百木园
一、什么是调查问卷
调查问卷是互联网公司用来收集用户资料和验证产品需求的一种常用调研工具。其他常用的调研工具还有可用性测试、A/B测试、用户访谈、竞品分析等等。
1. 使用场景
适用于后台已经记录了各功能的使用情况、用户行为等数据的产品。这时使用问卷对我们的用户进行调研，可以帮助我们快速定位问题。
2. 问卷的特点
和其它调研方法比起来，问卷的成本很低，几乎不怎么动用其它资源，而且问卷的设计和发放都可以在线上完成，对时间和精力的耗费较少。
3. 定量研究和定性研究
在查阅相关资料的时候我发现，有的作者将问卷调查归为定量研究工具，这一观点是不严谨的。其实问卷既可以做定性研究，也可以做定量研究。
定量研究：通过研究用户的三日留存、人均消耗量等数据，得到精确的某一群体的需求现状和趋势。
定性研究：通过对用户进行访谈，询问“上次使用某功能有什么体验”“上次使用时遇到了哪些问题”等问题进行研究，其目的更多是探索用户需求的深层心理原因。
4. 调查问卷的结构
问卷一般由标题、卷首语、问题和答案、编码、结束语几个部分组成。
其中卷首语是需要特别注意的。
卷首语应该包括：调查者信息（即平台方）、调查的目的和主要内容、填写问卷所需时间、奖励说明、以及调查的匿名和保密原则等。
编码：就是将问卷中所有的问题和答案都加上编号，方便后期的数据统计。设计传统纸质问卷需要了解编码，线上的问卷工具会自动编码，不需要学习。
5. 调查问卷的流程
问卷的设计流程通常分为四个阶段：前期准备、设计问卷、问卷的收发，分析报告。
二、前期准备
1. 明确研究的目标
我们在确定目标的时经常犯的一个错误是目标的制定过于笼统，例如：
提高用户留存率了解用户使用习惯以及产品的满意度建议反馈、吐槽、好评优化产品的用户体验······
诸如此类宽泛的主题会让问卷的设计无从下手，为了更好地聚焦问题的范围和方向，我们要围绕着至少1-2个核心目标进行拆分细化。
举个例子：某平台下单模块耗时较长，年轻用户流失率上升且对官方软件吐槽较多，品牌影响较为负面。本次调研，主要针对年轻用户在平台的购票路径，分析该用户群体在下单过程中的操作节点与关注点，探索用户流失与差评的原因。
2. 确定目标用户
为了让调研目标和用户的需求相匹配，忽略调研目的不相关的用户，我们首先需要将用户分群。除了用户分群，我们还经常听到另一个概念：用户分层。这两者是什么关系？有什么区别吗？
举个例子：
如果按性别将用户分为男女两个群体，这两个群体之间是平行关系，那就是用户分群。
如果按照“AARRR模型”将用户分成5个群体，即新用户、下载用户、活跃用户、兴趣用户和付费用户，这5个群体之间是递进关系的，那就是用户分层。
两者本质上都是在某些维度，将用户划分成不同群体的方法。所以，用户分层其实是一种特殊的用户分群方式。
常用的用户分群维度有：数据范围、用户行为和用户属性三个维度。
1）数据范围：时间范围、次数范围、消费范围等。
例如：最近14天内登录；下单大于7次；累计消费金额大于1000元，或者给出一个其它的数据范围。
2）用户行为：围绕调研目标，明确用户的核心行为路径及分支路径，然后根据是否完成核心路径来对用户分类。
例如：提交订单的用户；完成消费的用户；订票中使用了搜索功能的用户······
3）用户属性：一般会从业务流程的角度出发，基于产品的核心功能或者整运营玩法，对用户进行属性分类，比如：
例如：用户的性别；用户的职业；是否注册会员。
4）特别注意：分类的原因一定要紧贴研究目标，不能为了分类而分类。
无意义的分类不但不能帮助完成调研目标，还会增加后期分析数据的任务量。
举个例子：性别在以消费为核心的产品中会有明显的区别，男性和女性就是两个相异的群体，应该进行分群，但是在某些工具类的APP中，或许就没那么必要了。
3. 了解行业情况
