòu)票時(shí)長(zhǎng)、購(gòu)買(mǎi)中轉(zhuǎn)車次的困難、以及想要增加的功能。

用戶職業(yè)上細(xì)分：學(xué)生、企業(yè)白領(lǐng)、自由職業(yè)。

第四步：確認(rèn)有沒(méi)有遺漏或重復(fù)

分完類之后重新檢查一遍，看看是否有遺漏或重復(fù)。建議畫(huà)出一個(gè)金字塔結(jié)構(gòu)圖，用可視化的方式比較容易發(fā)現(xiàn)是否有重疊項(xiàng)。

6. MECE的拆分方法

MECE的拆分方法具體分為以下四種：

對(duì)稱二分法：最簡(jiǎn)單的一種拆分方法，即把答案分為A和非A兩部分。

有個(gè)非常經(jīng)典的案例使用了這個(gè)分類方式，那就是7喜，它當(dāng)初打出的口號(hào)就是“非可樂(lè)”。另外，中國(guó)傳統(tǒng)文化中也有很多類似的二分法，比如陰陽(yáng)、有無(wú)、黑白等。

流程法：按照發(fā)生的順序?qū)κ挛镞M(jìn)行拆解

還是以12306的購(gòu)票路徑為例：

7. 通過(guò)福格模型，分析影響因素

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)。

當(dāng)我們利用福格模型去分析“購(gòu)票的流失問(wèn)題”時(shí)，就變成了：

動(dòng)機(jī)：購(gòu)票頁(yè)面哪些信息對(duì)用戶的吸引力高？哪些信息不被關(guān)注？

能力：購(gòu)票路徑是否過(guò)長(zhǎng)？用戶在哪一步驟流失嚴(yán)重。

提示：用戶是否注意到了篩選欄功能？如何減少不重要信息在用戶購(gòu)票過(guò)程中對(duì)用戶的干擾？

針對(duì)這三個(gè)因素，預(yù)測(cè)用戶在各個(gè)使用場(chǎng)景可能會(huì)遇到的困難，總結(jié)成問(wèn)卷，向用戶求證。

公式法：將問(wèn)題拆分成不同的構(gòu)成要素

公式法由加法拆解和乘法拆解構(gòu)成。

加法拆解：是種開(kāi)放式拆解，用散點(diǎn)的方式列出子項(xiàng)目，把問(wèn)題拆解成A+B+···+D 組成的方式，例如提升餐廳的營(yíng)收，可以拆解為提升午間的營(yíng)收＋提升晚上的營(yíng)收。乘法拆解：是封閉拆解，通過(guò)把問(wèn)題拆解為A x B x ···*D組成的方式，讓大問(wèn)題能被完整拆解，比如：收入=單價(jià)X銷量。乘法拆解不容易發(fā)想，但較容易符合「MECE」的相互獨(dú)立、完全窮盡的原則。

舉個(gè)例子：

以電商的GMV計(jì)算為例：

屬性法：屬性法是根據(jù)一個(gè)事物的組成要素進(jìn)行劃分的

近些年來(lái)各大廠都在制定自己的產(chǎn)品體驗(yàn)度量標(biāo)準(zhǔn)，如谷歌 HEART 模型、阿里的UES模型，螞蟻金服的PTECH模型，58同城B-Metric以及酷家樂(lè)四象模型等等。

建議：面對(duì)緊急問(wèn)題的時(shí)候，可以先以流程法快速分析該如何處理，緊接著以屬性法理清問(wèn)題，思考解決方案。分析是為了推進(jìn)目標(biāo)，不要過(guò)分迷信某一種分析方法，各種分析法只是加分項(xiàng)。

8. 答案的種類

答案有三種基本類型，即開(kāi)放型回答、封閉型回答和混合型回答。

回答問(wèn)題的方式多種多樣，以騰訊問(wèn)卷為例，常見(jiàn)題型有：

9. 答案的設(shè)計(jì)原則

答案的設(shè)計(jì)好壞會(huì)影響數(shù)據(jù)的有效性，所以在設(shè)計(jì)上需要注意以下幾點(diǎn)事項(xiàng)：

具體量化：

避免主觀描述，例如：經(jīng)常、幾乎、偶爾等。對(duì)于這種模糊的詞語(yǔ)，不同的用戶會(huì)有不同的理解。

保證答案的有效性：

不要設(shè)置類似“不知道”、“無(wú)所謂”這樣的中庸答案。如果不確定答案是否完整，可以將問(wèn)題設(shè)置為半封閉式。

答案要在同一層級(jí)：

答案必須是互相排斥的，不能有重疊的情況：

尤其是在數(shù)字上需要注意包含關(guān)系，比如“20歲以下”和“20～30歲”就存在重疊，應(yīng)該改為“19歲以下”和“20～30歲”。

多選要注意設(shè)置限制：

多選的話要設(shè)置上限，并在題干中特別注明，讓用戶填寫(xiě)過(guò)程中能夠直觀了解。

10. 問(wèn)卷評(píng)審

在內(nèi)部評(píng)審之前，首先要自審，試著自己做一遍問(wèn)卷，避免出現(xiàn)一些低級(jí)錯(cuò)誤，比如問(wèn)卷的邏輯性、用詞的通俗性、語(yǔ)意的表達(dá)等。

