专業報告

 我們為多種題目類型產生專業報告，包括NPS、MaxDiff、聯合分析、KANO模型和PSM。當您在調查中添加任何這些題目類型時，這些報告將自動出現在"統計分析"頁面上。

 

NPS 報告

收集NPS題目的答卷後，您可以使用NPS報告分析資料。此報告顯示淨推薦值（NPS）、答卷數量、客戶類別分佈以及NPS隨時間的變化趨勢。

 

NPS量表中有三種客戶類別：

 

- 推薦者（9-10分）：這些是高度忠誠的人，他們會繼續購買並向他人推薦。

 

- 中立者（7-8分）：這些客戶通常滿意但不熱情，可能會考慮其他競爭對手的產品。

 

- 批評者（0-6分）：這些客戶對產品或服務不滿意，可能對您的公司不忠誠。

 

淨推薦值（NPS）通過以下公式計算：

NPS = % 推薦者 - % 批評者

 

例如，此題目的NPS為15.39，計算如下：

 34.62（% 推薦者）- 19.23（% 批評者）= 15.39

  

您還可以查看不同時間段（例如按月、週、日或年）的NPS趨勢，以追蹤客戶忠誠度和滿意度的變化。

 

 

MaxDiff分析 報告

MaxDiff結果使用圖表和表格來可視化資料。為每個屬性提供以下統計分析：

 

- 偏好份額 %：屬性在任務中被選為"最佳"選項的百分比。較高的偏好百分比表示更受偏好的屬性。

 

- 機率 %：屬性在任務中被選為"最佳"選項的可能性。機率分數範圍從0到1，分數越高表示被選為最佳選項的可能性越高。

 

- P值：p值小於0.05通常被認為具有統計學意義。

 

- 最重要 / 最不重要：屬性被選為最重要或最不重要的次數。

 

- 出現次數：屬性顯示的次數。

 

- 得分：（"最佳"標籤的選中次數 - "最差"標籤的選中次數）/ 出現次數。分數越高表示該屬性對受訪者越重要。

聯合分析 報告

 

多屬性多水平題目報告

聯合分析報告顯示屬性重要性和概念效用。

 

- 屬性重要性：此表顯示每個屬性和水平的重要性。在同一屬性內，水平的效用值越大，該水平對受訪者越重要。屬性的重要性越大，該屬性對作答者越重要。在這裡，CPU是作答者最重要的屬性。

 

以下是計算屬性重要性的公式：

 

屬性重要性 = （每個屬性的最大水平效用值 / 每個屬性的最大水平效用值之和）x 100%

 

例如，CPU的重要性為28.54%，計算如下：

 

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觀地顯示其重要性。效用值越高，概念對作答者越重要。

 

簡單產品報告

 

簡單產品報告使用圖表和表格來可視化資料。為每個屬性提供以下統計分析：

 

- 偏好 %：屬性在任務中被選為"最佳"選項的百分比。較高的偏好百分比表示更受偏好的屬性。

 

- 機率 %：屬性在任務中被選為"最佳"選項的可能性。機率分數範圍從0到1，分數越高表示被選為最佳選項的可能性越高。

 

- P值：p值小於0.05通常被認為具有統計學意義。

 

- 選中次數：屬性在任務中被選為最重要的次數。

 

- 出現次數：屬性在任務中出現的次數。

 

- 分數：選中次數 / 出現次數。分數越高表示該屬性對作答者越重要。

KANO模型 報告

 

當您點擊KANO報告時，您可以看到每個功能或服務的KANO屬性、Better係數和Worse係數。

 

有五種KANO屬性類型。功能或服務的KANO屬性類型由該功能的最高分數決定：

 

- 必備：這些是客戶期望在產品或服務中存在的必要功能。如果缺少此功能，客戶會不滿意，但它的存在並不一定會導致滿意度增加。

 

- 期望：這些與客戶滿意度呈線性關係。隨著這些功能的效能提高，客戶滿意度也會提高。相反，隨著這些功能的效能降低，客戶滿意度也會降低。

 

- 魅力：這些功能不是客戶期望的，但它們的存在會導致滿意度增加。它們通常是使產品或服務與競爭對手區分開來的功能。

 

- 無差異：這些功能無論是否存在，都不會顯著影響客戶滿意度。

 

- 反向：當這些功能存在時，實際上會降低客戶滿意度。這些功能可能被客戶視為不必要甚至令人煩惱。

 

Better係數衡量屬性效能增加導致客戶滿意度增加的程度，而Worse係數衡量屬性效能降低導致客戶滿意度降低的程度。通過以下公式計算：

 

Better係數：(效能 % 魅力 %) / (必備 % 效能 % 魅力 % 無差異 %)

 

Worse係數：[(必備 % 期望 %) / (必備 % 期望 % 魅力 % 無差異 %) x (-1)

 

價格敏感度分析（PSM） 報告

當您點擊PSM報告時，您可以查看四個價格點：