活動背景在這裡👉👉👉👉👉👉👉還有這種好事？免費教你上站酷首頁！活動集合可以在這裡看👇👇👇👇👇👇👇（直接長按二維碼就可以看到）今天分享的是一鵝同學的《大廠調查問卷如何設計》，獲得站酷編輯精選！！最近指導同學面試，對於用研和調研問卷的設計和整體流程，是一個必問的面試問題，所以今天分享大廠的設計師手把手教你如何進行調研問卷。
人在上海，目前疫情比較嚴重，要求居家隔離，時間上比較富裕，所以想趁這個機會用寫文章的方式復盤一下工作經驗，同時整理一下自己的知識庫。打算用幾篇文章寫一下我在工作中遇到的問題和解決方案，及一些個人看法。接下來我將把實際工作中用研落地經驗分享給大家。
1.1 什麼是調查問卷調查問卷是互聯網公司用來收集用戶資料和驗證產品需求的一種常用調研工具。其他常用的調研工具還有可用性測試、A/B測試、用戶訪談、競品分析等等。
1.2 使用場景適用於後台已經記錄了各功能的使用情況、用戶行為等數據的產品。這時使用問卷對我們的用戶進行調研，可以幫助我們快速定位問題。1.3 問卷的特點和其它調研方法比起來，問卷的成本很低，幾乎不怎麼動用其它資源，而且問卷的設計和發放都可以在線上完成，對時間和精力的耗費較少。1.4 定量研究和定性研究在查閱相關資料的時候我發現，有的作者將問卷調查歸為定量研究工具，這一觀點是不嚴謹的。其實問卷既可以做定性研究，也可以做定量研究。
定量研究:通過研究用戶的三日留存、人均消耗量等數據，得到精確的某一群體的需求現狀和趨勢。
定性研究：通過對用戶進行訪談，詢問「上次使用某功能有什麼體驗」「上次使用時遇到了哪些問題」等問題進行研究，其目的更多是探索用戶需求的深層心理原因。
1.5 調查問卷的結構問卷一般由標題、卷首語、問題和答案、編碼、結束語幾個部分組成。
卷首語應該包括：調查者信息（即平台方）、調查的目的和主要內容、填寫問卷所需時間、獎勵說明、以及調查的匿名和保密原則等。
編碼：就是將問卷中所有的問題和答案都加上編號，方便後期的數據統計。設計傳統紙質問卷需要了解編碼，線上的問卷工具會自動編碼，不需要學習。1.6 調查問卷的流程問卷的設計流程通常分為四個階段：前期準備、設計問卷、問卷的收發，分析報告。
2.1 明確研究的目標我們在確定目標的時經常犯的一個錯誤是目標的制定過於籠統，例如：提高用戶留存率了解用戶使用習慣以及產品的滿意度建議反饋、吐槽、好評優化產品的用戶體驗······
諸如此類寬泛的主題會讓問卷的設計無從下手，為了更好地聚焦問題的範圍和方向，我們要圍繞着至少1-2個核心目標進行拆分細化。
舉個例子：某平台下單模塊耗時較長，年輕用戶流失率上升且對官方軟件吐槽較多，品牌影響較為負面。本次調研，主要針對年輕用戶在平台的購票路徑，分析該用戶群體在下單過程中的操作節點與關注點，探索用戶流失與差評的原因。2.2 確定目標用戶為了讓調研目標和用戶的需求相匹配，忽略調研目的不相關的用戶，我們首先需要將用戶分群。除了用戶分群，我們還經常聽到另一個概念：用戶分層。這兩者是什麼關係？有什麼區別嗎？
如果按性別將用戶分為男女兩個群體，這兩個群體之間是平行關係，那就是用戶分群。如果按照「AARRR模型」將用戶分成5個群體，即新用戶、下載用戶、活躍用戶、興趣用戶和付費用戶，這5個群體之間是遞進關係的，那就是用戶分層。
兩者本質上都是在某些維度，將用戶劃分成不同群體的方法。所以，用戶分層其實是一種特殊的用戶分群方式。
常用的用戶分群維度有：數據範圍、用戶行為和用戶屬性三個維度。
例如：最近14天內登錄；下單大於7次；累計消費金額大於1000元，或者給出一個其它的數據範圍。
用戶行為：圍繞調研目標，明確用戶的核心行為路徑及分支路徑，然後根據是否完成核心路徑來對用戶分類。例如：提交訂單的用戶；完成消費的用戶；訂票中使用了搜索功能的用戶······
用戶屬性：一般會從業務流程的角度出發，基於產品的核心功能或者整運營玩法，對用戶進行屬性分類，比如：例如：用戶的性別；用戶的職業；是否註冊會員······
特別注意：分類的原因一定要緊貼研究目標，不能為了分類而分類。無意義的分類不但不能幫助完成調研目標，還會增加後期分析數據的任務量。性別在以消費為核心的產品中會有明顯的區別，男性和女性就是兩個相異的群體，應該進行分群，但是在某些工具類的APP中，或許就沒那麼必要了。2.3 了解行業情況閱讀相關的行業研究報告或做競品分析研究，通過吸取現有的經驗和教訓，可以提高問卷的製作效率、避免走錯方向，也能提供新思路。
