# 第九届帆软用户大会—上海站 数据分析报告 报告 ID：2080474017322242049 ｜ 数据来源：吸管系统问卷回收 ｜ 样本会话：392 ## 核心摘要 本次第九届帆软用户大会（上海站）共回收 392 个问卷会话，其中 300 个进入客观题分析矩阵（矩阵进入率 76.5%），245 个完成全部问卷（完成率 62.5%）。整体满意度处于高位区间：签到流程均分 4.77（三项最高），展区体验 4.73，视觉设计 4.62（三项中最低且低分率 6.4% 为最高）。AI 分论坛以 57.8% 的出席率绝对主导参会者选择，智能制造分论坛满意度最高（4.72），而智慧金融分论坛低分率达 13.2% 值得重点关注。主观反馈（603 条）显示参会者对"落地实操案例"和"垂直行业场景"有强烈需求（合计占未来期待的 54.7%），同时约 7.4% 的参会者明确反馈内容缺乏实操、5.3% 认为商业推广过重。综合来看，大会整体体验表现优秀，但在内容深度、论坛均衡性和现场空间组织上仍有优化空间。 ## 调研样本概况 ### 样本口径 392 源会话总数 300 进入矩阵会话 (76.5%) 245 完成会话 (62.5%) 123s 中位填写耗时 92 未进入矩阵会话 (23.5%) **口径说明：** 源会话分母为 392；矩阵进入率 = 进入客观题矩阵会话 / 源会话；完成率 = 完成会话 / 源会话；问卷完成率 = 完成会话 / 进入矩阵会话 = 81.7%。92 个未进入矩阵的会话可能是未开始作答或无有效表单回答。单题统计使用该题有效回答数，未回答、缺失和未触发追问不进入分母。 ### 问卷结构 | 分类 | 题数 | 说明 | | --- | --- | --- | | 资料采集字段 | 1 | 手机号（问题 00），0 条回答，不进入分析 | | 整体评分题 | 3 | 视觉设计（问题 01）、签到流程（问题 02）、展区体验（问题 03），均为 1-5 分 | | 多选题 | 1 | 分论坛出席（问题 04），6 个选项，可多选 | | 多选逐选项追问 | 6 | 每个已选分论坛触发 1 道满意度评分（1-5 分） | | 主观开放题 | 4 | 干货环节 231 条、平淡议程 94 条、未来期待 183 条、会务改进 95 条 | | 合计 | 15 | 客观题实例 10 个（含追问），主观题 4 个 | ### 多选/追问统计 问题 04「您参与了哪些分论坛？」为多选题，共 6 个选项，289 个有效回答（11 个缺失）。每个已选论坛触发 1 道满意度追问评分。由于多选口径，选项选择率之和超过 100%（合计 145.5%），表示参会者平均参加约 1.46 个分论坛。本问卷无其他多选题或额外追问。 ## 整体体验评分分析 以下三项整体体验评分均采用 1-5 分制（1=非常不满意，5=非常满意）。低分率定义为 1-3 分占比，高分率定义为 4-5 分占比。这三道题的有效回答数均在 291-295 之间，覆盖率超过矩阵会话的 97%。 ### 问题 01「整体视觉设计评价」 平均分 4.62 有效样本 295 高分率(4-5) 93.6% 276 人 低分率(1-3) 6.4% 19 人 5 分占比 74.2% 219 人 | 分值 | 人数 | 占比 | 分布 | | --- | --- | --- | --- | | 5 分 | 219 | 74.2% | | | 4 分 | 57 | 19.3% | | | 3 分 | 9 | 3.1% | | | 2 分 | 3 | 1.0% | | | 1 分 | 7 | 2.4% | | 问题 01 评分分布（n=295）。视觉设计在三项评分中均值最低、低分率最高，1 分出现 7 人（2.4%），提示存在少量明显不满。 ### 问题 02「签到流程满意度」 平均分 4.77 有效样本 293 高分率(4-5) 96.6% 283 人 低分率(1-3) 3.4% 10 人 5 分占比 81.9% 240 人 | 分值 | 人数 | 占比 | 分布 | | --- | --- | --- | --- | | 5 分 | 240 | 81.9% | | | 4 分 | 43 | 14.7% | | | 3 分 | 7 | 2.4% | | | 2 分 | 2 | 0.7% | | | 1 分 | 1 | 0.3% | | 问题 02 评分分布（n=293）。签到流程是三项评分中表现最好的环节，5 分占比 81.9%，低分仅 3.4%，表明签到体验整体流畅。 ### 问题 03「展区参观体验」 平均分 4.73 有效样本 291 高分率(4-5) 96.2% 280 人 低分率(1-3) 3.8% 11 人 5 分占比 78.4% 228 人 | 分值 | 人数 | 占比 | 分布 | | --- | --- | --- | --- | | 5 分 | 228 | 78.4% | | | 4 分 | 52 | 17.9% | | | 3 分 | 9 | 3.1% | | | 2 分 | 0 | 0% | — | | 1 分 | 2 | 0.7% | | 问题 03 评分分布（n=291）。展区体验均值 4.73，无 2 分回答，但 1 分仍有 2 人。整体介于签到流程和视觉设计之间。 #### 三项整体评分对比 | 题目 | 均分 | 有效 n | 低分率(1-3) | 高分率(4-5) | 5 分占比 | 标准差 | | --- | --- | --- | --- | --- | --- | --- | | 问题 01 视觉设计 | 4.62 | 295 | 6.4% | 93.6% | 74.2% | 0.80 | | 问题 02 签到流程 | 4.77 | 293 | 3.4% | 96.6% | 81.9% | 0.55 | | 问题 03 展区体验 | 4.73 | 291 | 3.8% | 96.2% | 78.4% | 0.58 | 签到流程表现最优，视觉设计均分最低且离散度最大（σ=0.80），是三项中改进优先级最高的环节。 ## 分论坛出席分布与满意度分析 ### 问题 04「您参与了哪些分论坛？」（多选） 本题有效回答 289 人（缺失 11 人）。由于是多选题，选项选择率之和为 145.5%，参会者平均参加约 1.46 个分论坛。 | 分论坛 | 选择人数 | 选择率 | 分布 | | --- | --- | --- | --- | | AI 分论坛 | 167 | 57.8% | 167 人 | | 智能制造分论坛 | 80 | 27.7% | 80 人 | | 智慧财经分论坛 | 61 | 21.1% | 61 人 | | 智慧消费分论坛 | 39 | 13.5% | 39 人 | | 智慧金融分论坛 | 39 | 13.5% | 39 人 | | 智慧物流分论坛 | 35 | 12.1% | 35 人 | 问题 04 多选分布（n=289）。AI 分论坛以 57.8% 的出席率遥遥领先，是第二名智能制造的 2 倍以上。消费、金融、物流三个论坛出席率均在 12-14%，属于小众论坛。 **业务读法：** AI 分论坛的绝对主导地位表明 AI 话题是当前帆软用户最关注的方向。但小众论坛（消费/金融/物流）的出席率不足 14%，可能受行业覆盖或议程吸引力影响，需要在后续大会议程设计中考虑如何提升这些论坛的吸引力。 ## 多选追问客观题分析 问题 04 的 6 个分论坛选项各触发 1 道满意度追问评分（1-5 分）。只有选择了该论坛的参会者才会看到并回答这道追问，因此各论坛的有效样本等于或略低于其出席人数（部分参会者虽选择论坛但未完成追问评分）。 | 分论坛 | 触发样本 | 有效评分 n | 均分 | 低分率(1-3) | 高分率(4-5) | 5 分占比 | 标准差 | | --- | --- | --- | --- | --- | --- | --- | --- | | 智能制造 | 80 | 78 | 4.72 | 1.3% | 98.7% | 73.1% | 0.48 | | AI | 167 | 164 | 4.63 | 4.3% | 95.7% | 69.5% | 0.62 | | 智慧财经 | 61 | 60 | 4.60 | 6.7% | 93.3% | 66.7% | 0.61 | | 智慧消费 | 39 | 38 | 4.58 | 10.5% | 89.5% | 73.7% | 0.85 | | 智慧物流 | 35 | 35 | 4.57 | 8.6% | 91.4% | 65.7% | 0.65 | | 智慧金融 | 39 | 38 | 4.55 | 13.2% | 86.8% | 73.7% | 0.88 | 6 个分论坛满意度追问对比。智能制造满意度最高（4.72，低分率仅 1.3%），智慧金融低分率 13.2% 为所有论坛最高。消费、金融、物流样本量均不足 40，结论需谨慎解读。 **口径限制：** 智慧消费（n=38）、智慧金融（n=38）、智慧物流（n=35）三个论坛的有效评分样本不足 40，均值差异不宜做强结论。智慧金融低分率 13.2% 虽为最高，但仅基于 5 个低分样本，应视为方向性线索而非确定性结论。 #### 各分论坛评分分布详表 | 分论坛 | 5 分 | 4 分 | 3 分 | 2 分 | 1 分 | 有效 n | | --- | --- | --- | --- | --- | --- | --- | | AI 分论坛 | 114 (69.5%) | 43 (26.2%) | 4 (2.4%) | 3 (1.8%) | 0 | 164 | | 智能制造 | 57 (73.1%) | 20 (25.6%) | 1 (1.3%) | 0 | 0 | 78 | | 智慧财经 | 40 (66.7%) | 16 (26.7%) | 4 (6.7%) | 0 | 0 | 60 | | 智慧消费 | 28 (73.7%) | 6 (15.8%) | 3 (7.9%) | 0 | 1 (2.6%) | 38 | | 智慧物流 | 23 (65.7%) | 9 (25.7%) | 3 (8.6%) | 0 | 0 | 35 | | 智慧金融 | 28 (73.7%) | 5 (13.2%) | 4 (10.5%) | 0 | 1 (2.6%) | 38 | 智能制造无 1-2 分，分布最集中；AI 分论坛虽有最大样本但仍有 7 个 2-3 分回答；智慧金融 4 分仅 5 人（13.2%），说明评分两极化更明显。 ## 交叉分析 ### 评分间 Pearson 相关 三项整体评分之间存在显著正相关，表明参会者的整体体验评价具有内在一致性——对某一环节满意度高的参会者，对其他环节也倾向给出高分。 | 变量对 | r | p | 有效配对 n | 解读 | | --- | --- | --- | --- | --- | | 签到流程 ↔ 展区体验 | 0.66 | <0.001 | 291 | 强正相关，现场服务体验一致性高 | | 视觉设计 ↔ 签到流程 | 0.49 | <0.001 | 293 | 中等正相关 | | 视觉设计 ↔ 展区体验 | 0.39 | <0.001 | 291 | 中等正相关 | ### 整体评分与分论坛满意度关系 | 整体评分 ↔ 论坛满意度 | r | p | n | 解读 | | --- | --- | --- | --- | --- | | 展区体验 ↔ 智慧消费满意度 | 0.83 | <0.001 | 38 | 强正相关（小样本，需降为线索） | | 签到流程 ↔ 智慧消费满意度 | 0.76 | <0.001 | 38 | 强正相关（小样本） | | 视觉设计 ↔ 智慧消费满意度 | 0.71 | <0.001 | 38 | 强正相关（小样本） | | 视觉设计 ↔ 智慧金融满意度 | 0.59 | <0.001 | 38 | 中等正相关（小样本） | | 视觉设计 ↔ 智能制造满意度 | 0.57 | <0.001 | 78 | 中等正相关 | | 签到流程 ↔ AI 论坛满意度 | 0.43 | <0.001 | 164 | 中等正相关（大样本，结论可靠） | **叙事限制：** 以上相关关系不代表因果。