可以按照下面的清單來(lái)檢查問(wèn)卷：

四、問(wèn)卷的收發(fā)

發(fā)放問(wèn)卷前要確定時(shí)間、地點(diǎn)和目標(biāo)用戶。

1. 時(shí)間

時(shí)間上需要確定這兩點(diǎn)：

1. 問(wèn)卷的收發(fā)時(shí)間：根據(jù)項(xiàng)目的進(jìn)度安排，確定發(fā)放和回收問(wèn)卷的時(shí)間，避免和和其它項(xiàng)目在時(shí)間上有沖突。
2. 用戶的回答題時(shí)長(zhǎng)：問(wèn)卷的在發(fā)放和回收前，需要預(yù)估用戶的答題時(shí)間，然后確定答題所用的時(shí)間范圍，便于之后數(shù)據(jù)清洗。

2. 渠道

對(duì)APP應(yīng)用來(lái)說(shuō)，一般有以下幾種渠道。

• APP內(nèi)消息推送：可以實(shí)現(xiàn)精準(zhǔn)投放，但是受制于用戶是否開(kāi)啟消息通知，對(duì)用戶的打擾性較強(qiáng)。
• 廣告位推送：即啟動(dòng)頁(yè)、banner等形式。廣告位推送很難做到精準(zhǔn)推送，所以該方式會(huì)導(dǎo)致后期的數(shù)據(jù)清洗任務(wù)比較重。
• 用戶郵箱推送：推送至用戶的郵箱等聯(lián)系方式，優(yōu)點(diǎn)是可以實(shí)現(xiàn)精準(zhǔn)投放，缺點(diǎn)是任務(wù)量大，且回收率不高。

3. 目標(biāo)用戶

調(diào)研對(duì)象必須是目標(biāo)用戶。目標(biāo)用戶的不精準(zhǔn)會(huì)導(dǎo)致資源浪費(fèi)，也會(huì)加大數(shù)據(jù)清洗的工作量。

五、分析報(bào)告

1. 數(shù)據(jù)清洗

由于難以監(jiān)控用戶填答的過(guò)程，致使問(wèn)卷中常隱藏著一些不真實(shí)的數(shù)據(jù)，因此回收問(wèn)卷后的第一步，就是剔除無(wú)效的、亂填的樣本，專業(yè)名稱叫做數(shù)據(jù)清洗。下面總結(jié)了一些清洗的標(biāo)準(zhǔn)供大家參考。

1）未完整填答必答題的樣本：首先需要剔除未完整填答必答題的樣本，即未完整填答問(wèn)卷的樣本。其次根據(jù)項(xiàng)目需求和回收的樣本數(shù)量來(lái)決定是否需要剔除非必答題未完整填答的樣本。

2）非目標(biāo)用戶的樣本：剔除那些非目標(biāo)用戶的樣本。比如你要探索年輕用戶流失率上升的原因，就要剔除“年齡”上不符的樣本。

3）不在規(guī)定提交時(shí)間范圍的樣本：填答時(shí)間不在問(wèn)卷規(guī)定范圍內(nèi)的屬于無(wú)效樣本。

4）填答時(shí)間范圍：一般情況下，填答每道問(wèn)題需要5秒，因此最低填答時(shí)間即為5秒*題目數(shù)量，最高的填答時(shí)間不超過(guò)30分鐘。

5）連續(xù)性、規(guī)律性回答的樣本：選擇同一選項(xiàng)過(guò)多的、填答呈現(xiàn)某種規(guī)律性的樣本應(yīng)被剔除。

舉個(gè)例子：如某樣本在填答中呈現(xiàn)“A-B-A-B”或”A-B-C-D”等規(guī)律，或者大部分答案選A的樣本。

6）檢驗(yàn)性問(wèn)題回答錯(cuò)誤的樣本：我們?cè)谥皢?wèn)題的設(shè)計(jì)中講過(guò)，要設(shè)置一些檢驗(yàn)性問(wèn)題，來(lái)判斷被訪者是否認(rèn)真作答，這里就不再贅述了。

2. 如何對(duì)問(wèn)卷數(shù)據(jù)進(jìn)行基礎(chǔ)分析

問(wèn)卷數(shù)據(jù)分析時(shí)，最常使用的分析方法為頻數(shù)分析、描述分析、交叉分析。

1）總體頻數(shù)

總體頻數(shù)可以了解用戶總體的行為、態(tài)度偏好。拿到問(wèn)卷數(shù)據(jù)后，可以看一下每個(gè)選項(xiàng)的比例，從而對(duì)數(shù)據(jù)分布有一個(gè)整體了解。

例如：統(tǒng)計(jì)一款英語(yǔ)學(xué)習(xí)軟件，用戶希望增加的單詞書(shū)類型

2）分組頻數(shù)

