# Survey Analysis

> 调研分析 — 设计并执行问卷/访谈/焦点小组调研，收集和分析数据， 提取业务洞察并形成调研报告。 适用情形：用户要求"做 NPS 调研"、"员工满意度调查"、"市场调研"时执行。 核心：调研设计 + 数据收集 + 统计分析 + 洞察提炼。

- Skill: `williamcorrea23/survey-analysis` (Agent Skill)
- Install (CLI): `npx skillmds@latest add williamcorrea23/survey-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/williamcorrea23/survey-analysis/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: williamcorrea23 (https://skillmd.com/u/williamcorrea23)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/williamcorrea23/survey-analysis

---


## 加载上下文

**首次使用时：** 读取 `../../CLAUDE.md` 获取场景级配置（调研标准/历史基准/NPS 定义）。

---

# /survey-analysis — 调研分析


## Examples

→ 示例：用户说"帮我们分析一下这次客户满意度调查的结果，找出关键发现"，系统应调用本技能，执行调查数据分析和洞察生成。

→ 示例：用户说"员工调研显示跨部门协作评分下降，需要深入分析原因"，系统应调用本技能，结合财务数据做关联分析。

→ 示例：用户说"竞争对手在做客户 NPS 对标调研，我们需要做一份"，系统应调用本技能，制定 NPS 调研框架和分析方法。
## 第一步：确认调研设计

**调研背景：**
```
□ 调研类型：[客户调研/员工满意度/市场研究/NPS/产品反馈]
□ 调研目的：[描述]
□ 目标人群：[客户/员工/目标市场用户]
□ 调研期间：[YYYY-MM-DD 至 YYYY-MM-DD]
```

**调研方法选择：**
```
□ 方法对比：
  → 问卷调查：适合大样本、量化分析、成本低
  → 深度访谈：适合探索性研究、样本少但深度高
  → 焦点小组：适合群体意见碰撞、定性为主
  → 实际采用：[方法]

□ 问卷设计（如适用）：
  → 题型：[单选题/多选题/量表题/开放式]
  → 题数：[X] 题
  → 预计时长：[X] 分钟
  → 核心问题：
    · [问题1]
    · [问题2]
    · [问题3]
```

**样本设计：**
```
□ 目标样本量：[X] 人/份
□ 抽样方法：[随机抽样/分层抽样/配额抽样/便利抽样]
□ 配额设计（如分层/配额）：
  → 客户规模：大型 [X]%/中型 [X]%/小型 [X]%
  → 地区：[区域1 X%]/[区域2 X%]
□ 预计完成率：[X]%（根据历史经验）
```

---

## 第二步：数据收集

**问卷收集状态：**
```
□ 已发放问卷：[X] 份
□ 已回收：[X] 份
□ 回收率：[X]%
□ 有效问卷：[X] 份
□ 有效率：[X]%（有效 / 已回收）

□ 收集进度：
  → 是否达到目标样本量：[✅ 是 / ⚠️ 否（差 [X] 份）]
  → 截止日期：[YYYY-MM-DD]
```

**数据清洗：**
```
□ 作答时间异常（< [X] 秒）：[X] 份 — [保留/删除]
□ 连续相同答案：[X] 份 — [保留/删除]
□ 缺失值：[X] 项 — 处理方式 [删除/插补]

□ 数据清洗后有效样本：[X] 份
```

---

## 第三步：描述性分析

**总体满意度/得分：**
```
□ 总体得分：[X]/10（量表 1-10）
□ 分布：
  → 9-10 分（推荐者）：[X]%（[X] 人）
  → 7-8 分（被动者）：[X]%（[X] 人）
  → 0-6 分（贬损者）：[X]%（[X] 人）

□ NPS 计算（如适用）：
  → NPS = 推荐者% - 贬损者%
  → NPS = [X]（行业平均 [X]）

□ 各维度得分（如有）：
| 维度 | 得分 | vs 上期 | vs 行业平均 |
|------|------|---------|------------|
| [维度1] | [X]/10 | [±X] | [±X] |
| [维度2] | [X]/10 | [±X] | [±X] |
```

