问卷星消费品行业用户调研解决方案_客户体验管理平台

问卷星消费品行业用户调研解决方案

企业必须积极主动地寻找多样化的方式去了解用户，并持续对他们进行深入探索。了解用户选择、购买、推荐产品的原因，并不断优化产品，进一步提升产品的生命周期；倾听用户真实的声音，可以通过用户调研、用户评价、用户反馈等方式。这些收集到的信息和数据可以作为产品研发决策的依据。

立即咨询

首页 > 产品中心 > 企业服务 > 问卷星消费品行业用户调研解决方案

用户选择越来越多

产品同质化严重

消费者都喜欢差异化，但是现实非常残酷：越是白热化品类，越趋同。在消费品这个红海赛道中，很多人都有这样困惑：自家产品，感觉和竞品都差不多，好难打。此时很多企业会选择拼成本、拼价格，从而造成企业利润越来越低、产品质量越来越差、售后服务更加得不到保障；如此高度产品同质化的环境下，企业提升自身的市场竞争力是关键。这需要企业更加了解用户痛点和需求，并不断推陈出新，让自己的产品时刻领先竞争对手。在产品不断推新的过程中，也需要通过包装、广告语、宣传图、社交媒体等，凸显产品亮点及展示抓人眼球的内容；在产品不断丰富的过程中，企业还需要持续建立品牌壁垒。当产品高度同质化时，消费者买的不再仅仅是产品，更多是品牌信息。企业需要让消费者认同自己的产品和品牌，从而获得更大的市场份额。

用户买的不仅是产品

体验管理解决方案

听用户真实的声音

用户与企业的互动不再仅仅是每个单一的触点，而是从了解产品 - 考虑产品 - 购买产品 - 使用产品 - 推荐产品，每一步都与企业有或多或少的接触与互动。其中一个旅程与用户预期不符，可能都会造成用户流失甚至成为企业的贬损者；随着全面步入体验经济时代，用户的声音对企业的影响越来越大。企业可以让用户参与到产品设计中，研发出用户需要和喜欢的产品；企业必须积极主动地寻找多样化的方式去了解用户，并持续对他们进行深入探索。了解用户选择、购买、推荐产品的原因，并不断优化产品，进一步提升产品的生命周期；倾听用户真实的声音，可以通过用户调研、用户评价、用户反馈等方式。这些收集到的信息和数据可以作为产品研发决策的依据。

产品生命周期

体验管理体系搭建流程 icon

创建问卷

发送问卷

结果分析

体验管理题型应用

产品概念期:产品概念测试 icon

使用场景

在产品概念期，了解新品概念被市场接受程度，可以使用产品概念测试。该问卷模板通过给受访者展示新产品概念，从而定位到具有最佳市场机会的产品概念。产品概念测试从行为意愿、市场偏好、产品独特性、品牌印象、品牌标签、市场需求、可信度、情绪分析等多个维度进行评估，了解影响用户选择喜爱产品的关键原因。

产品概念测试

产品属性偏好程度

使用场景

在产品设计开发期，了解用户对于不同属性的偏好程度，可以使用Maxdiff模型。该模型通过对比的方法进行偏好排序，从而理清受访者对每项事物的偏好程度。Maxdiff解决了传统打分结果差异较小、不同群体打分标准差异大、多项选择排序难等痛点。该模型常用于产品功能点偏好、广告语偏好、风格偏好、品牌偏好、卖点偏好等场景。

产品属性偏好程度

数据可以按分数大小排序，通过计数可以直观看出受访者对属性的偏好程度。分数越高，一个属性对你的受访者越有吸引力；正分意味着该属性被选为最重要的次数多于最不重要的次数；负分意味着该属性被选为最不重要的次数比最重要的次数要多； 0分表示该属性被选为最重要和最不重要的次数相等或从未被选中。

注：分数 =（最重要标签的次数-最不重要标签的次数）/属性出现的次数

产品多属性偏好程度

使用场景

了解用户对于多属性特征的偏好程度．可以使用联合分析。该模型向受访者展示一组概念．要求选择最吸引人的概念．从而帮助企业确定最佳产品功能、价格敏感度．市场份额等。在实际的抉择过程中，由于价格等原因，人们要对产品的多个特征进行综合考虑，往往要在满足一些要求的前提下，牺牲部分其他特性.是一种对特征的权衡与折衷。该模型常用于新产品开发．市场份额分析、竞争分析、市场细分和价格策略等方面。

产品多属性偏好程度

报告分为属性重要性、概念效用两部分：属性重要性：可以直观看出属性、水平的重要性。同一属性下，水平的效用值越大，表示该属性下水平对于受访者越重要；属性重要性越大，表示属性对于受访者越重要；概念效用：概念的偏好排名，可以直观看出概念的重要性，效用值越大，表示概念对于受访者越重要。计算逻辑：计算模型：由于联合分析使用的是离散型数据（如水的品牌等）而不是连续型数据（如温度的数字），因此联合分析所运用的方法为逻辑回归，该方法中回归系数的估计方法采用的是分层贝叶斯参数估计；效用：由于回归系数不能直接用来表述效用值，因此对回归系数进行了简单数据处理得到效用值，直观上能更好的看出属性和水平的效用值大小。效用值越大，表示重要性越大；重要性：重要性越大，表示该属性对受访者越重要。重要性=每个属性下水平效用最大值/sum(每个属性下水平效用最大值)*100%。示例中：汽车能源的重要性=26.91/（26.91+25.46+0.83）=51%。

用户整体体验:客户旅程满意度&NPS icon

功能/服务需求分类

使用场景

了解某个功能具备/不具备，对于用户满意度的影响程度，可以使用Kano模型。该模型通过对同一功能进行正、反向提问．并将选项设置为5个不同的满意程度．了解用户需求属于的类别．帮助企业在资源有限的情况下，更科学地平衡用户需求和商业资源．从而提升ROI。

