投票与问卷调查

投票和问卷调查功能是一个经久不衰的互动功能,它一般应用在来访者个性化分析上,但是它的另外一个作用就是用于统计来访者对网站各方面的意见和建议。

一、投票与问卷的典型应用

在通常情况下,投票和问卷调查适合运用在网站改版、意见征集或者产品促销上。在进行调查和投票的同时,不但可以增加网站的内容,还可以引导用户的行为,收集用户信息。

举例来说,如果站长对网站进行了一次大规模改版,在改版之前或者之后都可以推出适当的投票、问卷调查,用于收集忠实用户的意见和建议。

通过这种投票、问卷方式,在积累了一定的投票数量之后,站长就可以获得一个比较中肯的结果了,进而对网站进行完善,就可以进一步提升网站的用户体验。

同理,如果是从事电子商务活动的网站,站长想要针对某种产品进行促销,也可以借助投票和问卷调查功能,在产品促销之前就获取足够的用户态度,决定是否调整策略细节,并且也可以在一定程度上为即将推出的方案做广告。

其实不管是采用网站投票还是问卷调查,其目的都是一样的,就是让来访者参与进来,真实地获取有价值的客户观点,并根据这些观点改进、优化网站,以获取更好的用户体验或者营销效果。

二、织梦投票功能的部署

在当前的CMS系统中,可以非常方便地部署投票功能。织梦CMS中针对每篇文章进行的投票更是值得称赞,它对搜索搜索引擎优化和用户体验的提升都有帮助。

在后台发布文章时,更新者可以方便地为每篇文章插入与文章内容密切相关的投票项目。具体操作时,点击发布文章下的“新增投票”即可看到定义新投票的相关选项。

在上图界所示面中,网站管理者可以很方便地定义与投票相关的各种项目,比如投票名称、投票有效时间、是否允许游客投票,以及定义各种投票选项等。填写好相关信息以后,点击“插入投票”按钮即可方便地将投票投入到文章当中,方便用户访问时进行选择。

如果想要在网站的其他地方调用这个投票,可以在登录后台以后,在左侧选择“模块”下的“投票管理”,右侧就会出现当前存在的投票项目。

要在网站的其他地方调用某个投票项目,则可以选择该投票项目后面的“获取代码”,进入调用代码界面,选择对应的代码格式即可。


总体而言,网站的交互功能设计和取舍除了要考虑引擎优化以为,还应该更多地考虑用户体验的提升。只有在尽量满足用户体验的基础上进行搜索引擎优化,才是最佳的优化方法。

三种思路

这里提供给大家三种问卷设计的思路,分别是:关键词法,研究方法匹配法和场景应用法。接下来逐一阐述。

1.关键词法

比如说你想研究“消费者网购情况和社交媒体使用的关系情况”,首先确认好是这样的主题, 从这一主题可以看出,核心想研究的点包括两个关键词,分别是网购和社交媒体;有了此两个关键词后,接着需要做的是细分;网购可以用一些什么样的问题表示呢?,社交媒体应该用一些什么样的问题表示呢。
通常情况下,一个关键词下属对应有4~7个题即可,不需要太多。如果按照此逻辑,2个关键词就只有8~14个题,还是比较少,怎么办呢?一个关键词下是否可以再继续拆分呢?比如常见的拆分可以分成两类,包括基本行为和基本态度,那么网购就可以再拆分成网购行为和网购态度两个方面。类似的,社交媒体也可以拆分成,社交媒体使用情况和社交媒体态度情况两个方面。
再这样的思路前提下,将一个研究题目分折成4~7个关键词,每个关键词4~7个题,整个研究就会充实饱满。这样做的目的非常简单,一是对整个研究思路有清楚的梳理,并且用具体问题进行量化表达呈现出来;二是也只有这样后续才会进行有效的研究分析。
如果最终拆分成5个关键词,每个关键词对应着6个题目,则有30个题目;接着需要加入一些共性的问卷题目,比如性别,年龄,学历,收入,消费等基础信息;一份比较完整的问卷就已经完成。为什么需要加入性别,年龄等基础信息呢?在统计角度上看,人口统计学变量(即性别,年龄,学历等),通常均会对某个关键词有着可能的差异性,不同的人对于同样一个问题,也会产生完全不同的看法或者观点,因而有必要加入此类问题,便于在进一步研究时深入剖析。至少,首先需要知道研究的是这样一群人,才会有后续的分析研究等。
上述即为关键词法的一种常见思路框架,此类方法属于"万变不离其宗",任何问卷设计均可以进行此类参考。