給大家推薦一個整合網站，裡面幾乎把互聯網所有常用的網站都做了整合，包括行業視野、數據查詢、素材資源等各大網站。互聯網人必備！
名稱：產品經理導航 鏈接：https://www.pmbaobao.com/2.4 形成前期報告並提出假設對調研結果進行分析，並提出假設。之後的問題設計將圍繞着這些假設進行。比如現在要為盲人設計一塊手錶，通過大量的調研，我們得知大部分盲人用戶希望手錶的外觀要簡單大氣，且不喜歡語音播報的功能。
因為盲人需要經常獲取時間，所以他們希望在獲取時間的時候不要出聲、儘量不要打擾到別人，也不希望自己的隱私暴露，所以將手錶設計的大氣普通能讓他們有更好的體驗。2.5 將假設轉變為公式翻譯一下就是：盲人手錶的外觀要簡單時尚，可以通過觸摸來獲知時間，產品的續航和質量要強。
3.1 問題的種類問題按照內容可分為四類，即背景性問題、客觀性問題、主觀性問題以及檢驗性問題。
背景類問題通常想要了解用戶的個人資料有關的信息，旨在對調查的不同人群作分類統計，從而反映不同類型用戶的情況。A. 高中以下B. 高中或中專C. 大專或本科D. 本科以上
指實際發生的行為和事實。包括用戶的行為習慣和產品功能方面的實際問題。比如使用目的、用戶行為習慣，使用某功能的情況等。舉例：在京東購物，物流配送時你會選擇哪種配送方式?A. 自營物流配送B. 第三方物流配送C. 兩者都可
主觀性問題通常想要了解用戶對產品的了解程度和態度，反映的是用戶的主觀感受和認識，包括意見、情感、動機、信念、價值觀以及滿意度等。A. 發展空間較大，容易接受B. 兩種模式直接存在很多問題，不利於發展 C. 短期內不會有較大發展D. 其他
指通過兩道互斥的問題來判斷答題者是否認真填寫問卷，目的是幫助篩選無效樣本，提高問卷的有效性。假設用戶在問題1中未選擇G選項(奢侈品)，但是在問題2中選擇了A/B/C選項，那麼這個樣本就是無效的。3.2 問題的結構合理的排列組合方式更容易讓調查者回答，也利於對數據進行整理和分析，問題一般可採取以下幾種方式排列。
一般來說應該先易後難，由淺入深，先描述客觀問題，後描述主觀問題，先一般性質的問題，後特殊性質的問題。特別是敏感性強的問題，更應安排在問卷的後面。
把相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。
可以按照事情發生的時間，由遠及近或者由近及遠排序。無論哪一種排序，都應該有連續性，不可來回跳躍。
3.3 問題的表述方式具體性原則：即問題的內容要具體，不要提抽象、籠統的問題例如一個款應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」。僅僅詢問對聊天功能的看法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。
避免在一個問題中提兩個及以上的問題。兩個及以上問題要拆開問。
提問的語言要通俗，不要使用被調查者感到陌生的語言，特別是不要使用專業化的術語，如算法、數據結構、負空間模塊等等。
比如「你的孩子是高是矮？」，高矮是相對的，同樣是180的身高，籃球運動員可能會覺得有些矮，但一般的女生則會覺得正好。所以不要使用含糊不清或容易產生歧異的語言或概念。選項一定要精準和可度量！否則數據無法衡量。
問題帶有偏向性，會對被訪者產生「誘導」，導致其選擇出「暗示」的答案。
特殊問題表述方式對於某些敏感性強的特殊問題，在表達方式上應該做些減輕被訪者敏感度的處理，以便他們更容易於面對這些問題，從而做出真實回答。對特殊問題的處理有以下幾種方法：
即在問題前面寫一段消除疑慮的功能性文字，或在問卷的說明詞中表明此問卷絕對保密，並說明採取的保密措施。
即用一個假言判斷作為問題的前提，然後再詢問被調查者的看法。如果視頻會員上調為10元/月，你是否會續訂會員服務？
即把活動問題的人轉移到別人身上，然後再請被調查者對別人的回答做出評價。3.4 分析問題的方法分析問題的方法有很多，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）中提出的一個很重要的原則。MECE的中文意思是「相互獨立，完全窮盡」。透過MECE 分析法，從達成目標的最高層次開始，一層一層往下，能將問題拆成多個彼此獨立而完整的小問題，讓我們更好理解問題、也更容易進行有效的分析與判斷。
同一個問題的若干答案之間是互斥關係，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。
