
调研问卷中多选题的分析方法探讨
使用调研问卷的定量研究中,为了更全面地了解研究内容、更广泛地收集信息,经常会用到多选题,但由于多选题多指向性的特点,除了频数表和交叉表(只能与单选题做交叉),较少用到其他的分析方法,损失了很多有用的信息。其实,如果调研时能善用多选题,并在分析时选取适当的方法,就能够充分利用多选题包含的信息,得到更有价值的结论。
前两篇文章分别谈到调研问卷中带有分类性质的多选题、带有求和性质的多选题如何进行分析,本文将侧重说一下带有递进逻辑的多选题如何进行深入分析。
带有递进逻辑的多选题
问卷调研中,常会通过多选题考察用户在某个方面不同层次的情况,如对某个卖家产品各功能的使用情况(经常使用的功能)、使用的满意情况(满意的功能)、需要改进的情况(亟需改进的功能)等,题目与题目之间是同一个问题的不同层次,存在递进的逻辑关系,即使用频率高低与是否满意、是否亟需等,三者之间分别存在逻辑关系。
此时,这种存在递进逻辑的多选题,可以首先考察不同题目相同选项之间的相关性;其次,能够衍生出新的题目,进行深入分析,挖掘表面背后的原因。
其实,这种带有递进逻辑的多选题,可以采用量表的形式进行考察,而量表题涉及到N级量表,相当于每个项目(选项)都是一个题目,具有递进逻辑的项目之间,进行相关分析、衍生变量分析,更能深入挖掘用户在某一方面的综合情况。只是为了节约用户的填答成本,常用多选题代替。
另外,衍生出的新题目,也是可以通过直接询问的方式获得的,但通常题目带有递进逻辑时,需要用户深入全面思考,耗费的精力较大,也容易造成理解上的偏差,给研究结论带来较大的非抽样误差。因此,通过多个简单的题目,计算出带有递进逻辑的结果,更易行更有效。
带有递进逻辑的多选题一般具备以下几个特征:
1、题目与题目之间的递进逻辑存在分析价值,如对某个卖家产品各功能的考察中,卖家对产品功能是否满意与是否亟需改进之间的递进关系,对于产品改进的方向、改进的优先级等有较大的参考价值。如果是满意但亟需改进,表明该功能可能需要创新;若不满意但没有亟需改进,则说明该功能的改进优先级可以适当靠后。
2、相关题目之间的选项相同,选项若不对应,或部分对应,会造成递进逻辑关系不紧密,容易引起结果出现偏差。
会有特殊情况,如某产品经常使用的功能选项,除主要功能外,还有一个互斥的选项“不常用以上功能”;亟需改进的功能选项,除主要功能外,也有一个互斥的选项“均不需要改进”。这类情况中,题目多出来的互斥选项只是为了解决题目设置为必选时,满足某种特殊情况,主要功能仍然是一一对应的,不对应的互斥选项,后续不进入递进关系的分析。
3、相关题目的选项尽可能覆盖全面,选项尽量能够覆盖考察的主要细节点,以免用户过多地选择“其他”选项,削弱了分析递进关系的可能性。
4、相关题目的选项个数最好超过3个,如果选项只有3个或更少,将多选题改为量表题,用户的填答成本不太大,获得的信息会更多,后续利用递进关系进行分析时,可以更加深入。
5、相关题目设置限选时需考虑递进逻辑,若同时限选,限选的个数最好相同;由于递进关系通常是由弱到强,有时可以设置递进关系较弱的题目不限选,较强的题目限选,如满意的功能不限选,亟需改进的功能限选,可以分析递进关系中的强度。但如果递进关系较弱的题目限选,而递进关系较强的题目不限选,则容易造成解读上的偏差,带来不必要的麻烦。
6、数据为0/1格式,即每个选项一个变量,选中为1,未选中为0,多选题转换成此种格式,宜于做深入分析。
当调研问卷中设置了带有递进逻辑的多选题,就可以采用下文介绍的方法进行深入分析。
本文中的例子,采用年初时自主发起的《卖家旺铺选择研究》,研究中涉及两套递进关系的题目:
您目前已经在用的旺铺功能有哪些?(可多选)
您目前最需要的旺铺功能有哪些?(可多选,最多9项)
您目前使用旺铺主要解决了哪些问题?(可多选)
您最希望通过旺铺帮您解决哪些问题?(可多选,最多6项)
相关分析
本文的案例主要研究旺铺,根据版本分析更有价值。以使用拓展版旺铺的用户为例,分别计算已经在用的功能和最需要的功能,再对每一个功能在用的和最需要的变量做相关分析,能够得到如下结论(详见下图,数字略):
1、已经在用的高比例,同时最需要的也是高比例的功能,对于拓展版旺铺而言,是需要维持的功能。
2、需要维持的功能中,个性化店招、数据分析工具、宝贝30天销售量累积显示、自定义页面布局等功能,在用的与最需要的之间存在显著相关(图中已星号标注,*代表显著相关,**代表非常显著相关),从一个侧面表明,已经在用的用户尤为需要这些功能;而其中没有显著相关的功能,则不能得出这样的结论。
