导读：当今市场同质化竞争现象非常严重。如何在瞬息万变的市场中洞悉不同客户的真实需求，找到提质增效的着力点，差异化分析成为了独门利器。

本文将结合完整的问卷调查客户分析流程，详细展现数据分析全过程，帮助读者快速上手、差异化营销。

作者：科技爸

本文为大数据「内容合伙人」计划原创作品

01 目标和方法论

1. 目标

问卷是商家最快捷、最容易开展的一项了解客户的方式。可惜拿到客户问卷数据后，传统分析方法就是算一下各项问题的百分占比，来大致了解客户的需求。这样做没有办法掌握客户不同的消费偏好，也没有办法开展差异化营销。

所以本案例就是要通过大数据分析方法，找到不同用户群的消费偏好，制定差异化的营销策略，帮助商家在产品功能、服务、销售策略等领域找到营销方向，在市场竞争中占据先机。

2. 方法论

用户偏好的理论包括用户购买决策5阶段和需求分析7要素。

（1）用户购买决策5阶段

用户购买商品的过程包括了5个阶段，分别是问题认知、获取信息、方案评估、购买决策、购后行为。

（2）需求分析7要素

5W2H分析法又叫七问分析法，可以很好的还原消费者在购买决策的每个环节的内心活动。

02 分析方法

这次案例会用到以下5个招数：

1. 频数分布

就是研究次数分布，即是统计每个对象出现次数，以及单个对象次数与总次数的比值。例如研究身高的频数：

2. 均值分析

平均数(均值) 针对数值型变量，计算平均数，是表示一组数据集中趋势的量数,它是反映数据集中趋势的一项指标。

3. 方差分析

方差分析（ANOVA）又称“变异数分析”或“F检验”，用于两个及两个以上样本均数差别的显著性检验。例如对肺活量对分组的影响。数据是这样的：

结果包括：

一是方差齐性检验，像这样：

其中P值大于0.05，表示说分组方差齐次，适合做方差分析。

二是方差分析检验，像这样：

其中P值小于0.05，说明肺活量对分组的影响的是显著的。

4. 比较均值

在SPSS中，使用比较均值，检验一个分类变量的取值不同对另外一个变量的影响。例如查看不同性别对身高的影响。

原始数据是这样：

比较结果为：

5. 交叉分析

把统计分析数据制作成二维交叉表格，将具有一定联系的变量分别设置为行变量和列变量，两个变量在表格中的交叉结点即为变量值，通过表格体现变量之间的关系，称为交叉分析法。

例如研究宾馆等级的交叉分析。把这样的原始数据：

进行交叉分析：

03 实际操作案例

这部分将介绍一份问卷调查的分析过程，完整呈现数据分析全流程。

1. 问卷内容

先直接给大家呈上这份调查问卷的主要内容。

XX银行客户产品体验调查问卷

问卷编号：

客户您好！我行正在进行一项客户产品体验的调研，您的意见对于我们来说非常重要，期待你的合作！

S1.请问您是否买过我行的产品？

A．是【继续】 B．否【终止】

A1.请问您的性别？【单选】

A.男   B.女

A2.请问您的年龄？【单选】

A.18-30岁 B.31-40岁 C.41-50岁 D.51岁以上

B1.请问您目前最主要的金融需求【单选】

A.需要存款，满足资产保值

B.需要贷款，满足大额消费

C.需要办信用卡，满足日常消费

D.需要理财，满足资产增值

E.其它

B2.请问您是从哪些渠道了解到我行相关产品的？

A.门户网站 B.微信公众号 C.网点 D.宣传单 E.其它

B3-B6.请问您选择一家银行最看重的是什么？请您用1-5分进行打分（分值越高，表示越重视）。

B3. 投资产品收益高  ______

B4.存款利率高       ______

B5. 网点距离近      ______

B6. 服务场景多样化  ______

B7.请问您最近一次购买理财产品的金额？

A.<10万 B.10万-50万 C.50万-100万 D.100万以上

B8.请问您希望信用卡在哪些领域开展更多活动？

A.餐饮类 B.超市类 C.电商类 D.旅行类 E.其它

2. 问卷结构

一般一份完整的问卷调查主要结构包括：标题、编号、卷首语、问题项等内容。上面问卷为知识讲解，仅仅展示了问卷调查的主要内容，真正向市场投放问卷时还需要丰富更多问题。这份问卷调查的设计思路是按照用户购买决策5阶段和需求分析7要素来设计问题，主要设计思路如下图：

