Tencent Survey Analysis

---
name: tencent-survey-analysis
description: "腾讯问卷——回收后的数据处理：导出 CSV 清洗、频数占比、量表均值、交叉表、开放题关键词，再写成调研报告。当用户说「腾讯问卷数据怎么分析」「问卷结果出报告」「做个交叉表」时使用。"
author: Captain
version: 0.1.0
display_name: "腾讯问卷"
display_name_en: "Tencent Survey Analysis"
description_zh: "用腾讯问卷做调研后，把导出数据（CSV，或 Excel 另存的 CSV）清洗、统计并写成结论：Python 标准库脚本自动识别单选、多选、量表、开放题（认不出的列列出来请你确认），输出频数占比、量表均值、交叉表、开放题关键词粗筛；附发布前自查、样本量与回收率写法、报告模板。"
description_en: "Clean, tabulate and write up survey data exported from Tencent Survey: a standard-library script that detects single-choice, multi-choice, scale and open questions and outputs frequencies, scale means, cross-tabs and rough keywords, plus sample-size wording and a write-up template."
tags:
  - "腾讯问卷"
  - "问卷分析"
  - "问卷数据"
  - "调研报告"
  - "交叉表"
  - "满意度"
  - "NPS"
  - "survey analysis"
  - "Tencent Survey"
  - "CSV"
examples_zh:
  - "腾讯问卷导出的数据帮我分析一下，出个调研报告"
  - "问卷里不同年级的满意度，帮我做个交叉表"
  - "问卷开放题关键词怎么提炼，几百条回答看不过来"
examples_en:
  - "Analyze the CSV exported from Tencent Survey and draft a report"
  - "Make a cross-tab of grade by satisfaction from my survey data"
---

# 腾讯问卷

定位一句话：**回收之后的事——导出、清洗、统计、写结论；每个数字带 n，每个推断有边界。**

与已有技能「问卷设计」的分工：题目怎么问、选项怎么设计交给「问卷设计」；本技能侧重**回收后的数据处理与报告**，只附一份「为了之后好分析」的发布前自查。

## 何时使用

- 「腾讯问卷收完了，导出的数据帮我分析」
- 「做个身份 × 满意度的交叉表」
- 「开放题几百条回答，帮我找找大家在说什么」
- 「报告里回收率、样本量怎么写才不出错」
- 「问卷马上要发了，帮我看看回收后好不好分析」

不适用（遇到时这样处理）：
- 设计题目、选项、问卷结构：交给「问卷设计」。
- 显著性检验、回归、因子分析等推断统计：说明本技能只做描述统计，建议用专业统计软件或请数据分析同事。
- 腾讯问卷本身怎么发布、怎么设置权限：指向腾讯问卷帮助中心，章节以帮助中心为准。

## 流程

1. **发布前自查**（可选）：题号唯一、量表方向一致、多选标明、分群变量要问、测试答卷导出后先跑一遍脚本。8 条清单见 [references/prepublish-and-cleaning.md](references/prepublish-and-cleaning.md)。
2. **导出**（以腾讯问卷当前界面为准）：在问卷的数据或统计相关页面找下载原始数据的入口；导出 Excel 的，另存为「CSV UTF-8」。官方说明见腾讯问卷帮助中心中与「数据下载」「导出」相关的章节。
3. **清洗 + 统计**：跑脚本，先看「列识别结果」和「需要你确认的列」，改对类型后再看结果。
4. **解读**：按解读规则把数字变成结论句；开放题人工归纳主题。
5. **写报告**：按「输出契约」的骨架写，附清洗记录与脚本输出。

**第 3 步 脚本**（路径相对本技能目录）：

```bash
python3 scripts/survey_analyze.py data.csv
python3 scripts/survey_analyze.py data.csv --min-seconds 60 --invited 120 --cross Q1 Q5 --cross Q2 Q4
python3 scripts/survey_analyze.py data.csv --type "Q10 年龄=numeric" --format json -o result.json
```

列的自动识别（导出形态以腾讯问卷当前版本为准，认不出的列不会硬算）：

| 类型 | 常见列形态 | 输出 |
|---|---|---|
| 单选 | 一列，取值是有限几个选项；只有 0/1 的列按选中 / 未选中 | 频数、占比（分母 = 该题作答人数） |
| 多选 | 一列里用 ┋ \| ; ； 、 , 分隔；或「题干-选项」相邻多列，单元格 0/1、选中、√ 或选项文字 | 每个选项的人数与占比（合计可超过 100%）、人均选几项、「其他」填写内容 |
| 量表 | 0–10 的整数；或「非常不满意 … 非常满意」等标签（按 1–5 换算） | 均值、标准差、中位数、前两档占比、完整分布；0–10 且题干含「推荐」时给 NPS |
| 开放题 | 长短不一的文字 | 2–4 字片段按提及人数排序的关键词粗筛、前 3 条示例回答 |
| 元信息 | 序号、提交时间、答题时长、IP 等 | 不统计 |
| 待确认 | 年龄、金额等数值，或判断不了的列 | 列进「需要你确认的列」，给出 `--type` 写法 |

