4. KANO问卷投放与回收：样本量要求、目标用户筛选、问卷渠道选择、回收质量控制
4.1 用户场景与业务问题
产品团队完成KANO问卷设计后，往往陷入落地困境：发给谁、发多少、怎么发、如何保证有效。典型场景如下——
- 场景A：ToC App产品经理将KANO问卷通过邮件群发10万用户，回收率仅3%，且样本集中在“月活≥15次”的重度用户，功能分类严重偏差。
- 场景B：B端SaaS产品经理在应用内弹窗投放，未做预筛选，混入大量“从未使用过目标模块”的试用用户，导致“基本功能”误判为“兴奋功能”。
- 场景C：数据团队回收后发现30%问卷答题时间<20秒，15%存在“所有选项全选相同”的直线作答，最终有效样本仅剩不足目标量一半。
核心业务问题：样本量不足导致Better-Worse系数置信区间过大；混入非目标用户造成错误分类；渠道单一引起结构性偏差；缺乏质量标准导致分析结果不可信。
4.2 样本量要求
KANO问卷作为态度测量工具，需要严格的统计样本量支撑。最小样本量计算公式：
最小样本量公式：
n = Z² × p(1-p) / E²
其中：
Z：置信水平对应Z值（95%置信度 → 1.96）
p：预期方差比例（通常取0.5以最大化样本量）
E：误差边际（建议取0.05～0.1）代入典型值（Z=1.96, p=0.5, E=0.07），得n≈196，即至少需要200份有效问卷。实际投放还需考虑无效问卷折损率：
| 用户分层粒度 | 每层最低有效量 | 建议投放总量（含无效） | 适用场景 |
|---|---|---|---|
| 粗粒度（2-3层） | 50份/层 | 150-200份 | MVP验证、早期方向判断 |
| 中粒度（4-6层） | 30份/层 | 200-400份 | 功能优先级排序、版本规划 |
| 细粒度（7+层） | 30份/层 | 400-600份 | 行业对标、年度需求普查 |
4.3 目标用户筛选
在正式KANO问卷前预制筛选问卷，确保只有真正的目标用户进入主问卷。推荐采用三级过滤机制：
- 频率过滤：至少使用过目标功能3次以上，或最近30天内激活。
- 画像匹配：符合功能面向的核心用户画像（如：付费vs免费，管理员vs普通成员，新用户vs老用户）。
- 排除规则：内部员工（尤其产品/研发团队）、竞品调研人员、1个月内参与过其他问卷的用户。
筛选问卷代码示例：
// 预筛选题示例（跳转逻辑）
Q1. 您最近3个月内是否使用过【_功能名称_】？
a) 是，经常使用（每周≥2次） → 继续
b) 是，偶尔使用（每月1-3次） → 继续
c) 从未使用过 → 结束问卷，感谢参与
Q2. 您的角色是？
a) 产品/研发相关 → 结束问卷
b) 其他 → 继续4.4 问卷渠道选择
不同渠道的回收率、成本和样本偏差特征差异显著。推荐主渠道+辅助渠道组合投放，以降低单一渠道偏差：
| 渠道 | 回收率 | 成本 | 样本偏差风险 | 推荐场景 |
|---|---|---|---|---|
| 应用内弹窗 | 15%-35% | ∝开发工时 | 低（触发真实活跃用户） | 核心功能评价、高频功能 |
| 邮件邀请 | 3%-10% | 低 | 中（高活跃/留存用户偏多） | 留存用户调研、订阅用户 |
| 短信/推送 | 10%-20% | 中 | 低（覆盖面广） | 紧急需求验证、高频触达 |
| 社群/私域 | 20%-40% | ∝红包成本 | 高（忠实粉丝偏多，外部性弱） | 深度访谈预约、创意探索 |
| SaaS入驻流 | 40%-60% | ∝开发工时 | 低（真实操作场景嵌入） | B端产品、体验环节拦截 |
4.5 回收质量控制
数据清洗是KANO分析的关键防线。必须设立自动化清洗+人工复核双保险：
| 规则类型 | 检测条件 | 处理方式 |
|---|---|---|
| 答题时长 | 完成时间 < 30秒 | 标记为无效 |
| 逻辑矛盾 | 正向题与反向题答案一致（如全部选“非常同意”） | 标记为无效 |
| 重复提交 | 同一设备ID/IP短时间内提交多次 | 仅保留第一次提交 |
| 直线作答 | 所有题目选择同一选项 | 标记为可疑，人工复核 |
| 开放题异常 | 内容为乱码、广告、无意义重复 | 标记为可疑，人工复核 |
4.6 投放与回收流程框架
4.7 指标验证与验收标准
在问卷回收完成后，通过以下指标判定投放轮次是否合格：
- 有效回收率 = 有效问卷数 / 实际投放数 ≥ 40%
- 样本覆盖度 = 触及用户细分层数 / 规划层数 ≥ 90%
- 数据清洗率 = 标记无效数 / 总回收数 ≤ 15%（优秀标准≤10%）
验收标准：每个目标细分层至少30份有效问卷；数据清洗率低于15%；无严重逻辑矛盾（如正向反向题完全一致）；渠道来源分布与目标人群分布基本一致（差异不超过20%）。
4.8 交付物模板
交付物 Checklist：
- 筛选问卷模板（含预筛选题目和跳转逻辑，附JS/JSON配置）
- 样本量计算表（Excel，含置信度、误差边际、各层样本量、投放总量）
- 渠道分配计划表（渠道×用户分层×投放时间线×预算）
- 数据清洗规则文档（含自动清洗SQL/脚本、人工复核SOP）
- 回收进度看板（实时更新有效样本量、完成率、清洗状态、预警通知）
- 投放质量报告（含渠道回收率对比、无效数据分布图、样本偏差分析）
4.9 避坑指南
常见失败模式：
- 一次性海量投放：导致服务器超时或用户反感，建议分2-3批逐步释放，每批间隔≥1天。
- 单一渠道依赖：只发邮件只覆盖高活跃用户，建议至少主+辅双渠道组合。
- 跳过预筛选：直接混入非目标用户，KANO分类结果失真。必须保留至少2道筛选题。
- 清洗规则过严：误删有效数据（如资深用户30秒内完成属正常）。建议“自动标记+人工复核”，不直接删除。
- 忽略样本偏差报告：未对比回收样本与用户大盘画像，导致分析结论不可泛化。必须输出样本偏差分析章节。