教学示例案例
本案例为教学目的编写的模拟研究，业务背景、需求、数据与结论均为演示内容，不代表任何真实公司或项目。所有数字为模拟数据。
本文适合谁
希望看到”一次真实研究项目如何从业务需求做到报告”全流程的研究人员、市场与产品同学。建议先掌握满意度研究如何设计后再阅读。
案例总览
| 环节 | 本案例内容 |
|---|---|
| 业务背景 | 某电商平台（模拟）购物流程满意度诊断 |
| 研究目标 | 找出购物流程满意度短板与优先改进项 |
| 方法 | 在线问卷 n=800（模拟） |
| 分析 | 交叉、驱动因素、ISA、开放题编码 |
| 交付 | 报告故事线 + 5 页 PPT 脚本 |
1. 客户需求原文示例（模拟）
“我们最近复购率有点下滑，想搞清楚用户在购物流程里哪里不满意。上季度整体满意度 4.1，这个季度好像又低了。你们帮我们看看应该先优化哪里。”
需求中的模糊点（研究者必须澄清）：
| 模糊表述 | 需要澄清的问题 |
|---|---|
| “哪里不满意” | 是整个流程还是某个环节？需拆解旅程环节 |
| “好像又低了” | 有数据吗？口径一致吗？需先对齐历史口径 |
| “应该先优化哪里” | 决策是”优先级排序”——需要驱动因素 + ISA |
2. 识别模糊问题后的研究目标
澄清后形成研究目标：
- 测量购物流程各环节满意度水平（商品浏览 → 下单 → 支付 → 配送 → 售后）；
- 识别不同人群的满意度差异；
- 找出驱动整体满意度的关键因素；
- 定位优先改进项（结合重要性×满足度）。
研究问题（对应目标）：
- 各环节满意度分布如何？哪个环节最低？
- 新老用户、不同城市等级的满意度差异是否显著？
- 什么因素对整体满意度影响最大？
- 高重要 × 低满足的环节是哪些？
3. 用户旅程框架
将购物流程拆为 5 个环节（旅程方法参考用户体验研究如何设计）：
商品浏览 → 下单流程 → 支付环节 → 物流配送 → 售后体验每个环节 2–3 个测量维度（共 12 个维度），加整体满意度与 NPS 结果指标。
4. 满意度指标体系
| 层级 | 指标 |
|---|---|
| 结果指标 | 整体满意度（10 点）、NPS、复购意向 |
| 环节指标 | 5 环节满意度（10 点） |
| 维度指标 | 12 个维度（页面加载、商品信息、价格感知、支付安全、配送时效、包装、客服响应、退换货…） |
| 背景 | 新老用户、城市等级、品类、客单价 |
量表口径：满意度统一 10 点（1 非常不满意 – 10 非常满意），锚点两端+中点标注（量表规范见问卷量表怎么设计）。
5. 样本设计
- 目标人群：过去 3 个月在平台完成过购买的 18–55 岁用户；
- 配额：城市等级（一线 25%/新一线 30%/二三线 45%）× 新老用户（新 40%/老 60%）；
- 目标有效样本 800，按有效率 85% 投放约 950；
- 来源：平台用户库 + 外部样本库混合（避免单一渠道偏差，见市场调研样本怎么设计）；
- 样本量依据：总体比例 ±3.5% 误差需求（见市场调研样本量怎么计算）。
6. 问卷结构
- 甄别：购买经历、频率（筛除非目标用户）；
- 最近一次购物旅程还原（浏览→下单→支付→配送→售后）；
- 各环节满意度（10 点）+ 整体满意度 + NPS + 复购意向；
- 开放题：“最满意/最不满意的地方？“（必填）；
- 背景：新老用户、城市、品类、客单价。
（完整题目参考满意度调研题目参考库；上线前检查见问卷上线前检查清单）
7. 数据清洗（模拟结果）
| 步骤 | 样本量 |
|---|---|
| 原始回收 | 968 |
| 剔除测试/预览 | −28 |
