一篇文章搞定问卷调研
问卷调研可以说是所有的调研方法中最高效、最便捷的数据收集方法。特点是能在短时间内完成对大样本的数据收集工作。
问卷的题干对问题具有极大的针对性，因此特别适合用在抓取产品特定问题，并且能够提供精准答案的场景下。
而问卷调研的结果又常常采用数据图表作为最终的视觉展现效果，所以在设计问卷的时候，必须先明确一下数据的收集规则、分析方法，这样才能做到对症下药。
就目前的互联网环境而言，最热门的问卷投放形式主要是采用网络问卷，其次是纸质问卷、电话询问等传统的问卷形式，不过这些形式所占比例较少：
纸质问卷常见的投放形式是面对面投放，它的优势在于可以在用户填写时，直观地观察到受访者的行为态度数据。
比如在线下场景顾客购买奶茶的同时，做一份有关奶茶口感的问卷......
而电话询问的形式主要是被三大电信运营平台惯用，比如“充值服务请按1，人工服务请按0……”
电话访问的好处在于沟通方便，对客户有现成的联系方式，可以及时地获取到相应的定量数据。
但是相较于其他问卷形式笔者个人认为其弊大于利，主要原因有以下三点：
1.不方便获取用户行为态度数据；
2.电话存在隔阂，不近人情；
3.电话环境下受访者不可控性大，容易随时挂断…...
（更多关于电话描述的内容详见后文，此处不作过多赘述。）
在本篇文章中，对于问卷调研的核心环节主要会围绕问题的编撰和设计来展开。
一般的问卷调研主要分为四个步骤：
考虑适用场景、编纂问卷问题、问卷发放形式和回收、数据统计和分析。
下面我们就来聊一聊关于问卷调研的详细内容：
站在产品生命周期的角度看，在产品初创期、迭代期、成熟期都可以进行问卷调查。
这不仅可以帮助调研人员理解用户的基本需要和本质需求，同时获取的数据也可以指引产品更接近或达成目标。
问卷调研对于初创期的产品有以下帮助：
1.可以帮助产品确定目标用户；
2.结合问卷获取的用户痛点和需求，帮助产品确定某些功能点的开发方向；
3.可以加入适量的场景问卷，了解目前用户在某个目标问题上的解决流程。
问卷调研对于迭代期的产品有以下帮助：
1.了解当下用户的群体特征；
2.追踪用户的情感演变过程，找出用户喜欢/讨厌的功能或交互；
3.了解用户对产品最新的情绪和态度。
问卷调研对于成熟期的产品有以下帮助：
1.可以通过问卷了解到用户对产品的满意度、推荐值，方便销售/运营人员进行精准化营销；
2.加速商业价值的变现。
当然，和其他方法一样（如用户画像、用户访谈、卡片分类等），问卷调查既可以作为单独的调研活动，也可以配合其他调研活动进行补充说明。
比如前期借助用户画像助力问卷调研，从而精准锁定目标用户；
通过进行问卷投放，利用问卷调研先筛选一部分无效用户，再后续邀请有效用户进行用户访谈……
现在我们了解了关于问卷调研适用的一些场景和大致情况，接下来我们就结合产品生命周期和当下所面临的一些问题开始有针对性的编撰题干吧！
很多读者对于问卷调研的刻板印象就是是：速度快，效率高。所以在编撰问题的时候，容易盲目地追求速度，导致问卷质量出现问题。
其实问卷调研是一项极具挑战性的用户研究方法，正确地编撰、设计和执行需要花费大量的时间和精力。
对于问卷的核心环节--问卷编撰部分，笔者主要将它分为确定问卷目标、确定调研基数、进行问题编撰、问卷构成要素这四个步骤逐一讲解。
下面我们就来详细拆解关于问卷题干设计的具体内容：
开始进行编撰之前，首选需要明确产品当下的商业目标和需要解决的问题，就相关问题所需要的解答进行内容编纂，也就是前文提到的反推法。
下面对一些需要明确的方向进行列举：
就目前产品生命周期而言，定义的商业目标和设计目标分别是什么？
通过问卷，想要获取到哪些有用、有价值的信息？
如何确定问卷所投放的目标用户群体？基数需要多少；
问卷的预期应答分布侧重点在哪？
编撰完问卷之后，又该如何进行发放和回收？是利用线上平台还是线下发放/回收？
回收来的数据该如何收集整理归纳，利用哪些统计软件、分析模型对数据进行处理？
……
