教学吸引力是 1–5，切成低中高三档之后能不能再报一个 NPS？

不能用同一列硬报。NPS 的切点写在 0–10 推荐意愿上，5 分李克特没有 9–10 这一档。要报净值，先单独收一道 0–10 推荐题，或按写明的线性映射后再走 NPS 过程。本页 101 个高满意不是推荐者，42 个低满意也不是贬损者。

CSI 总分 4.1、类别 C 占 52.6%，是不是说明没有短板可以结项？

不是。4.1 是平均位置，52.6% 是高档占用，两者都掩盖 42 个低档作答。先打开分项：物流 3.2、商品 4.6 时，结项会把投诉留给客服。IPA 若把物流放进高重要低表现，即使 C 过半也要排期。结项标准应同时写低档人数上限和分项下限。

IPA 把「搜索」放进优先改进，满意度三档占用还要看吗？

要。IPA 点名项目，占用点名人数。搜索很难用但只有少数人给低分，和搜索把 42 人推进低档，行动预算不同。本表低档 21.88%，若分层后老客低档到 40%，应先分层运营，而不是只改搜索文案。

SPSS 描述统计只有均值和标准差，怎样复现 42/49/101 这三档人数？

先按你写明的公式算出每人 CSI（MEAN 分项），再用 RECODE 或 Recode into Different Variables 按 c1、c2 切成 1/2/3，最后跑频率。三类人数应对上 42、49、101。均值 4.1 对不上占用，因为均值不报有多少人越过切点。切点不一致是最常见的裂开原因。

满意度分析 · StatsX

这篇能回答什么

满意度分析回答的是「有多少人落在低满意、中满意、高满意，总分 CSI 大概在哪」。CSI（Customer Satisfaction Index）是分项满意的加权或等权平均，再按事先写明的切点收成三档占用。本页类别 A = 低满意，B = 中满意，C = 高满意。它不使用 0–10 推荐题的 0–6 / 7–8 / 9–10 切法，因此 C 不是推荐者。

教学占用有效作答 192：低满意 A 42 人（21.88%），中满意 B 49 人（25.52%），高满意 C 101 人（52.6%）。C 过半，低+中仍有 47.40%，短板没有消失。分项（课堂、物流、客服）的均值与 IPA 坐标用来找「哪一句最拖后腿」，三档占用用来找「多少人已经很难受」。

什么时候不该用

题干是「愿不愿意推荐本校」、刻度 0–10，用NPS净推荐值分析。正反向成对功能题，用KANO。只要价位占用，用需求分析。多选吐槽点用人次口径的多重响应。编号列不能当满意分。

如何选择方法

一口推荐 → NPS。一串分项满意、要 CSI 与三档 → 本页。功能上线会不会痛 → KANO。价位落在哪一档 → 需求分析。不要把 1–5 满意均值改名叫净推荐值，也不要把高满意档人数当成推荐者。

满意度分析：总体或分项满意；输出 CSI、三档占用与分项对比。
NPS：0–10 推荐切成贬损 / 中立 / 推荐，净值是两端之差。
KANO：正反向成对题，归必备或魅力，不算 CSI。
需求分析：价位或需求项占用，不是满意档。

NPS净推荐值分析

按0–10推荐意愿把受访者分为推荐者、中立者与贬损者，计算净推荐值。

KANO 模型分析

通过正反双向提问，将产品功能精准划分为必备型、期望型、魅力型等，排定研发优先级。

需求优先级分析

把需求的重要性与满意度放在矩阵中，识别优先改进与过度供给。

多重响应分析

针对问卷的多选题分析比例情况与普及情况。

输入、输出与限制

输入

分析变量是总体满意或若干分项（李克特 1–5 / 1–7 / 1–10）。可选定类分组（新老客、办学性质）。kano 表的正向列编码是「1=喜欢 … 5=不喜欢」，方向与满意量表相反，不能直接当 CSI 输入。文本与设计表示例适合练上传；本页 192 人占用以结果表为准。

满意题项：1–20 个定量量表列；多列时先算 CSI 再切档。
分组变量：0–2 个定类，用于分层占用。

输出

结果表按类别 A/B/C 给出低/中/高满意占用。CSI 是切档前的总分。分项对比图与 IPA（重要度×表现）若出现，用来点名短板，不改写三档人数。

产品限制

切点必须写进方法（例如 1–2 低、3 中、4–5 高）；改切点，42/49/101 会裂开。
缺任一进入 CSI 的分项，该行是否进分母按工作台删行规则。
0–10 推荐列不要和 1–5 满意列混在同一个 CSI。
图强调哪一档最厚，精确人数看表。

