怎麼分析量表中滿意,不滿意的頻數

1樓：燦爛又堅定灬彩虹

如果是顧客滿意度問卷，那麼基本上就是結構化的態度資料。結構化資料春伍分析的主要思路是「segmentation」，也就是用自變數將因變數不斷細分，發現差異。具體來說，「滿意度」之類的題目就是因變數，而「地區、年齡、時間、產品線」等就是自變數。

我們需要看的是「不同產品線」緩吵、「不同年齡群組」、「不同地區」的滿意度差異。

一般用列聯表（cross-tabulation）可以實現顧客滿意度問卷的分析。在分析時有兩個技巧：

1、我們需要將自變數的重要性確定下來，逐層分析，這樣可以減少工作量。例如公司如果有多個產品線，那麼我們先用產品線做滿意度劃分，我們發現了「a產品線」的滿意度比「b產品線」低，那麼我們就可以去看看a產品線下一層的問題，是哪個人群、哪個區域出了問題？

2、先看態度量表題的比對，確定大方向，然後再看「不滿意的原因有哪些「這類的選擇題。一開始不要去在乎具體原因，而是去找總體體驗最差的業務單元和人群，再找原因。

體驗家xmplus」客戶體驗管理系統具有非常強大的交叉分析bi，可以上傳問卷、運營等資料，支援結構資料和非結構資料的深度分析，並通過在「體驗家」中搭建kano模型，可以找到影響顧客滿意度的基本型需求、期望型需求和興奮型需求，從而確定顧客需求擾森侍的優先順序，幫助企業找到首先需要公升級的方向。

2樓：志美

量表如何分析。

效度分析時，是綜合各項指標進行綜合判斷，包括kmo值，巴特球形檢驗，方差解釋率，累積方差解釋率值，因子載荷係數值，維度和題項對應關係等。

效度分沒伏析時，很可能需要刪除題目，以便於維度和題項對應關係符合預期。

效度分析時，最關鍵的地方在於液神：維度和題項對應關係，是否與專業預期符合；其餘指標相應比較容易達標，最核心的是讓維度和題項對應關係保持基本一致性。

效度分析時，是個多次來回重複對鬧察虧比。

3樓：happy安琪哥哥

我的看法譽枯沒是分析量表中滿意不滿意的評價，可以通過一些人的評價以及頻數之間的起伏跌宕，是表示滿意還是不滿慶納意敗歲的數字是高還是低。