用正确的原则和工具来处理你的问卷调查，将产生易于理解的结果，其中包含可操作的见解。
在本指南中，您将了解问卷数据背后的基础知识，然后逐步分析您的回答。
1. 什么是问卷数据?
2. 问卷数据类型
3. 如何分析问卷数据
4. 外卖
什么是问卷数据?
调查数据，又名问卷数据，是在调查活动中收集的数据。这些数据可以被分析和分解，产生可以用来促进业务的统计数据和见解。
什么是问卷数据分析?
最终，所有的客户反馈收集，无论是问卷调查，在线评论，还是其他数据，都应该始终是为了现有和未来客户的利益而改善整体客户体验。
现代市场已经表明，客户体验(CX)是竞争对手之间的首要区别。这在很大程度上得益于主动客户体验管理对现有客户的关注——根据贝恩公司(Bain & Co.)的数据，能够将现有客户转化为“推动者”(在NPS尺度上)的公司将其终身价值提高6至14倍。
当涉及到客户调查时，这一点尤其相关，因为调查总是分发给现有和/或过去的用户。他们收集的数据和得出的见解直接适用于客户的旅程。
通过积极倾听客户的声音并分析调查数据，你可以从最好、最诚实的可能来源获得战略建议。
问卷数据类型
问卷数据或调查数据有两种格式:封闭式数据和开放式数据。
封闭式问卷数据
封闭型数据是人们在想象调查结果时首先想到的。它是直接转化为数字的数据。“三大”反馈问题(NPS、CSAT和CES调查)都以封闭式问题开始。它们的格式各不相同，CSAT是“是/否”的二进制，NPS是1-10,CES是1-5，但这些回答可以用简单的方式制成表格，并使用Excel等基本软件进行分析。
在此基础上，可以使用基本统计数据来解释封闭式数据，从而获得清晰的见解。这是基本的调查分析，有大量的工具可以帮助您快速有效地分解，交叉表格，并显示您的结果。
然而，除非你将封闭式方法与开放式问题结合起来，否则你就无法从调查中获得最大的收益，这样就可以得到看不见但无价的数据。
开放式问卷调查数据
开放式数据是封闭式指标背后的“原因”，因此它是优秀问卷分析的关键。
你知道那些在调查结束时附加的书面评论吗?这些都是开放式问题。抛出这些回答意味着错过了客户给你的任何评价背后的背景。
下一个合乎逻辑的问题是，“我如何衡量基于文本的回复?”
如何分析问卷数据
直到几年前，每个数据集的答案都需要手动制表，这既乏味又不准确。现在，借助机器学习的力量，并利用情感分析和关键字提取等技术，您可以大规模实时地解释开放式回答和封闭式指标。
拥有正确的客户反馈分析工具可以帮助确保您的调查分析方法，无论是封闭式的还是开放式的，都是正确配对和集成的。这是至关重要的，因为失去哪个开放式评论与哪个封闭式评分相关联意味着失去数据背后的深度，从而无法进行准确的分析。
记住这一点，让我们进入主菜，我们逐步的调查数据分析方法。
1. 提问
2. 将定量结果交叉表列
3. 用开放式的问题展开
4. 分析开放式数据
5. 想象你的结果
6. 解读可操作的见解
我们选择了这些特定的步骤，因为它们传达了从调查活动的开始到实施调查见解的清晰旅程。
1. 提问
一些企业容易犯的第一个错误是不知道他们想从调查中寻找什么。这当然会直接影响你在调查中要问的问题。
所以，要想问出最好的问题并得到明确的答案，就要反复询问你想要的东西。你想知道客户对你的价格有什么看法吗?或者完全是另一回事。
在分发调查之前确定调查的主要目标可以确保你至少回答了你的主要问题。这并不是说深入研究你的问题会限制你调查的可能性。通过让客户填写额外的评论或想法泡泡，产生开放式的响应数据，您一定会发现其他相关但隐藏的趋势。但是明确的目的可以确保你不会因为你的调查而混淆你自己，或者更糟，混淆你的客户。
2. 将定量结果交叉表列
交叉表格只是过滤你的调查的一个花哨的词，这样你就可以比较客户组，也就是子组。可以把它看作是按人口统计对数据进行排序的过程，以便发现趋势。
例如，看看这个表，它反映了与会者是否认为他们明年还会参加会议的答案，将答案分为三个子组(管理员、教师和学生):
如果你只看想要返回的总百分比，那么一开始可能会隐藏的东西现在变得清晰起来。
从40%的“不”回答和46%的“是”回答(相比之下，86%的学生和80%的教师)可以看出，管理人员显然没有从会议中得到他们想要的东西。
好奇的问卷/调查分析是一个很好的实践——通过深入研究数据，在这个调查的情况下，揭示了一个隐藏的趋势。然而，参考我们的第一步，如果没有提出正确的问题并跟踪三个不同的人口统计群体，这是不可能的。
有了这个发现，继续比较和对比数据将是明智的。这也可以是一种基准测试——将你的数据与其他调查进行对比。您可以将今年的与会者人数与前十年的人数进行比较，并且，如果可能的话，将这些子群体从那些年份中分离出来(如果他们接受了调查)。这样做可以让你知道哪个年份最受每个子组的欢迎。
在今年的情况下，知道管理者是最不可能回来的是一回事，而知道是什么让他们有这种感觉又是另一回事。这就是那些烦人的开放式问题的来源，以及为什么它们对获取和分析如此重要。
3.用开放式的问题展开
虽然这是我们列表中的第三个，但它确实需要从一开始就优先考虑。采取每一个可能的步骤征求书面反馈将真正把你的问卷/调查活动提升到一个新的水平。
在你的调查活动中附上开放式问卷将增加你的数据深度，并告诉你分数背后的“原因”。
幸运的是，随着人工智能的进步，这比以往任何时候都容易。这就把我们带到了下一步，准确有效地分析您的数据。
4. 分析开放式数据
机器学习支持的软件，如Monkeylearn，获取大量文本数据，并将其转换为客观的见解。
使用情感分析和关键字提取文本分析技术分析您的数据可以使您的问卷分析在课堂上最好。
这些，以及其他开放式分析技术，如主题分析，确保您获得绝对大部分的数据，深化和添加上下文到您现有的定量数据。这些包括即插即用的模板，专为无代码的用户能够访问和塑造问卷数据- Monkeylearn甚至提供了一个现成的调查数据模板-今天预订您的演示并免费试用。
5. 想象你的结果
如果洞察力不能传达给适当的决策者，那么它们就毫无价值。只需看看完整的可视化套件，就可以获得使现代企业领先于曲线的图表、统计数据和图表。返回搜狐，查看更多
责任编辑：