阅读相关的行业研究报告或做竞品分析研究，通过吸取现有的经验和教训，可以提高问卷的制作效率、避免走错方向，也能提供新思路。
给大家推荐一个整合网站，里面几乎把互联网所有常用的网站都做了整合，包括行业视野、数据查询、素材资源等各大网站。互联网人必备！
名称：产品经理导航 链接：https://www.pmbaobao.com/
4. 形成前期报告并提出假设
对调研结果进行分析，并提出假设。之后的问题设计将围绕着这些假设进行。
举个例子：
比如现在要为盲人设计一块手表，通过大量的调研，我们得知大部分盲人用户希望手表的外观要简单大气，且不喜欢语音播报的功能。
这时我们就可以假设：
因为盲人需要经常获取时间，所以他们希望在获取时间的时候不要出声、尽量不要打扰到别人，也不希望自己的隐私暴露，所以将手表设计的大气普通能让他们有更好的体验。
5. 将假设转变为公式
还是以盲人手表的设计为例：
盲人手表的设计=外观+时间获取方式+续航+质量。
翻译一下就是：盲人手表的外观要简单时尚，可以通过触摸来获知时间，产品的续航和质量要强。
三、设计问卷
1. 问题的种类
问题按照内容可分为四类，即背景性问题、客观性问题、主观性问题以及检验性问题。
1）背景性问题：背景类问题通常想要了解用户的个人资料有关的信息，旨在对调查的不同人群作分类统计，从而反映不同类型用户的情况。
举例：你的教育程度是？
A. 高中以下；B. 高中或中专；C. 大专或本科；D. 本科以上
2）客观性问题：指实际发生的行为和事实。包括用户的行为习惯和产品功能方面的实际问题。比如使用目的、用户行为习惯，使用某功能的情况等。
举例：在京东购物，物流配送时你会选择哪种配送方式?
A. 自营物流配送；B. 第三方物流配送；C. 两者都可。
3）主观性问题：主观性问题通常想要了解用户对产品的了解程度和态度，反映的是用户的主观感受和认识，包括意见、情感、动机、信念、价值观以及满意度等。
举例：你认为京东这种配送模式的前景如何？
A. 发展空间较大，容易接受；B. 两种模式直接存在很多问题，不利于发展；C. 短期内不会有较大发展D. 其他
4）检验性问题：指通过两道互斥的问题来判断答题者是否认真填写问卷，目的是帮助筛选无效样本，提高问卷的有效性。
案例解析：假设用户在问题1中未选择G选项(奢侈品)，但是在问题2中选择了A/B/C选项，那么这个样本就是无效的。
2. 问题的结构
合理的排列组合方式更容易让调查者回答，也利于对数据进行整理和分析，问题一般可采取以下几种方式排列。
1）按难易度排序：
一般来说应该先易后难，由浅入深，先描述客观问题，后描述主观问题，先一般性质的问题，后特殊性质的问题。特别是敏感性强的问题，更应安排在问卷的后面。
2）按类型排序：
把相同类型的问题放在一起，这样用户可以一起回答，避免破坏用户的思路。
3）按时间顺序排序：
可以按照事情发生的时间，由远及近或者由近及远排序。无论哪一种排序，都应该有连续性，不可来回跳跃。
下图为《12306购票体验调查问卷》的排版参考。
3. 问题的表述方式
1）具体性原则：即问题的内容要具体，不要提抽象、笼统的问题。
例如一个款应用的聊天功能中还有许多其它功能，比如“匿名匹配”、“视频匹配”。仅仅询问对聊天功能的看法很难提取出有价值的信息。所以在问题的修改上，我们需要更加具体。
2）单一性原则：避免一个问句，多个问题。
避免在一个问题中提两个及以上的问题。两个及以上问题要拆开问。
3）通俗性原则：避免术语、黑话。
提问的语言要通俗，不要使用被调查者感到陌生的语言，特别是不要使用专业化的术语，如算法、数据结构、负空间模块等等。
4）准确性原则：问题及答案一定要精确可度量。
