整合營銷服務商
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
對調研對象的不同，對問卷頁面進行個性化設置，讓受訪者得到更好的答題體驗是所有調研者考慮的重要問題之一。
《易研問卷平臺》為此提供了多種問卷頁面設置的方式，本操作教程通過五個步驟簡要介紹，讓您輕松完成問卷背景頁面的個性化設置，實現“始于頁面顏值，敬于調研主題，終于研究者人品”。
頁面設置入口，以下所有的頁面屬性設置均在以下頁面設置
第一步 設置主題
在問卷設置之前，首先需要設置調查問卷的主題，在調查問卷的設置頁面，點擊【主題】，選擇頁面主題，目前《易研問卷平臺》提供了學校主題、考試主題、節日主題等多種問卷主題。
①在調查問卷的設置頁面，設置頁面背景圖。受訪者可自行提供圖片或者由由公司設計人員設計圖片，將圖片移交技術人員生成圖片鏈接，將粘貼到【頁面背景圖】里。
②設置頁面透明度，進入 json 編輯頁面找到頁面版心, 將原頁面版心顏色代碼 "typePageUnderpainting": "#000000", 替換為"typePageUnderpainting": "rgba(255,255,255,數字)"，數字設置區間為0-1，數字越接近1，版心透明度越低。
③在調查問卷的設置頁面，設置版心背景色。點擊【版心背景色】，在調色板中對版心顏色進行設置，并點擊確定。
④在調查問卷的設置頁面，設置頁面背景色。點擊【頁面背景色】，在調色板中對版心顏色進行設置，并點擊確定。
⑤在調查問卷的設置頁面，設置版心寬度。受訪者可根據需求設置【版心寬度】大小。
⑥在調查問卷的設置頁面，設置版心背景圖。（不常用）受訪者可自行提供圖片或者由由公司設計人員設計圖片，將圖片移交技術人員生成圖片鏈接，將粘貼到【版心背景圖】里。
①在調查問卷的設置頁面，設置問卷標題。點擊問卷調查右側編輯按鈕，進入編輯頁面，點擊【通用】，在空白面板上面寫問卷標題，對問卷標題文字進行格式的設置（與Word類似）。
效果如下：
②在調查問卷的設置頁面，設置完成后的文檔（如果沒有設置，系統默認原始文檔）。點擊問卷調查右側編輯按鈕，進入編輯頁面，點擊【完成后的Html】，在空白面板上面寫問卷標題，對問卷標題文字進行格式的設置（與Word類似）。
效果如下：
③在調查問卷的設置頁面，設置問卷題目邊距及內容縮進。受訪者根據需求可設置大小。注：上邊距：與上一道題目之間的間距；下邊距：與下一道題目之間的間距；左邊距：與版心左側邊距；右邊距：與版心右側邊距；內容左縮進：將題目選項從左向右縮進一定的距離（設置邊距及縮進10個單位最佳）。
第四步 預覽問卷并檢查
進入【預覽問卷】，查看整體效果，如有其它需求可進入編輯頁面繼續設置。
樣本庫導入并映射成功后，即可編輯其它主體題目。全部編輯完成后發布問卷，在問卷發布設置中點擊【發布問卷】并確定。
輯導語：調查問卷對于互聯網公司收集資料十分重要，那么大廠的調查問卷是如何設計的呢？本篇文章作者從多個方面介紹了調查問卷的設計方法以及注意點，一起來看一下吧。
調查問卷是互聯網公司用來收集用戶資料和驗證產品需求的一種常用調研工具。其他常用的調研工具還有可用性測試、A/B測試、用戶訪談、競品分析等等。
適用于后臺已經記錄了各功能的使用情況、用戶行為等數據的產品。這時使用問卷對我們的用戶進行調研，可以幫助我們快速定位問題。
和其它調研方法比起來，問卷的成本很低，幾乎不怎么動用其它資源，而且問卷的設計和發放都可以在線上完成，對時間和精力的耗費較少。
在查閱相關資料的時候我發現，有的作者將問卷調查歸為定量研究工具，這一觀點是不嚴謹的。其實問卷既可以做定性研究，也可以做定量研究。
定量研究：通過研究用戶的三日留存、人均消耗量等數據，得到精確的某一群體的需求現狀和趨勢。
定性研究：通過對用戶進行訪談，詢問“上次使用某功能有什么體驗”“上次使用時遇到了哪些問題”等問題進行研究，其目的更多是探索用戶需求的深層心理原因。
問卷一般由標題、卷首語、問題和答案、編碼、結束語幾個部分組成。
其中卷首語是需要特別注意的。
