风铃系统致力于打造未来的商业操作系统，运用大数据和人工智能技术，融合行为和态度数据，帮助企业全时段聆听用户心声，全旅程改善用户体验。风铃系统推出了品牌体验、产品体验、服务体验和员工体验组成的CEM产品矩阵，为企业、政府、高校和个人提供问卷设计、样本收集、建模分析、决策建议等一站式解决方案。

作为被调研的你我他或许已经感受到，迄今为止基于问卷形式的调研还是在各个企业和学术研究中有广泛应用，因为这种方法还是能够较为全面、系统地了解不同群体的认知、态度、看法和行为。今天风铃系统的小编总结两种日常工作中所见最多的题型的分析方法。一份成功的问卷调研也离不开前期的精细设计与分发。

第一种题型：打分题

这种题型的优势在于将抽象的行为和意见用直观的方式进行量化。例如“在1-10分的范围内，请您针对本次入住体验进行评价。（1分最低分，10分最高分）”。

遇到这类可以量化的数值打分题，首先可以计算平均分，总体评价入住体验的好坏。比如我这有一组数据显示，某家酒店的整体入住体验得分6.3分，属于中等水平。我们还可以根据不同的群体，更进一步进行交叉分析，看看差异。

比如把入住体验按照客人的居住地进行了一次划分；这样的交叉分析之后，我们发现来自不同城市的客人对入住体验的评分的确有所不同。杭州的客人打分偏高，北京的客人打分偏低。进行到这里，我们所做的是描述性分析，也就勾画出我们收集到样本数据的样子。小编以为对连续的数值型数据进行计算，或多或少总是有些差异的。

我们可以通过统计分析再进一步验证不同城市客人的入住体验是否有显著差异。具体思路是先提出原假设：来自不同城市客人的入住体验没有显著差异，然后运用单因子方差分析(one-wayANOVAtest)对样本数据集进行检验，计算p值。如果p值>0.05,原假设成立，即来自不同城市客人的入住体验没有显著差异；否则，拒绝原假设，即来自不同城市客人的入住体验存在显著差异。

风铃系统在此提醒两个关键词：一个是“显著”，一个是“统计意义”。描述性分析帮助我们找出差异，统计分析帮助我们检验这些差异是否可以忽略不记。但这样的检验仅仅从统计学的角度给出一个解释。如果业务部门从其他数据或访谈中了解到这样的差异是石锤，那么同样也需要引起我们的关注。

第二种题型：量表题

继续上面的问题，我们换个方式问：“您对本次的入住体验____”然后请您选择“A.非常满意B.满意C.无所谓D.不满意E.非常不满意”。这种形式的问题就是我们接下来要讲的量表题（LikertScale）。简单的五个选项是由美国社会心理学家RensisLikert早在1932年就发明了的方法，用于分析受访者的态度、意见或者情感。与打分题不同的是，这里的五个选项代表了五个类别，我们没有办法直接进行数值计算，但我们可以通过描述性分析来刻画分布。因为量表题的数据类型是不连续的类别变量，我们需要行列卡方检验来进行检测。

通篇都是量表题的问卷会导致问卷单一冗长，容易引起受访者的疲劳情绪，随手乱答也在所难免。但凡遇到量表题，检验结果告诉我们回收问卷的可信程度很低，大多数受访者因为某些原因选择了“一个答案走到底”。

以上便是风铃系统为读者朋友带来的相关内容介绍，希望对大家有所帮助，感谢阅读！