好的调查分析始于好的调查设计。问正确的问题设置你与你的分析成功。对于客户的反馈，每个人都知道菜单上的经典内容：客户满意度，净发起人得分和客户努力得分。但是，几十年来，市场研究人员一直面临困境。佛山教育vi品牌设计希望最大程度地提高响应速度，同时也要尽可能多地学习。而且大多数面临调查问题清单的客户和用户（具体为80％）将获得保释。

如果您必须将洗衣清单简化为一个项目或一个问题，佛山教育vi品牌设计会问什么？为了更好的和更因此，我们陷入了选择正确问题的症结所在–如多个！您应该提出一些问题，以查找更多信息。一个问题的调查很诱人。他们无需进行冗长的分析即可快速交付数字。但是它们还不够。阶梯式问题使答卷人详细说明他们给出的答案。这可以像封闭式问题后的开放式问题一样简单有效。目的是确定“为什么”，这将使您能够在步骤3中执行驱动程序分析。您可以通过设置预期的时间长度来完成整个调查或一部分调查，从而确定速度提升者。然后，删除在该时间以外明显落在后面的所有受访者。

您必须在最大化完成率与干净数据之间取得平衡。这是一个判断电话。他们提出的一系列问题有多重要？是否确定他们还问了其他什么问题？如果他们对三个或四个连续的响应趋于平直，那么其他响应仍然有效吗？您可以使用实际考虑因素来帮助确定余额。例如，如果您想调查1,000人，最终超出配额50人，那么对潜在的狡猾的受访者采取更激进的方法可能会更容易。处理开放式反馈的传统方法是手动对其进行编码。这涉及通读一些响应（例如200个随机选择的响应）并使用您的判断来识别类别。此类别列表和分配给它们的数字代码称为代码框架。有了代码帧后，佛山教育vi品牌设计将读取所有数据条目，并将每个响应手动匹配到分配的值。文本分析还有另一种方法，称为情感分析，有时也称为观点挖掘。文本分析使用一种算法将文本转换为数字以执行定量分析。在情感分析的情况下，算法会自动计算响应中出现的肯定或否定词的数量，然后从肯定值中减去否定字以生成情感得分：

尽管情绪分析看起来很简单并且有一些优势，但它也有局限性。始终会有一定程度的噪音和误差。情感分析算法一直在讽刺讽刺，通常对意义的解释不善（至少目前如此）。例如，很难训练计算机正确地解释“我爱乔治·克鲁尼”这样的回答。不！” 为负面。但是，如果替代方案拖延了成千上万的应对措施，那么这种权衡是显而易见的。回归模型有几种类型。软件可以而且应该做繁重的工作。佛山教育vi品牌设计的关键决定是使用哪种模型。最常见的模型是线性回归和逻辑回归。大多数研究使用线性回归模型，但是决定取决于您的数据。由于答案是特定于您的数据的，因此本文不介绍使用哪种模型。简而言之，当您的结果变量是连续的或数字的（例如NPS）时，线性回归是合适的。