比如“你的孩子是高是矮？”，高矮是相对的，同样是180的身高，篮球运动员可能会觉得有些矮，但一般的女生则会觉得正好。所以不要使用含糊不清或容易产生歧异的语言或概念。选项一定要精准和可度量！否则数据无法衡量。
5）客观性原则：避免诱导性或倾向性问题。
问题带有偏向性，会对被访者产生“诱导”，导致其选择出“暗示”的答案。
4. 特殊问题表述方式
对于某些敏感性强的特殊问题，在表达方式上应该做些减轻被访者敏感度的处理，以便他们更容易于面对这些问题，从而做出真实回答。对特殊问题的处理有以下几种方法：
5. 分析问题的方法
分析问题的方法有很多，如SWOT 分析法、5W2H 分析法、麦肯锡 7 步分析法等等。下面我将介绍一下我最常用的MECE分析法及其使用步骤。
MECE原则：是巴巴拉·明托在《金字塔原理》（The Minto Pyramid Principle）中提出的一个很重要的原则。MECE的中文意思是“相互独立，完全穷尽”。透过MECE 分析法，从达成目标的最高层次开始，一层一层往下，能将问题拆成多个彼此独立而完整的小问题，让我们更好理解问题、也更容易进行有效的分析与判断。
相互独立（ME）：同一个问题的若干答案之间是互斥关系，不能有重叠的情况。例如男性和小孩有重叠的部分，就是不可以的。
完全穷尽（CE）：所列出的答案应该包含问题的所有情况。比如：实数可以分为正数、零、负数（梦回高中时代）。
MECE的操作步骤：使用MECE 解决问题的重点，首要是把问题拆小，让我们能更好理解。如何做才能做到不重叠、不遗漏地拆分呢?我们以12306的调查问卷为例，介绍一下MECE的操作步骤。
第一步：确定范围
明确当下讨论的问题到底是什么，以及我们想要达到的目的是什么。这个范围决定了问题的边界。这也让“完全穷尽”成为一种可能。换句话说，MECE中的“完全穷尽”是指有边界的穷尽。
举个例子：某平台下单模块耗时较长，年轻用户流失率上升且对官方软件吐槽较多，品牌影响较为负面。本次调研，主要针对年轻用户在平台的购票路径，分析该用户群体在下单过程中的操作节点与关注点，探索用户流失与差评的原因。
所以此次调研范围就是：年轻用户、购票路径、用户流失原因。
第二步：寻找符合MECE的切入点
所谓的切入点是指，你准备按什么来分，或者说大家共同的属性是什么。比如，是按颜色分、按大小分、按时间序列分还是按重要性分？
举个例子：对购票路径上我们可以从购票流程中的功能需求，以及购票的体验切入。对目标用户我们从用户的年龄、行业、职业为切入点。
第三步：找出大的分类后考虑是否可以用MECE继续细分
将上一步分出的大类继续细分，让目标更加详细明确。
举个例子：功能需求上细分：购票时关注的内容、是否使用过底部筛选栏功能、是否查询过中转车次。使用体验上我们细分为：购票中的不便、哪些信息消耗购票时长、购买中转车次的困难、以及想要增加的功能。
用户职业上细分：学生、企业白领、自由职业。
第四步：确认有没有遗漏或重复
分完类之后重新检查一遍，看看是否有遗漏或重复。建议画出一个金字塔结构图，用可视化的方式比较容易发现是否有重叠项。
6. MECE的拆分方法
MECE的拆分方法具体分为以下四种：
对称二分法：最简单的一种拆分方法，即把答案分为A和非A两部分。
有个非常经典的案例使用了这个分类方式，那就是7喜，它当初打出的口号就是“非可乐”。另外，中国传统文化中也有很多类似的二分法，比如阴阳、有无、黑白等。
流程法：按照发生的顺序对事物进行拆解
还是以12306的购票路径为例：
7. 通过福格模型，分析影响因素
动机：做出行为的欲望。能力：去做某个行为的能力。提示：提醒你做出某个行为的信号。
当我们利用福格模型去分析“购票的流失问题”时，就变成了：
动机：购票页面哪些信息对用户的吸引力高？哪些信息不被关注？
能力：购票路径是否过长？用户在哪一步骤流失严重。
