4、数据采集与调研方法：问卷设计、访谈技巧、社交媒体监听、餐饮平台数据（大众点评、美团）的获取与清洗
西餐消费人群画像的精准度，直接取决于底层数据的质量与采集方法的科学性。本章聚焦四种核心数据采集路径：结构化问卷、深度访谈、社交媒体监听以及餐饮平台（大众点评、美团）数据挖掘。每种方法各有适用场景、操作规范与局限性，课程将逐一拆解其原理、流程、实战技巧与常见误区，帮助学员构建一套可落地的“混合调研”数据采集框架。
上述四类数据源并非彼此孤立，而是构成“量化-质性-舆情-行为”四位一体的数据闭环。问卷提供广度，访谈挖掘深度，社媒捕捉实时情绪，平台数据还原真实消费行为。在实际项目中，建议按照“先平台数据摸底→再问卷量化验证→后访谈深挖动机→最后社媒持续监听”的路径推进，以最低成本获取最全面的画像信息。
4.1 问卷设计：从维度拆解到信效度控制
核心原理：问卷是获取大样本量化数据最经济的工具，但设计不当极易产生系统性偏差。西餐消费调研问卷需围绕“消费频次、客单价、场景偏好、菜品选择、品牌认知、信息触达渠道”六大核心维度展开，每个维度下设置3-5个可量化指标。
| 设计维度 | 典型题项示例 | 测量尺度 | 分析用途 |
|---|---|---|---|
| 消费频次 | 过去3个月平均每月光顾西餐厅次数 | 定序（0次/1-2次/3-5次/6次+） | 市场容量分层 |
| 客单价 | 人均消费金额区间（不含酒水） | 定序（<100/100-200/200-400/400+） | 价格敏感度分析 |
| 场景偏好 | 最常选择西餐的用餐场景（多选） | 定类（商务/约会/家庭/独食） | 场景画像聚类 |
| 信息渠道 | 了解新西餐厅的主要渠道（排序题） | 定序（社媒/平台/朋友推荐/广告） | 营销触点优化 |
操作流程：第一步，基于研究假设拆解构念，形成维度-指标-题项三级映射表；第二步，设计题项时遵循“一事一题、避免双重否定、选项互斥且穷尽”原则；第三步，进行小样本预调研（n≥30），通过Cronbach's α系数（≥0.7）检验内部一致性，通过KMO值（≥0.6）检验结构效度；第四步，正式投放时采用配额抽样，确保性别、年龄、收入段比例与目标城市人口结构匹配。
4.2 访谈技巧：半结构化深访的提问与追问艺术
核心原理：深度访谈旨在理解消费者行为背后的“为什么”，适用于探索问卷无法覆盖的隐性动机、情感诉求与决策冲突。西餐消费决策往往涉及社交面子、身份认同、仪式感等深层心理因素，这些无法通过选择题捕捉。
访谈执行框架：
- 招募筛选：按“过去6个月有西餐消费行为”为硬性条件，兼顾高频（月≥3次）与低频（季度≤1次）样本，每组8-10人，建议做2-3组直至信息饱和。
- 提纲设计：采用“漏斗式”结构——从宽泛的用餐习惯切入，逐步聚焦到具体西餐消费经历，最后触及情感与价值观层面。
- 追问技巧：使用“5W1H”追问法（Who/What/When/Where/Why/How），例如当受访者提到“喜欢去那家店”时，追问“具体是哪次体验让你产生这个印象？”
- 记录与编码：全程录音转写，采用主题分析法（Thematic Analysis）进行三级编码：开放编码→轴心编码→选择编码。
4.3 社交媒体监听：从关键词抓取到情绪洞察
核心原理：社交媒体（小红书、抖音、微博）是消费者自发表达西餐体验的“天然论坛”，具有实时性、真实性、非诱导性三大优势。监听的核心在于从海量UGC（用户生成内容）中提取“提及量、情感倾向、话题聚类、KOL影响力”四个维度的信号。
操作流程：
- 关键词库搭建：核心词（西餐、牛排、意面、brunch）+ 品牌词（如“沃夫冈”“Primo 1”）+ 场景词（约会餐厅、生日聚餐）+ 情感词（绝绝子、踩雷、性价比）。
- 数据抓取：使用新榜、清博等工具或Python爬虫（需遵守robots协议），按日/周频次抓取目标平台公开数据。
- 清洗与去重：去除广告营销帖、纯转发内容、字符数＜20的无效帖。
- 情感分析：基于情感词典或预训练模型（如SnowNLP、BERT微调）将文本分为正向/中性/负向，并提取高频修饰词。
4.4 餐饮平台数据获取与清洗：大众点评与美团实战
核心原理：大众点评与美团沉淀了最真实的消费行为数据——交易记录、评价文本、评分、收藏/打卡行为。这些数据是构建“消费能力-口味偏好-决策路径”画像的金矿，但原始数据噪声极大，必须经过系统化清洗才能用于分析。
数据获取路径：
- 官方渠道：美团/点评开放平台（需企业资质申请API权限），可获取门店POI、评分、评论数等聚合数据。
- 半官方工具：生意参谋（美团商家版）、客如云后台等，适合有合作关系的品牌方。
- 爬虫方式：针对公开页面（非登录态可见数据），使用Selenium/Scrapy框架采集，需控制频率避免IP封禁。
数据清洗五步法：
| 步骤 | 操作内容 | 示例 | 工具 |
|---|---|---|---|
| 1. 去重 | 按用户ID+餐厅ID+评论时间戳去重 | 同一用户对同一餐厅的重复评价仅保留最新 | Pandas drop_duplicates |
| 2. 缺失值处理 | 删除无评分/无文本的无效记录 | 仅有点赞无文字的评价剔除 | dropna / fillna |
| 3. 异常值过滤 | 剔除评分超出1-5分范围、消费金额为负等逻辑错误 | 评分=0或=99的记录 | 条件筛选 |
| 4. 文本标准化 | 统一繁体/简体、表情符号转换、错别字纠正 | “超好吃😋”转为“超好吃” | OpenCC / 正则 |
| 5. 字段衍生 | 从评论时间提取“工作日/周末”、从文本提取“人均消费”关键词 | “人均300+”→数值300 | 正则表达式 |
4.5 常见误区与复盘总结
误区一：问卷题项过多导致“应付式作答”。超过30题的问卷，后半部分数据质量急剧下降。建议将问卷控制在15题以内，或采用“积分激励+进度条”提升完成率。
误区二：访谈样本“精英化”。只访谈愿意配合的高收入人群，忽略了沉默的大多数。应设置配额，确保月收入8K以下样本占比不低于30%。
误区三：平台数据“拿来即用”。大众点评的评分存在“刷单”和“报复性差评”双重污染，必须结合评论时间分布（如短期内集中出现大量5星或1星）进行异常检测。
误区四：社媒监听只看数量不看语境。“绝绝子”在美食语境中多为正面，但在某些语境下可能是反讽。建议人工抽检10%的样本进行标注校准。
数据采集是画像工程的“原材料车间”，本章四种方法各有适用边界：问卷适合验证假设、访谈适合发现假设、社媒适合追踪趋势、平台数据适合还原行为。下一阶段，这些多源数据将进入清洗、融合与标签化流程，最终转化为可指导产品与营销决策的精准人群画像。