两周前，由倍市得策划的【体验官俱乐部】如约开讲。首期直播围绕连锁门店开展体验管理过程中遇到的“如何提升问卷质量”等问题做详细拆解。本文根据直播做简要梳理，由倍市得整理。
1、首先设计一份“对的问卷”：
一份对的问卷主要包括四个部分：封面信和指导语、甄别问卷、主体问卷、背景资料。
1）封面信和指导语：在问卷的开头，我们需要一段指示语引导受访者在脑海中检索或者回忆相关的信息，以便做出回答。
2）甄别问卷：甄别问卷是为了能够精准地找到调研寻找的目标人群，提高收集效率，避免出现过多无效答卷。
以美业常见的调研问题为例，首先问题的列表不要太单一，不要让受访者只做简单的判断，其次，与其让受访者自己做出判断，不如根据受访者实际行为，由研究者做出判断；当受访者没有选出核心选项时，则终止问卷。
3）主体问卷：主体问卷是问卷最核心的部分，用于收集研究者所需要的调研信息。问卷长度和数据质量密切相关，典型的NPS/满意度问卷答题时间应控制在1-2分钟，专项研究性的问卷控制在5-10分钟。
4）背景资料：背景资料主要是为了获取一些可以帮助我们做群组分析，但与甄别无关的被访者相关资料，一般放在最后；但不必什么都放，必须是分析可能需要的（根据事前假设）才放。此外，敏感信息也可以放在背景资料部分，例如：婚姻状况，子女情况，收入情况，联系方式等。
2、再设计一份“好的问卷”：
在网络信息多元化的现代社会，一份有创意的问卷可以更好地吸引受访者来答题。问卷编辑人员可以选取一些爆款软文的标题，例如：揭秘！真的有越吃越白的食物吗？夏季肠胃不舒服，快来看看你有没有吃对食物！这类有话题点的标题，很容易吸引受访者点开问卷，提升问卷的打开率。
另外，问卷也可以选择贴近题目的主题外观，用精美的画面吸引受访者，让受访者打开问卷就代入了曾经的场景，更快地做出回答。
除了一些富有个性化的创意点，我们还有一些关于问卷设计的基本原则。
1）整体设计原则：
◆ 目的性：在问卷设计之初，研究者需要明确问题是否都符合研究需求，列出问卷大纲。笔者建议可以使用5W2H法则来罗列信息，以医美消费调研为例，我们可以这样梳理问卷大纲：
对于不适用5W2H拆解信息点的类型，研究者可以通过脑图进行信息拆解辅助：
◆ 逻辑性：问卷要符合用户思维，要有一定的逻辑：比如按照时间顺序，按照正常的思路原则，不进行无法正常回忆的询问。同样以医美问卷为例：
◆ 中立性：在题目中，不要出现很明显地引导词，会让受访者受到影响，或者猜测你的意图，同样以医美消费为例：
◆ 易读性：多选题尤其注意要标注明显，和单选题有明显区分，以免影响数据准确性；题目表述要清晰，对于容易出现不同理解的内容，要做好具体解读。
2）选项设计原则：
◆ 穷尽性：选项一定要有出口，答案一定要完整；要让受访者有回答的出口，否则只会乱选一个或者中途弃答。如果无法穷尽所有选项，可以设置【其他】选项，让受访者自行填写。
◆ 互斥性：每个选项一定要区别于其他选项，不要有包含关系；也不要一个选项包含不同的评价维度，让被访者不知道如何选择。
◆ 简便性：选项最好控制在8个选项以内，如果真的比较多，务必开启选项随机功能，减少因为排序而引起的数据误差。因为在选项过多时，受访者倾向于选择更前面的选项。
◆ 准确性：对于重要信息，可以通过高亮标注引起被访者的注意。
问卷完成设计后，需要通过渠道投放，发放给受访者进行问卷填写；不合理的问卷投放，往往导致问卷回收困难，研究者无法在有限的时间内统计有效的答卷，因此，在“对”的地方发问卷是十分重要的策略。
1、通过“有效的用户触点”发放问卷：
