以下內(nèi)容為aona姐的英文視頻內(nèi)容的筆記，如有侵權(quán)，請aona姐本人聯(lián)系我刪除。
掌握問卷調(diào)查研究的四個步驟：
一、Variables and Measurement Design 變量和測量設(shè)計
它包含了一個好的問卷調(diào)研應(yīng)該包含的內(nèi)容。
首先，什么是變量？變量是一個術(shù)語，舉個例子，假如你想測量你們班上學(xué)生的身高，那么這個身高就是變量；如果你想了解用戶對你的產(chǎn)品滿意的程度如何，那么你的變量就是用戶滿意度。如果你想知道用戶更喜歡吃川菜還是粵菜，那你的變量就是菜系。變量是統(tǒng)計學(xué)上專門用來描述某一個特征或事物的術(shù)語。同時，你也要知道變量是有很多種的。比如，身高是用數(shù)字來代表，而菜系則是用文字或者其他符號來代表。在你進行數(shù)據(jù)統(tǒng)計和分析時，你需要把這些變量轉(zhuǎn)化為可量化的數(shù)值去進行記錄和分析，比如川菜用1表示，粵菜用2表示，其他菜系用3表示。但是這些數(shù)字卻和身高里面的數(shù)字是不同的，因為他們只是作為一種代表符號而出現(xiàn)，沒有具體的數(shù)字意義。那么前面提到的關(guān)于身高的例子，它卻可以對一組數(shù)據(jù)里的平均數(shù)等產(chǎn)生影響。而用數(shù)字作為符號來代表某個變量的則不然，因為它沒有實際意義。
有三種常見的不同變量：
* interval variable 區(qū)間變量：表示的是一個數(shù)值范圍內(nèi)的數(shù)，比如溫度，沒有絕對的零點，溫度的零點不是零點，只是用零象征一個狀態(tài)。
* ratio variable 定比變量：比如身高、重量、收入，有絕對的零點，也就是當數(shù)值為零時，表示沒有。
* categorical variable 類型變量：這個更偏向于定性的數(shù)據(jù)，一般是用數(shù)字作為一個符號來代表變量。比如說用1~5來表示同意某個觀點的程度。分類變量也分兩種類型：①名字上的：比如性別、是否本市戶口；②序數(shù)上的：比如從1~5打分，用來表示程度的數(shù)字。
要注意，以上這三種變量不包含全部，不同的行業(yè)，也會有不同的變量。
在設(shè)計問卷時，要注意變量的單位統(tǒng)一，比如你有一個問題問的是身高，有些人可能說163cm，1米63，也可能說5.35英尺。想象一下，如果你做的是千人萬人的人口普查，這些數(shù)據(jù)你怎么統(tǒng)計呢？還要一個個的轉(zhuǎn)換，那很有可能出錯。所以，在設(shè)計問卷的時候，這些東西都要統(tǒng)一好。
關(guān)于問卷調(diào)查研究變量的資料推薦：https://www.graphpad.com/support/faq/what-is-the-difference-between-ordinal-interval-and-ratio-variables-why-should-i-care/
二、sampling design 抽樣設(shè)計
它能夠幫助你收集到高質(zhì)量的有效數(shù)據(jù)，并且能夠幫助你進一步的深入分析這些數(shù)據(jù)。如果沒有做抽樣設(shè)計的話，你得到的調(diào)研數(shù)據(jù)基本上是沒用的。
single-item measure：只用一個問題來獲得一個變量的數(shù)據(jù)，比如問身高的單位（衡量變量的標準）。
multi-item measure：你有沒有做過心理學(xué)測試，或者是測試了用戶的性格特征，然后發(fā)現(xiàn)你只是在換著不同的問法去問這些用戶相同的問題。你可能會覺得用戶老是回答那樣的問題都回答的煩了。那你知道嗎？問卷那樣設(shè)計其實另有深意。有些變量其實很難簡單的用只是一個問題就能夠挖掘到所有的有價值的用戶數(shù)據(jù)。因為首先你在設(shè)計變量標準的時候可能就會出錯，假如說你只設(shè)計一個問題來獲取那個變量的數(shù)據(jù)，而你設(shè)計的這個問題是有問題的，那你可能最終并不會得到真實有價值的數(shù)據(jù)。而有些變量非常的抽象，你很難只是用一個簡單的問題就能獲取到這個變量的數(shù)據(jù)。比如舉個例子，SUS問卷調(diào)查（system usability survey系統(tǒng)可用性問卷調(diào)查），這樣的情況用十個問題的問卷來衡量一個變量的數(shù)據(jù)。如下圖所示：