| 时长异常（<3 分钟，按分布校准） | −62 |
| 直线作答 + 矛盾回答 | −48 |
| 重复样本（同 IP+设备） | −30 |
| 有效样本 | 800 |
清洗规则记录在案（规则表模板见数据清洗规则表模板，方法见问卷数据清洗完整指南）。
8. 总体满意度（模拟结果）
- 整体满意度均值 4.02/5（10 点转 5 点口径便于展示）；
- Top 2 Box（满意+非常满意）52%；
- NPS +12（推荐者 34%、贬损者 22%）；
- 复购意向 Top 2 Box 46%。
结论（报告标题写法见调研报告PPT标题怎么写）：
“整体满意度 4.02，处于中等水平；NPS +12 提示忠诚度一般——短板集中在购物后半程。”
9. 分环节满意度（模拟结果）
| 环节 | 均值 | Top 2 Box |
|---|---|---|
| 商品浏览 | 4.21 | 58% |
| 下单流程 | 4.15 | 55% |
| 支付环节 | 4.08 | 53% |
| 物流配送 | 3.88 | 46% |
| 售后体验 | 3.71 | 39% |
发现：满意度沿旅程递减，售后体验显著低于其他环节（差 0.4–0.5 分）。
10. 不同人群对比（模拟结果）
| 人群 | 整体满意度 | NPS |
|---|---|---|
| 新用户 | 4.15 | +18 |
| 老用户 | 3.92 | +8 |
| 一线城市 | 4.18 | +17 |
| 三四线 | 3.86 | +7 |
- 老用户与三四线城市满意度显著更低（组间差异检验方法见显著性检验完整指南）；
- 新用户满意但老用户下滑——提示体验峰值后存在持续价值缺口。
11. 交叉分析（模拟）
- 客单价 ≥300 元用户售后满意度 3.52，显著低于低客单（4.02）——高价值用户对售后更敏感；
- 品类交叉：数码类配送满意度最低（3.70）；
- 交叉分析规范见交叉分析入门。
12. 驱动因素分析（模拟）
回归（因变量：整体满意度）标准化系数：
| 驱动因素 | β | 现状得分 |
|---|---|---|
| 售后响应 | 0.38 | 3.71 |
| 配送时效 | 0.24 | 3.88 |
| 商品信息 | 0.21 | 4.21 |
| 支付安全 | 0.12 | 4.08 |
解读：售后响应是整体满意度的第一驱动因素（β=0.38），且现状得分最低——改进优先级最高（方法见驱动因素分析入门）。
13. ISA 分析（模拟）
重要性 × 满足度四象限定位：
- 优先改进区：售后响应（高重要 4.5 / 低满足 3.71）、配送时效（4.3 / 3.88）；
- 保持区：商品信息（4.4 / 4.21）；
- 暂缓区：包装（3.1 / 4.0）；
- 方法见重要性×满足度（ISA）分析。
14. 开放题编码（模拟）
- 负向高频主题：售后响应慢（提及 21%）、配送信息不透明（14%）、退换货流程复杂（11%）；
- 正向高频主题：商品信息丰富（17%）、支付顺畅（13%）；
- 少数但重要：3 位用户提到”客服推诿”——指向服务态度系统问题（少数观点处理见开放题如何编码分析）。
15. 定量与定性解释
- 定量：售后环节得分最低、驱动最强；
- 定性（开放题+回访）：用户不满集中在”响应慢”与”信息不透明”，而非”不处理”——改进方向是响应时效与信息可见性；
- 定量定结论、定性给原因（结合方式见定性研究报告完整指南）。
16. 优先级判断
综合驱动因素 + ISA + 开放题：
| 优先级 | 事项 | 依据 |
|---|---|---|
| P1 | 售后响应时效提升 | β=0.38 + 低满足 + 高频提及 |