3、已经在用的比例不高,而最需要的比例较高的功能,对于拓展版旺铺而言,是需要加强的功能。
4、需要加强的功能中,营销工具组合、不限类型的旺铺装修模板等功能,在用的与最需要的之间存在显著相关,从一个侧面表明,已经在用的用户对这两个功能的期望较高,也特别需要这两个功能。
5、另外,从具体数据上可以看出,虽然拓展版用户已经在用高级发货、进销存管理、客户关系管理等功能的比例不高,但最需要这三个功能的比例远超过在用的比例,表明部分拓展版用户对这三个功能的需求很旺盛。而这三个功能是旗舰版的功能,反映了这部分用户应该选择更高版本的旺铺。
注:虽然高级版本的旺铺中包含一些特有的功能,但这些功能附属的工具可以单独购买,所以,会出现使用低版本旺铺的用户,已经在用某些高版本的功能。情况相对复杂,分析时需要注意,下文雷同,不再赘述。
衍生变量分析
以使用扶植版旺铺的用户为例,因为“目前使用旺铺解决了的问题”与“最希望通过旺铺帮助解决的问题”存在递进逻辑关系,可以衍生出两个比较关键的变量,即已经解决了且希望解决的问题、尚未解决但希望解决的问题。
有了这两个变量,可以更加深入地分析,希望解决的问题具体情况是怎样的,最终分析结论如下(详见下图,数字略):
1、提升店铺的流量、增加店铺的可信度、增加店铺的专业程度等,是使用扶植版旺铺的用户非常关注的问题,不论目前是否解决,都非常希望通过旺铺解决,表明这三方面是需要维持的利益点,也是宣传扶植版旺铺的重点。
2、装修更便利、店铺更美观等,是目前解决了,但仍希望通过旺铺解决的问题,表明这部分使用扶植版旺铺的用户,对装修的便利性、装修效果等更重视,希望能做到更好,可以对他们做相应的培训,或直接向他们推荐装修更灵活、呈现更多样的高版本旺铺。(之所以得到这样的结论,主要是因为最希望通过旺铺解决的问题是多选限选,可以根据以往研究经验,假设需求强度不大,已经解决了,就不会再选了。)
3、提升宝贝的转化率/成交量、增加宝贝的点击率、增加买家在店铺的停留时长等,是目前尚未解决,但希望能够通过旺铺解决的问题,表明这部分扶植版旺铺的用户比较直接、实际,非常看重流量和销量,可以对他们做相应的指导,也可推荐引流量的工具或服务。
利用衍生变量深入分析
本研究中在询问功能和解决的问题时,将多个版本的内容融合在一起,后续分析时,可以分析出目前使用某个版本的用户,目前是否适合当前版本,如果不适合,如何引导他们使用更适合的版本;如果适合,是否已经用得足够好,用得不好,如何帮助他们。这些疑问,可以利用衍生变量进行深入分析,从而得到答案。
以使用标准版旺铺的用户为例,首先要明确四个前提步骤:
Step1、由于功能和解决的问题是多个版本融合在一起,需要分清哪些功能是当前版本的,哪些是更高版本才有的,旺铺的高版本兼具低版本的功能。
Step2、分析中需要结合旺铺版本,衍生出一个变量,叫做“更适合的功能点”,即目前未使用,但最需要的功能,且这个功能又是更高版本的旺铺功能;
还需要衍生出另一个变量,叫做“未用好的功能点”,即目前未使用,但最需要的功能,且这个功能是当前版本具备的旺铺功能。
Step3、以往的定性调研表明,一个使用低版本旺铺的用户之所以选择更高版本,往往是看上了高版本的其中一个功能,如宝贝30天销量累积显示。
本例在判断部分使用当前版本的用户,实际上适合更高版本旺铺时,采用了保守的方式,找出前提2中排名前三位的“更适合的功能点”,取平均值,把它当做更适合高版本旺铺的当前版本用户的比例。主要基于假设,这些功能对他们相当重要,理想状态下,后续他们会因为这些功能转用高版本旺铺。
同样,适合但未用好当前版本的用户,也采用了类似的方式计算比例,此不赘述。
Step4、若判定部分当前版本用户适合更高版本旺铺,还需要有促使他们转换的利益点,这些利益点也可以由衍生变量得到,即目前使用旺铺未解决但最希望通过旺铺解决的问题。
也可以找出适合当前版本但未用好的比例,摸清哪些功能点他们没有用好,能够更有针对性地培训,使其充分发挥旺铺的功能。
小结
综上所述,带有递进逻辑的多选题,分析的流程如下:
1、确定在设计问卷时,是否包含递进逻辑的多选题,并确保题目的递进关系存在解读价值、应用价值;
2、根据题目的特点,衍生出新的变量;
3、根据衍生变量的统计量,深入分析样本的相关情况;
4、可以根据其他关键变量(如旺铺版本、星级等)对衍生变量做进一步分析,从而得出更深入的研究结论。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05