量化–發(fā)問卷

作者最近剛完成了畢業(yè)論文初稿，做的課題是關(guān)于電子紅包的用戶研究，研究影響用戶使用紅包的因素。整個采用了問卷調(diào)查+實證研究的模式，簡單點來說就是發(fā)量表型問卷后分析數(shù)據(jù)，進行一些探索性或者驗證性的分析，從而得出一些深層次上的用戶研究的結(jié)論。

這個方法最大的有點是：量化。把具體的問題用量表（即常見的1-5分打分）方式量化，進行深層次分析，讓很多用戶“說”出自己也沒意識到的對產(chǎn)品的看法和觀點。本次將以引用論文中調(diào)查影響用戶使用移動閱讀產(chǎn)品的原因為例，講述具體方法。

1、了解背景及他人的研究情況

這一步主要是了解要分析的產(chǎn)品的基本情況，包括了：市場、增長、用戶等方方面面。經(jīng)過分析之后能對需要解決的問題有一個大概的認知，知道需要分析的是什么。

其次需要看其他人對這個問題的研究情況，主要是其他人的研究方法，研究結(jié)果等，可以以他人的研究為參考，吸取其優(yōu)秀的方法和假設(shè)，或者在他人的基礎(chǔ)上繼續(xù)深入研究。

這一步主要需要資料的收集和整理能力，能在眾多的資料中找到高價值的資料，從而幫助自己的研究。論文中該方面的目錄如下，但相比較于一篇“學(xué)術(shù)性”的論文，不必太過錙銖必較。

2、了解用戶-用戶訪談

這一步主要是為了編制問卷做準備，了解用戶對一個產(chǎn)品的看法，使用情況，是否與PM相同。從而得出一些初步的結(jié)論。比如：

張三說：“這移動閱讀老好了，用這個記筆記比紙質(zhì)書方便”，也許你心里想的是“記筆記”？先在誰看書還記筆記?。吭趺纯赡苡眠@么蠢的功能”，這就是一些只有通過和用戶交流才能get到的用戶對產(chǎn)品使用的點，這些從用戶中了解的信息能為PM提供不同角度的看法。

3、整理潛在因素，得出問卷

終于完成了用戶訪談了，然后就要整理出用戶到底說過些什么，結(jié)合自己對該產(chǎn)品的認識，整理出一些可能的影響因素。并確定因素之間的相互影響方式，論文中得出的模型如下，其中H1代表：假設(shè)態(tài)度會影響持續(xù)使用意向，從而之后會分析兩個變量的問題之間的相關(guān)性，用以驗證這個假設(shè)是否成立。

之后根據(jù)這些因素編制問卷，一般來說，一個潛在因素需要二到三個不同表述方式的問題來測度，以減少表述方式的誤差，并且一般使用量表方式來測度，如李克特量表的五個選項非常同意、同意、一般、不同意、非常不同意，分別計分為5,4,3,2,1分，之后會把得分數(shù)據(jù)進行計算分析。

比如引用的論文中，認為用戶對移動閱讀產(chǎn)品的使用滿意度會影響用戶持續(xù)使用移動閱讀產(chǎn)品，查閱了之前研究者關(guān)于滿意度的問卷設(shè)計方法之后，結(jié)合移動閱讀產(chǎn)品的實際特點，為上面這個假設(shè)提出了五個問項來測試。

把所有的量表題編制完成后，一般還會加入一個關(guān)于樣本情況的調(diào)查，如：性別、年齡、學(xué)歷、使用情況等。這些內(nèi)容酌情加入

4、發(fā)放問卷與問卷回收

發(fā)放問卷的方式很多，可以在網(wǎng)絡(luò)中發(fā)放，如：微信好友、朋友圈、郵箱、APP內(nèi)置等，也可以線下發(fā)放，但線下發(fā)放成本較高，且效率較低，如不是不得不用，盡量通過網(wǎng)絡(luò)發(fā)放。對樣本數(shù)量也有一定的要求，一般來說，樣本數(shù)量是問題數(shù)量的5-10倍，過少不能準確的測量問題，過多會讓潛在的聯(lián)系淡化?；厥諄淼膯柧硪话阋蕹徊糠郑热缑黠@的隨意亂答，全部選擇同一個答案等。至于更復(fù)雜的在設(shè)置問題時就設(shè)置剔除方法的，也不必看我的文章了。