| P2 | 配送信息透明化 | β=0.24 + 低满足 + 提及 |
| P3 | 老用户/三四线专项 | 人群差异显著 |
| 暂缓 | 包装优化 | 低重要高满足 |
17. 报告故事线
背景：复购率下滑，需定位满意度短板
→ 现状：整体 4.02、NPS +12，中等水平
→ 结构：满意度沿旅程递减，售后最低
→ 原因：售后响应是第一驱动且表现最差
→ 人群：老用户与三四线显著更低
→ 建议：P1 售后时效 → P2 配送透明 → P3 专项
→ 验证：下期追踪指标与改善目标（故事线模板见报告故事线模板，方法见洞察提炼与故事线设计）
18. PPT 脚本示例（5 页）
第 1 页：指标总览
- 标题：整体满意度 4.02、NPS +12——中等水平，忠诚度有待提升；
- 图表：整体满意度趋势 + NPS 分组柱状；
- 关键数据：Top 2 Box 52%、复购意向 46%。
第 2 页：用户旅程满意度
- 标题：满意度沿旅程递减，售后体验（3.71）是全旅程最低点；
- 图表：旅程环节折线图（浏览→售后）；
- 数据标注：售后与浏览差距 0.50 分。
第 3 页：核心短板
- 标题：售后响应是整体满意度第一驱动因素（β=0.38），但表现垫底——优先改进；
- 图表：驱动因素排序条形图 + 表现对比；
- 原声：售后开放题典型反馈（匿名化）。
第 4 页：驱动因素与人群差异
- 标题：老用户（3.92）与三四线（3.86）满意度显著低于新用户与一线；
- 图表：人群对比柱状 + 显著性标注；
- 含义：体验峰值后的持续价值缺口。
第 5 页：优先改进建议
- 标题：P1 售后时效、P2 配送透明、P3 老用户专项；
- 每项：问题 → 用户 → 环节 → 为什么优先 → 预期解决什么；
- 下期验证指标：售后满意度 ≥4.0、配送 Top 2 Box ≥50%。
19. 错误结论与正确解读
| ❌ 错误结论 | ✅ 正确解读 |
|---|---|
| “满意度 4.02 说明用户基本满意” | 4.02 为中等水平，NPS +12 与复购 46% 提示忠诚度一般 |
| “售后满意度最低，所以要改售后” | 售后不仅低，且驱动最强（β=0.38）——优先级来自组合证据 |
| “老用户满意度低，因为产品不好” | 交叉与开放题显示是服务环节问题，非产品问题（相关≠因果） |
| “差 0.4 分不显著” | 需检验：样本 800 下 0.4 分差异显著（按检验结果表述） |
20. 最终行动建议
- 针对”高价值用户售后体验差”问题，面向客单价 ≥300 元用户，优化售后响应时效（目标：首响 <30 分钟），因为驱动最强且影响高价值人群；
- 针对”配送信息不透明”问题，面向全体用户，升级配送节点推送，因为低满足且高频提及；
- 针对”老用户满意度下滑”问题，启动老用户服务专项，优先验证服务环节而非产品环节；
- 下期追踪：同口径指标 + 改善目标对比（追踪口径见品牌健康度研究完整案例的口径说明）。
21. SurveyKit Quant 的使用路径
- 问卷阶段：使用题库与结构检查（对应问卷上线前检查清单）；
- 数据阶段：上传回收数据，辅助检查异常样本与缺失值；
- 分析阶段：辅助整理交叉表、指标与驱动因素素材；
- 报告阶段：辅助整理图表素材与结论标注——最终洞察与建议由研究人员完成。
参考资料
- 本案例为教学示例，数据为模拟数据，不引用真实调研结果
- 方法与模板链接均指向本站对应指南（见”相关文章”与”相关模板”）
工具推荐
按本案例的步骤整理数据后，可使用 SurveyKit Quant 辅助完成交叉表、指标与驱动因素素材整理，最终结论由研究人员复核。