所列出的答案應該包含問題的所有情況。比如：實數可以分為正數、零、負數（夢回高中時代）。
使用MECE 解決問題的重點，首要是把問題拆小，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的調查問卷為例，介紹一下MECE的操作步驟。
明確當下討論的問題到底是什麼，以及我們想要達到的目的是什麼。這個範圍決定了問題的邊界。這也讓「完全窮盡」成為一種可能。換句話說，MECE中的「完全窮盡」是指有邊界的窮盡。某平台下單模塊耗時較長，年輕用戶流失率上升且對官方軟件吐槽較多，品牌影響較為負面。本次調研，主要針對年輕用戶在平台的購票路徑，分析該用戶群體在下單過程中的操作節點與關注點，探索用戶流失與差評的原因。所以此次調研範圍就是：年輕用戶、購票路徑、用戶流失原因。
所謂的切入點是指，你準備按什麼來分，或者說大家共同的屬性是什麼。比如，是按顏色分、按大小分、按時間序列分還是按重要性分？對購票路徑上我們可以從購票流程中的功能需求，以及購票的體驗切入。對目標用戶我們從用戶的年齡、行業、職業為切入點。
第三步：找出大的分類後考慮是否可以用MECE繼續細分功能需求上細分：購票時關注的內容、是否使用過底部篩選欄功能、是否查詢過中轉車次。使用體驗上我們細分為：購票中的不便、哪些信息消耗購票時長、購買中轉車次的困難、以及想要增加的功能。
分完類之後重新檢查一遍，看看是否有遺漏或重複。建議畫出一個金字塔結構圖，用可視化的方式比較容易發現是否有重疊項。MECE的拆分方法
對稱二分法：最簡單的一種拆分方法，即把答案分為A和非A兩部分。有個非常經典的案例使用了這個分類方式，那就是7喜，它當初打出的口號就是「非可樂」。另外，中國傳統文化中也有很多類似的二分法，比如陰陽、有無、黑白等。
通過福格模型，分析影響因素動機：做出行為的欲望。能力：去做某個行為的能力。提示：提醒你做出某個行為的信號。
當我們利用福格模型去分析「購票的流失問題」時，就變成了：動機：購票頁面哪些信息對用戶的吸引力高？哪些信息不被關注？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票過程中對用戶的干擾？
針對這三個因素，預測用戶在各個使用場景可能會遇到的困難，總結成問卷，向用戶求證。
加法拆解：是種開放式拆解，用散點的方式列出子項目，把問題拆解成A+B+···+D 組成的方式，例如提升餐廳的營收，可以拆解為提升午間的營收＋提升晚上的營收。乘法拆解：是封閉拆解，通過把問題拆解為A x B x ···*D組成的方式，讓大問題能被完整拆解，比如：收入=單價X銷量。乘法拆解不容易發想，但較容易符合「MECE」的相互獨立、完全窮盡的原則。
近些年來各大廠都在制定自己的產品體驗度量標準，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以及酷家樂四象模型等等。
建議：面對緊急問題的時候，可以先以流程法快速分析該如何處理，緊接着以屬性法理清問題，思考解決方案。分析是為了推進目標，不要過分迷信某一種分析方法，各種分析法只是加分項。3.5 答案的種類答案有三種基本類型，即開放型回答、封閉型回答和混合型回答。
回答問題的方式多種多樣，以騰訊問卷為例，常見題型有：3.6答案的設計原則答案的設計好壞會影響數據的有效性，所以在設計上需要注意以下幾點事項：避免主觀描述，例如：經常、幾乎、偶爾等。對於這種模糊的詞語，不同的用戶會有不同的理解。
不要設置類似「不知道」、「無所謂」這樣的中庸答案。如果不確定答案是否完整，可以將問題設置為半封閉式。
尤其是在數字上需要注意包含關係，比如「20歲以下」和「20～30歲」就存在重疊，應該改為「19歲以下」和「20～30歲」。
多選的話要設置上限，並在題干中特別註明，讓用戶填寫過程中能夠直觀了解。3.7 問卷評審在內部評審之前，首先要自審，試着自己做一遍問卷，避免出現一些低級錯誤，比如問卷的邏輯性、用詞的通俗性、語意的表達等。
4.1 時間問卷的收發時間：根據項目的進度安排，確定發放和回收問卷的時間，避免和和其它項目在時間上有衝突。
用戶的回答題時長：問卷的在發放和回收前，需要預估用戶的答題時間，然後確定答題所用的時間範圍，便於之後數據清洗。4.2 渠道可以實現精準投放，但是受制於用戶是否開啟消息通知，對用戶的打擾性較強。
即啟動頁、banner等形式。廣告位推送很難做到精準推送，所以該方式會導致後期的數據清洗任務比較重。