卷首語應該包括：調查者信息（即平臺方）、調查的目的和主要內容、填寫問卷所需時間、獎勵說明、以及調查的匿名和保密原則等。
編碼：就是將問卷中所有的問題和答案都加上編號，方便后期的數據統計。設計傳統紙質問卷需要了解編碼，線上的問卷工具會自動編碼，不需要學習。
問卷的設計流程通常分為四個階段：前期準備、設計問卷、問卷的收發，分析報告。
我們在確定目標的時經常犯的一個錯誤是目標的制定過于籠統，例如：
提高用戶留存率了解用戶使用習慣以及產品的滿意度建議反饋、吐槽、好評優化產品的用戶體驗······
諸如此類寬泛的主題會讓問卷的設計無從下手，為了更好地聚焦問題的范圍和方向，我們要圍繞著至少1-2個核心目標進行拆分細化。
舉個例子：某平臺下單模塊耗時較長，年輕用戶流失率上升且對官方軟件吐槽較多，品牌影響較為負面。本次調研，主要針對年輕用戶在平臺的購票路徑，分析該用戶群體在下單過程中的操作節點與關注點，探索用戶流失與差評的原因。
為了讓調研目標和用戶的需求相匹配，忽略調研目的不相關的用戶，我們首先需要將用戶分群。除了用戶分群，我們還經常聽到另一個概念：用戶分層。這兩者是什么關系？有什么區別嗎？
舉個例子：
如果按性別將用戶分為男女兩個群體，這兩個群體之間是平行關系，那就是用戶分群。
如果按照“AARRR模型”將用戶分成5個群體，即新用戶、下載用戶、活躍用戶、興趣用戶和付費用戶，這5個群體之間是遞進關系的，那就是用戶分層。
兩者本質上都是在某些維度，將用戶劃分成不同群體的方法。所以，用戶分層其實是一種特殊的用戶分群方式。
常用的用戶分群維度有：數據范圍、用戶行為和用戶屬性三個維度。
1）數據范圍：時間范圍、次數范圍、消費范圍等。
例如：最近14天內登錄；下單大于7次；累計消費金額大于1000元，或者給出一個其它的數據范圍。
2）用戶行為：圍繞調研目標，明確用戶的核心行為路徑及分支路徑，然后根據是否完成核心路徑來對用戶分類。
例如：提交訂單的用戶；完成消費的用戶；訂票中使用了搜索功能的用戶······
3）用戶屬性：一般會從業務流程的角度出發，基于產品的核心功能或者整運營玩法，對用戶進行屬性分類，比如：
例如：用戶的性別；用戶的職業；是否注冊會員。
4）特別注意：分類的原因一定要緊貼研究目標，不能為了分類而分類。
無意義的分類不但不能幫助完成調研目標，還會增加后期分析數據的任務量。
舉個例子：性別在以消費為核心的產品中會有明顯的區別，男性和女性就是兩個相異的群體，應該進行分群，但是在某些工具類的APP中，或許就沒那么必要了。
閱讀相關的行業研究報告或做競品分析研究，通過吸取現有的經驗和教訓，可以提高問卷的制作效率、避免走錯方向，也能提供新思路。
給大家推薦一個整合網站，里面幾乎把互聯網所有常用的網站都做了整合，包括行業視野、數據查詢、素材資源等各大網站。互聯網人必備！
名稱：產品經理導航 鏈接：https://www.pmbaobao.com/
對調研結果進行分析，并提出假設。之后的問題設計將圍繞著這些假設進行。
舉個例子：
比如現在要為盲人設計一塊手表，通過大量的調研，我們得知大部分盲人用戶希望手表的外觀要簡單大氣，且不喜歡語音播報的功能。
這時我們就可以假設：
因為盲人需要經常獲取時間，所以他們希望在獲取時間的時候不要出聲、盡量不要打擾到別人，也不希望自己的隱私暴露，所以將手表設計的大氣普通能讓他們有更好的體驗。
還是以盲人手表的設計為例：
盲人手表的設計=外觀+時間獲取方式+續航+質量。
翻譯一下就是：盲人手表的外觀要簡單時尚，可以通過觸摸來獲知時間，產品的續航和質量要強。
問題按照內容可分為四類，即背景性問題、客觀性問題、主觀性問題以及檢驗性問題。
1）背景性問題：背景類問題通常想要了解用戶的個人資料有關的信息，旨在對調查的不同人群作分類統計，從而反映不同類型用戶的情況。
舉例：你的教育程度是？
A. 高中以下；B. 高中或中專；C. 大專或本科；D. 本科以上
2）客觀性問題：指實際發生的行為和事實。包括用戶的行為習慣和產品功能方面的實際問題。比如使用目的、用戶行為習慣，使用某功能的情況等。
舉例：在京東購物，物流配送時你會選擇哪種配送方式?