**交叉分析：**
```
□ 按客户规模：
| 规模 | 满意度均值 | NPS | 样本量 |
|------|-----------|-----|--------|
| 大型 | [X] | [X] | [X] |
| 中型 | [X] | [X] | [X] |
| 小型 | [X] | [X] | [X] |

□ 按地区：[类似结构]

□ 显著差异项：
  → 大型客户满意度显著高于中型客户（[X] vs [X]，p < 0.05）
  → [地区] 地区 NPS 显著低于平均水平（[X] vs [X]）
```

---

## 第四步：深度分析

**关键驱动因素分析：**
```
□ 相关性分析：
  → 总体满意度与 [维度A] 相关性最强（r = [X]）
  → 总体满意度与 [维度B] 相关性次之（r = [X]）
  → [维度C] 与满意度相关性弱（r = [X]）

□ 回归分析（如样本量足够）：
  → 影响满意度的关键因素（按重要性排序）：
    1. [因素1]（标准化系数 [X]）
    2. [因素2]（标准化系数 [X]）
    3. [因素3]（标准化系数 [X]）
```

**问题识别（定性数据）：**
```
□ 开放式问题分析：
  → 最常被提及的正面反馈：[关键词]（出现 [X] 次）
  → 最常被提及的负面反馈：[关键词]（出现 [X] 次）

□ 负向反馈分类：
  → 产品问题：[X] 条
  → 服务问题：[X] 条
  → 价格问题：[X] 条
  → 交付问题：[X] 条
```

---

## 第五步：洞察提炼与建议

**主要发现：**
```
□ 发现 1：[描述]
  → 置信度：[高/中/低]（基于样本量和统计显著性）
  → 影响范围：[X]% 的受访者
  → 业务影响：[高/中/低]

□ 发现 2：[描述]
  → ...
```

**建议行动：**
```
□ 高优先级建议：
  → [建议1] — 针对 [发现1]
  → 预期效果：[量化描述]
  → 实施难度：[高/中/低]
  → 建议来源：[数据支持]

□ 中优先级建议：
  → [建议2] — 针对 [发现2]
```

---

## 第六步：生成调研报告

```
═══════════════════════════════════════
调研分析报告
调研类型：[客户/员工/市场]
调研期间：[YYYY-MM-DD 至 YYYY-MM-DD]
报告日期：[YYYY-MM-DD]
═══════════════════════════════════════

【调研概览】
□ 方法：[问卷/访谈/焦点小组]
□ 目标样本：[X] 人/份
□ 有效样本：[X] 份
□ 回收率：[X]%
□ 置信水平：[X]%（基于有效样本）

【核心指标】
□ 总体满意度：[X]/10
□ NPS：[X]（行业平均 [X]）
□ 较上期变化：[±X] 分

【主要发现】
🔵 发现 1：[描述]
   置信度：[高/中/低] | 影响范围：[X]%

🔵 发现 2：[描述]
   置信度：[高/中/低] | 影响范围：[X]%

【NPS 驱动分析】
□ 推荐者特征：[描述]
□ 贬损者特征：[描述]
□ 关键改善点：[描述]

【建议行动】
□ 优先级 [高]：[建议] — 预期效果 [量化]
□ 优先级 [中]：[建议] — 预期效果 [量化]

【附录】
□ 问卷结构：[X] 题
□ 样本分布：[表格]
□ 统计方法：[方法说明]

═══════════════════════════════════════
置信度：[✅ 高 / ⚠️ 中 / 🔴 低]
样本质量：[✅ 良好 / ⚠️ 偏低（建议 [X] 份以上）]
═══════════════════════════════════════
```

---

## 升级触发条件

- 有效样本量低于目标 [X]% 以上（影响结论可靠性）
- NPS 为负值或显著低于行业平均（< [X] 个点）
- 发现系统性负面反馈（某问题被 [X]% 以上受访者提及）
- 关键指标较上期变化 > [X] 个百分点（须解释原因）
- 发现重大产品/服务质量问题（须立即上报）
- 受访者反馈涉及合规问题或潜在舆情风险

---

*Finance Skills — survey-analysis atomic skill*