别再猜用户满不满意了：vibe 项目的问卷调查与 NPS 实战

你有没有过这种经历：产品上线半年了，后台数据看着还行，但你心里一点底都没有。用户到底满不满意？哪里最让他们难受？下个版本先改什么？你去问身边的朋友，他们说“挺好的”，你去翻应用商店评论，只有三条，其中一条还是骂你图标丑的。问卷调查和 NPS 就是用来解决这个问题的：用一套标准化的量尺，定期量一量用户的满意度，让“感觉还行”变成一个可以比较、可以追踪的数字。

先把边界划清楚。站内已经有《用户访谈与需求验证实战》，那篇讲的是深挖：一对一访谈、The Mom Test、五人法则，解决的是“用户到底想要什么”这种开放问题。本文讲的是量化：问卷、NPS、CSAT、CES，解决的是“有多少用户满意、满意度在变好还是变坏”这种可以数的问题。另两篇邻近指南也要区分开：《用户反馈闭环实战》讲的是反馈进来之后怎么处理、怎么回复、怎么闭环；《用户反馈分流漏斗》讲的是反馈太多时怎么分类分流。本文只讲一件事：怎么设计一份问卷、怎么算 NPS、怎么读结果——也就是反馈进来的“上游”。访谈挖深度，问卷量广度，反馈闭环管售后，三篇分工不同，不要互相替代。

本文所有产品、人物与数字均为虚构示例：虚构产品“云雀文档”（一款在线协作文档工具）、虚构用户“小雨”。文中出现的 NPS 分数、回收量、转化率均为教学用的虚构示例数字，不是任何真实产品的调研数据。

一、先定问题，再定问卷

大多数问卷失败，不是在题目上失败，是在出发点上失败：作者不知道自己想知道什么，就先把问卷发出去了。正确顺序永远是：先写下你想回答的问题，再设计题目，最后才决定发给谁、什么时候发。

想回答的问题分三种，每种对应一种量表。第一种是“用户愿不愿意推荐我们”，对应 NPS（净推荐值）。这是最通用的健康度指标，适合每个季度量一次，看趋势。第二种是“用户对某一次体验满不满意”，对应 CSAT（满意度评分）。比如用户刚用完导出功能，问一句“这次导出体验你打几分”，适合按事件触发。第三种是“这件事办起来费不费劲”，对应 CES（费力度评分）。比如用户刚走完注册流程，问一句“完成注册容不容易”，适合用来找流程里的摩擦点。

三种量表不要混在一张问卷里。一张问卷只量一件事：要么量 NPS，要么量 CSAT，要么量 CES。混在一起的结果是每个数都测不准，你也不知道用户到底在评价什么。选哪个，看你这个季度最焦虑什么：焦虑留存，量 NPS；焦虑某个功能，量 CSAT；焦虑流程太绕，量 CES。

还有一个新手常犯的错误：把问卷当成需求收集箱。“你希望我们加什么功能？”这种题目放在问卷里，回收回来的是一堆没法排优先级的愿望清单。功能需求用访谈去挖，问卷只负责量满意度。分工不清，问卷就越做越长、越做越没人填。

二、NPS 到底怎么算：一个公式，三档人

NPS 的题目只有一个：“从 0 到 10 分，你有多大可能把我们的产品推荐给朋友或同事？”就这一句，不要加修饰、不要加解释、不要加表情符号。题目一改，分数就没法和别人比，也没法和自己的上一季度比。

算分方法分三步。第一步，把回答者按分数分成三档：9 分和 10 分是推荐者，7 分和 8 分是中立者，0 到 6 分是贬损者。注意 7 分和 8 分不是“还算满意”，在 NPS 的算法里他们是不算数的——既不加分也不减分。第二步，算推荐者占比减去贬损者占比。第三步，结果乘以 100，就是 NPS，范围在 -100 到 +100 之间。