A. 自營物流配送；B. 第三方物流配送；C. 兩者都可。
3）主觀性問題：主觀性問題通常想要了解用戶對產品的了解程度和態度，反映的是用戶的主觀感受和認識，包括意見、情感、動機、信念、價值觀以及滿意度等。
舉例：你認為京東這種配送模式的前景如何？
A. 發展空間較大，容易接受；B. 兩種模式直接存在很多問題，不利于發展；C. 短期內不會有較大發展D. 其他
4）檢驗性問題：指通過兩道互斥的問題來判斷答題者是否認真填寫問卷，目的是幫助篩選無效樣本，提高問卷的有效性。
案例解析：假設用戶在問題1中未選擇G選項(奢侈品)，但是在問題2中選擇了A/B/C選項，那么這個樣本就是無效的。
合理的排列組合方式更容易讓調查者回答，也利于對數據進行整理和分析，問題一般可采取以下幾種方式排列。
1）按難易度排序：
一般來說應該先易后難，由淺入深，先描述客觀問題，后描述主觀問題，先一般性質的問題，后特殊性質的問題。特別是敏感性強的問題，更應安排在問卷的后面。
2）按類型排序：
把相同類型的問題放在一起，這樣用戶可以一起回答，避免破壞用戶的思路。
3）按時間順序排序：
可以按照事情發生的時間，由遠及近或者由近及遠排序。無論哪一種排序，都應該有連續性，不可來回跳躍。
下圖為《12306購票體驗調查問卷》的排版參考。
1）具體性原則：即問題的內容要具體，不要提抽象、籠統的問題。
例如一個款應用的聊天功能中還有許多其它功能，比如“匿名匹配”、“視頻匹配”。僅僅詢問對聊天功能的看法很難提取出有價值的信息。所以在問題的修改上，我們需要更加具體。
2）單一性原則：避免一個問句，多個問題。
避免在一個問題中提兩個及以上的問題。兩個及以上問題要拆開問。
3）通俗性原則：避免術語、黑話。
提問的語言要通俗，不要使用被調查者感到陌生的語言，特別是不要使用專業化的術語，如算法、數據結構、負空間模塊等等。
4）準確性原則：問題及答案一定要精確可度量。
比如“你的孩子是高是矮？”，高矮是相對的，同樣是180的身高，籃球運動員可能會覺得有些矮，但一般的女生則會覺得正好。所以不要使用含糊不清或容易產生歧異的語言或概念。選項一定要精準和可度量！否則數據無法衡量。
5）客觀性原則：避免誘導性或傾向性問題。
問題帶有偏向性，會對被訪者產生“誘導”，導致其選擇出“暗示”的答案。
對于某些敏感性強的特殊問題，在表達方式上應該做些減輕被訪者敏感度的處理，以便他們更容易于面對這些問題，從而做出真實回答。對特殊問題的處理有以下幾種方法：
分析問題的方法有很多，如SWOT 分析法、5W2H 分析法、麥肯錫 7 步分析法等等。下面我將介紹一下我最常用的MECE分析法及其使用步驟。
MECE原則：是巴巴拉·明托在《金字塔原理》（The Minto Pyramid Principle）中提出的一個很重要的原則。MECE的中文意思是“相互獨立，完全窮盡”。透過MECE 分析法，從達成目標的最高層次開始，一層一層往下，能將問題拆成多個彼此獨立而完整的小問題，讓我們更好理解問題、也更容易進行有效的分析與判斷。
相互獨立（ME）：同一個問題的若干答案之間是互斥關系，不能有重疊的情況。例如男性和小孩有重疊的部分，就是不可以的。
完全窮盡（CE）：所列出的答案應該包含問題的所有情況。比如：實數可以分為正數、零、負數（夢回高中時代）。
MECE的操作步驟：使用MECE 解決問題的重點，首要是把問題拆小，讓我們能更好理解。如何做才能做到不重疊、不遺漏地拆分呢?我們以12306的調查問卷為例，介紹一下MECE的操作步驟。
