序言

B端雕塑家在日常生活组织工作中一定遭受过以下3个关键点：

即使组织工作业务流程的原故，B端雕塑家极难像商品副经理那般深入介绍销售业务马萨省，做市场需求往往陷于“索韦泰而Churu”的困局。想谋求商业价值点，去做一些冲破的技术难度可见一斑。因而深入细致介绍销售业务是每个想冲破的B端雕塑家必做的课外。

在这个过程中，就会牵涉采用者科学研究，责任编辑也会和大家撷取之中的一类方式，问卷考察。

首先我们先介绍下商品在常规性强化或者新体验升级换代时，通常会采用的3种手段：

方式：想像他们是采用者，在某一某一情景下能完成某一操作方式的方向，该方向是怎样的?是否有卡点?

弊病：ToB的销售业务情景比较复杂，雕塑家极难感到恐惧的去理解采用者。即使一个机能易支应的判断，是需要结合Treignac+采用情景+采用政治理念去考虑，尤其是采用情景的各不相同是没办法感到恐惧的。

方式：简而言之是回收对照同价位的机能点以及操作方式信道，这也是最快捷的一类方式，选择已经被市场校正过的方案，补上他们的软肋。

弊病：该方式最大的弊病是自身的商品一直处于仿效补上的阶段，并不能主动打造出商品他们的核心竞争优势。

方式：通过已知的信息去挖掘潜在的市场需求，问卷考察是一类很值得大家尝试的手段。

问卷考察是之中一类成本低、效率高的考察方式，并且考察结果更精准更具指导性。

近期针对我们的POS商品做过一次问卷考察，在不断的科学研究探索过程中我也收获了一些心得体会，跟大家撷取一下本次考察的一些方式和经验，希望给大家提供一些思路。

责任编辑将根据以下结构给来阐述整个业务流程：

一、关于问卷考察

问卷考察是收集采用者真实反馈的一类科学研究方式。他的本质是通过一系列的问题调查，收集采用者对于某一机能模块的采用感受或者态度想法。

谈到问卷考察，就会牵涉到两个名词叫做定性科学研究和定量科学研究。

比如组织产研团队到门店进行回访考察就属于定性科学研究，样本量小针对性更强，收集到的一手信息更有商业价值。而线上问卷的形式就属于定量考察，样本量比较大、成本也低，收集到的信息更具备强化方向性。

从载体区分，考察问卷的触达形式通常有两种，纸质问卷和网络问卷。即使触达快捷的原因，通常采用网络问卷的形式。

从考察目的区分，问卷分为满意度问卷和商品采用基本情况问卷两种。实际在采用过程中，题型也会互相穿插一下。

为何要做问卷考察的原因总体归纳有两点。

1）第一点从组织工作业务流程出发，为他们争取更多的主动权

即使雕塑家在整个组织工作闭环里处于比较下游的环节，通常是作为资源方被安排。尤其是B端复杂的销售业务，如果我们对销售业务一知半解，还停留在机能的理解层面去做设计，甚至是在听觉层挣扎，那其实这个岗位的商业价值感就很低，即使目前市面现有的开源组件就非常的丰富，听觉发挥空间很有限。

2）第二点从雕塑家的职业定位出发，不再单纯的基于感性做设计

去介绍一些用研手段的目的，并不是要求要精通于此，而是通过一些数据支撑，发现有商业价值的机会点，让我们的强化思路有理可依。

目前，大多数雕塑家会采用反之亦然心消去以及互相学习的同价位科学研究方式做设计，而采用者科学研究方式就区别于前两种，通过该方式获得的信息更精准，并且得出的一些结论是具备方向性的，可以挖掘商品某一核心模块的操作方式卡点,确定强化重心。

下面我们将重点分析下问卷考察的方式与优势。通过对问卷结果的分析比对，可以得出发掘一些槽点重灾区，让我们的商品强化方案从感性趋于理性，有数据作为支撑也更容易获得团队的认可，推动强化方案落地。

二、准备组织工作

即使问卷提问的局限性以及B端商品本身的复杂性，我们是无法通过一份问卷介绍多个模块的问题。一般是建议针对单一模块中的1-2个核心信道进行深挖考察。

这个考察的目标可以来自销售业务方，比如某一模块的核心机能需要提升效率，也可以来自某次更新的满意度考察。整个问卷也是围绕这样一个核心目标展开问题设计。

比如我们这次的考察目标是需要介绍门店服务员在开台>点餐>环节中遇到的问题卡点主要集中在哪里，我们可以围绕这样两个点进行考察：

1）卡点问题挖掘：根据开台到买单环节中常用操作方式进行问题考察，发现问题集中点

2）商品更新校正：根据一些新版本的强化点进行听觉+新体验的提问

B端商品通常会有多个角色采用，每个角色会有固定的采用模块。并且该角色可能因操作方式权限的限制、或者组织工作范围的原因，只介绍他们职责范围内的牵涉到操作方式机能。

因而在设计问卷的时候，我们需要明确知道什么角色会采用该机能，针对这些角色进行问题设计。并且在题目之间需要设立逻辑关系进行跳转。

后期在进行数据清洗的时候，也可以剔除不符合条件的数据。

商品考察设计问卷绝不是设计侧或者商品侧一方能独立完成的事情，我们需要去各方介绍商品目前集中的问题点。这个环节其实和我们的商品迭代强化是类似的，需要多方参与确定问题。