提示：用户是否注意到了筛选栏功能？如何减少不重要信息在用户购票过程中对用户的干扰？
针对这三个因素，预测用户在各个使用场景可能会遇到的困难，总结成问卷，向用户求证。
公式法：将问题拆分成不同的构成要素
公式法由加法拆解和乘法拆解构成。
加法拆解：是种开放式拆解，用散点的方式列出子项目，把问题拆解成A+B+···+D 组成的方式，例如提升餐厅的营收，可以拆解为提升午间的营收＋提升晚上的营收。乘法拆解：是封闭拆解，通过把问题拆解为A x B x ···*D组成的方式，让大问题能被完整拆解，比如：收入=单价X销量。乘法拆解不容易发想，但较容易符合「MECE」的相互独立、完全穷尽的原则。
举个例子：
以电商的GMV计算为例：
属性法：属性法是根据一个事物的组成要素进行划分的
近些年来各大厂都在制定自己的产品体验度量标准，如谷歌 HEART 模型、阿里的UES模型，蚂蚁金服的PTECH模型，58同城B-Metric以及酷家乐四象模型等等。
建议：面对紧急问题的时候，可以先以流程法快速分析该如何处理，紧接着以属性法理清问题，思考解决方案。分析是为了推进目标，不要过分迷信某一种分析方法，各种分析法只是加分项。
8. 答案的种类
答案有三种基本类型，即开放型回答、封闭型回答和混合型回答。
回答问题的方式多种多样，以腾讯问卷为例，常见题型有：
9. 答案的设计原则
答案的设计好坏会影响数据的有效性，所以在设计上需要注意以下几点事项：
具体量化：
避免主观描述，例如：经常、几乎、偶尔等。对于这种模糊的词语，不同的用户会有不同的理解。
保证答案的有效性：
不要设置类似“不知道”、“无所谓”这样的中庸答案。如果不确定答案是否完整，可以将问题设置为半封闭式。
答案要在同一层级：
答案必须是互相排斥的，不能有重叠的情况：
尤其是在数字上需要注意包含关系，比如“20岁以下”和“20～30岁”就存在重叠，应该改为“19岁以下”和“20～30岁”。
多选要注意设置限制：
多选的话要设置上限，并在题干中特别注明，让用户填写过程中能够直观了解。
10. 问卷评审
在内部评审之前，首先要自审，试着自己做一遍问卷，避免出现一些低级错误，比如问卷的逻辑性、用词的通俗性、语意的表达等。
可以按照下面的清单来检查问卷：
四、问卷的收发
发放问卷前要确定时间、地点和目标用户。
1. 时间
时间上需要确定这两点：
2. 渠道
对APP应用来说，一般有以下几种渠道。
- APP内消息推送：可以实现精准投放，但是受制于用户是否开启消息通知，对用户的打扰性较强。
- 广告位推送：即启动页、banner等形式。广告位推送很难做到精准推送，所以该方式会导致后期的数据清洗任务比较重。
- 用户邮箱推送：推送至用户的邮箱等联系方式，优点是可以实现精准投放，缺点是任务量大，且回收率不高。
3. 目标用户
调研对象必须是目标用户。目标用户的不精准会导致资源浪费，也会加大数据清洗的工作量。
五、分析报告
1. 数据清洗
由于难以监控用户填答的过程，致使问卷中常隐藏着一些不真实的数据，因此回收问卷后的第一步，就是剔除无效的、乱填的样本，专业名称叫做数据清洗。下面总结了一些清洗的标准供大家参考。
1）未完整填答必答题的样本：首先需要剔除未完整填答必答题的样本，即未完整填答问卷的样本。其次根据项目需求和回收的样本数量来决定是否需要剔除非必答题未完整填答的样本。
2）非目标用户的样本：剔除那些非目标用户的样本。比如你要探索年轻用户流失率上升的原因，就要剔除“年龄”上不符的样本。
3）不在规定提交时间范围的样本：填答时间不在问卷规定范围内的属于无效样本。
4）填答时间范围：一般情况下，填答每道问题需要5秒，因此最低填答时间即为5秒*题目数量，最高的填答时间不超过30分钟。
5）连续性、规律性回答的样本：选择同一选项过多的、填答呈现某种规律性的样本应被剔除。
