AI 问卷分析：从开放回答中找到真实洞察

## 适用场景

适合客户满意度、员工调研和活动反馈。对开放文本要建立可解释的编码体系，避免让 AI 只做情绪总结。

## 三步工作法

### 步骤 1：检查样本质量

确认有效样本、跳题逻辑、重复提交和人群结构，识别偏差。

### 步骤 2：建立主题编码

先抽样生成主题，再人工合并并固定定义，最后批量分类。

### 步骤 3：交叉验证洞察

将主题与评分、用户类型和行为数据交叉，寻找真正影响结果的因素。

## 可直接复制的 Prompt

> 分析以下脱敏问卷结果。先评估样本质量，再为开放回答建立不超过 12 个主题的编码表，给每个主题定义、正反例和占比；最后按人群交叉分析，并标注不能从数据推出的结论。

## 进阶技巧

- 个人信息先脱敏

- 保留无法归类的“其他”

- 重要主题回看原文而非只看摘要

## 交付前检查

- 样本是否代表目标人群

- 主题是否相互独立

- 结论是否超过数据范围

## 预期效果

把大量文本回答转成可量化、可回看、可行动的用户声音。

## 使用边界

AI 负责整理、扩展和检查，人仍然负责事实准确性、业务判断、隐私保护与最终发布。涉及个人信息、商业机密、财务、法律或安全内容时，只能使用组织批准的工具和脱敏材料。