下面是一個SUS問卷調(diào)查的文章推薦：https://www.nngroup.com/articles/measuring-perceived-usability/
舉個例子，你想知道大家對網(wǎng)紅做電商直播里所推薦的這些產(chǎn)品的信任度是怎么樣的，那你的問卷里的針對這一點的問題大約如下圖所設(shè)計：
我們都知道，信任是一個非常抽象而且很大的概念，而且不同的人對于信任有不同的理解和定義。所以，如上圖這樣可量化的設(shè)計，能夠減小研究里的結(jié)果誤差。所以，將這個問題拆解成更細更具體的問題，有以下三個問題，如下圖所示：
問題拆解以后，能夠更好的減小極端值和實驗誤差。如果用戶在第一個問題選擇了5，則不可能在第二個問題選擇5。
三、運用統(tǒng)計學(xué)知識來進行數(shù)據(jù)分析
統(tǒng)計學(xué)課程推薦：https://www.datacamp.com/?utm_medium=makrwatch&utm_campaign=yt1&utm_term=122&utm_content=2051744183&utm_source=aonatalks
網(wǎng)站叫做datacamp，只有第一章節(jié)的課程是免費的，不過新學(xué)員有三五折優(yōu)惠。
想要做好數(shù)據(jù)分析，你不必像個統(tǒng)計學(xué)家或者數(shù)據(jù)專家那樣專業(yè)，但至少你要懂統(tǒng)計數(shù)據(jù)的基本邏輯：
* 哪些統(tǒng)計數(shù)據(jù)能夠回答你的研究問題？
* 你應(yīng)該在什么時候使用什么樣的數(shù)據(jù)分析來分析什么類型的變量
以上這些，都是要搞清楚的。這樣的思路和視頻“如何選擇正確的用研方法”有異曲同工之妙。
descriptive statistics VS inferential statistics：
前者描述你現(xiàn)有樣本的特征，比如，central tendency（集中趨勢量數(shù)），像是班上男同學(xué)的平均身高有多少，或者頻率分布，比如班上男女比例如何，主要就是描述樣本所存在的事實；后者則傾向于揭示那些不能直接從樣本里表現(xiàn)出來的特征，所以inferential statistics更傾向于通過小范圍的樣本概括大部分受眾。
做數(shù)據(jù)分析常用的兩種分析方法：相關(guān)分析和回歸分析。這兩種分析方法可以用來針對上面兩種類型的數(shù)據(jù)進行分析。最后你會發(fā)現(xiàn)，選擇XX眼影的用戶的數(shù)量與網(wǎng)紅推薦該產(chǎn)品的曝光度有著緊密的聯(lián)系。于是可以得出結(jié)論——找網(wǎng)紅推廣產(chǎn)品，能夠提高銷量。
在做研究的時候，有一個點要特別注意的是，你選擇的用戶必須是隨機的，隨機到這些樣本足以代表絕大部分受眾。
定性研究員需要具備的知識是descriptive statistics；而定量研究員需要懂T測試、卡方檢驗、相關(guān)性分析、多元回歸分析、聚類分析、方差分析（很少用到）。
你不必掌握每一種統(tǒng)計學(xué)的分析方法，但是你必須知道背后的邏輯是什么樣的，這會幫助你更好的得出研究結(jié)果。
四、問卷調(diào)研結(jié)果輸出
也就是說用一個連貫的故事將你的問卷調(diào)研分析結(jié)果向團隊陳述，并根據(jù)這些研究結(jié)果反饋你的分析和洞察到的結(jié)果，以及產(chǎn)品開發(fā)方面的建議。
推薦的書籍：Questionnaire Design: How to Plan, Structure and Write Survey Material for Effective Market Research (Market Research in Practice)