3. 数据获取

（1）建立问卷每个问题的编码表

其中B3-B6问题是数值型答案，不需要编码。

（2）根据编码表，将问卷结果以数值录入到问卷表

4. 数据处理

（1）数据清洗

数据拿到后，还不能直接进行分析，需要进行预处理。数据预处理包括了数据筛选（选择S1题为1的用户），数据查重（删除重复数据），缺失处理（补充缺失的数据，或删除缺失的数据），数据纠错等步骤。

（2）数据读取

将数据表读入到SPSS中。

设置每个问题的值标签。

5. 数据分析

（1）分析框架

• 分析思路

开始问卷调查分析之前，可以先考虑从以下三个方面入手：

一是用户基本特征描述。分析用户的基本特征，为后一步结合业务分析打好基础。

二是整体偏好分析。对所有问题，分析一遍用户的偏好，这是所有问卷分析必备功能。主要分析方法包括均值分析（针对数值型问题算平均数）和频数分布（针对非数值型问题算占比）。

三是交叉偏好分析。只分析整体情况还不够，要做精准营销，要超越大多数分析水平，还要知道不同的维度之间的关系。主要方法包括交叉分析（针对非数值问题）和比较均值（针对数值问题）。

当然开展交叉偏好分析之前，要进行方差分析，确定是否存在显著的偏好差异性。

• 分析体系

按照以上思路，分析体系表如下所示：

分析方向	分析内容	分析题目	题目编号	分析方法
用户基本描述		性别	A1	频数统计
		年龄	A2	频数统计
整体偏好分析	问题认知	金融需求	B1	频数统计
	获取信息	了解渠道	B2	频数统计
	方案评估	看重因素	B3-B6	均值分析
	购买决策	购买金额	B7	频数统计
	购后行为	希望活动	B8	频数统计
交叉偏好分析	不同性别	偏好差异性检验	A1与B1-B8	方差分析
		偏好差异分析	通过检验题目	交叉分析或比较均值
	不同年龄	偏好差异性检验	A2与B1-B8	方差分析
		偏好差异分析	通过检验题目	交叉分析或比较均值