知道考察的目标、考察的对象以及考察问题的收集，下面即将进入问卷设计环节。

问卷设计通常采用第三方平台作为载体，目前可用作问卷考察的平台组织工作很多，比如问卷星、腾讯问卷，这边我采用了老牌的考察平台问卷星。

三、设计问卷

一般来说，问卷的题目不建议过多，尽量控制在3分钟以内，或者15题左右。

在《匹配度》一书中，描述题型设计上需要循序渐进，问卷的框架可以从整体到细节、行为到心理、客观到主观的层次来设计，切忌一上来就抛出技术难度很大的问题，很容易劝退受访者。

我们介绍了问题的设计节奏，以及提问的维度，那么具体在设计问题的时候，我们应该怎么去描述具体的问题呢？

将上面的回收细化后，其实就可以围绕3个核心去提问：

1）是谁用？–>背景：基本信息

通过基础信息对采用者进行筛选，主要提问的内容有岗位？年龄？采用频率？采用模块/机器。

2）好用么？—>客观：操作方式感受

该环节主要为打分+多选环节，从整体到细节的打分，通过分值高低来判断采用者在各个环节的采用满意度，以此作为依据判断机能点的易用性。

3）怎么改？–>主观：采用者心声

这一块的问题设置通常是聚焦某一操作方式进行提问，常用题型可有单选、多选、填空类型，其目的也是为了深度挖掘采用者的意见以及介绍他们期待的方向。

问卷的题型大致分类有选择题、填空题、矩阵题、评分题、个人信息等。我们在设计问卷的时候可以根据他们的实际市场需求进行题型选择。大致常用的题型有以下几种：

1）控制问题数量

为了尽可能平衡采用者的填写成本与问卷回收的有效性，问卷的题目数量一般保持在15道题目左右，回答时间3分钟。

2）避免敏感性问题

提问的时候避免直接问关于隐私度很高的问题，比如门店的营业额流水、毛利、净利等。

3）提问方式保持一致

提问的时候尽量是一个维度的提问方式，尽量避免同个问题不同维度的选项描述。

4）选项穷举

题型的选项必须穷举，避免受访者出现没有合适的选项而随机选择，导致影响最终的准确性。

5）鼓励提示

在倒数第3-4题的时候，文字给出提示，比如“马上就要结束啦”,缓解采用者回答的焦虑感。

6）留下联系方式或商户名称

我们在给ToB商品做问卷

综上所述，我们可以整体分为3大块去填充问卷内容，问卷重点也是在第二块。

四、问卷发放

C端问卷由于采用者体量大以及商品内部有多处预留问卷的入口，发送回收会更容易点，数据量也会更大。

而B端问卷的鉴于发放方向和采用者体量的限制，更建议找运营、客服团队进行有针对性的投放，将链接发给我们的目标采用者进行填写。

五、数据清洗分析

初始数据下载后，可以通过Excel进行筛选分析，尤其是B端问卷量小的情况下，筛选数据变得不再那么难。

可以通过简单的维度来判断问卷的有效性。比如根据回答时间过短，或者打分题目呈现规律性等，通过这样比较简单的方式剔除无效样本。

目前比较常用的分析工具有Excel、SPSS等。我们可以用平台自带或者Excel的图表的分析能力进行单一维度的分析，也可用SPSS中的部分能力进行两个维度交叉分析。

例如可以在问卷星就可以在平台自带的机能里进行简单分析，或者数据导入到Excel之中进行简单分析。

进阶一点的，可以选择SPSS之中的一些基础机能进行两个维度的交叉分析。

1）单一维度

我们在设计问卷的时候的分析会有一些单维度即可分析的数据。比如采用者的年龄、地域分布、采用时长占比分析，或者是打分题目的分析

2）交叉维度

在进行了单一维度的分析后，我们可以针对这些结论结合起来，进行交叉维度的分析。这种交叉分析的办法有点类似于去重。

例如提问采用者在XX模块采用频率最高的机能占比和影响XX速度的原因占比，二者结合分析，可以知道某些机能用的多并且影响效率的原因也很大。

3）整理归纳

在问卷里会设置开放回答环节（填空题），这边会收集到各种各样的答案。这种开放式的答案是没有统一标准去分析的。

因而我们需要整理归纳出采用者大致的问题类型，可以采用表格+思维导图的方式整理，便于后期将有商业价值的问题点进行排期强化。

六、报告产出

报告的结构通常可以分为5块：

汇报的时候按照以上5个模块步骤来呈现，从如何发现问题，到结合考察结果给出策略，让商品后期的设计强化不再单纯的停留在感性阶段。

结尾

商品的新体验强化一般都是对细节机能点进行强化，看起来组织工作量以及成就感不如项目解构，但是达到的效果往往很超预期。

如果能够解决采用者1-2个致命关键点，这样的商品好感度会明显大于听觉层大刀阔斧改动后带来的新体验。不过目前常用的几种采用者科学研究方式都有各自的特点和局限性，比如，责任编辑撷取的问卷考察，通常是只能作为辅助手段来科学研究。

这边想给大家推荐一本关于用研的书《匹配度》，通俗易懂的介绍到如何挖掘采用者市场需求的全业务流程方式，属于非常实用的工具宝典。

我们不需要做到专业数据分析师那般的程度（也极难做到~），而是通过各种手段挖掘有商业价值的市场需求点，尝试成为owner，做一个自燃型的雕塑家，而不是仅仅只是可燃型。

责任编辑由 @B端设计情报局 原创发布于人人都是商品副经理，未经授权，禁止转载

题图来自Unsplash，基于CC0协议

该文观点仅代表作者本人，人人都是商品副经理平台仅提供信息存储空间服务。