分組頻數(shù)可以了解不同維度上的用戶行為、態(tài)度偏好。除觀察各選項(xiàng)的總體分布趨勢(shì)外，也可將具有相似特征的選項(xiàng)進(jìn)行合并分組分析，從而獲得更宏觀維度上的數(shù)據(jù)解讀。

舉個(gè)例子：

有時(shí)候我們不需要這么細(xì)致的分析維度，此時(shí)可以把這5個(gè)要素分組為單詞信息層面和平臺(tái)層面，來(lái)觀察用戶更關(guān)注哪個(gè)層面。將各選項(xiàng)百分比加總后可以得出結(jié)論：記憶單詞時(shí)，用戶更在意平臺(tái)層面的信息。

3）描述分析

描述了解用戶行為、態(tài)度（數(shù)值型變量）的基本特征和整體分布形態(tài)，同時(shí)可為后續(xù)做更復(fù)雜的分析和模型（如用戶畫(huà)像）做鋪墊。例如計(jì)算樣本的平均收入、平均年齡等。

4）交叉分析

了解用戶屬性、行為、態(tài)度間的關(guān)系。適用于對(duì)兩個(gè)及兩個(gè)以上變量之間的關(guān)系進(jìn)行分析，以騰訊問(wèn)卷為例，為大家簡(jiǎn)單介紹一下交叉分析的具體流程。

第一步：進(jìn)入要分析的問(wèn)卷。

點(diǎn)擊進(jìn)入工作臺(tái)??選擇要分析的問(wèn)卷??點(diǎn)擊統(tǒng)計(jì)??點(diǎn)擊交叉分析。

第二步：篩選出符合條件的樣本。

可以按照提交時(shí)間、答題時(shí)長(zhǎng)等信息進(jìn)行篩選，也可以按題目篩選。按題目篩選時(shí)要注意：不同題目間為交集篩選，同一題目各選項(xiàng)間為并集篩選。

該怎么理解呢？我們以下圖為例：

并集篩選：對(duì)于“您的職業(yè)是？”這個(gè)問(wèn)題，你既可以只篩選職業(yè)為學(xué)生的樣本，也可以把所有職業(yè)的樣本都選出來(lái)。

交集篩選：而對(duì)于“您的職業(yè)是？”和“購(gòu)買(mǎi)車票時(shí)，比較關(guān)注的內(nèi)容有哪些？”這兩個(gè)問(wèn)題，你只能選擇同時(shí)選擇了“學(xué)生”和“票價(jià)”的樣本。

第三步：確定定義行與定義列。

定義行一般為樣本屬性，如性別，年齡等。定義列一般為需要分析的題目，如愛(ài)好、意愿等。

確定好以后點(diǎn)擊開(kāi)始分析。

于是我們就可以得到：

白領(lǐng)用戶在購(gòu)票時(shí)，最關(guān)注的是“車次類型”，占比為XXX%。

學(xué)生用戶在購(gòu)票時(shí)，最關(guān)注的是“票價(jià)”，占比為XXX%。

自由職業(yè)的人更關(guān)注“耗時(shí)長(zhǎng)短”，占比為XXX%。

3. 工具推薦

推薦簡(jiǎn)道云、問(wèn)卷星、騰訊問(wèn)卷這三款問(wèn)卷工具。

1）簡(jiǎn)道云

可做問(wèn)卷調(diào)查、團(tuán)隊(duì)管理應(yīng)用；功能非常強(qiáng)大，數(shù)據(jù)搜集和報(bào)表分析都很棒.

地址：https://www.jiandaoyun.com/index/solution_center?utm_src=fazxzhm

2）問(wèn)卷星

大學(xué)時(shí)期常用的一款軟件，專業(yè)做問(wèn)卷；簡(jiǎn)單明了上手快。

地址：https://www.wjx.cn/

3）騰訊問(wèn)卷

騰訊自家旗下的軟件，適合在QQ空間、微信朋友圈轉(zhuǎn)發(fā)。

地址：https://wj.qq.com/

六、總結(jié)

調(diào)查問(wèn)卷的制作不是一件輕松的事，但是對(duì)于挖掘用戶需求是很好的一種手段，你可以在訪談的過(guò)程中了解不同的用戶平時(shí)是在什么場(chǎng)景使用產(chǎn)品的，最常用產(chǎn)品什么功能，以及用戶在使用過(guò)程中心理和情緒上的變化。每個(gè)用戶研究人員需要有一套自己的方法論去挖掘用戶的需求，做有理有據(jù)的設(shè)計(jì)。

以上就是關(guān)于調(diào)查問(wèn)卷如何設(shè)計(jì)的內(nèi)容，希望對(duì)你有幫助，感謝大家的閱讀。

文獻(xiàn)參考：https://www.yuque.com/yiehaole/vgvswi/7cca9918-dd98-45cb-b2e2-6c063921dba3https://www.zhihu.com/question/30470196https://www.zhihu.com/question/313013463https://www.zcool.com.cn/article/ZMTIzNjA4NA==.htmlhttps://mp.weixin.qq.com/s/7m7FAog_CWPEYFuLwftcnQ

本文由 @一鵝好了 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash，基于CC0協(xié)議。