2.研究方法匹配法

研究方法通常可以分为三大类,分别是差异关系,相关关系和其它关系。

  • 如果思路上更偏向于差异关系研究,比如不同收入人群对于网购的态度差异。那么收入是个关键词,网购态度则可以使用比如规范的量表题进行设计,这样便于进行方差分析对比差异性;本人是比较建议使用较多规范的量表题,因为量表规范性很强且可以使用非常多的研究方法;如果不是使用量表题,那么就可以考虑卡方分析进行研究。如果进行更多丰富的研究方法使用,则对应需要使用多样的问题设计,量表题和非量表题均需要有,并且预期上它们就需要进入差异对比的范畴。
  • 如果思路上更偏向于研究影响关系,比如满意度对于忠诚度的影响,看上去,满意度和忠诚度均可以使用量表题进行表示,那设计成量表题没有问题,因为可以使用线性回归分析进行研究。除此之外,还有一种情况可以考虑,即 logistic 回归,满意度影响最终是否再次购买,是否再次购买被满意度影响,这类情况是应该使用 logistic 回归分析。如果是希望两类研究方法均使用,此时满意度对应的问题则需要有量表题,还有比如“是否愿意再次购买”一类的定类数据问题。
  • 如果预期数据需要进行统计上的信度分析,此时请记住一定需要设计成量表题,否则无法进行信度分析。以及如果预期思路上有分类,即比如将样本分成3种人群,此时需要考虑使用更多规范的量表题数据。
  • 总结上看,研究方法的匹配使用,事实上应该是在问卷设计前就进入考虑范畴。问卷研究设计完成后,大部分的问卷研究方法均已经确定,因而需要提前将问卷研究方法纳入考虑中,便于可以进行更丰富的数据分析。

如果对于研究方法有不太理解的地方,可以参阅下述两个页面,从宏观上理解分析方法选择和问卷研究报告的结构。

3.场景应用法

不同的应用场景,问卷设计会有非常大的区别,尤其是学术和企业应用中。
学术研究中,强推量表题的设计,原因很简单,量表可以匹配非常多的研究方法,并且建立模型,便于推广;但是也有一定的问题在于,实用性相对较弱。企业应用中,不关注于模型如何,而对问题是什么以及解决办法是什么更加关注,因而对于量表题的使用相对较少,更可能使用一些非量表式的问题,比如多选题,多项选择题等。
相对来讲,建议学术研究中加入小部分(约1/5)的非量表题,便于在研究报告撰写时,可以有一些结合实际情况更深入的研究,比如研究“网购满意度和忠诚度”的关系,满意度影响到忠诚度,然后又如何呢?企业有什么帮助呢,可以考虑设计一些题目,比如如何才能提高满意度,加一些新的小功能点,多做一些优惠活动?
以及企业应用场景时,也可以适当于加入一些量表题目,便于丰富研究方法,从不同角度不同分析方法上去对数据分析,否则的话,来回只能进行交叉对比,无法深入挖掘一些新的研究点。

问卷设计的问题

在与用户的沟通中我们发现,大家在设计问卷时有几个常见的问题:

1.问卷设计目标不清晰。

很多调查者并不知道自己想要问什么,因而题项之间设计的缺乏逻辑,表述也不清晰。问卷设计前,一定要明确本次问卷设计的目的和内容,就是通过这次的问卷调查来研究用户的什么行为或者是获取用户的怎样的反馈。

2.问卷中逻辑太多

一份思路清晰的问卷,应该是任何人一看就完全理解想做什么,如果问卷中逻辑太多,比如选择一个第1题,才能回答第5题;然后选择第3题才能回答第4题;各类逻辑非常多;这种情况的产生会导致最终进行研究分析时非常糟糕。

3.实际发放

实际发放问卷时还会遇见很多问题,比如某个选项居然没有人选择,或者问卷太长被调查者不愿参与导致发放率过低。这种情况都是比较细节性的问题,设计问卷时,应站在被调查者的角度即回答问卷问题的角度考虑一下,避免出现一些比较常规性质的问题。

1

发表评论