清洗（记进报告）：默认去掉完全相同的行；`--dedupe-by` 按身份去重；`--min-seconds` 去掉答题过快（阈值要有依据，没有就不过滤）；直线作答默认只标记，`--drop-straightline` 才删除。编码自动尝试 UTF-8 与 GB18030，分隔符自动识别；`--cross` 的列名可以只写开头几个字（如 Q1），唯一匹配即可。同样的输入得到同样的输出。

**第 4 步 解读规则**（细则、结论句写法见 [references/writeup-template.md](references/writeup-template.md)）：
- 每个百分比带 n，说清分母；多选占比不能相加。
- 量表同时看均值、前两档和最低两档；均值高低没有通用标准，和上次调研、和分群比。
- 交叉表看行百分比；行 n<5 不下结论，有效样本 n<30 只报人数；相关不等于因果。
- 开放题：通读全部回答，归纳 5–8 个主题，统计提及人数，挑代表性原话；关键词只是线索。

**样本量与回收率的说明方式**：
- 回收率 = 回收份数 ÷ 发放份数，只有定向发放才有；公开链接投放写「无法统计发放数，共回收 X 份」，不要编回收率。
- 有效率 = 有效份数 ÷ 回收份数，并写清剔除规则。
- 抽样误差只对随机抽样成立（p=50%、n=400 时约 ±4.9 个百分点）；便利样本写「结论仅代表本次受访者」。

## 信息不全或出错时

| 情况 | 怎么处理 | 对用户说的话（模板） |
|---|---|---|
| 缺关键信息 | 只问 3 个：定向发放还是公开链接（发了多少份）、「答题过快」有没有依据、最想比较哪两类人；其余按默认（不算回收率、不过滤用时），报告里标 [待确认] | 「先确认三件事：发了多少份、多快算乱填、想比较哪两类人。」 |
| 输入不对：发来 .xlsx 或乱码 CSV | 脚本会提示；请用户另存为 CSV UTF-8，或加 `--encoding gb18030` | 「这是 Excel 文件，请另存为『CSV UTF-8』再发我。」 |
| 数据自相矛盾（「从未使用」却给功能打分） | 列出矛盾的答卷数，给两种处理：剔除这些答卷，或只在相关题里排除 | 「有 4 份答卷自称没用过却给功能打了分。①整份剔除；②只在功能题里排除。选哪种？」 |
| 有列识别不了 | 看「需要你确认的列」，按提示用 `--type` 指定后重跑 | 「『Q10 年龄』是数值，我按数值统计均值和中位数，可以吗？」 |
| 时间紧，只要最小版 | 最小版 = 样本说明一段 + 3 条核心结论（带 n）+ 1 张最关键的交叉表 | 「先给最小版：样本说明、三条结论、一张交叉表。」 |
| 超出范围：要显著性检验、因果结论 | 说明只做描述统计，建议专业人员；结论写「相关」不写「导致」 | 「这需要推断统计，我先把描述结果和局限写清楚。」 |
| 用户坚持删掉不利答卷或改数 | 不做；可以按事先写明的清洗规则剔除，并在报告里公开规则 | 「只能按写明的规则剔除，不能挑结果删；规则会写进报告。」 |

脚本退出码：

| 退出码 / 报错 | 原因 | 修正办法 |
|---|---|---|
| 0 | 成功 | 先看「需要你确认的列」 |
| 1「找不到列 / 找不到唯一的列」 | 列名写错或开头几个字不唯一 | 按提示写完整列名，或多写几个字 |
| 1「--type 类型只能是…」 | 类型写错 | 用 single / multi / scale / open / numeric / meta / skip |
| 1「交叉表只支持单选 / 多选 / 量表」 | 用了开放题或数值列 | 换列，或先用 `--type` 改类型 |
| 1「没找到答题时长列」 | 用了 `--min-seconds` 但没有时长列 | `--duration-col 列名`，或去掉该参数 |
| 2「这看起来是 Excel 文件 / 无法识别编码 / 写文件失败」 | 文件格式、编码或输出目录问题 | 另存为 CSV UTF-8；`--encoding gb18030`；换输出目录 |
| 130 | Ctrl+C 中断 | 重跑即可 |

## 输出契约

报告按这个顺序，缺哪块写「无」或 [待补]，不跳号：
1. 标题 + 一行信息（时间、对象、有效样本 n、撰写人、日期）
2. 核心结论（≤3 条，每条带数据和 n）
3. 调研概况（目的、对象与渠道、时间、发放 / 回收 / 有效、回收率与有效率、清洗规则）
4. 主要发现（结论句 + 数据 + 图表建议）
5. 分群差异（交叉表）
6. 开放题反馈（主题、提及人数、代表性原话）
7. 建议与下一步
8. 局限
9. 附录（列识别结果、清洗记录、各题频数表）

完整模板见 [references/writeup-template.md](references/writeup-template.md)。占位符：用户没给的写 [待补]；推断的写 [待确认]；解读里的猜测写「推测」。

