工程机械用户调查中的问卷切割技术

李高帅，安志芳,2

LI Gao-shuai,AN Zhi-fang

（1.中国质量协会，北京 100032；2.中国建筑科学研究院 建筑机械化研究分院，河北 廊坊 065000）

顾客满意度调查，是从顾客总体的样本中抽样调查来达到推断产品的感受程度的目的。不仅得到相关方如最高管理者、政府机构、供应商、消费者、投资者的高度关注，而且得到第三方调查机构、工厂经贸部门、品质科、体系审核员、媒体等的密切关注。

1 顾客满意度调查执行环节质量亟待提高

在笔者从事顾客满意度测评的实践过程中发现，刚开始的满意度调查问卷严格按照中国顾客满意度指数CCSI 系统的测评模式，基于行业和企业的实际情况设计出相关问题进行测量，慢慢的企业不再仅满足于提供的质量改进方向，而是想从顾客方面了解到更多的信息，比如，某些质量环节的具体评价如何，具体应该改进哪些方面，顾客对某个部门或某项细节的满意度，顾客对竞争对手的满意度情况，顾客的购买行为偏好情况等等。这些新增的需求往往导致最后的测量问卷包含很多的主题，每一个主题又涉及到很多细项的考察，这样看起来将调查的效率发挥到了极致，实际上在实践过程中普遍存在如下问题。

1）拒访率提高 当顾客接到一份长达六七页的调查问卷，面对上百个问题时，厌倦情绪就会增加，配合度会大打折扣。特别对一些特殊行业，比如工程机械行业的用户调查，操作司机作为被调查人群的一部分，如果填写一份问卷时间超过40min，甚至1 个小时，那么他可能会不愿意填写问卷，机器停止就意味着效益降低。

2）问卷数据有效性变差 问卷中测量的项目增加后，回收的问卷中发现缺失值的情况变多，有的只填写了一部分问卷，有的明显在应付，虽然回收的问卷数量达到了预定的统计要求，但实际上对于每一个测量项目而言，有效回答的用户数并没有达到统计精度的要求，比如，在一份问卷中设计了三大测量主题：用户的满意度，用户对具体质量的评价，用户对竞争对手产品质量的评价。最后共收集到400 份填写的问卷，如果这400 个用户对问卷中的每一个题都做到认真填写，不遗漏填写项，且逻辑合理，那么通过对这些问卷进行数据分析则足以推断总体的一些特征或结果。但是，如果这400 份问卷中，有100 份问卷只回答了第一部分用户满意程度的题目（访问中途停止等原因），有100 份问卷走马观花，只作答了第二部分的具体质量评价的题目，其他题目都是空白，有100 份问卷只回答了问卷第三部分的题目，而只有100 个用户完整的填写了整个问卷，如果是这样的数据质量，那么统计精度无疑将大打折扣，做出的统计推断也会有偏颇。

3）超长的问卷使得调查方式单一化 如果严格按照中国顾客满意度指数CCSI 系统测量的需要，大概只需要25～30 个题目即可，访问时间较短，电话调查、传真调查等皆是有效可行的方式。但是当一份问卷中增加了很多主题后，问题数量增多导致访问时间变长，很多情况下10min访问不完，这时候无论电话调查还是传真调查，用户的配合度都会降低，基本上只能采取面访调查，而面访调查的单位样本的成本远高于电话调查、传真调查的成本。

4）问卷审核难度变大 一般来说，问卷中包含的几大主题都会有一定的关联性，比如用户对满意度评价部分感受较好，在第二部分中对具体质量的评价普遍很差，那么逻辑上就说不通。在实际的审核过程中，在同一主题下用户的评价往往有较大的分歧，比如用户对服务质量的评价较好，对产品质量的可靠性评价不高，这样的感受往往在别的主题下的题目中或主观题中也会有所体现，一旦出现了逻辑冲突的不一致，那么该份问卷将无法进入数据分析库。也就是说，问卷题目数量变多后，题目间的逻辑关系增多，审核的条件变多，这对审核时间和审核人员的能力都有了更高的要求。

