| 分析步骤 | 典型任务 | 对应方法 |
|---|---|---|
| 1基础统计 | 受访者画像、各题得分均值 | 描述统计 / 频数统计 |
| 2多选题汇总 | 购买渠道、关注因素多选统计 | 多选题分析 |
| 3交叉对比 | 不同性别/城市/年龄段偏好差异 | 交叉分析 + 卡方检验 |
| 4满意度与 NPS | 满意度均值、净推荐值计算 | 描述统计 + NPS 公式 |
| 5用户分群 | 识别核心客群与潜力客群 | K-Means 聚类分析 |
| 6驱动因素 | 哪些因素驱动购买意愿/满意度 | 回归分析 |
首先了解受访者构成（性别、年龄、城市）和各题的均值、标准差、频数分布，是所有后续分析的基础。
chatspss 自动识别连续变量（均值±SD）与类别变量（频数+百分比），一键输出符合学术规范的三线表。
市场调研中"请选择您购买该产品的渠道（可多选）"这类题目，每个受访者可以选多个选项，不能直接用频数统计，需专用多选题方法。
系统自动拆分多选列、计算各选项选择率（选择人数/总人数），避免多选题频率相加超 100% 的常见错误。
想知道"不同城市的用户对产品偏好是否有差异""不同年龄段的购买意愿是否显著不同"，用交叉分析（卡方检验）来回答。
chatspss 自动生成交叉列联表、输出卡方值和 p 值，并标注显著水平（* p<0.05，** p<0.01，*** p<0.001）。
满意度分析用于量化用户对产品/服务各维度的评分；NPS（净推荐值）是衡量用户口碑意愿的核心商业指标，计算方式为：推荐者比例（9-10分）减去贬低者比例（0-6分）。
系统自动完成 NPS 分类（0-6分：贬低者；7-8分：中立者；9-10分：推荐者）并计算最终 NPS 分数，输出分类频次表。
市场细分的核心任务是找出"谁是你的核心用户""有哪几类有意义的客群"。聚类分析通过多个变量（价格敏感度、品质关注度、购买频率等）自动将用户归入不同群体。
chatspss 自动标准化变量、运行 K-Means 并输出各簇中心均值表，帮助命名"价格敏感型""品牌忠诚型"等客群，直接支持策略制定。
当你想知道"价格、质量、服务分别对整体满意度的影响有多大""哪个因素对购买意愿的驱动力最强"，用回归分析量化每个因子的贡献。
系统输出回归系数表（含 B 值、标准误、Beta 标准化系数、t 值、p 值），Beta 绝对值越大说明该因素对结果的驱动力越强，帮助聚焦改善优先级。
用自然语言描述分析需求，不用菜单、不用语法，30 秒出结果，非统计专业人员也能快速上手。
所有分析结果自动输出符合商业报告规范的三线表，可直接截图或导出用于 PPT 与报告。
上传问卷数据后，在同一对话中依次完成描述统计→多选题→交叉分析→聚类→回归，无需切换工具。
网页版工具，无需下载安装 SPSS，不受设备和操作系统限制，Mac/Windows 均可用。
一般消费者调研建议 200 份以上，若需分析子群体（如不同城市），每组不低于 30 份。做卡方检验时，交叉表每格期望频数应 ≥ 5；做回归分析建议每个自变量至少 10-20 个有效样本。样本不足时，可直接告知 chatspss"样本只有 80 份，帮我做可行的分析并提示注意事项"，系统会自动规避不适用的检验。
市场调研中的开放题可告知 chatspss"对 Q8 开放题做关键词词频分析"或"把相似回答归类并计数"，系统自动完成文本聚类与频次汇总，输出分类频次表，无需手工逐条编码。
上传调研数据后，告知 chatspss"对消费者按购买偏好和价格敏感度做 K-Means 聚类分析，分 3 类"，系统自动运行聚类、输出各群体均值特征表，帮助识别核心客群与潜力客群。详见聚类分析方法页。
交叉分析结合卡方检验来判断：p < 0.05 表示两个变量之间存在统计上的显著关联，p ≥ 0.05 则表明关联不显著。chatspss 会在交叉表旁自动给出卡方统计量（χ²）、自由度（df）和 p 值，并用"*""**""***"标注显著水平，无需手动查临界值表。
描述统计 | 多选题分析 | 卡方检验（交叉分析） | 聚类分析（用户分群） | 回归分析（驱动因素） | 经济学论文数据分析全流程