定量研究学习路径
从业务问题到数据决策，一套完整的实战型定量研究学习路径。每一步都有对应的方法指南， 帮助你完成真实的定量研究任务。
专题简介
定量研究解决什么问题
当问题需要回答"有多少、差多少、谁驱动"时，定量研究是核心工具。
📊 规模与普遍性
某种现象有多普遍？满意度、渗透率、份额等指标的水平与分布。
🔬 差异与驱动
不同人群之间是否存在差异？哪些因素影响满意度、购买意愿或推荐意愿？
🎯 优先级与验证
哪些需求更重要？用户可以分成哪些群体？结论是否具有统计稳定性？
定位说明
定量研究不是"样本更多"或"比定性研究更科学"。它回答"有多少、差多少"，与定性研究的"为什么"互补。
定量研究同样依赖正确的研究设计——样本量大不能弥补错误问卷，统计显著不等于业务重要，
相关关系不等于因果关系。
学习路径
十个阶段，从业务问题到数据决策
按顺序学习，或按需直达对应环节。
1
明确业务问题
把业务问题转化为可研究的问题，判断是否适合定量研究
2
研究设计
研究方法选择、研究框架、指标体系与样本设计
3
问卷设计
问卷结构、题型选择、量表设计与预测试
4
数据质量
数据清洗、缺失值与异常样本、样本加权与质量审计
5
基础分析
频数与比例、交叉分析、显著性检验、复杂题型分析
6
测量质量
信度与效度、因子结构、指标体系的构建与验证
7
进阶分析
驱动因素、ISA、细分、TURF、MaxDiff、Conjoint、PSM
8
结果验证
细分稳定性、结论稳健性与追踪口径一致性
9
报告表达
图表选择、故事线、结论标题与管理摘要
10
AI辅助分析
AI 可以辅助哪些环节、不能替代哪些统计判断
适合人群
这条路径适合谁
首次做问卷调研的人
从业务问题与样本设计开始，避免直接写题。
回收数据不会分析的人
掌握交叉、显著性、驱动与加权等分析方法。
需要细分与优先级的人
用聚类、ISA、MaxDiff 等方法支撑决策。
写定量报告的人
学会图表、故事线与结论表达。
研究工具
SurveyKit Quant：把方法落地
学完方法之后，问卷数据的整理、分析与报告素材可以在 SurveyKit Quant 中辅助完成。
📋 问卷与数据
辅助检查问卷结构与数据质量（异常样本、缺失值模式），支持初步分析。
📈 分析整理
辅助整理交叉表、指标计算与候选分析结果，统计判断由研究人员复核。
📄 报告素材
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。