智慧消费/金融的强相关基于 n=38 的小样本，Pearson r 可能受极端值影响，仅作为方向性线索。AI 论坛和智能制造的相关性基于较大样本（n≥78），结论更可靠。整体评分与论坛满意度的正相关表明：大会整体体验好的参会者，对分论坛内容也更满意，这可能反映"光环效应"或真实体验一致性。 ### 多选题出席组合关系 二阶 Rel 分析发现部分多选题选项之间存在显著负相关： | 选项对 | r | p | n | 解读 | | --- | --- | --- | --- | --- | | AI 论坛 ↔ 智能制造 | -0.21 | <0.001 | 289 | 选择 AI 的人更少选智能制造 | | AI 论坛 ↔ 智慧消费 | -0.20 | <0.001 | 289 | 选择 AI 的人更少选消费 | | AI 论坛 ↔ 智慧财经 | -0.12 | 0.034 | 289 | 弱负相关 | | 智能制造 ↔ 智慧金融 | -0.15 | 0.009 | 289 | 弱负相关 | AI 分论坛与其他行业论坛存在显著负相关，说明选择 AI 的参会者倾向于不同时选择行业垂直论坛，可能反映参会者群体的兴趣分化——技术导向 vs 行业导向。 ## 开放题深度分析 4 道主观开放题共回收 603 条回答，由主观标签引擎逐题独立归纳局部 codebook 并完成多标签打标。以下展示每题的主题标签分布、代表原文和业务含义。 ### 问题 05「干货最多的内容/环节」（231 条回答） 本题旨在收集参会者认为最有价值的内容方向。覆盖率 77%（231/300），是四道主观题中回答最多的。 | 标签 | 命中数 | 占比 | 代表原文 | | --- | --- | --- | --- | | 模糊正面评价 | 56 | 24.2% | "都挺好""整体不错""很好" | | AI 技术与产品 | 53 | 22.9% | "AI 分论坛的分享""帆软的 AI 产品演示" | | 行业案例分享 | 39 | 16.9% | "企业实际案例""客户分享的实战经验" | | 业务场景落地 | 28 | 12.1% | "具体的落地场景""解决实际业务问题的方案" | | 无效或未参与 | 12 | 5.2% | "没参加""不太清楚" | 近四分之一的回答为模糊正面评价，说明部分参会者难以指出具体亮点。AI 技术与产品（22.9%）和行业案例分享（16.9%）是最常被提及的具体价值方向，与 AI 分论坛 57.8% 的高出席率形成呼应。 ### 问题 06「平淡或想离场的议程」（94 条回答） 本题覆盖率 31.3%（94/300），仅约三成参会者表达了负面体验。 | 标签 | 命中数 | 占比 | 代表原文 | | --- | --- | --- | --- | | 无负面反馈 | 31 | 33.0% | "没有平淡的""都很好""没有" | | 内容缺乏实操 | 7 | 7.4% | "应该多分享实际案例""AI应用案例中有价值的太少""全程基本在讲结果，没有听到怎么做到的" | | 商业推广过重 | 5 | 5.3% | "AI分论坛广告太浓""部分场次公司介绍过多""广告确实蛮多" | | 议题匹配度低 | 5 | 5.3% | "部分案例和AI关联有些牵强""制造业论坛行业偏向趋同" | | 演讲形式枯燥 | 5 | 5.3% | "有几个像是大学教授在上课""讲解的有点枯燥" | | 日程安排不当 | 5 | 5.3% | "时长太长""休息时间短 精力不够""个别演讲时间过长" | | 状态不佳或未参与 | 5 | 5.3% | "之前没参加过""还没开始" | | 现场环境干扰 | 2 | 2.1% | "人太多""旁边人打电话" | 33% 的回答者明确表示无负面反馈，但在有具体不满的回答中，"内容缺乏实操"（7.4%）和"商业推广过重"（5.3%）是最集中的两个问题方向。