交付前自检（逐条判是/否）：
- [ ] 每个百分比都写了 n，多选题注明「合计可超过 100%」。
- [ ] 回收率只在知道发放数时出现；清洗规则写进了概况。
- [ ] 「需要你确认的列」都已处理（改类型或确认跳过）。
- [ ] n<5 的分群没有被单独下结论；结论没有写成因果。
- [ ] 开放题主题是人工归纳的，原话已去掉可识别信息。
- [ ] 报告里所有数字都能在脚本输出里找到。

## 示例

> 示例对话，数据为构造样例。完整过程（数据、两次运行、真实输出、报告节选）见 [examples/satisfaction-survey.md](examples/satisfaction-survey.md)。

**用户**：记账 App 的用户调研收完了，腾讯问卷导出的数据在 survey.csv，帮我分析并写个报告。

**助手**：先确认三件事：①定向发放还是公开链接，发了多少份？②多快算乱填，有依据吗？③想重点比较哪两类人？

**用户**：定向发给 120 位用户；试填正常要 2 分钟以上，1 分钟以内算乱填；想看不同身份的满意度。

**助手**：运行 `python3 scripts/survey_analyze.py survey.csv --min-seconds 60 --invited 120 --cross Q1 Q5 --type "Q10 年龄=numeric"`，清洗后有效 30 份。报告（节选）：

```
# 记账 App 用户调研报告
2026-09-20 ~ 2026-09-25｜现有用户｜有效样本 30｜撰写人 [待补]｜2026-09-26

## 一、核心结论
1. 整体满意度中等偏上：均值 3.80（1–5 分），66.7% 打 4 分及以上，13.3% 打 2 分，无人打 1 分（n=30）。
2. 「速度」是三个方面中最弱的一项：均值 3.30，前两档仅 40.0%；开放题中「加载」被 3 人提到（n=19）。
3. 最想要的新功能是「数据导出」：回答该题的 27 人中 55.6% 选择。

## 二、调研概况
- 样本：发放 120，回收 33，有效 30；回收率 27.5%，有效率 90.9%
- 清洗规则：去掉完全相同的行 1 份；答题时长低于 60 秒的 2 份（依据：试填正常用时 2 分钟以上）；直线作答 2 份仅标记未删除

## 四、分群差异
- 学生的满意度均值（4.11，n=9）高于在职用户（3.73，n=15）；「其他」「自由职业」各 3 人，不单独解读。样本较少，差异仅供参考。

## 七、局限
- 回收率 27.5%，愿意作答的用户可能更活跃，结论仅代表本次受访者。
```

## 常见问题（FAQ）

**问卷平台自带统计页，还需要这个吗？** 平台统计页适合看单题分布；清洗记录、交叉表、开放题归纳和一份带 n 与局限的报告，是本技能补的部分。

**导出的是 Excel 怎么办？** 用 Excel 或 WPS 另存为「CSV UTF-8」再跑；脚本读到 Excel 文件会直接提示。

**多选题导出成好几列怎么办？** 相邻、同题干、单元格是 0/1 或选项文字的列，脚本会自动合并成一道多选题；不想合并用 `--no-group`。

**样本只有 30 份，能写报告吗？** 能，但只报人数和占比、写明「仅供参考」，不做推断，分群比较要谨慎。

**满意度均值 3.8 算高还是低？** 没有通用标准；和上一次调研、和不同人群、和你们设定的目标比，并看分布是否两极分化。

**开放题关键词不准？** 关键词是机器粗切的线索，最终以人工通读归纳的主题为准。

**能帮我做显著性检验吗？** 本技能只做描述统计；需要检验时，建议用专业统计软件或请数据分析同事，并把本技能的清洗记录一起交给对方。

**和「问卷设计」有什么区别？** 那个管发布前的题目设计；本技能管回收后的数据处理与报告。

## 常见错误（反模式）

- 只报百分比不报 n → 读者不知道 60% 是 3 人还是 300 人 → 每个百分比都带 n。
- 把多选题各选项占比加起来 → 合计超过 100% 还当成分布 → 说明分母是作答人数。
- 公开链接投放却写回收率 → 数字是编的 → 写「无法统计发放数」。
- 用均值掩盖两极分化 → 3.0 可能是一半 1 分一半 5 分 → 同时报分布。
- 对 n=3 的分群下结论 → 偶然性太大 → n<5 不单独解读。
- 关键词频次直接当结论 → 片段会误切 → 人工归纳主题。
- 测试答卷没删 → 数据被污染 → 发布前记下测试答卷序号，清洗时剔除。
- 把相关写成因果 → 误导决策 → 写「与……相关」，因果要另行验证。

## 边界与不做什么

- 只处理用户提供的导出文件；不登录腾讯问卷账号，不抓取他人的问卷或答卷数据。
- 分析前删除或脱敏姓名、手机号、openid、IP 等个人信息；报告与引用原话里不出现可识别个人的信息。
- 不伪造答卷、不刷问卷、不按「结果好不好看」挑选或删除数据。
- 只做描述统计；推断统计结论交给专业人员。
- 腾讯问卷的界面、导出格式、功能以官方帮助中心与当前界面为准，本技能不编造。