推送至用戶的郵箱等聯繫方式，優點是可以實現精準投放，缺點是任務量大，且回收率不高。4.3 目標用戶調研對象必須是目標用戶。目標用戶的不精準會導致資源浪費，也會加大數據清洗的工作量。
5.1 數據清洗由於難以監控用戶填答的過程，致使問卷中常隱藏着一些不真實的數據，因此回收問卷後的第一步，就是剔除無效的、亂填的樣本，專業名稱叫做數據清洗。下面總結了一些清洗的標準供大家參考。
首先需要剔除未完整填答必答題的樣本，即未完整填答問卷的樣本。其次根據項目需求和回收的樣本數量來決定是否需要剔除非必答題未完整填答的樣本。
剔除那些非目標用戶的樣本。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。
一般情況下，填答每道問題需要5秒，因此最低填答時間即為5秒*題目數量，最高的填答時間不超過30分鐘。
選擇同一選項過多的、填答呈現某種規律性的樣本應被剔除。如某樣本在填答中呈現「A-B-A-B」或」A-B-C-D」等規律，或者大部分答案選A的樣本。
我們在之前問題的設計中講過，要設置一些檢驗性問題，來判斷被訪者是否認真作答，這裡就不再贅述了。5.2 如何對問卷數據進行基礎分析？問卷數據分析時，最常使用的分析方法為頻數分析、描述分析、交叉分析。
總體頻數可以了解用戶總體的行為、態度偏好。拿到問卷數據後，可以看一下每個選項的比例，從而對數據分布有一個整體了解。例如:統計一款英語學習軟件，用戶希望增加的單詞書類型
分組頻數可以了解不同維度上的用戶行為、態度偏好。除觀察各選項的總體分布趨勢外，也可將具有相似特徵的選項進行合併分組分析，從而獲得更宏觀維度上的數據解讀。有時候我們不需要這麼細緻的分析維度，此時可以把這5個要素分組為單詞信息層面和平台層面，來觀察用戶更關注哪個層面。將各選項百分比加總後可以得出結論：記憶單詞時，用戶更在意平台層面的信息。
描述了解用戶行為、態度（數值型變量）的基本特徵和整體分布形態，同時可為後續做更複雜的分析和模型（如用戶畫像）做鋪墊。例如計算樣本的平均收入、平均年齡等。
了解用戶屬性、行為、態度間的關係。適用於對兩個及兩個以上變量之間的關係進行分析，以騰訊問卷為例，為大家簡單介紹一下交叉分析的具體流程。
點擊進入工作檯➡️選擇要分析的問卷➡️點擊統計➡️點擊交叉分析。
可以按照提交時間、答題時長等信息進行篩選，也可以按題目篩選。按題目篩選時要注意：不同題目間為交集篩選，同一題目各選項間為並集篩選。
並集篩選：對於「您的職業是？」這個問題，你既可以只篩選職業為學生的樣本，也可以把所有職業的樣本都選出來。交集篩選：而對於「您的職業是？」和「購買車票時，比較關注的內容有哪些？」這兩個問題，你只能選擇同時選擇了「學生」和「票價」的樣本。
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，如愛好、意願等。
於是我們就可以得到：白領用戶在購票時，最關注的是「車次類型」，占比為XXX%。學生用戶在購票時，最關注的是「票價」，占比為XXX%。自由職業的人更關注「耗時長短」，占比為XXX%。...5.3 工具推薦
可做問卷調查、團隊管理應用；功能非常強大，數據搜集和報表分析都很棒.地址：https://www.jiandaoyun.com/index/solution_center?utm_src=fazxzhm
大學時期常用的一款軟件，專業做問卷；簡單明了上手快。
騰訊自家旗下的軟件，適合在QQ空間、微信朋友圈轉發。
調查問卷的製作不是一件輕鬆的事，但是對於挖掘用戶需求是很好的一種手段，你可以在訪談的過程中了解不同的用戶平時是在什麼場景使用產品的，最常用產品什麼功能，以及用戶在使用過程中心理和情緒上的變化。每個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，做有理有據的設計。以上就是關於調查問卷如何設計的內容，希望對你有幫助，感謝大家的閱讀。文獻參考：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大家好，我是持續輸出文章，愛設計的小七！現組織產品設計交流群，大學生群、車載群、寫作群想加進微信群拉你進群。如果大家想及時收到文章的更新麻煩大家多給我們文章點一下 「 在看 」 和「 贊 」 ，並在右上角「 ... 」 裡面將七醬設計筆記設為星標，這樣就不會做過每一篇精彩的推送啦🥳
留言列表
留言列表