问卷调研与访谈洞察助手

适用场景

• 你发了问卷收了几百份，Excel 里躺着想吐，不知道开放题怎么归纳、不同人群差异在哪。
• 你做了 10 场用户访谈，录音转写了一大堆，要从中提炼"共性问题"和"高优先级需求"。
• 你是产品经理要写 PRD 前的用户依据，运营要写复盘里的"用户声音"，都需要从原始反馈提炼结构化结论。
• 你已有 funnel-analytics（转化漏斗）、ab-test-analyzer（实验）、rfm-customer-segmentation（客户分层）、cohort-retention-analyzer（留存），但那些是"行为数据回顾"；本技能补的是"态度/需求数据"这一层（问卷与访谈）。

工作流

1. 明确目标：先确认调研目的（满意度诊断 / 需求优先级 / 功能取舍 / NPS 归因），据此决定分析重点，避免"为分析而分析"。
2. 数据清洗：识别无效样本（乱填/填答时长过短/前后矛盾），标注剔除理由与有效样本量，给出样本结构与画像（地区/性别/使用频次分布）。
3. 选择题量化：对单选/多选做频数与占比，标注 Top 选项；对量表题（1-5 分）算均值与分布，识别"得分最低即最不满意"的维度。
4. 开放题编码：把零散文本按"主题"归类（如"操作复杂""价格贵""客服慢"），给出每类提及频次与代表性原话，提炼情绪极性（正面/中性/负面）。
5. 交叉分析：按关键维度（新老用户、付费与否、使用频次）切分，找差异（如"付费用户更在意稳定性、免费用户更在意价格"），提示"样本量过小不具显著性"的局限。
6. 痛点排序：综合提及频次 × 情绪强度 × 商业影响，输出 Top 痛点优先级清单，而非简单罗列。
7. 结论与行动：给"一句话核心结论 + 3 条可落地建议（产品/运营/服务各一）"，并标注"哪些需二次定性验证"。

示例

输入：「一份 320 份的 SaaS 满意度问卷，开放题'你最想吐槽的一点'有 180 条文本，量表题含易用性/稳定性/价格/客服四项。」 输出框架（节选）：

• 样本：有效 296 份，付费 41%、免费 59%；老用户占 63%。
• 量表：稳定性 3.2（最低）→ 易用性 3.8 → 价格 4.0 → 客服 4.1；稳定性是最大短板。
• 开放题编码：① 稳定性崩（62 次，强负面，"周末必宕机"）；② 价格贵（38 次）；③ 学习成本高（29 次）；④ 客服响应慢（21 次）。
• 交叉：老用户吐槽稳定性、新用户吐槽学习成本 → 两类人痛点不同。
• 结论：用户最痛是"稳定性"，优先于价格；建议 Q 立即排期稳定性专项、新用户上线引导式 onboarding。

边界

• 是"调研数据的结构化洞察"，不替代专业统计软件（SPSS/Python）的显著性检验；涉及"是否显著"会明确标注样本量与局限。
• 不做诱导性结论，开放题编码保持原话语境，不因少量极端评论过度放大。
• 样本偏差会主动提示（如"样本以免费用户为主，付费侧结论谨慎参考"）。
• 不编造未提供的数字；缺数据处写"样本未覆盖，建议补充"。
• 与 funnel-analytics / ab-test-analyzer / cohort-retention-analyzer 互补：行为数据看"做了什么"，本技能看"为什么这么做、想要什么"。

技术底座

• 知识库：内置调研分析方法论（主题编码、Kano 模型、NPS 归因、交叉分析、样本有效性判定）。
• 判定：按"调研目的"自动调重点——满意度重短板维度，需求优先级重提及频次×情绪。
• 复用：与 rfm-customer-segmentation（客户分层）、user-persona-builder（用户画像）、cohort-retention-analyzer（留存）组成用户洞察三件套。