用户触点，就是与用户之间的接触点。不同的行业、产品，这种触点可能存在的形式也不一样。大致上触点的类型我们可以划分为三类：
1）人际类触点：顾名思义，主要是通过人际交往，来实现接触用户的目的。比如美业门店的接待、护理师，或者银行的保安，大堂经理，柜员，理财经理等等。这类触点的好坏，很大程度上取决于“人”的能动性。
2）设备类触点：比如美业门店的POS，选择服务用的PAD，或者银行的取号机、VTM、ATM等，餐饮店的点餐机、菜单、餐具等，甚至像菜品的口味、香味等，都可以被归为这一类。这类触点，通常情况下是可以通过某个固定标准去进行衡量并统一的。
3）数字类触点：这类触点的范围是最为丰富的，用户通过软件（短信、邮件、APP、小程序、公众号）产生的交互，从最简单的音乐、系统后台信息推送，到更为复杂的AI、VR等等。这类触点因为并没有具体的实物，所以往往在衡量标准上很难统一。
很多研究者在发放问卷时往往采用固定的模式，例如：每月对当月消费过的客户发放一次满意度问卷；每隔半年对老用户进行一次问卷回访；客户在门店完成消费后递上纸质的问卷单等等，这类的触点过于单一且问卷回收质量低，受访者很容易因为时间久远或者当下抹不开面子给差评而给出没有价值的回答，同时也很容易使研究者忽略潜在的问题。
2、通过“多样的投放方式”发放问卷：
只通过短信发放问卷，很容易被受访者忽略。毕竟各个商家都会发送铺天盖地的营销短信，一份份精心设计的问卷很容易被淹没在短信海洋中。
通过不同的渠道或者方式能够触达到受访者就显得尤为重要，在发放问卷时，可以思考一下所有能够让受访者看到问卷的渠道，例如微信，APP，小程序；通过这些渠道去给客户发放问卷，可以增大问卷回收的概率。
3、问卷发放要做到“千人千面”：
如果只有一份通用的问卷，直接批量发给曾经在店里消费的所有受访者，这样回收的问卷质量肯定是不高的，没有针对性地发问，就没有准确的答案。
因此在日常维系客户关系时，就应该对客户进行分类，将具有相同习惯，相似偏好的客户归为一类，在发放问卷时按照客户的属性有针对性地发放不同的问卷，这样也方便对同一类的客户进行精准的维护和营销活动。
当然，通过人工去进行这类操作成本比较高，如果可以通过系统，在日常工作中对每个客户打上标签，在发放问卷调研时，便可以将不同的问卷按标签发放，高效地完成这个工作。
在传统的管理模式中，我们往往会遇到各式各样的痛点，例如：门店的体验数据反馈不够真实，或者数据无法分层级实时查看等。
所以在这里需要引入一个层级管理的概念，在调研过程中问卷是可以根据门店来生成单独的链接，实现一店一码；这些数据回收后，店长、区经理等可以看到自己相关的数据内容，针对性地维护自己的客群，对症下药。
4、其他的“好问题”
除了一份“好问卷”和一个“好地方”，结合前面提到的整体性设计原则（5W2H），我们还可以延伸出一个“好人物”或者一个“好时机”等等，千人千面就是“好人物”，那么“好时机”又是指什么呢？
以美业为例，比如我们不建议在消费者未离店的时候就推送问卷——销售者常常因为美容技师的现场要求而抹不开面子，只好给予好评；
另外我们也不建议在消费隔天或隔更久之后才推送问卷——消费者可能以及忘记了峰值时刻的感受；合理的时间点是在消费结束（离店）15-40分钟后——根据不同的场景进行合理配置，例如外卖应该设置在送餐到达40分钟后，刚刚吃完饭不久。
03 选对好方法分析数据
数据分析这一阶段主要是通过事后检查，重点确保数据结果的真实性，从而得出有效的业务策略支撑。合理的数据分析往往采用人工和技术手段结合的方式，从以下三个维度进行：