（2）分析过程

这部分使用SPSS软件，对用户问卷调查常用的几种方法进行操作讲解。

• 频数统计

针对非数值型问题（包括A1-A2，B1-B2，B7-B8），都可以用频数统计。这也是问卷调查使用最多的方法。

操作方法：

• 一是选择：分析-描述统计-频率。

• 二是将A1-A2，B1-B2，B7-B8放入变量框。

输出结果（限于篇幅展示A1-A2结果）：

• 均值分析

针对数值型问题（包括B3-B6），可以用均值分析。

操作方法：

• 一是选择：分析-描述统计-描述。

• 二是将B3-B6放入变量框。

• 三是点击“选项”按钮，选择“均值”。

输出结果：

• 方差分析

当进行A1-A2与B1-B8之间均数差别的显著性检验时，可以使用方差分析。可分别对A1与B1-B8，A2与B1-B8进行显著性检验。这里以A1为例。

操作方法：

• 一是选择：分析-比较均值-单因素ANOVA。

• 二是在“因变量列表”选择B1-B8，在因子框选择A1。

输出结果：

根据方差分析检验结果，可以总结出用户在选择银行产品时，在以下方面存在显著性差异，因此偏好差异对比分析要围绕这些方面开展。

用户基本特征	存在显著性差异
A1 性别	B7 最近一次购买理财产品的金额
A2 年龄	B6 服务场景多样化 B7 最近一次购买理财产品的金额

• 比较均值

针对通过方差检验的问题，其中是数值型的题目，可以进行比较均值分析。这里以A2与B6为例。

操作方法：

• 一是选择：分析-比较均值-均值。

• 二是在因变量列表放入B6，在自变量列表放入A2。

• 三是单击“选项”按钮，在“单元格统计量”框中只留下“均值”。

输出结果：

• 交叉分析

在通过了方差检验的问题中，针对非数值型题目，可以进行交叉分析。这里以A2与B7为例。

• 一是选择：分析-描述统计-交叉表。

• 二是在“列”放入B7，在“行”放入A2。

• 三是单击“单元格”按钮，选择“百分比”的行。

输出结果：

04 结果展现和解读

通过前面的SPSS输出结果，可以对结果进行分析和提出建议。限于篇幅，主要对上面的部分结果进行解读，其余结果以此类推。

1. 问卷整体情况分析

（1）用户基本情况分析

根据性别和年龄频数统计，可以了解到调查对象中男女比例相当，年龄段以老年为主。

（2）用户整体偏好分析

根据对B3-B6均值统计结果，可以了解用户在评估阶段选择银行的的偏好。

从分析结果来看，用户倾向于选择网点就近，服务多样的银行。

（3）用户交叉偏好分析

• 比较均值分析

根据对A2与B6的比较分析，可以了解不同年龄的用户对服务场景的考虑程度。

从分析结果来看，中老年客户对服务场景的多样化比较看重。

• 交叉分析

根据对A2与B7的比较分析，可以了解不同年龄用户最近一次的理财产品金额情况。

从分析结果来看，购买力最强的是青年段的用户，购买力最弱的是中年段的用户。

05 小结

本文全流程讲解了针对银行客户产品体验调查问卷的数据分析流程，包括了问卷制作、收集数据、处理数据、结果解读，配以详细的理论讲解和案例实操。本文可帮助小白快速上手数据分析项目，通过多维度分析和差异化营销最大化提升企业销售效益。

本文为大数据「内容合伙人」计划原创作品。

关于作者：科技爸，大数据「内容合伙人」，公众号科技爸遇到文艺妈（gh_5632ce6775be）作者，一个在金融科技时代，通过分析干货、实操好文，伴你一路成长的天地。

延伸阅读《Python数据分析与数据化运营》

点击上图了解及购买

转载请联系微信：DoctorData

推荐语：14个数据分析与挖掘主题，4个数据化运营主题（会员、商品、流量、内容），8个综合性案例，360°结合数据场景落地。

大数据「内容合伙人」计划上线啦！

最近，你都在读什么书？有哪些心得体会想要跟大家分享？

数据叔最近搞了个大事——联合优质图书出版商机械工业出版社华章公司发起鉴书活动。

简单说就是：你可以免费读新书，你可以免费读新书的同时，顺手码一篇读书笔记就行。详情请在大数据公众号后台对话框回复合伙人查看。

有话要说????

Q: 你的问卷调查获取有效信息了吗？

欢迎留言与大家分享

猜你想看????

• 从治疗癌症到预测犯罪，细数数据科学在各领域的神奇应用

• 什么是气泡图？怎样用Python绘制？怎么用？终于有人讲明白了

• 50年后的地球什么样？大数据、AI、量子计算的书单给你答案

• 数据中台VS业务中台、数据中台VS数据仓库，到底有什么区别？

更多精彩????

在公众号对话框输入以下关键词

查看更多优质内容！

PPT | 报告 | 读书 | 书单 | 干货 

大数据 | 揭秘 | Python | 可视化

AI | 人工智能 | 5G | 中台

机器学习 | 深度学习 | 神经网络

合伙人 | 1024 | 段子 | 数学

据统计，99%的大咖都完成了这个神操作

????

觉得不错，请把这篇文章分享给你的朋友

转载 / 投稿请联系：baiyu@hzbook.com

更多精彩，请在后台点击“历史文章”查看

点击阅读原文，了解更多