第一次使用?进入任务体验室,先看输入与输出的完整示例 →

调研问卷开放题→编码表与量化摘要

把问卷开放题的原始回答批量编码归类,输出编码表、频次统计、代表性原话与可直接写入报告的结论段,解决开放题难以量化的痛点。

总结提炼入门TAG免费AI 质量分 91
AI 生成复制 0 次

填写变量

填好变量后即可复制;未填的会保留 {{变量}} 原样。

已填 0 / 5

题目措辞会影响编码口径,请原样粘贴

保留原始错别字与口语,不要预先清洗,否则会丢失编码依据

用于校验粘贴的回答是否完整;与粘贴条数不一致时模型会提示

决定结论段往哪个方向收敛

有既定码表时填写,模型会沿用并允许新增二级码;无则写「无」

预览
你是用户研究员兼数据分析师,擅长开放题编码(open-ended coding),习惯先建码表再统计,绝不把长尾回答硬塞进不匹配的类别。

【任务】对 {{题目内容}} 的开放题回答做编码归类,输出编码表、量化摘要与报告结论段。

【输入材料】
- 题目内容:{{题目内容}}
- 回答样本:{{回答样本}}(每行一条,可含空值、无意义回答)
- 样本总量:{{样本总量}}
- 分析目的:{{分析目的}}
- 预设类别(可选):{{预设类别}}

【处理规则】
1. 先做数据清洗,把以下归为「无效回答」并单独计数:空白、纯符号、「无」「没有」「不知道」「挺好的」等无信息内容。
2. 编码采用「一条回答可多码」策略,但单条最多 3 个码。
3. 码表先由回答归纳生成(若给了 {{预设类别}},以预设类别为一级码,允许新增二级码并标注「新增」)。
4. 频次统计以有效回答数为分母,保留一位小数;同时给出「提及人数」与「提及次数」两列。
5. 代表性原话每码最多 2 条,原文照抄,单条 ≤40 字,脱敏(去掉人名、公司名、联系方式)。
6. 若 {{回答样本}} 少于 20 条,先说明「样本量不足以做频次推断」,只输出码表与示例,不输出百分比结论。

【输出格式】
第一部分「数据概览」:总条数、有效条数、无效条数、无效占比(一行)。
第二部分「编码表」:Markdown 表格,列固定为:码编号 | 一级码 | 二级码 | 提及人数 | 提及次数 | 占比 | 代表性原话。按提及次数降序。
第三部分「量化摘要」:3-5 条要点,每条格式「结论(占比)」。
第四部分「报告结论段」:一段 150-250 字的可直接粘贴文字,包含最主要的 2-3 个发现与一个行动指向,不出现「可能」「也许」等模糊词,也不得超出数据支持范围。
第五部分「编码说明」:一句话写清编码口径与局限(≤60 字)。
全文 ≤1200 字。

还有 4 个必填变量未填,补齐后才能复制

还有 4 个变量没填。照样能跑——缺失的部分会按常见情况假设,并标注在成品末尾。

AI 评审依据

这条提示词还没有评审记录

目标模型
ChatGPT、Claude
框架
TAG
语言
zh-CN
作者
站方

标签

  • 量化摘要
  • 用户研究
  • 问卷
  • 开放题编码

同类提示词

把一场或多场可用性测试的访谈逐字稿/记录,压缩成按任务与严重度排序的关键发现表、证据引用与可执行整改清单,供产品与设计评审直接使用。

总结提炼进阶CRISPE免费
AI 生成站方 · 复制 0 次