虚构示例：云雀文档这个季度回收了 200 份 NPS 问卷，其中 90 人打了 9 分或 10 分，70 人打了 7 分或 8 分，40 人打了 0 到 6 分。推荐者占比 45%，贬损者占比 20%，NPS 就是 45 - 20 = 25。这个数字本身没有绝对的好坏：0 分以上说明推荐者多于贬损者，50 分以上已经相当优秀，70 分以上是顶级水平。对一人团队来说，第一次量出 NPS 是 10 分还是 30 分并不重要，重要的是下个季度它往哪个方向走。

两个常见的误读要提前避开。第一，NPS 不是满意度。用户可以对你的产品很满意，但就是不愿意推荐给朋友——推荐是要拿自己的信誉担保的。反过来，一个用户天天骂你的产品，但因为没有替代品，还是会推荐。所以 NPS 量的是“推荐意愿”，不是“满意程度”，不要把它当成满意度的代名词。第二，不要拿 NPS 和别的产品直接比。不同行业、不同用户群体的 NPS 基线差很多，工具类产品和社交产品的 NPS 根本不在一个量级上。唯一有意义的比较，是和自己的历史数据比。

三、题目设计七条军规

除了 NPS 那道标准题之外，问卷里通常还要加两到三道辅助题，帮你理解分数背后的原因。题目设计有七条硬规矩，违反任何一条，回收回来的数据都会失真。

第一，一次只问一件事。“我们的导出速度和界面设计你满意吗？”这是一道双重提问：用户可能满意速度、不满意界面，最后随便选一个，你也不知道他答的是哪一半。拆成两道题，或者只问更重要的那一半。

第二，别问诱导性问题。“你是不是也觉得我们的新版界面更好用了？”这种题目已经把答案写在问题里了。用户顺着你的意思答，你拿到的是自我安慰，不是数据。改成中性问法：“你对新版界面的体验打几分？”

第三，选项要穷尽、要互斥。问“你从哪里知道我们的”，选项只有“朋友推荐”和“搜索引擎”，那从社交媒体来的用户只能乱选一个。加一个“其他”，再加一个填空。选项之间不能重叠，“每天用”和“经常用”同时出现，用户不知道选哪个。

第四，量表方向要一致。一张问卷里，5 分一会儿代表“非常满意”，一会儿代表“非常不满意”，用户填到后面一定会填错。全卷统一：分数越高越好，写在题干里，不要只写在第一题。

第五，开放题最多一道，而且放在最后。开放题是问卷里最有价值的部分——用户用自己的话说出不满，比任何量表都具体。但开放题也是最费用户时间的，放两道以上，完成率会断崖式下跌。只留一道：“还有什么想告诉我们的吗？”放在最后，答不答随用户。

第六，问卷总长度控制在三分钟以内。经验线是：5 道题以内完成率最高，超过 10 道题，每多一道，完成率掉 5% 到 10%。写完题目先自己填一遍，掐表，超过三分钟就砍题。砍不掉的题，说明你想问的东西太多，拆成两次发。

第七，别问你已经知道答案的问题。用户的注册时间、使用频率、付费状态，后台都有，问卷里再问一遍只会让用户觉得你根本不了解他。问卷只问后台没有的数据：感受、意愿、原因。

四、触发时机与抽样：别在用户最忙的时候拦路

问卷发给谁、什么时候发，决定了回收率和数据质量。先说时机：最好的时机是用户刚完成一个完整任务之后。云雀文档的用户刚写完一篇文档、点了分享，这个时候问一句“这次使用体验打几分”，用户有具体感受可以评价，回答质量最高。最差的时机是用户刚打开产品、或者正在赶时间完成任务的时候——你拦住一个正在忙的人问他满不满意，他只会给你打低分泄愤。

冷却期是硬规则：同一个用户 90 天内最多收到一次问卷。不要每个月都发，季度一次是上限。频繁发问卷的用户会学会一件事：你的问卷可以直接关掉，而且关掉没有任何损失。发得越少，用户越认真。

抽样比全量发送更科学。如果你的月活是 5 万，全量发问卷会收到几千份回复，处理不过来不说，回复者还全是“特别满意”和“特别不满意”的两极用户，中间的大多数沉默了。正确做法是随机抽样：每次随机抽 5% 到 10% 的活跃用户发问卷，回收 200 到 400 份就够用了。虚构示例：云雀文档月活 2 万人，每季度随机抽 10% 也就是 2000 人发问卷，回收率按 15% 算，能收回 300 份，算 NPS 的误差已经足够小。