第一步：確定范圍
明確當下討論的問題到底是什么，以及我們想要達到的目的是什么。這個范圍決定了問題的邊界。這也讓“完全窮盡”成為一種可能。換句話說，MECE中的“完全窮盡”是指有邊界的窮盡。
舉個例子：某平臺下單模塊耗時較長，年輕用戶流失率上升且對官方軟件吐槽較多，品牌影響較為負面。本次調研，主要針對年輕用戶在平臺的購票路徑，分析該用戶群體在下單過程中的操作節點與關注點，探索用戶流失與差評的原因。
所以此次調研范圍就是：年輕用戶、購票路徑、用戶流失原因。
第二步：尋找符合MECE的切入點
所謂的切入點是指，你準備按什么來分，或者說大家共同的屬性是什么。比如，是按顏色分、按大小分、按時間序列分還是按重要性分？
舉個例子：對購票路徑上我們可以從購票流程中的功能需求，以及購票的體驗切入。對目標用戶我們從用戶的年齡、行業、職業為切入點。
第三步：找出大的分類后考慮是否可以用MECE繼續細分
將上一步分出的大類繼續細分，讓目標更加詳細明確。
舉個例子：功能需求上細分：購票時關注的內容、是否使用過底部篩選欄功能、是否查詢過中轉車次。使用體驗上我們細分為：購票中的不便、哪些信息消耗購票時長、購買中轉車次的困難、以及想要增加的功能。
用戶職業上細分：學生、企業白領、自由職業。
第四步：確認有沒有遺漏或重復
分完類之后重新檢查一遍，看看是否有遺漏或重復。建議畫出一個金字塔結構圖，用可視化的方式比較容易發現是否有重疊項。
MECE的拆分方法具體分為以下四種：
對稱二分法：最簡單的一種拆分方法，即把答案分為A和非A兩部分。
有個非常經典的案例使用了這個分類方式，那就是7喜，它當初打出的口號就是“非可樂”。另外，中國傳統文化中也有很多類似的二分法，比如陰陽、有無、黑白等。
流程法：按照發生的順序對事物進行拆解
還是以12306的購票路徑為例：
動機：做出行為的欲望。能力：去做某個行為的能力。提示：提醒你做出某個行為的信號。
當我們利用福格模型去分析“購票的流失問題”時，就變成了：
動機：購票頁面哪些信息對用戶的吸引力高？哪些信息不被關注？
能力：購票路徑是否過長？用戶在哪一步驟流失嚴重。
提示：用戶是否注意到了篩選欄功能？如何減少不重要信息在用戶購票過程中對用戶的干擾？
針對這三個因素，預測用戶在各個使用場景可能會遇到的困難，總結成問卷，向用戶求證。
公式法：將問題拆分成不同的構成要素
公式法由加法拆解和乘法拆解構成。
加法拆解：是種開放式拆解，用散點的方式列出子項目，把問題拆解成A+B+···+D 組成的方式，例如提升餐廳的營收，可以拆解為提升午間的營收＋提升晚上的營收。乘法拆解：是封閉拆解，通過把問題拆解為A x B x ···*D組成的方式，讓大問題能被完整拆解，比如：收入=單價X銷量。乘法拆解不容易發想，但較容易符合「MECE」的相互獨立、完全窮盡的原則。
舉個例子：
以電商的GMV計算為例：
屬性法：屬性法是根據一個事物的組成要素進行劃分的
近些年來各大廠都在制定自己的產品體驗度量標準，如谷歌 HEART 模型、阿里的UES模型，螞蟻金服的PTECH模型，58同城B-Metric以及酷家樂四象模型等等。
建議：面對緊急問題的時候，可以先以流程法快速分析該如何處理，緊接著以屬性法理清問題，思考解決方案。分析是為了推進目標，不要過分迷信某一種分析方法，各種分析法只是加分項。
答案有三種基本類型，即開放型回答、封閉型回答和混合型回答。
回答問題的方式多種多樣，以騰訊問卷為例，常見題型有：
