专业报告

 我们为多种题目类型生成专业报告，包括NPS、MaxDiff、联合分析、KANO模型和PSM。当您在调查中添加任何这些题目类型时，这些报告将自动出现在"统计分析"页面上。

 

NPS 报告

收集NPS题目的答卷后，您可以使用NPS报告分析数据。此报告显示净推荐值（NPS）、答卷数量、客户类别分布以及NPS随时间的变化趋势。

 

NPS量表中有三种客户类别：

 

- 推荐者（9-10分）：这些是高度忠诚的人，他们会继续购买并向他人推荐。

 

- 中立者（7-8分）：这些客户通常满意但不热情，可能会考虑其他竞争对手的产品。

 

- 批评者（0-6分）：这些客户对产品或服务不满意，可能对您的公司不忠诚。

 

净推荐值（NPS）通过以下公式计算：

NPS = % 推荐者 - % 批评者

 

例如，此题目的NPS为15.39，计算如下：

 34.62（% 推荐者）- 19.23（% 批评者）= 15.39

  

您还可以查看不同时间段（例如按月、周、日或年）的NPS趋势，以跟踪客户忠诚度和满意度的变化。

 

 

MaxDiff分析 报告

MaxDiff结果使用图表和表格来可视化数据。为每个属性提供以下统计分析：

 

- 偏好份额 %：属性在任务中被选为"最佳"选项的百分比。较高的偏好百分比表示更受偏好的属性。

 

- 概率 %：属性在任务中被选为"最佳"选项的可能性。概率分数范围从0到1，分数越高表示被选为最佳选项的可能性越高。

 

- P值：p值小于0.05通常被认为具有统计学意义。

 

- 最重要 / 最不重要：属性被选为最重要或最不重要的次数。

 

- 出现次数：属性显示的次数。

 

- 得分：（"最佳"标签的选中次数 - "最差"标签的选中次数）/ 出现次数。分数越高表示该属性对受访者越重要。

联合分析 报告

 

多属性多水平题目报告

联合分析报告显示属性重要性和概念效用。

 

- 属性重要性：此表显示每个属性和水平的重要性。在同一属性内，水平的效用值越大，该水平对受访者越重要。属性的重要性越大，该属性对作答者越重要。在这里，CPU是作答者最重要的属性。

 

以下是计算属性重要性的公式：

 

属性重要性 = （每个属性的最大水平效用值 / 每个属性的最大水平效用值之和）x 100%

 

例如，CPU的重要性为28.54%，计算如下：

 

16.54 / (16.54 13.87 10.42 8.96 8.16) x 100% = 28.54%

  

- 概念效用：概念的偏好排名可以直观地显示其重要性。效用值越高，概念对作答者越重要。

 

简单产品报告

 

简单产品报告使用图表和表格来可视化数据。为每个属性提供以下统计分析：

 

- 偏好 %：属性在任务中被选为"最佳"选项的百分比。较高的偏好百分比表示更受偏好的属性。

 

- 概率 %：属性在任务中被选为"最佳"选项的可能性。概率分数范围从0到1，分数越高表示被选为最佳选项的可能性越高。

 

- P值：p值小于0.05通常被认为具有统计学意义。

 

- 选中次数：属性在任务中被选为最重要的次数。

 

- 出现次数：属性在任务中出现的次数。

 

- 分数：选中次数 / 出现次数。分数越高表示该属性对作答者越重要。

KANO模型 报告

 

当您点击KANO报告时，您可以看到每个功能或服务的KANO属性、Better系数和Worse系数。

 

有五种KANO属性类型。功能或服务的KANO属性类型由该功能的最高分数决定：

 

- 必备：这些是客户期望在产品或服务中存在的必要功能。如果缺少此功能，客户会不满意，但它的存在并不一定会导致满意度增加。

 

- 期望：这些与客户满意度呈线性关系。随着这些功能的性能提高，客户满意度也会提高。相反，随着这些功能的性能降低，客户满意度也会降低。

 

- 魅力：这些功能不是客户期望的，但它们的存在会导致满意度增加。它们通常是使产品或服务与竞争对手区分开来的功能。

 

- 无差异：这些功能无论是否存在，都不会显著影响客户满意度。

 

- 反向：当这些功能存在时，实际上会降低客户满意度。这些功能可能被客户视为不必要甚至令人烦恼。

 

Better系数衡量属性性能增加导致客户满意度增加的程度，而Worse系数衡量属性性能降低导致客户满意度降低的程度。通过以下公式计算：

 

Better系数：(性能 % 魅力 %) / (必备 % 性能 % 魅力 % 无差异 %)

 

Worse系数：[(必备 % 期望 %) / (必备 % 期望 % 魅力 % 无差异 %) x (-1)

 

价格敏感度分析（PSM） 报告

当您点击PSM报告时，您可以查看四个价格点：