5、數(shù)據(jù)驗證

這一步主要是驗證通過問卷調(diào)查得到的數(shù)據(jù)是否有效，是否能夠很好的測量被研究的問題。

數(shù)據(jù)驗證主要包括了信度分析和效度分析。信度指的是測量結(jié)果的穩(wěn)定性和一致程度。信度越高代表同一個變量的不同問法之間誤差較小。一般使用Cronbach’ α值來度量。通過IBM SPSS可以進行驗證（具體做法請百度）。一般來說，信度標準如下。

如果α值太小就證明問卷設(shè)計或者帶測量變量存在某些問題，使得該次問卷調(diào)查結(jié)果的可信程度不能完全達到要求，需要改進。

效度測試指的是問卷結(jié)果的有效性，也就是問卷的項目是否就是研究者所希望測量的問題。一般使用因子分析法，但是否適合使用因子分析法需要通過巴特利特球形檢驗和KMO（Kaiser-Meyer-Olkin）檢驗，具體檢驗方法不表。

通過了上述兩個測驗之后進行因子分析，因子分析就是一個降維的方法，如：原來問卷中有25個問題，通過統(tǒng)計處理以后，發(fā)現(xiàn)我只使用6個問題的答案就能代表84%的問卷答案。如果最后的因子載荷合適，就表示各個問項之間沒有顯著相關(guān)性，具有一定效度，可以進行下一步分析。

經(jīng)過了驗證后的數(shù)據(jù)即具有可信度和有效性，可以進行具體的數(shù)據(jù)分析

6、數(shù)據(jù)分析

數(shù)據(jù)分析一般分成了兩種，一種是探索性數(shù)據(jù)分析，即并不清楚各個變量之間有什么關(guān)系，讓統(tǒng)計軟件自己去尋找他們是否相關(guān)，相關(guān)的程度是多少。另一種是驗證性數(shù)據(jù)分析，即在問卷發(fā)放之前，有了一個你所構(gòu)想到的模型，發(fā)問卷是為了驗證這個模型是否正確。

本次主要使用驗證性數(shù)據(jù)分析。

驗證性數(shù)據(jù)一般使用結(jié)構(gòu)方程模型方法，通常使用IBM AMOS軟件進行。

該模型的結(jié)構(gòu)方程如圖（具體方法請百度之）其中橢圓代表變量，箭頭代表檢驗是否存在影響，之后涉及到模型的擬合程度驗證和假設(shè)的驗證。

模型擬合度驗證表示問卷結(jié)果之間的相互聯(lián)系是否和模型一致，有大約40個指標可以反映，具體的選用酌情。

假設(shè)檢驗是重中之重，論文中的檢驗結(jié)果如圖，主要關(guān)注最后的顯著性，如第一條，滿意度正向影響感知有用性的檢驗結(jié)果為顯著，即這個假設(shè)在本次的問卷調(diào)查中得到了證實，他們之間具有顯著的關(guān)系。而不顯著的表示本次的問卷調(diào)查不能顯著的判定兩者之間有明顯的關(guān)系，但也不能完全排除。

結(jié)論

本次介紹只是一個過程性的介紹，中間具體的操作方法和步驟都很復(fù)雜，畢竟是我大學(xué)幾年所學(xué)，不可能通過一篇文章就講清楚。數(shù)據(jù)分析的方法多種多樣，寫這個的目的主要是向大家介紹一種學(xué)術(shù)性的方法，也間接介紹管理科學(xué)這個通過計算來解決問題的專業(yè)。文中肯定存在一些謬誤，或者并沒有完全確認為最優(yōu)的方法，歡迎指正。

文／陌紫豐田（簡書作者）

著作權(quán)歸作者所有，轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，并標注“簡書作者”。