答案的設計好壞會影響數據的有效性，所以在設計上需要注意以下幾點事項：
具體量化：
避免主觀描述，例如：經常、幾乎、偶爾等。對于這種模糊的詞語，不同的用戶會有不同的理解。
保證答案的有效性：
不要設置類似“不知道”、“無所謂”這樣的中庸答案。如果不確定答案是否完整，可以將問題設置為半封閉式。
答案要在同一層級：
答案必須是互相排斥的，不能有重疊的情況：
尤其是在數字上需要注意包含關系，比如“20歲以下”和“20～30歲”就存在重疊，應該改為“19歲以下”和“20～30歲”。
多選要注意設置限制：
多選的話要設置上限，并在題干中特別注明，讓用戶填寫過程中能夠直觀了解。
在內部評審之前，首先要自審，試著自己做一遍問卷，避免出現一些低級錯誤，比如問卷的邏輯性、用詞的通俗性、語意的表達等。
可以按照下面的清單來檢查問卷：
發放問卷前要確定時間、地點和目標用戶。
時間上需要確定這兩點：
對APP應用來說，一般有以下幾種渠道。
調研對象必須是目標用戶。目標用戶的不精準會導致資源浪費，也會加大數據清洗的工作量。
由于難以監控用戶填答的過程，致使問卷中常隱藏著一些不真實的數據，因此回收問卷后的第一步，就是剔除無效的、亂填的樣本，專業名稱叫做數據清洗。下面總結了一些清洗的標準供大家參考。
1）未完整填答必答題的樣本：首先需要剔除未完整填答必答題的樣本，即未完整填答問卷的樣本。其次根據項目需求和回收的樣本數量來決定是否需要剔除非必答題未完整填答的樣本。
2）非目標用戶的樣本：剔除那些非目標用戶的樣本。比如你要探索年輕用戶流失率上升的原因，就要剔除“年齡”上不符的樣本。
3）不在規定提交時間范圍的樣本：填答時間不在問卷規定范圍內的屬于無效樣本。
4）填答時間范圍：一般情況下，填答每道問題需要5秒，因此最低填答時間即為5秒*題目數量，最高的填答時間不超過30分鐘。
5）連續性、規律性回答的樣本：選擇同一選項過多的、填答呈現某種規律性的樣本應被剔除。
舉個例子：如某樣本在填答中呈現“A-B-A-B”或”A-B-C-D”等規律，或者大部分答案選A的樣本。
6）檢驗性問題回答錯誤的樣本：我們在之前問題的設計中講過，要設置一些檢驗性問題，來判斷被訪者是否認真作答，這里就不再贅述了。
問卷數據分析時，最常使用的分析方法為頻數分析、描述分析、交叉分析。
1）總體頻數
總體頻數可以了解用戶總體的行為、態度偏好。拿到問卷數據后，可以看一下每個選項的比例，從而對數據分布有一個整體了解。
例如：統計一款英語學習軟件，用戶希望增加的單詞書類型
2）分組頻數
分組頻數可以了解不同維度上的用戶行為、態度偏好。除觀察各選項的總體分布趨勢外，也可將具有相似特征的選項進行合并分組分析，從而獲得更宏觀維度上的數據解讀。
舉個例子：
有時候我們不需要這么細致的分析維度，此時可以把這5個要素分組為單詞信息層面和平臺層面，來觀察用戶更關注哪個層面。將各選項百分比加總后可以得出結論：記憶單詞時，用戶更在意平臺層面的信息。
3）描述分析
描述了解用戶行為、態度（數值型變量）的基本特征和整體分布形態，同時可為后續做更復雜的分析和模型（如用戶畫像）做鋪墊。例如計算樣本的平均收入、平均年齡等。
4）交叉分析
了解用戶屬性、行為、態度間的關系。適用于對兩個及兩個以上變量之間的關系進行分析，以騰訊問卷為例，為大家簡單介紹一下交叉分析的具體流程。
第一步：進入要分析的問卷。
點擊進入工作臺??選擇要分析的問卷??點擊統計??點擊交叉分析。
第二步：篩選出符合條件的樣本。