功能/服务需求分类

功能/服务需求分类

宣传图/包装测试

使用场景

在产品上市前，了解用户对于宣传图/包装关注的情况，可以使用图片PK。该题型使用的是Maxdiff模型（每个任务的属性数量设置为2时自动转化为图片PK题型），通过多轮两两PK模式（用户只需选择更喜欢的即可），找到用户对于宣传图/包装的喜爱偏好。该题型常用于宣传图偏好、包装偏好、品牌偏好等有图片展示的内容。

产品上市前:广告语/宣传语测试 icon

使用场景

在产品上市前，了解用户对于不同广告语的偏好程度，可以使用Maxdiff模型/图片PK(可以不上传图片)。该模型通过对比的方法进行偏好排序，从而理清受访者对每项事物的偏好程度。可以用于产品功能点偏好、广告语偏好、logo偏好、品牌偏好、卖点偏好等。

货架摆放测试

使用场景

在产品上市后，了解用户在真实的购物场景下，用户选择商品的情况，可以使用货架题。该题型可以让企业了解商品摆放位置对于用户选择的影响（设置情景随机并关联对应的货架题），帮助企业更好的进行商品排列。

产品上市后：货架摆放测试 icon

产品上市前：可用性测试 icon

使用场景

在产品上市后，如果希望进行产品新旧版本迭代之间对比、同类型竞品之间对比、同一产品不同终端之间对比，可以使用SUS模型。该模型适用范围广泛，采用正反语气间隔（奇数题为正面语气，偶数题为负面语气）的形式进行提问，使答案更加客观。同时该模型可以科学地量化用户体验，并和总数据库里其他产品进行对比。

产品上市前：可用性测试 icon

结果分析

问题组成 SUS模型由10个题目组成，奇数项为正面陈述，偶数项为反面陈述。其中第4，5，10三项构成的子量表为“有效性”&“易学性” ；第2，3，7，8四项构成的子量表为“使用效率”&“可用性”；第1，6，9三项构成子量表“满意度”。计算方式（非常不同意 - 非常同意的分值范围是0-4分）： 1. 所有奇数编号题目得分减一后相加 / 奇数编号题之和 - 5 2. 所有偶数编号题目得分由五减去后相加 / 25 - 偶数编号题之和 3. 将奇数项最终得分+偶数项最终得分后乘以2.5 即最终SUS得分

客户旅程满意度&NPS icon

使用场景

在产品上市后，如果希望了解用户对于各个环节的满意度和NPS情况，可以使用客户旅程管理。该问卷将客户的体验按旅程地图分布为几个不同的触点，详细展示每个触点的不同体验质量，对体验感差的触点进行优化和改进，从而吸引用户，增加营收。

客户旅程满意度&NPS icon

品牌力APLA模型

使用场景

了解用户对于品牌的认知情况，可以使用品牌漏斗。

该题型通过对受访者的行为进行递进式的提问.形成漏斗统计分析。

可以用于了解本品牌与竞品的认知.消费．首选度．喜爱度等情况。

品牌力APLA模型

案例1:找到用户最想买的口味 icon

若要针对多种口味的偏好（该案例为30种口味）进行排序，可以通过Maxdiff让受访者在较少的选项（该案例为6种口味）中选择“最想买”和“最不想买”的口味。通过多轮选择后计算出属性排序（该案例为10次任务）。香橙美式分数最高，说明该口味对受访者最有吸引力；分数>0的属性，表示选择最想买的次数多于最不想买的次数，如生椰拿铁、经典拿铁等；分数<0的属性，表示选择最不想买的次数多于最想买的次数，如梨花白拿铁、无花果肉桂拿铁、茅台美式等。

案例2:找到用户最喜欢的外观 icon

该方式适合线下调研，让受访者针对不同编号的外观（口味、材质、颜色等属性均可）进行对比，选择最喜欢和最不喜欢的。经过多轮反复对比，找到受访者的偏好排序。外观J分数最高，说明该外观对受访者最有吸引力；分数>0的属性，表示选择最想买的次数多于最不想买的次数，如O、G、P等；分数<0的属性，表示选择最不想买的次数多于最想买的次数，如D、A、B等。

案例3:找到用户最想买的饮料（多属性) icon

在实际的抉择过程中，由于价格等原因，人们要对产品的多个特征进行综合考虑，往往要在满足一些要求的前提下，牺牲部分其他特性，是一种对特征的权衡与折衷；通过联合分析，我们可以重现出消费者购买产品时对比的情景，预测消费者抉择的结果。因此，通过联合分析，我们可以了解消费者对产品各特征的重视程度，并利用这些信息开发出具有竞争力的产品。

注：联合分析需要充足的样本量才能计算出较为准确的数据，所以样本量足够多得出的报告才有参考意义（答卷数量>100)。

案例3:找到用户最想买的饮料（多属性) icon

各个属性的重要性排序为：品牌、无负担、价格、口味、畅饮场景、添加物、规格、口感重要性越大，表示该属性对受访者越重要。重要性= 每个属性下效用最大值/SUM(每个属性下水平效用最大值)*100%。品牌属性的重要性 (23%) = 4.05 / (4.05 + 2.58 + 2.22 + 2.03 + 1.76 + 1.58 + 1.58 + 1.51)。概念的偏好排名，可以直观看出概念的重要性，效用值越大，表示概念对于受访者越重要，并且此概念市场表现越好。比如，序号1【可口可乐/330ml铝罐/5元/柠檬薄荷味/...】在我们的理想预测下市场表现最好，市场占有率达到最高。