尤其是第一点，面对产品的不同生命周期，所需要的问卷答案也各有侧重点。
经过前文我们大致了解到：
初创期产品目标主要集中在用户行为习惯、需要、需求方向上；
迭代期产品更多的是将目标集中在如何使功能更完善、用户体验更高效上；
成熟期产品目标多集中在用户的态度、满意度、NPS上。
所以明确产品当下的商业目标，围绕需要解决的问题，可以帮助我们更好的编纂问题，确保问卷答案具备针对性，才能在接下来的流程当中逐渐明朗问卷的提问方向。
问卷的基数会影响结果的偏差，尤其是在概率抽样和非概率抽样的影响下，偏差尤为明显。
➡️站在统计学角度来看，概率抽样的用户群体覆盖面会更广，既涵盖主要用户，也包含了辅助用户，这样才能够确保样本的准确性。
反之非概率抽样的数据结果往往会比概率抽样的准确性更低，甚至还会出现大面积的数据偏差。
这个时候就需要在后期对数据进行微调，甚至通过加入人工干预的方式来矫正数据的准确性。
➡️而站在数量的角度来看，概率抽样的问卷基数范围或数值偏大时，可以确保调研数据的准确性和有效性。
但是一旦当基数范围或数值偏小时，比如只有几个人的时候，问卷调查往往会被发展成反馈表的性质。
一旦变成了用户反馈表，问卷调研就失去了存在的意义，也就转变成了用户痛点陈述或是说意见反馈表了。
当然，所谓物极必反，调研基数的范围或数值也并不是越大越好：
随着基数的上升，所获得数据的性价比会随之降低，就像中国儒家讲求的中庸之道一样，总有一个合适的区间可以找到基数与性价比的最优比。
因此，一份合适的调研基数还是需要结合统计学、分析学来确定当前产品适合的基数是多少，而不是拍脑门决定。
在问题编撰上，问题的题型主要有封闭式题型和开放式题型两类：
封闭式题型的优点很明显：
就是对所选答案或观点具备唯一性，也就是选项中可选出明确并且唯一的答案（多选除外）。
不过它的局限性也同样突出：
由于给出了固定选项，因此扩展性较差，难以满足用户的其他选择需要，对于参与者来说不够友好，灵活程度低。
日常生活中，我们常见的封闭式问卷的形式主要有三类：
选择类问卷、评分类问卷和排序类问卷。
下面我们就来详解一下这三类问卷的区别和它们具体的表达形式：
➡️选择类问卷：选择类是问卷当中最常见的一种问卷形式，主要分为单选和多选两种。
单选题型具备答案唯一性，且目标明确，如下图。
单选题有两种展现形式，一为直接罗列选项，二为下拉选择。笔者建议在单选选项多于5个（不含）时采用下拉选择来展现选项会更合适。
而多选的题型虽然给定了固定答案，不过选项多样，对调研人员后期的统计分析难度会加大，如下图。
⬆️数据获取的角度来说，多选比单选更有价值
虽然选择题型在分析结果上轻松，但是在用户体验上缺乏对参与者的关注，并且这对最后的数据结果存在一定的影响。
此外，当选项中涉及“其他”选项时，参与者会计算答题成本，很大程度上会选择“其他”选项。
因为选择“其他”会比反复斟酌另外一些答案要来的更容易些（正向陈述效应）。
而加入“其他”选项的唯一好处也许就是可以避免选择困难症的发生，但是对于数据来说这是虚有其表的选项。
另外还有一种选择形式是封闭式和开放式相结合，如下图：
前几个都是固定，会在最后提供一个可填写的选项，这类题型的优点在于可以获取除现有选项以外的补充信息，但是对于后期统计数据来说容易出现偏差。
➡️评分类问卷：最常见的评分类问卷是李克特量表（Likert Scale），也就是我们平常见到的评分表。
通过李表获得的数据结果，常常被统计分析成NPS净推荐值，本篇文章第二部分将会介绍如何分析NPS净推荐值。
评分表主要有两种结构，一是单极结构，常见的形式是0～10的定级，如下图。
二是双极结构，常见的为非常不满意～满意～非常满意。
目前市面上常见的评分表主要出现在“满意度调查类”中，并且常常将单极结构的数字形式和双极结构的文字形式相结合来展现，如下图。
由于每个人对评分的定级不同，比如对健康的评定，A认为7为亚健康，B认为7为健康。
因此在设计评分量表时，建议引入“标准点”的方法来限制评分带来的异质性问题。