案例

研究问题。 产品要一张可按季度对比的满意看板：多少人已经不满，多少人只是过得去，多少人明显满意；同时指出物流或客服哪一项在 IPA 里落在「重要却差」。题干不是「愿不愿意推荐」。

有效作答 192。低满意 42 人，中满意 49 人，高满意 101 人。C 过半不等于可以忽略 A：仍有 42 人落在低档。下载文本与设计表后，不要把 kano 反向题或 0–10 推荐映射直接当作 CSI；应用独立的满意列。

下载教学示例表（文本与设计）

在 StatsX 中操作

步骤 1 · 只留同方向满意列

高分代表更满意。kano 正向题若 1=喜欢，先反向编码或换列。推荐 0–10 留给 NPS，不要进 CSI。
步骤 2 · 画像核对量表范围

1–5 与 1–10 不要塞进同一平均。分组列应是定类。编号、客户键拿开。
步骤 3 · 点选满意度分析

目录搜索「满意」或 CSI。适合标记不检查你的切点是不是 9–10。
步骤 4 · 指定题项并写下切点

分析变量勾总体或分项。把 A/B/C 对上低/中/高。要分层时加新老客或办学性质。运行。
步骤 5 · 先三档再短板

核 42+49+101=192。再读分项均值或 IPA。C 占 52.6% 只说明高档厚，不能改写成 NPS 正值。

确认量表方向一致，推荐列不要混进 CSI。

如何阅读输出

下表是三档满意占用，分母 192。类别 A（低）42 人、21.88%；类别 B（中）49 人、25.52%；类别 C（高）101 人、52.6%。加总 100%。CSI 是切档前的连续总分，不要和占用百分比加在同一条坐标轴上。

用户满意度分析结果表

项目	类别	统计量	取值
用户满意度分析	类别 A	频数	42
用户满意度分析	类别 B	频数	49
用户满意度分析	类别 C	频数	101
用户满意度分析	合计	有效样本 N	192
用户满意度分析	类别 A	占比(%)	21.88
用户满意度分析	类别 B	占比(%)	25.52
用户满意度分析	类别 C	占比(%)	52.6

左右滑动可查看完整表格

教学示例表在 StatsX 工作台中的计算结果口径。

和 NPS 对读：NPS 的类别 A 是 0–6 分贬损者，本表类别 A 是低满意。切点不同，人数不能对拍。NPS 净值 = 推荐者占比 − 贬损者占比，中立者进分母；本页没有净值，C 的 52.6% 减去 A 的 21.88% 也不是 NPS。和 IPA 对读：某个功能落在优先改进，不自动增加 42。

读表顺序：有效 N → 三档加总 → 低档是否大到必须单列行动 → 分项谁最低 → IPA 谁在高重要低表现。分层新老客时，各自用该层 N 重算，禁止把 52.6 套到每一个渠道。

理论与公式

记分项 j 的权重 w_j（等权则 w_j=1/J），受访者 i 的标准化得分 s_{ij}\in[0,100] 或原始李克特分。

本例 n_A=42、n_B=49、n_C=101、N=192。NPS = (n_R-n_D)/N\times 100 使用另一套 9/7 切点，代入 CSI 会得到另一个数，不能叫净推荐值。IPA 把项目放在 (\bar I_j,\bar P_j) 平面，与占用 p_A 无代数关系。

注意事项

量表中点是 3 还是 4，中档人数会跳；跨期必须锁切点。
等权 CSI 会让题项多的维度绑架总分，维度不齐时先平均到维度再平均。
高满意过半，仍可能被一两个低分项拖出投诉；三档不能代替分项表。
KANO 反向编码与满意高分更好是反的，混用会把低档灌满。
分组某层有效 N 太小时，不要单独对外宣传该层 CSI。

常见问题

参考文献

Fornell, C., Johnson, M. D., Anderson, E. W., Cha, J., Bryant, B. E. The American Customer Satisfaction Index[J]. Journal of Marketing, 1996, 60(4): 7–18.
Oliver, R. L. Satisfaction: A Behavioral Perspective on the Consumer. Routledge.
Martilla, J. A., James, J. C. Importance-performance analysis[J]. Journal of Marketing, 1977, 41(1): 77–79.
吴明隆. 问卷统计分析实务[M]. 重庆大学出版社.