题库&问卷模板
问题模板：专家认证，不断积累标准题目模板，并在用户编辑题目时推荐题库
问卷模板
- 样本量确定
样本计算公式 
Z = Z 值（例如，95% 置信水平为 1.96） p = 目标总体的比例期望值，以小数表示 （.5 用于所需样本大小） c = 置信区间，以小数表示 （例如，0.04 = ±4）
例：
- 取置信度1.96，置信区间0.04，不知道p值于是取最坏情况0.5，1.96*1.96*0.5*0.5/(0.04*0.04) = 600个样本。
- 如果知道行业平均值，这时候可以把p设为平均值，比如假设p为0.2，1.96*1.96*0.2*0.8/(0.04*0.04)=384个样本。仿真、测款、货架测款的样本推荐都是按照这个
通过整体人群规模修正
一般人群规模较小时，通过修正后可以减小样本量
假设pop=1,000,000，ss=500修正后497个样本
行业内经验
规则：问卷题目的5-10倍
pk测款、联合分析等非独立测试
一般要求商品在一份问卷中出现次数为3-5次
单问卷题数=商品数N*3/每轮商品数
结合上面题目的5-10倍，这里取5。样本数 = 单问卷题数*5
单个用户能答问卷数 = (轮数*每轮商品数)/单问卷题数 = (轮数*每轮商品数)/商品数N*3/每轮商品数
需要的总用户数= （商品数N*3/每轮商品数）/单个用户能答问卷数 = （商品数N*3/每轮商品数）*（商品数N*3/每轮商品数）*5/轮数
- 如何抽样
一般抽样方法如下：
- 随机抽样、等距抽样：总体分布范围不广、总体规模不大、总体内个体差异成都不高。
- 分层抽样：总体规模大、内部构造复杂、差异大且分类明显时。
按规定的比例从不同层中随机抽取样品（个体）的方法。这种方法的优点是，样本的代表性比较好，抽样误差比较小 - 整群抽样、多阶段抽样：总体分布范围广、规模大、分类不明显
整群抽样：整群地抽选样本单位，对被抽选的各群进行全面调查的一种抽样组织方式。例如，检验某种零件的质量时，不是逐个抽取零件，而是随机抽若干盒 (每盒装有若干个零件)，对所抽各盒零件进行全面检验。
多阶段抽样：是指将抽样过程分阶段进行，每个阶段使用的抽样方法往往不同，即将各种抽样方法结合使用，其在大型流行病学调查中常用。
理想的消费者分层抽样：
- 先分析出TA人群画像
- 按照性别、消费层级、地域、年龄中一个或多个，计算标签值比例
- 对回收样本进行比例控制
消费者主动来访场景
主动触达消费者场景
例：
常用分析方法：
假设检验
用于检验调研结果真实性
假设检验中，首先建立一个原假设和一个备择假设，然后根据样本数据和统计方法得到一个检验统计量（如z值、t值等），最后通过比较检验统计量与显著性水平的临界值，判断是否拒绝原假设，进而得到研究结论。显著性水平是指拒绝原假设的概率，多数情况是取0.05。
《女士品茶的故事》-- 费歇尔(R. A. Fisher)
问题：女士到底有没有品尝出茶里加奶还是奶里加茶的能力？
假设：假设没有能力
数据：女士答对的次数=7次
结论：1）在显著性水平为0.05时，拒绝原假设，即女士拥有能力；2）在显著性水平为0.01时，接受原假设，女士没有该能力。
交叉分析
用于分析tgi(目标群体指数)，一般用于下钻分析
例：将某地区15-24岁的人作为目标群体，将去看电影作为相同特征；若该地区15-24岁的人中，有8.9%的人去过看电影，而在该地区总体人群中，有6.6%的人去过[电影网站A]看电影，则在15-24岁人群中的TGI指数是134.9（8.9%/6.6%×100），其数额越大，就表明目标群体吻合度就越强势。
卡方检验
用于双变量（categorical data）的独立性检验
例：从某总体中经过简单随机抽样获得的频数数据，性别只分男女两类，且没有顺序；研究色盲问题时只有色盲和正常两类，也没有顺序，现要根据样本数据检验色盲与性别是否独立（也即色盲与性别有无关系）
更多
R Studio
spass
excel（最强的数据分析工具）
- 分析模型
case1：xx概念测试模型
1）问题模板
2）根据题目数据计算出指标，共19个指标
3）概念评价报告
1.总体诊断
2.多维诊断
3.品牌贡献分析
4.高PI人群分析
- Norm库
规范化输入，标准化输出，对所有历史样本数据进行统计分析或算法分析，最终产出高质量的、丰富的、多维度、灵活可用的benchmark数据集。
▐ 结语
定性和定量研究经常被应用于产品创新的各个环节，例如创新初期的产品需求、新品创意洞察，创新中期的概念、名称、宣称测试等，以及创新后期的广告、商标、包装等一系列测试。定量研究侧重于对事物的测量和计算，而定性研究侧重于对事物的含义理解以及背后原因的探索挖掘。
虽然定性与定量在抽样方法、样本量、研究逻辑、研究者角色等方面皆有差异，但并不意味着它们是互斥的。很多情况下，定性和定量能够协同发挥作用。
例如，在tmic产品体系下，进行产品创新时
- 品牌可通过tmic大数据分析，趋势市场、需求洞察模型等分析出市场机会
- 通过大数据模型分析，再结合话题小组等定性调研得到初步方向和结论
- 通过问卷定量研究出具体方向
- 再通过深度访谈挖掘深层的原因
- 通过测款工具测试出图片和卖点
- 通过仿真工具预测购买转化率