➡️排序类问卷：需要参与者对偏好进行排序，是对排列选项定义优先级的一种封闭式排序表。
由于排序表选项内容偏多，参与者理解难度会加大，因此在设计时，建议将内容作分点提问，可以降低参与者的认知和理解成本，如下图。
拆分提问形式之后如下图。
⬆️将问题拆分提问，同样可以实现优先级定义
大多数情况下，调研人员所需要的答案仅仅只有最优的前三类选项而已。
随着互联网问卷的出现，交互形式越来越多样，现在的排序表已经摆脱了传统的排序展现形式，如下图。
更高效、更直观的排序表让用户在操作上的认知降至最低，通过简单的拖拽操作即可将所有选项进行优先级排序。
看到这里，许多读者会疑惑：评分表和排序表很像，他们的区别在哪？
二者的不同之处在于：
前者的答案需要对选项进行非同级比较，且答案是唯一性的；
后者则需要为每一个选项的偏好程度进行打分/排序，是一种同级比较的形式，答案往往有多个。
开放式题型的优点是：
能够更好地收集参与者天马行空想法，帮助研发人员开阔看待产品的视角。
不过由于太过开放，因此其劣势也比较明显：
开放式问卷对内容的把控力度较差，后期数据分析会比较复杂；
参与者所回复的内容不可控--专业术语、不同名词定义等。也许会和用户的认知形成偏差，从而导致问卷描述出现问题。
笔者建议开放式问题可以放在最后作为补充选项，并设置为选填机制。
常见的开放式问卷形式较为单一，市面上常见的展现形式主要是填写类问卷。
填写类问卷又分为基础信息类填写和扩展内容填写：
➡️基础信息填写都是一些用户名、联系方式、地址这些内容，一般情况下这些填写内容涉及到了个人隐私，建议设计者设置为选填机制，如下图。
当然部分内容可设置为强制必填，比如疫情期间的“姓名+身份证识别”这种相互绑定的形式。
➡️扩展内容填写一般都是留在最后，比如您目前对公司还有哪些意见或建议、您对xxx的意见如何等，这部分内容多为选填形式，如下图。
知悉了问卷调研活动的核心内容--题型后，接下来我们可以对整体问卷进行包装，方便后续进行渠道投放。
同时，经过包装的问卷可以让用户清楚地知道本次调研的背景和目的，在一定程度上抵消了一部分用户被提问时的抵触心理。
问卷构成要素包括以下内容：
致辞页、问卷背景说明、激励措施、调研目的这些内容常常被放在问卷的第一页，作欢迎、致辞之用。
建议在此页中可以适当地加入保密协议（勾选形式），告知用户本次问卷所涉及的全部内容仅作为内部调查，绝无外泄的情况发生，请参与者放心填写，缓解参与者在填写时可能会产生的顾忌心理。
其次是问卷主干，也就是前文提到的问卷编撰模块，建议总长控制在16-20题，采用单选、多选、开放式填写的顺序进行问题展现。
原则上建议整体问卷的排序应该是先易后难，一些基础的内容可以放置在问卷最上方，中部区域设计成核心问题的解答，最下方的部分可以置入开放式问题和一些可选的敏感问题，具体问卷题型展现详见下方链接。
（以20题为例）
把无需用户过多思考且对问卷有帮助的问题设置在前3项，诸如获取渠道、下载平台等，可以起到引题、活跃作答气氛的效果；
核心问题放在4～16，建议以封闭式选项为主，切忌不要出现主观引导的题干，比如“公司认为xxxx，请问您是否认同”这样偏主观引导性的题目，这样的答案对于最终数据分析来说毫无意义；
开放问题建议放在17～18，此类问题是用户自主发出，这些是本次问卷当中最具价值的问题。
隐私问题建议放在内容最后19～20，诸如联系方式、性别、收入等以选答的形式出现；
封底是感谢页，感谢参与者填写问卷的提示语作为本次问卷的结束致辞。
如果有报酬激励措施，建议在这页上加入提示语，如“感谢您的参与，100积分将于三个工作日内发送至账户，届时请注意查收”。
针对17～18题，一定需要经过精心设计，主要针对问卷前段没有涉及到的问题，交给用户自己进行扩展补充。
虽然后期数据统计工作量会稍大，但是相信所获得的价值是不菲的；
如果有报酬激励措施，建议在封底页上加入提示语，如“感谢您的参与，100积分将于三个工作日内发送至账户，届时请注意查收”。