举个例子：如某样本在填答中呈现“A-B-A-B”或”A-B-C-D”等规律，或者大部分答案选A的样本。
6）检验性问题回答错误的样本：我们在之前问题的设计中讲过，要设置一些检验性问题，来判断被访者是否认真作答，这里就不再赘述了。
2. 如何对问卷数据进行基础分析
问卷数据分析时，最常使用的分析方法为频数分析、描述分析、交叉分析。
1）总体频数
总体频数可以了解用户总体的行为、态度偏好。拿到问卷数据后，可以看一下每个选项的比例，从而对数据分布有一个整体了解。
例如：统计一款英语学习软件，用户希望增加的单词书类型
2）分组频数
分组频数可以了解不同维度上的用户行为、态度偏好。除观察各选项的总体分布趋势外，也可将具有相似特征的选项进行合并分组分析，从而获得更宏观维度上的数据解读。
举个例子：
有时候我们不需要这么细致的分析维度，此时可以把这5个要素分组为单词信息层面和平台层面，来观察用户更关注哪个层面。将各选项百分比加总后可以得出结论：记忆单词时，用户更在意平台层面的信息。
3）描述分析
描述了解用户行为、态度（数值型变量）的基本特征和整体分布形态，同时可为后续做更复杂的分析和模型（如用户画像）做铺垫。例如计算样本的平均收入、平均年龄等。
4）交叉分析
了解用户属性、行为、态度间的关系。适用于对两个及两个以上变量之间的关系进行分析，以腾讯问卷为例，为大家简单介绍一下交叉分析的具体流程。
第一步：进入要分析的问卷。
点击进入工作台➡️选择要分析的问卷➡️点击统计➡️点击交叉分析。
第二步：筛选出符合条件的样本。
可以按照提交时间、答题时长等信息进行筛选，也可以按题目筛选。按题目筛选时要注意：不同题目间为交集筛选，同一题目各选项间为并集筛选。
该怎么理解呢？我们以下图为例：
并集筛选：对于“您的职业是？”这个问题，你既可以只筛选职业为学生的样本，也可以把所有职业的样本都选出来。
交集筛选：而对于“您的职业是？”和“购买车票时，比较关注的内容有哪些？”这两个问题，你只能选择同时选择了“学生”和“票价”的样本。
第三步：确定定义行与定义列。
定义行一般为样本属性，如性别，年龄等。定义列一般为需要分析的题目，如爱好、意愿等。
确定好以后点击开始分析。
于是我们就可以得到：
白领用户在购票时，最关注的是“车次类型”，占比为XXX%。
学生用户在购票时，最关注的是“票价”，占比为XXX%。
自由职业的人更关注“耗时长短”，占比为XXX%。
3. 工具推荐
推荐简道云、问卷星、腾讯问卷这三款问卷工具。
1）简道云
可做问卷调查、团队管理应用；功能非常强大，数据搜集和报表分析都很棒.
地址：https://www.jiandaoyun.com/index/solution_center?utm_src=fazxzhm
2）问卷星
大学时期常用的一款软件，专业做问卷；简单明了上手快。
地址：https://www.wjx.cn/
3）腾讯问卷
腾讯自家旗下的软件，适合在QQ空间、微信朋友圈转发。
地址：https://wj.qq.com/
六、总结
调查问卷的制作不是一件轻松的事，但是对于挖掘用户需求是很好的一种手段，你可以在访谈的过程中了解不同的用户平时是在什么场景使用产品的，最常用产品什么功能，以及用户在使用过程中心理和情绪上的变化。每个用户研究人员需要有一套自己的方法论去挖掘用户的需求，做有理有据的设计。
以上就是关于调查问卷如何设计的内容，希望对你有帮助，感谢大家的阅读。
文献参考：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
给作者点赞，鼓励TA抓紧创作！
来源：http://www.woshipm.com/pd/5432666.html
本站部分图文来源于网络，如有侵权请联系删除。