还要避开一个抽样陷阱：只发给活跃用户。流失用户才是你最需要听到声音的人，但他们已经不打开产品了，站内问卷发不到他们手里。解决办法是：每季度从流失用户里抽一批，用邮件发一封极简问卷，只有一道 NPS 题加一道开放题。标题写清楚“就两个问题，30 秒”，回收率会比你想象的高。

五、多少份才够看：样本量与偏差

“我们收了 30 份问卷，NPS 是 40 分”——这句话基本没有意义。30 份样本的误差大到可以把 40 分变成 10 分，也可以变成 70 分。样本量有个经验底线：算 NPS 至少要 100 份有效回复，低于 100 份，分数的波动主要来自运气，不是产品变化。200 到 400 份是最划算的区间，再往上加，精度的提升就很有限了。

比样本量更危险的是偏差。问卷回收天然存在三种偏差，每一种都会让你的分数虚高。第一种是幸存者偏差：还在用你产品的人，本来就是比较满意的那批人；不满意的早就走了，你根本问不到他们。所以 NPS 天生偏乐观，读分数的时候要打个折。第二种是极端偏差：特别满意和特别生气的人最愿意填问卷，中间那 70% 的“还行”用户懒得填。你的分数反映的是两头，不是中间。第三种是诱导偏差：问卷里给了奖励（“填问卷抽 100 元红包”），回收量上去了，但填问卷的人是冲着红包来的，答案质量下来了。

对付偏差的办法有三条。第一，不要只看平均分，要看分布。NPS 25 分可以是“45% 推荐、20% 贬损”，也可以是“70% 推荐、45% 贬损”，两个分布背后的问题完全不同：前者是中立者太多，后者是贬损者太多。看分布再下结论。第二，交叉分析。把 NPS 按用户群体切开看：新用户和老用户、免费用户和付费用户、不同渠道来的用户，分数经常差出 20 分以上。平均分掩盖的真相，切开才能看见。第三，奖励要克制。实在要给奖励，给“抽奖”不要给“人人有份”，抽奖吸引的是少数人，人人有份吸引的是所有人——包括那些根本没用过产品、只想要红包的人。

六、开放题怎么读：从一百句话里找出三件事

开放题的答案是最难处理的：一百份问卷就是一百句大白话，各说各的，看起来像一团乱麻。处理方法是编码：先读 30 份，归纳出 6 到 10 个类别，再把剩下 70 份逐一归类。类别举例：速度慢、功能缺失、界面看不懂、价格贵、客服响应慢、稳定性差。归类的时候允许一句话进两个类别，但不要超过两个，否则类别就失去意义了。

归类完要算两件事：每个类别出现的次数，和每个类别对应的平均 NPS。次数多、NPS 低的类别，就是下个版本最该修的东西。虚构示例：云雀文档这个季度开放题里“导出格式少”出现了 42 次，对应用户的平均 NPS 只有 5 分；而“希望加深色模式”出现了 35 次，对应用户平均 NPS 是 40 分。结论很清楚：先做导出格式，深色模式往后排。用户嘴上说想要深色模式，但真正让他们想走的，是导出格式。

还有一个读开放题的技巧：专门看贬损者（0 到 6 分）写了什么。推荐者的话听听就好，他们本来就满意；贬损者的话才是行动清单。一个贬损者写三句话，往往比十个推荐者的夸奖更有价值。每个季度把贬损者的开放题答案打印出来，团队一起读一遍，比看任何数据报表都管用。

七、闭环：分数不落地，问卷白做了

问卷最大的浪费不是没人填，而是填完了没人看、看了没人改。闭环分三步，缺一步都不行。第一步，48 小时内回复贬损者。用户打了 3 分，你两天内回一封邮件：“看到你打了 3 分，能告诉我们哪里出问题了吗？”哪怕用户不回，这封邮件本身就在传递一个信号：你的意见有人看。很多用户就是因为这封邮件，从贬损者变成了中立者。