关于上述顺序，笔者在腾讯问卷上作了样本参考，诸位读者可以点击下方链接跳转新页面。
https://wj.qq.com/s2/7320973/5663/（点击跳转）
⬆️样本将采用银行内容作为载体。世界上最早采用问卷调研的是德意志银行，因此银行的例子会更具代表性。
在开始投放之前，如果有条件的调研人员可以进行一场预测试，防止问卷在投放过程当中出现一些不必要的问题。
诸如题干不明确、投放渠道出错、问题的交互逻辑混乱等。
最简单的预测试对象莫过于邀请同事参与，这里要注意所邀请的人员尽量挑选一些符合用户画像的同事参与。
因为符合用户画像的同事可以确认问题是否简单易懂，可以直接帮助问卷提升作答效益。
当然“出声思维”是个不错的测试方法：
它适用于任何的预测试活动，可以高效地获取在预测试的过程当中所遇到的问题，从而快速定位、快速解决。
关于出声思维将会在后续的《可用性测试》文章当中详细描述。
最后将获得的预测试的数据进行预分析，虽然是预测试数据，但是分析方法和过程对于正式测试来说一模一样。
这有助于我们提前发现所获得的数据漏洞并加以优化，防止在正式分析的时候出现纰漏。
问卷的发放形式有很多，诸如纸质问卷、电子邮件、电话询问、互联网问卷等。
纸质问卷是最传统也是最基础的形式，通常是基于面对面的调研场景，因此会适当地加入用户访谈成分（前提是以问卷调查为主要调研活动）
电子邮件问卷是依赖互联网的一种传统问卷形式，星巴克就经常采用电子邮件的形式，作为顾客消费商品之后的满意度调查回访。 目前仍然有部分企业会采用电话询问的形式，比如10086就经常通过电话回访对消费者进行相关的问卷调查，并在后续通过短信的方式邀请顾客对本次服务作出评价。
相比之下，互联网问卷形式就高效便捷了很多：
它是基于互联网进行传播的问卷形式，比电子邮箱问卷更便捷、更高效，同时互联网问卷也是当今时代下利用最频繁的问卷投放形式。
那么下面我们就来详细聊聊，关于互联网问卷又有哪些需要注意的内容呢？
首先，利用互联网进行投放的最大好处是高效便捷性；
其次，是互联网投放的成本低廉，借助一些投放平台可以在短时间内将内容投放至目标用户身上，这是任何问卷形式所无法取代的优势；
并且，基于开发技术，填写问卷的交互体验更加新颖和友好，比如对问题的父子级关系展示，能够允许问卷衍生出更多复杂的逻辑关系；
此外，进度指示可以直观地告诉用户目前表单所填进度，缓解用户焦虑的情绪，避免参与者提前退出答卷的情况发生；
而且，问卷格式的统一性，对于后续数据的导出和处理分析更加方便；
最后，在问卷统计分析阶段，部分问卷平台可以直接展现分析结果，节省了人工手动输入统计并分析的环节。
像问卷星、腾讯问卷等，在完成问卷回收之后，都会给予调研人员导出数据的功能。
甚至可以直接省去导出步骤，直接在平台上进行数据分析，直接查看最终结果即可。
不过，利用平台上可以运算一些简单的数据分析结果，一旦涉及到复杂的或者专业的数据分析，建议还是采用专业的分析模型/软件进行操作。
诸如SPSS、R语言、SynCaps等专业的统计软件，这些都可以帮助研发人员节省大量的时间成本。
同任何调研活动一样，进行问卷调研活动也需要注意相关的影响因素。
➡️以下罗列了一些问卷调研当中需要注意的事项和规避方法：
●避免模糊词汇，要明确地表述句义，做到措辞的准确无误，切忌模棱两可的表述情境；
●避免复合问题的设计，也就是在一个问题当中设计多个提问点，这会让参与者在回答时，不知道回答哪个方向的内容，从而产生数据偏差。
如果篇幅不限，建议将多点问题拆开提问，如下图所示；
●切忌在题干中加入主观观点。
在题干中应避免涉及引导性词汇，不要在描述中加入出题人的主观观点或是想法，
比如您对“我们部门内每个职位的分工和职责都很明确”是否认同？往往员工碰到这类问题只能选择是，这就产生了正向陈述效应；
●对敏感问题的把控。
可以采用匿名的形式展开对敏感问题的提问，或者设置为可选，将是否填写的权利转交给参与者。