2 新的解决思路——问卷切割技术

问卷切割技术就是针对上述情况而提出的一个解决思路：将满意度问卷上所有问题分割成几部分并随机组合（一般是两两组合），形成一组“分割问卷”，再将用户群分成相同数目的小组，每个用户小组与“分割问卷”随机配对（也可以根据用户群特征进行人工配对），用户小组只需回答对应“分割问卷”中的问题即可。问卷切割的思想类似于在评价考核时常用到的矩阵抽样方法，但又不完全相同，可以说它是矩阵抽样方法的延伸和拓展。在矩阵抽样中，用户只回答随机抽取的一部分问题，这样做用来推算总体的均值是可以的，但不能保证其中的某两个问题被同时抽中，所以不能保证可以有效的估计这两个问题对应的变量间的相关性。问卷切割技术则可以克服这一弊端，在切割问卷时，完全可以对切割的变量进行约束，使得每个组的单位回答成对的变量所对应的问题。

将问卷上的所有问题进行切割时，要掌握如下原则。

1）要理清核心问题和非核心问题。核心问题是必答题，出现在所有的“分割问卷”中。对于满意度调查来说，核心问题就是用户满意程度的主观感受评价那部分题目，也就是CCSI 测量系统中的那25 个左右的问题。

2）确定调查的几大主题，将每个问题明确对应到各主题上。确定调查主题时一般是根据企业的实际需要，比如将某些质量细节评价的题目划成一起，将服务质量环节的题目划成一起，将不同岗位人员的服务能力评价划成一起，将评价竞争对手的题目划成一起等等。这些主题一般在设计研究方案时就应该基本成型。

3）“分割问卷”包含两个或3 个主题为宜，一般说，包含的主题板块越多，问卷就越长，最终随机分割出来的问卷数也会较多，调查执行环节的项目管理难度就会陡增。

例如，在某企业的满意度测量过程中，根据企业的需要，除了满意度指数的测评外，还需要详尽的调查产品的五大系统中一些关键零部件的质量评价，具体细项的服务质量评价，用户对几家竞争对手产品的评价，用户的使用习惯和购买行为倾向。可以将所有的要调查的具体问题分到上述5 个主题中。其中满意度指数测评部分的问题是必答题（核心部分问题），除此之外剩下的所有问题涉及到4 个主题（非核心问题），如果每个分割问卷中含有3 个主题项目，那么分组方法共有6 种，如表1 所示。假设该调查共有1800 个用户需要被调查，那么每300 人仅回答分割问卷即可，而不需要这1800 个用户回答所有的主题。这样就大大降低了调查难度，优化了调查执行环节。

表1 分割问卷中所包含的主题

问卷切割使得各个问卷变成短小精炼的模式，但是相对于原来的完整问卷而言，得到的却是一个包含有“缺失数据”的问卷。如果只利用这样收集到的样本进行分析，估计方差必然加大，但这一问题可以通过一定的技术分析加以解决，这得益于近年来在处理无回答中统计插补技术的发展，这些技术完全能够应用在分割的问卷中对缺失部分进行插补，以构成完整的数据集。具体的分析方法不在此赘述。

3 问卷切割技术的适用条件

何种情况下需要用到问卷切割技术呢？主要是考虑到文中第一部分列举的原因：①用户看到超长问卷容易产生“惧”访心理，特别是对于固定样本的调查项目，要使每一个接受访问的固定样本都能够愉悦地接受调查，而不是极不情愿地接受调查；②数据采集过程中缺失值较多，数据质量很差，在这样的情况下，切割问卷可以较好的提升项目调查环节的质量。

当然，问卷切割技术也不是万金油，它只是在有限的资源条件下，优化调查项目以获得更好的数据质量的一种方法，在具体实践中要考虑各方面的因素，既要考虑数据的质量，也要考虑成本因素、效率因素等进行综合平衡。如果在各种资源允许的条件下，最好还是分别独立立项进行调查。本文只是提出一个在资源有限还要获得大量信息时的一个大体的解决思路，在具体操作实践时，还要研究给每个主题分配多少样本较为合适，若分配的较多，将达不到对问卷进行切割的目的，而分配较少的话，又会导致统计估计精度降低等问题。同时还要研究在采用问卷切割技术下与完整问卷情况下的设计效应的对比，在什么情况下两者的效应是等同的。只有建立在信息充分的基础上，才能做出正确的选择。