通过问卷设计中的甄别题，可以有效筛选出不符合标准的受访者，这类人群可以直接通过问卷答案快速排除；
受访者参加调查时填写的个人信息与数据库中的资料不符者也将被甄别为不诚信者，可以将其从数据中剔除；
通过系统识别和人工复核结合的方式，对数据中明显不合理的部分进行筛查，去除不合格问卷。例如：答题时间远低于平均答题时间；所有选项均为极端值；在开放性问题中“胡言乱语”等等。
2、数据融合：
问卷回收的数据也可以跟其他渠道的数据结合后再进行分析，如果研究者有其他的受访者数据来源，例如CRM系统，数据采集终端，可以通过Excel、SPSS等数据工具进行数据融合，可以更全面地进行数据分析。
如果系统中已经对客户进行分类打标，结合客户标签进行数据分析，可以更高效地分析出同一类客群的习惯，喜好和潜在风险，通过不同运营策略去提升客户体验。
3、可视化数据看板（BI仪表盘）：
一份好的问卷可以引导客户更真实的留下当下的心情，一次好的投放可以更有效地将问卷通过数字化渠道更精准、更连贯性的投放给顾客，一个好的数据分析则是将这些看似冰冷的数字融合在一起，以不同的视角呈现给不同的管理角色，最终辅助决策。
这三者的融合不仅代表了企业对外连接的一次又一次的品牌宣传，而且可以通过这样一种广域的数据采集方式将客户的心声成体系的实时带回到管理者的眼前。
同样以美业连锁店体验管理调研场景为例，区别于以往传统的调研模式，诸如神秘客或者传统人工的定期质检等，经过全渠道全场景的投放与数据采集模式，能够更好地帮助各位美业的管理者捕捉品牌在消费群体中的声音，经过一定的运营周期，将顾客体验相关的核心指标，辅助品牌纳入管理考核指标中，实现了顾客体验调查回收的实时性和连续性，形成顾客体验相关的KPI指标，真正将顾客体验管理的理念落到实处。
◆ 多种调研方向，数据完整：基础满意度问卷结合神秘顾客、服务质量自查等问卷数据，数据信息全面；
◆ 提升时效，精准查看：消费后即时触发问卷推送，对顾客实施精准运营，即时接收顾客信息反馈，汇总信息反馈查看时间缩短至T+1天；
◆ 提升时效，解放人工：门店考核数据在24小时内总部通过BI数据看板可清晰查看，极大节省人力成本，提升人效；
◆ 赋能门店，整改提升：作为顾客满意度的有效补充和印证，门店可随时登录系统查看自己各项指标，切实指导门店改进工作。
数据太多可能会导致信息量变得巨大，反而增加寻找到规律的难度；过量的数据也会导致数据分析的成本上升，增加数据分析的难度；数据的量多不一定就代表准确，研究者更应该追求数据的质量好，有代表性，才有可能分析出准确的结果。
2、避免不计成本地追求数据质量：
在设计调查过程时，研究者必须在数据的质量、数量与获得这些数据的成本之间找一个合理的平衡点。调查的成本在不同的调查项目中，随着调查的复杂程度和样本数量的变化而有所不同。在计算总成本时既要考虑财务成本、人力成本、更要考虑时间成本。
3、避免忽略非结构化数据：
很多研究者在数据分析时过于重视结构化的题目选项，而往往忽略了问卷中的文本内容，这些非结构化数据中往往隐藏着受访者的核心诉求与关键信息。
想要深入分析非结构化数据，往往要花费大量的人工成本，笔者建议有条件的研究者可以选用成熟的分析工具，同时结合平台的舆情监测，用户评论，客服记录等非结构化数据进行深度分析。
综上，想要提升调研问卷的数据质量，最好选用人工与技术结合的方式，兼顾问卷设计、发放到数据分析的每一处细节，从而得出有价值的业务决策。
《大数据环境下网络调查数据质量影响因素研究》@黑龙江大学
《玩转私域运营的起点是实现高效触达用户触点》@火星运营