建议在问卷的最后部分再加入敏感问题，这样可以避免问卷被提前终止的情况发生。当然最好的解决办法就是尽量避免涉及敏感问题；
●提问需要保持简洁。
往往问卷的内容篇幅很长，参与者在填写时很容易产生焦虑心理，此时借助有效的视觉美化和排版可以在一定程度上缓解负面情绪。
如果美化之后依然冗余，建议对大问题进行拆分处理，如上文提到的“排序类问卷”例子。
再者可以将问题进行细分，分配给不同的参与者，通过多个参与者回复某些问题，最后进行问题合并为同一类数据的方式进行提问；
●提前构建用户画像，保证问卷所投群体的准确性，减少无效问卷的产生；
●问卷次序内容的设计上要符合逻辑关系。
比如A-1和A-2的父子级逻辑，要保证出现先后的顺序。
➡️问卷设计的过程当中，同样会涉及部分心理学知识。
以下罗列了一些常见的问卷心理学：
●选择偏倚。
选择偏倚的产生主要在前期人员的筛选上。
为了节省成本往往不会考虑利用用户画像去锁定用户群，反而去原先数据库里面选择用户，也就是访谈人群重复利用。
访谈用户的重复利用显然是低成本高效性的，但是获取的数据可能存在误差，这就是选择偏倚。
比如研发人员想调研产品投放至市场的占比情况，但是为了节约成本，将目标用户锁定为目前正在使用本产品的用户，并进行问卷投放，那么最终数据只能是本产品用户所提供的数据，并不能反映出当下市场占比的数据情况。
如果想要让问卷的普适性更广，建议加入第三方投放渠道，可以是社群、线下纸质问卷等多种形式，渠道越广，对所收获的普适性数据准确度就越高。
●无应答偏倚。
顾名思义，就是问卷投放之后无人应答，有很多的因素会导致无应答的情况发生，诸如渠道限制、目标用户范围局限、时间短、问卷理解难度稿等。
因此需要通过各种手段来激励用户填写--答卷时间长短、激励措施、适当的问卷提醒等方式，增强被作答的机会。
●正向陈述效应。
这是一种决策倾向，指回复者回答问题时，更倾向于选择正向陈述的选项，并在这类反应中投入较少的认知努力。
这个倾向适合用在问卷的一开始，做一些简单的热场活动较为合适。
当然在用户遇到一些选择困难或是难度较高的问题时，用户也会产生这个效应，比如前文提到的“是否认同”例子。
为了缩短思考时间甚至是不思考，用户会下意识地去选择自己能第一时间回答出来，或便于理解的答案。
在电话调查当中，正向陈述最容易发生。
因为其答案选项的出现顺序是一种线性方式，用户往往会选择认知中最简单的选项作答，因此大部分用户会直接选择前几个选项（易于认知）或是最后几个选项。
最真实的例子就是打10086电话客服的时候，通常都是按照1234…的顺序来播报问题选项/答案，很多的用户当听完所有的选项之后，往往会忘记前几个选项是什么（7±2法则）。
因此用户往往会根据所听到的顺序描述选择一个就近的，“自认为”最符合正向陈述效应的答案，从而忽略后续未播报的最佳答案。
●默许偏差。
是指双重问题和引导性问题容易产生默许偏差，也就是部分问题的回答，用户倾向于同意他人的说法或做法。
比如在问卷中引入某个教授或是专业人士观点，会导致参与者从众心理的产生，甚至为了自身的尊严被迫去选择自己所讨厌或不确定的答案，这就是从众效应。
从众效应分两种：一种是规范性影响，另一种是信息性影响。
当个体缺乏自信时，从众现象就会增加：
1.规范性影响：
背离社会规范会导致拒绝，而“与众人保持意见一致”将提升或保持自己的被接纳性，
比如人们处在法治社会下的所有行为都收到了法律保护和约束，这就是基于规范性影响。
2.信息性影响：
我们赞成他人，可能仅仅只是因为我们认为专家更懂得什么是正确的选择。
比如学生对于老师所教授的专业知识的权威性认可。
在一开始“确定问卷目标”部分，笔者给出应该先明确数据分析方法的观点。
这样既可以明确问题也可以高效地解决问题，因此提前选择好数据的分析方法可以为后续数据分析保驾护航。
本小节主要介绍关于“问卷调查满意度--NPS净推荐值”的数据分析方法：
NPS（Net Promoter Score），净推荐值，又称净促进者得分，也就是我们常说的口碑概念。
