Perguntas Frequentes (FAQs)

Obtenha respostas rápidas às suas perguntas sobre nossos serviços e políticas. Para mais assistência, entre em contato com nossa equipe de suporte.

如何设置联合分析的任务参数以获得可靠结果？

关键参数设置：1) 每个任务的概念数量：建议2-5个，太少缺乏比较，太多增加认知负担；2) 任务总数：需要平衡数据质量和参与者疲劳，建议根据属性数量和水平数计算；3) 空选项设置：可包含"都不选择"选项，模拟真实购买场景；4) 概念展示规则：可选择全部展示、按序展示、部分展示或特定任务展示，根据研究设计需求选择；5) 禁止组合：可设置不合理的属性组合，避免展示无意义的选项。

什么情况下应该使用联合分析而不是其他题型？

以下情况推荐使用联合分析：1) 需要了解消费者如何权衡多个产品属性；2) 研究目标是确定最优的产品配置组合；3) 需要预测新产品或服务的市场接受度；4) 要分析价格敏感性和价格弹性；5) 需要了解不同细分市场的偏好差异；6) 适用于汽车、电子产品、金融服务、房地产等复杂产品的市场研究；7) 需要为产品定价策略提供数据支持。

联合分析结果如何解读？如何应用？

结果解读和应用：1) 属性重要性：显示各属性对消费者决策的影响程度，帮助识别关键驱动因素；2) 概念效用：反映不同产品配置的偏好程度，用于产品组合优化；3) 价格敏感性：了解消费者对价格变化的反应，指导定价策略；4) 市场细分：识别不同偏好群体，支持精准营销；5) 预测模型：可用于预测新产品上市后的市场表现。应用建议：样本量需大于100才能获得可靠结果，结果应与定性研究结合使用，定期更新数据以反映市场变化

什么是Kano模型？它适用于哪些研究场景？

Kano模型是由Dr. Noriaki Kano在1980年代开发的产品开发框架，用于帮助企业理解和优先排序产品功能。它基于客户需求和偏好，将产品功能分为五种类型：基本功能、性能功能、兴奋功能、无差异功能和反向功能。适用于产品功能优先级排序、服务设计优化、用户体验改进、产品路线图规划、客户满意度提升等场景，特别适合需要了解功能对客户满意度影响程度的研究。

Kano模型的五种功能类型分别代表什么？如何理解？

五种功能类型及含义：1) 基本功能：客户期望产品必须具备的基础功能，缺失会导致不满意，但存在不一定增加满意度；2) 性能功能：与客户满意度呈线性关系，性能提升满意度增加，性能下降满意度降低；3) 兴奋功能：客户不期望但存在会显著增加满意度的功能，是产品差异化的重要来源；4) 无差异功能：无论存在与否对客户满意度都无显著影响；5) 反向功能：存在时反而降低客户满意度的功能，可能被视为不必要或烦人的。理解这些类型有助于产品功能优先级排序和资源分配。

如何创建Kano模型问题？需要注意什么？

创建步骤和注意事项：1) 选择"Kano"题型添加到调查中；2) 输入要研究的函数或服务名称，每行一个，这些名称将成为问题；3) 系统自动生成默认Kano模型格式选项，包含5点量表和两行问题：如果此功能存在/缺失，您如何评价它？4) 可调整问题设置，如必答/可选、显示逻辑、跳过逻辑、分组设置等。注意事项：功能名称要清晰具体，避免模糊描述；确保功能描述能让参与者理解；考虑功能的相对重要性，避免包含过多无差异功能。

什么情况下应该使用Kano模型而不是其他题型？

以下情况推荐使用Kano模型：1) 需要了解产品功能对客户满意度的不同影响类型；2) 研究目标是识别产品的差异化机会和竞争优势；3) 需要为产品功能开发优先级排序提供数据支持；4) 要分析客户期望的变化趋势和功能成熟度；5) 适用于软件产品、移动应用、网站设计、服务流程等用户体验研究；6) 需要平衡基本功能维护和兴奋功能开发；7) 要制定长期产品路线图和功能规划策略。

Kano模型结果如何解读？如何应用？

结果解读和应用：1) KANO属性：根据最高得分确定功能类型，指导功能分类；2) 更好系数：衡量属性性能提升对满意度的影响程度，计算公式为(性能%+兴奋%)/(基本%+性能%+兴奋%+无差异%)；3) 更差系数：衡量属性性能下降对满意度的影响程度，计算公式为[(基本%+性能%)/(基本%+性能%+兴奋%+无差异%)]×(-1)。应用建议：基本功能必须保证质量，性能功能需要持续改进，兴奋功能是差异化重点，无差异功能可考虑简化或移除，反向功能需要避免。结果应与用户访谈、竞品分析等定性研究结合使用。

什么是MaxDiff分析？它适用于哪些研究场景？

MaxDiff（最大差异缩放）是一种强大的调查技术，广泛用于测量消费者偏好和优先级。它向参与者呈现一系列选择，并要求他们指出最偏好和最不偏好的选项。适用于产品功能优先级排序、服务项目重要性评估、品牌属性偏好分析、市场细分研究等场景，特别适合需要了解用户真实需求层次的研究。

Quais são as vantagens da análise MaxDiff em comparação com questões tradicionais de avaliação por pontuação?

A análise MaxDiff tem as seguintes vantagens em comparação com questões tradicionais de avaliação por pontuação: 1) evita vieses de pontuação, pois os participantes precisam fazer uma escolha em vez de atribuir notas altas a todas as opções; 2) fornece uma classificação de importância relativa, mais alinhada com cenários reais de decisão; 3) reduz a carga cognitiva, já que cada vez é necessário comparar apenas um pequeno número de opções; 4) gera dados de preferência mais confiáveis, adequados para análise estatística; 5) permite identificar os atributos realmente importantes, evitando a "armadilha da média".