第二步，把结果写进更新日志。每个季度发一次“我们从问卷里学到了什么”：NPS 从 18 分涨到 25 分，主要原因是修了导出格式；下个季度重点解决同步慢的问题。公开这个过程有两个好处：填问卷的用户觉得自己的时间没白花，没填的用户下次更愿意填。

第三步，把问卷结果变成开发任务。每个类别的 Top 3 问题，直接进需求池，排优先级。不要另起一个“问卷改进清单”，问卷发现的问题和正常需求走同一个池子，否则问卷清单永远排在最后。季度复盘会上，第一件事就是对一下：上个季度问卷里 Top 3 的问题，这季度修了几个。

八、工具选型：先用现成的，别急着自研

问卷工具分三档。第一档是现成 SaaS：Typeform、问卷星、Google Forms，注册就能用，适合第一次做问卷的团队。优点是零开发、模板多；缺点是数据在别人手里、样式改不动、NPS 计算要自己导出再算。第二档是嵌入式 NPS 工具：Delighted、Wootric、Satismeter 这类专门做 NPS 的服务，可以嵌进产品里按事件触发。优点是触发逻辑、冷却期、抽样都现成的；缺点是按月收费，用户量上来之后费用不低。第三档是自研：自己写问卷组件、自己存答案、自己算 NPS。适合已经有问卷流程、每个季度固定要做、且对数据主权有要求的团队。

选型建议：第一次做问卷，用 Google Forms 或者问卷星，先跑一个季度，验证问卷本身有没有价值；第二个季度如果决定长期做，再考虑嵌入式工具；自研只在一种情况下值得：你的问卷触发逻辑非常特殊（比如要根据用户行为实时判断），现成工具接不进去。不要一上来就自研——问卷的价值在问题设计和结果运用上，不在表单组件上。

自研时最少要记三张表：问卷发放记录（发给谁、什么时候、哪个渠道）、回收记录（谁答了、每道题的答案、答题用时）、用户问卷状态（上次收到问卷是什么时候，用来执行 90 天冷却期）。答题用时要记下来：10 道题 20 秒答完的，大概率是乱点的，分析时先排除掉。

九、上线清单与常见坑

发问卷之前逐项打勾：想回答的问题已经写下来了，不超过三个；一张问卷只量一种量表（NPS、CSAT、CES 三选一）；NPS 题目是标准问法，一个字没改；题目总数不超过 8 道，自己掐表填一遍在三分钟以内；开放题只有一道，放在最后；触发时机是任务完成之后，不是打开产品时；同一用户 90 天内最多收到一次；抽样比例已定（5% 到 10%），流失用户有单独的邮件问卷；贬损者 48 小时回复流程已安排好负责人；答题用时已记录，乱点数据能排除。

最后是五个最常见的坑。第一，问卷一上来就问“你对我们整体满意吗”，用户没有具体场景可以参照，只能凭印象打分，分数基本没用——永远先给场景，再问感受。第二，把问卷发给全量用户，结果被两极用户绑架，中间的大多数沉默了——抽样比全量更准。第三，问卷里放奖励，人人有份，回收了一堆冲着红包来的答案——奖励要克制，抽奖好过普发。第四，NPS 涨了就开香槟，跌了就怪样本——分数波动先看样本量和分布，再看产品。第五，也是最容易被忽略的一点：问卷结果只在团队内部传阅，从来不告诉用户——下个季度回收率一定会掉，因为用户发现填了也白填。每个季度花半小时，把“我们学到了什么、改了什么”写出来发给用户，这半小时是整个问卷流程里回报最高的一步。

问卷和 NPS 不是为了得到一个漂亮的分数，而是为了建立一个诚实的反馈回路：定期量、认真读、公开改。分数本身会骗人——样本偏差、极端偏差、诱导偏差，每一种都能把分数吹高。但一个季度一个季度量下来，趋势不会骗人：往上走，说明你在做对的事；往下走，说明有些话用户已经不想再跟你说第二遍了。