可以按照提交時間、答題時長等信息進行篩選，也可以按題目篩選。按題目篩選時要注意：不同題目間為交集篩選，同一題目各選項間為并集篩選。
該怎么理解呢？我們以下圖為例：
并集篩選：對于“您的職業是？”這個問題，你既可以只篩選職業為學生的樣本，也可以把所有職業的樣本都選出來。
交集篩選：而對于“您的職業是？”和“購買車票時，比較關注的內容有哪些？”這兩個問題，你只能選擇同時選擇了“學生”和“票價”的樣本。
第三步：確定定義行與定義列。
定義行一般為樣本屬性，如性別，年齡等。定義列一般為需要分析的題目，如愛好、意愿等。
確定好以后點擊開始分析。
于是我們就可以得到：
白領用戶在購票時，最關注的是“車次類型”，占比為XXX%。
學生用戶在購票時，最關注的是“票價”，占比為XXX%。
自由職業的人更關注“耗時長短”，占比為XXX%。
推薦簡道云、問卷星、騰訊問卷這三款問卷工具。
1）簡道云
可做問卷調查、團隊管理應用；功能非常強大，數據搜集和報表分析都很棒.
地址：https://www.jiandaoyun.com/index/solution_center?utm_src=fazxzhm
2）問卷星
大學時期常用的一款軟件，專業做問卷；簡單明了上手快。
地址：https://www.wjx.cn/
3）騰訊問卷
騰訊自家旗下的軟件，適合在QQ空間、微信朋友圈轉發。
地址：https://wj.qq.com/
調查問卷的制作不是一件輕松的事，但是對于挖掘用戶需求是很好的一種手段，你可以在訪談的過程中了解不同的用戶平時是在什么場景使用產品的，最常用產品什么功能，以及用戶在使用過程中心理和情緒上的變化。每個用戶研究人員需要有一套自己的方法論去挖掘用戶的需求，做有理有據的設計。
以上就是關于調查問卷如何設計的內容，希望對你有幫助，感謝大家的閱讀。
文獻參考：https://www.yuque.com/yiehaole/vgvswi/7cca9918-dd98-45cb-b2e2-6c063921dba3https://www.zhihu.com/question/30470196https://www.zhihu.com/question/313013463https://www.zcool.com.cn/article/ZMTIzNjA4NA==.htmlhttps://mp.weixin.qq.com/s/7m7FAog_CWPEYFuLwftcnQ
本文由 @一鵝好了 原創發布于人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。
React 技術棧，實戰復雜低代碼項目
//下栽のke：http://quangneng.com/2553/
構建一個復雜的低代碼項目涉及多個方面，包括前端技術棧的選擇、項目結構設計、狀態管理、組件庫使用、后端集成等。以下是使用 React 技術棧進行實戰復雜低代碼項目的一些建議：
以上建議是一個綜合性的指南，具體項目的需求可能會有所不同。在實際開發中，根據項目的特點靈活調整和選用相應的工具和技術。
學React 技術棧，實戰復雜低代碼項目技巧和注意事項
學習和實戰React技術棧，尤其是在開發復雜低代碼項目時，需要注意一些技巧和事項，以確保項目的順利進行。以下是一些建議：
以上建議可以幫助你在學習和實戰React技術棧時更加順利地應對復雜低代碼項目。記住，實踐是最好的學習方式，不斷地嘗試和構建項目將使你更加熟練地掌握這些技能。
*請認真填寫需求信息，我們會在24小時內與您取得聯系。