是计量某个用户将会向他人推荐产品、企业、服务（以下简称产品）可能性的指标。
相对而言，NPS是目前为止最流行的用户忠诚度分析指标，专注于用户评价如何影响产品成长。
对于NPS而言，在原始数据的获取上一般采用“评分表“作为获取数据的有效途径。 设计师日常所用的Adobe系列软件就会弹出评分量表弹框，如下图。
根据愿意推荐的程度让用户在0～10区间打分，然后调研人员根据得分情况建立用户忠诚度的3个范围区间：
●推荐者，得分在9－10，具有狂热忠诚度。此类用户会继续购买并具备强烈推荐意愿给其他非产品用户使用的人群。
●被动者，得分在7－8，总体满意但并不忠诚。购买时会考虑其他竞品、市场环境等因素作出理性判断的人群。
●贬低者，得分在0－6之间，使用之后并不满意或者说对产品没有忠诚度的人群，此类人群甚至会去怂恿他人拒绝使用该产品。
如2020年疫情在家隔离期间，网课的盛行伴随着学生人群对钉钉的强烈抵制情绪。在这个例子当中，学生人群就是贬低者。
具体的计算公式为：
最后，根据计算结果测算出NPS的得分值在50%以上时，则被认为是优秀的产品；
如果NPS的得分值在70－80%之间，则表明产品拥有一批高忠诚度的用户。
由此可见，NPS对于产品的成长来说是一个非常重要的指标，其数据分析模型以消费者为核心，可以直观地反映出产品在用户心中的满意度和忠诚度。
根据2020年发布的《2020银行业NPS白皮书》可以直观地看出：
●六大行中，NPS平均值为26%，建设银行以29%的推荐值位居第一，和均值仅差3%；
●众多股份银行中，平均值为28%，招商银行和平安银行分别以44%和43%的净推荐值位居第一和第二，远超均值15%以上；
●而地区银行中，平均值为19%，江苏银行以34%博得第一，差距在15%。
通过上图简单的数据我们可以得出大概的结论：
股份银行的NPS均值更高，因此被用户推荐的机会反倒会比六大行和地区银行更多，其中招商和平安更以其独有的特性（服务、业务等）远超均值。
由此可以证明，股份银行的服务体系会比六大行的服务体系更加完善，更贴近“以消费者为中心”的服务理念，能够得到更多用户的青睐，而招商和平安更是其中的佼佼者。
地区银行由于数量较多，良莠不齐，富人越富穷人越穷，满意度良莠不齐。
这和其用户在银行的主要目的有重大关联--以业务为导向，而非服务为导向，也就是我们常说的“产品初创期”的目标。
所以地区银行在后期的业务发展和服务条件上还有待进一步提高。 最后需要注意一点，在得出了关于NPS的最终数据之前，需要留意每位用户对评价的标准不一，这在一定程度上会让影响数据的准确性。
正如前文所述：用户对健康的评定，A认为7为亚健康，B认为7为健康，判定标准不一致会导致实际结果出现偏差。
因此加入“异质性评判差异点”，也就是引入“锚点”可以让数据更接近实际情况。具体分析如下：
首先，我们需要结合产品数据，预设一个评分基准，本例中假定为9（数值可以通过第一轮初略评分得出一个均值，也可以采用其他渠道内部预设）；
然后我们在评分量表的评分表前加入一段新题干，描述可以是
在对xx产品的推荐评分中，您认为几分（含）以上算是推荐等级
⬆️图片01中所得数据为用户评分基准，02中所得数据为用户原始评分
将所得的数据代入，就可以得出单次调研问卷的NPS净推荐锚点值。
根据图片参考数据计算得出如下结果：
●9/10=x/9
得：x=8.1
最终所得NPS净推荐锚点值为8.1分。
该值会比常规的净推荐值更贴近实际情况，对于调研活动来说更加具备实际参考意义。
⚠️为了数据结论的严谨性，建议在研究结果的最后加入“只代表具备产品使用经验的用户，不代表……”等一些补充说明，预防在职能部门之间沟通所产生的信息沟壑，向阐述对象表明研究结果的局限性。
毕竟市场中很多研究数据结论都处于“需要进一步论证”的调研状态。
为你推荐 · 训练营（全勤打卡报名费全额返累计全额返用户133,746人）
关注41
文章
- 扫码下载APP
- 官方微信
暂无评论
违反法律法规
侵犯个人权益
有害网站环境