这与问题 07 中对"落地实操案例"的强烈期待形成闭环。 ### 问题 07「未来期待的内容/环节/大咖」（183 条回答） 本题覆盖率 61%（183/300），是参会者对未来大会方向的重要信号。 | 标签 | 命中数 | 占比 | 代表原文 | | --- | --- | --- | --- | | 垂直行业场景 | 51 | 27.9% | "制造业""金融行业""医疗""物流优化实操案例""ai在医疗行业的应用" | | 落地实操案例 | 49 | 26.8% | "行业落地案例分享""实战分享""更多能落地的解决方案""具体实操的专家，拿企业的具体案例" | | 前沿技术与 AI | 43 | 23.5% | "大模型""AI相关""智能体大咖""AI的实际落地应用" | | 头部嘉宾大咖 | 16 | 8.7% | "行业巨头""高校教授或者行业大咖""头部券商科技负责人" | | 无明确想法 | 13 | 7.1% | "没想到""暂时没有想法" | | 维持现状好评 | 12 | 6.6% | "已经很好了，继续保持""继续这些类型" | | 互动体验环节 | 12 | 6.6% | "工作坊或者培训课程""场景演示""互动实操环节" | "垂直行业场景"（27.9%）和"落地实操案例"（26.8%）合计占比 54.7%，是最强烈的信号。"前沿技术与 AI"（23.5%）紧随其后。注意：由于多标签打标，同一条回答可能命中多个标签，占比之和可超过 100%。 ### 问题 08「会务改进建议」（95 条回答） 本题覆盖率 31.7%（95/300），超过半数回答者表示满意无建议。 | 标签 | 命中数 | 占比 | 代表原文 | | --- | --- | --- | --- | | 满意无建议 | 54 | 56.8% | "很好""挺好的""活动举办的非常用心""暂无需改进" | | 现场秩序与空间 | 12 | 12.6% | "动线有些混乱""展台太拥挤""交流区太小了""座位不够" | | 内容与议程安排 | 6 | 6.3% | "中间没有休息时间""期待很多应用场景的分享" | | 餐饮茶歇服务 | 6 | 6.3% | "餐饮需更丰富一些""希望有茶歇""餐饮处没有餐纸" | | 物料与周边礼品 | 5 | 5.3% | "建议推出纪念玩偶""指示牌可以更大些" | | 网络与基础设施 | 4 | 4.2% | "网络很差""进酒店网速好差""现场网络不好" | 56.8% 表示满意无建议，但在有具体建议的回答中，"现场秩序与空间"（12.6%）是最集中的痛点——拥挤、动线混乱、座位和交流区不足，这与大会的高人气（392 个会话）直接相关。 ## 三个关键结论与归因 #### 结论一：整体满意度高位运行，视觉设计是三项中的相对短板 **结论判断：**三项整体体验评分均高于 4.6 分，高分率均在 93% 以上，表明第九届帆软用户大会在视觉、签到、展区三个基础体验环节均达到优秀水平。但视觉设计（4.62 分）在三项中均分最低、低分率最高（6.4%），标准差最大（0.80），是改进优先级最高的环节。 **关键证据：** - 问题 01 视觉设计均分 4.62，低于签到流程 0.15 分、低于展区体验 0.11 分 - 问题 01 的 1 分回答有 7 人（2.4%），而签到流程仅 1 人（0.3%）、展区 2 人（0.7%） - 签到流程 5 分占比 81.9%，视觉设计 5 分占比 74.2%，差距 7.7 个百分点 - 二阶 Rel 分析显示三项评分间显著正相关（r=0.39~0.66, p<0.001），视觉设计与签到流程相关性最低（r=0.49），说明视觉设计的评价更独立 **归因：**视觉设计评分的相对分散和低分尾部偏厚，可能由以下因素共同指向：①视觉设计的评价标准更主观，不同行业/年龄参会者审美差异导致离散度大；②主观改进建议中"物料与周边礼品"（5.3%）和"现场秩序与空间"（12.6%）的反馈间接指向物理环境体验——拥挤和交流区不足可能拉低对整体视觉氛围的感知；③签到流程和展区体验的高分更可能受益于流程设计的标准化程度高，而视觉设计受场地条件限制更大。 **边界/风险：**三项评分均存在高分压缩效应（均分 >4.6），实际差异可能被量表上限压缩。92 个未进入矩阵的会话未参与评分，可能存在体验更差但未反馈的沉默群体。 #### 结论二：AI 分论坛绝对主导参会者选择，小众论坛满意度分化值得警惕 **结论判断：**AI 分论坛以 57.8% 的出席率占据绝对主导地位，是第二名智能制造（27.7%）的 2 倍以上。智能制造满意度最高（4.72），而智慧金融低分率 13.2% 为所有论坛最高，小众论坛的满意度分化需要重点关注。 **关键证据：** - 问题 04 多选分布：AI 167 人（57.8%）远超其他论坛 - 智能制造满意度 4.72（n=78），低分率仅 1.3%，无 1-2 分回答 - 智慧金融满意度 4.55（n=38），低分率 13.2%（5 个低分样本），4 分仅 5 人（13.2%），评分两极化 - 多选题选项间负相关：AI ↔ 智能制造 r=-0.21，AI ↔ 智慧消费 r=-0.20，说明技术导向和行业导向参会者群体存在兴趣分化 - 主观干货标签中"AI 技术与产品"22.9% 居具体方向之首，与出席率形成强呼应 **归因：**AI 论坛的高出席率和高满意度可能由以下因素共同指向：①AI 是当前企业数字化转型最热话题，参会者普遍有学习和对标需求；②AI 分论坛的议程设计兼顾了产品演示和案例分享，覆盖面广；③智能制造论坛满意度最高可能受益于参会者群体的高度匹配——选择该论坛的人本身就是强需求用户。智慧金融低分率最高，可能因为议程深度不足或行业匹配度偏低（主观反馈中"议题匹配度低"5.3% 提供了间接证据）。 **边界/风险：**消费（n=38）、金融（n=38）、物流（n=35）三个论坛样本量不足 40，均值差异可能受极端值影响。智慧金融的 13.2% 低分率仅基于 5 个低分样本，应视为方向性线索。二阶分析中跨论坛满意度的相关性（如财经 ↔ 消费 r=1.0）基于 n≤7 的极小样本，不进入强结论。 #### 结论三：实操落地内容缺口明显，商业推广感知需要控制 **结论判断：**参会者对未来大会的最强信号是"更多实操案例"和"垂直行业场景"（合计 54.7%），同时部分参会者明确反馈当前内容"缺乏实操"（7.4%）和"商业推广过重"（5.3%）。内容深度和推广感知的平衡是下一届大会的核心改进方向。 **关键证据：** - 问题 07 未来期待：垂直行业场景 27.9%、落地实操案例 26.8%、前沿技术与 AI 23.5% 为前三 - 问题 06 平淡议程：内容缺乏实操 7.4%，代表原文"全程基本在讲结果，没有听到怎么做到的""AI应用案例中有价值的太少" - 问题 06 商业推广过重 5.3%，代表原文"AI分论坛广告太浓""部分场次公司介绍过多" - 问题 05 干货环节中"模糊正面评价"占 24.2%，说明近四分之一参会者难以指出具体收获，间接支持内容深度不足的判断 - 问题 08 会务改进中"内容与议程安排"6.3% 提及"中场没有休息""多一些 video"等，反映议程节奏也有优化空间 **归因：**实操落地内容的缺口可能由以下因素共同指向：①大会作为帆软品牌活动，天然包含产品介绍环节，但当产品介绍占比过高时，参会者感知为"广告"而非"干货"；②行业案例分享虽然存在（16.9% 认为干货最多），但可能深度不足——参会者期待的是"怎么做到的"而非"做了什么"；③垂直行业需求强烈（27.9%）说明通用型内容已不能完全满足参会者，行业化、场景化的内容分层是必要方向；④"前沿技术与 AI"（23.5%）的期待与 AI 分论坛的高出席率一致，但参会者要的是"AI 的实际落地应用"而非概念演示。 **边界/风险：**问题 06 覆盖率仅 31.3%（94/300），负面反馈仅代表主动填写者的观点，不代表全体参会者。56.8% 的会务改进回答为"满意无建议"，可能存在正面偏差。问题 07 的 183 条回答中多标签命中，占比之和超过 100%，需注意解读口径。 ## 改进建议供参考 以下建议基于当前数据证据，标注了证据来源和口径边界。 | 优先级 | 建议方向 | 证据来源 | 口径边界 | | --- | --- | --- | --- | | P0 | 增加分论坛中"实操落地"内容比重，要求演讲者展示"怎么做到的"而非仅展示结果 | 问题 07 落地实操 26.8% + 问题 06 缺乏实操 7.4% | 负面反馈覆盖率 31.3% | | P0 | 控制分论坛中产品介绍/推广环节的占比，建议单场不超过 20% | 问题 06 商业推广 5.3%，代表原文"广告太浓" | 仅 5 条直接反馈，但方向与问题 07 呼应 | | P1 | 按行业垂直化分设议程轨道（制造/金融/消费/物流），提升小众论坛吸引力 | 问题 07 垂直行业 27.9%；小众论坛出席率 12-14% | 小众论坛样本量不足 40 | | P1 | 优化现场空间布局，增加交流区和座位，改善展台动线 | 问题 08 现场秩序 12.6%，12 条具体反馈 | 受场地条件限制，改进空间取决于选址 | | P1 | 增加互动体验环节（工作坊、实景演示、闭门交流） | 问题 07 互动体验 6.6% | 仅 12 条，但方向明确 | | P2 | 改善现场网络基础设施 | 问题 08 网络问题 4.2% | 仅 4 条，但对数字化大会影响大 | | P2 | 视觉设计关注低分群体（7 个 1 分），了解具体不满原因 | 问题 01 低分率 6.4% 为三项最高 | 未触发的低分追问文本不可用 | ## 附录：分析方法说明 #### 数据来源与工具 本报告基于吸管系统提供的问卷回收数据，由吸管报告 Agent 基于工具事实自动生成。分析工具链包括：源快照、题目目录、回答事件、标准分析矩阵、单题统计、按题聚合统计、二阶 Fil/Rel 分析、主观题标签引擎。 #### 样本口径 - **源会话分母：**392 个问卷会话 - **矩阵分母：**300 个进入客观题分析矩阵的会话（76.5%） - **单题分母：**各题有效回答数（未回答、缺失和未触发追问不进入分母） - **完成率：**245 个完成会话 / 392 个源会话 = 62.5% - **问卷完成率：**245 / 300 = 81.7% #### 指标定义 - **低分率：**1-3 分占比（非 1-2 分） - **高分率：**4-5 分占比 - **多选选择率：**选择该选项的人数 / 多选题有效回答数；由于多选口径，各选项之和可超过 100% - **Pearson r：**连续变量间的线性相关系数；df = valid_pair_n - 1；p 值未做多重校正 - **Fil 筛选：**当某 source 值下 target 值占比 > 50% 时保存关系 #### 主观标签方法 每道主观题独立归纳局部 codebook，使用 even 代表样本进行打标，允许一条回答命中多个标签。标签由 subjective-labeling-agent 在隔离上下文中完成，最终由 finalize_subjective_labeling 合并。 #### 口径限制 - 92 个未进入矩阵的会话无法参与客观题分析，可能存在体验偏差 - 小众论坛（消费/金融/物流）有效评分样本不足 40，均值差异需谨慎解读 - 问题 06 覆盖率仅 31.3%，负面反馈仅代表主动填写者观点 - 二阶分析中 n<30 的显著关系已降级为口径限制 - 评分量表上限为 5 分，高分压缩效应可能掩盖实际体验差异 — 报告结束 —
