量化研究影响用户使用红包的因素

摘要：由于本人论文还没发布，不变透露，因此具体内容都引用自苏帆帆. 移动阅读业务持续使用行为影响因素研究[D]. 北京邮电大学, 2011.

量化–发问卷

作者最近刚完成了毕业论文初稿，做的课题是关于电子红包的用户研究，研究影响用户使用红包的因素。整个采用了问卷调查+实证研究的模式，简单点来说就是发量表型问卷后分析数据，进行一些探索性或者验证性的分析，从而得出一些深层次上的用户研究的结论。

这个方法最大的有点是：量化。把具体的问题用量表（即常见的1-5分打分）方式量化，进行深层次分析，让很多用户“说”出自己也没意识到的对产品的看法和观点。本次将以引用论文中调查影响用户使用移动阅读产品的原因为例，讲述具体方法。

1、了解背景及他人的研究情况

这一步主要是了解要分析的产品的基本情况，包括了：市场、增长、用户等方方面面。经过分析之后能对需要解决的问题有一个大概的认知，知道需要分析的是什么。

其次需要看其他人对这个问题的研究情况，主要是其他人的研究方法，研究结果等，可以以他人的研究为参考，吸取其优秀的方法和假设，或者在他人的基础上继续深入研究。

这一步主要需要资料的收集和整理能力，能在众多的资料中找到高价值的资料，从而帮助自己的研究。论文中该方面的目录如下，但相比较于一篇“学术性”的论文，不必太过锱铢必较。

2、了解用户-用户访谈

这一步主要是为了编制问卷做准备，了解用户对一个产品的看法，使用情况，是否与PM相同。从而得出一些初步的结论。比如：

张三说：“这移动阅读老好了，用这个记笔记比纸质书方便”，也许你心里想的是“记笔记”？先在谁看书还记笔记啊？怎么可能用这么蠢的功能”，这就是一些只有通过和用户交流才能get到的用户对产品使用的点，这些从用户中了解的信息能为PM提供不同角度的看法。

3、整理潜在因素，得出问卷

终于完成了用户访谈了，然后就要整理出用户到底说过些什么，结合自己对该产品的认识，整理出一些可能的影响因素。并确定因素之间的相互影响方式，论文中得出的模型如下，其中H1代表：假设态度会影响持续使用意向，从而之后会分析两个变量的问题之间的相关性，用以验证这个假设是否成立。

之后根据这些因素编制问卷，一般来说，一个潜在因素需要二到三个不同表述方式的问题来测度，以减少表述方式的误差，并且一般使用量表方式来测度，如李克特量表的五个选项非常同意、同意、一般、不同意、非常不同意，分别计分为5,4,3,2,1分，之后会把得分数据进行计算分析。

比如引用的论文中，认为用户对移动阅读产品的使用满意度会影响用户持续使用移动阅读产品，查阅了之前研究者关于满意度的问卷设计方法之后，结合移动阅读产品的实际特点，为上面这个假设提出了五个问项来测试。

把所有的量表题编制完成后，一般还会加入一个关于样本情况的调查，如：性别、年龄、学历、使用情况等。这些内容酌情加入

4、发放问卷与问卷回收

发放问卷的方式很多，可以在网络中发放，如：微信好友、朋友圈、邮箱、APP内置等，也可以线下发放，但线下发放成本较高，且效率较低，如不是不得不用，尽量通过网络发放。对样本数量也有一定的要求，一般来说，样本数量是问题数量的5-10倍，过少不能准确的测量问题，过多会让潜在的联系淡化。回收来的问卷一般要剔除一部分，比如明显的随意乱答，全部选择同一个答案等。至于更复杂的在设置问题时就设置剔除方法的，也不必看我的文章了。

5、数据验证

这一步主要是验证通过问卷调查得到的数据是否有效，是否能够很好的测量被研究的问题。

数据验证主要包括了信度分析和效度分析。信度指的是测量结果的稳定性和一致程度。信度越高代表同一个变量的不同问法之间误差较小。一般使用Cronbach’ α值来度量。通过IBM SPSS可以进行验证（具体做法请百度）。一般来说，信度标准如下。

如果α值太小就证明问卷设计或者带测量变量存在某些问题，使得该次问卷调查结果的可信程度不能完全达到要求，需要改进。

效度测试指的是问卷结果的有效性，也就是问卷的项目是否就是研究者所希望测量的问题。一般使用因子分析法，但是否适合使用因子分析法需要通过巴特利特球形检验和KMO（Kaiser-Meyer-Olkin）检验，具体检验方法不表。

通过了上述两个测验之后进行因子分析，因子分析就是一个降维的方法，如：原来问卷中有25个问题，通过统计处理以后，发现我只使用6个问题的答案就能代表84%的问卷答案。如果最后的因子载荷合适，就表示各个问项之间没有显著相关性，具有一定效度，可以进行下一步分析。

经过了验证后的数据即具有可信度和有效性，可以进行具体的数据分析

6、数据分析

数据分析一般分成了两种，一种是探索性数据分析，即并不清楚各个变量之间有什么关系，让统计软件自己去寻找他们是否相关，相关的程度是多少。另一种是验证性数据分析，即在问卷发放之前，有了一个你所构想到的模型，发问卷是为了验证这个模型是否正确。

本次主要使用验证性数据分析。

验证性数据分析

验证性数据一般使用结构方程模型方法，通常使用IBM AMOS软件进行。

该模型的结构方程如图（具体方法请百度之）其中椭圆代表变量，箭头代表检验是否存在影响，之后涉及到模型的拟合程度验证和假设的验证。

模型拟合度验证表示问卷结果之间的相互联系是否和模型一致，有大约40个指标可以反映，具体的选用酌情。

假设检验是重中之重，论文中的检验结果如图，主要关注最后的显著性，如第一条，满意度正向影响感知有用性的检验结果为显著，即这个假设在本次的问卷调查中得到了证实，他们之间具有显著的关系。而不显著的表示本次的问卷调查不能显著的判定两者之间有明显的关系，但也不能完全排除。

结论

本次介绍只是一个过程性的介绍，中间具体的操作方法和步骤都很复杂，毕竟是我大学几年所学，不可能通过一篇文章就讲清楚。数据分析的方法多种多样，写这个的目的主要是向大家介绍一种学术性的方法，也间接介绍管理科学这个通过计算来解决问题的专业。文中肯定存在一些谬误，或者并没有完全确认为最优的方法，欢迎指正。

文／陌紫丰田（简书作者）
原文链接：http://www.jianshu.com/p/2c46bd60539e