四、问卷法

我们一般通过问卷调研来了解用户的基础信息、触媒习惯，及其对游戏的一些设计、活动、营销推广的选择态度等。最常见的有两种：民意调查与核心问题排查。

1．问卷能解决什么问题

不管是访谈，还是问卷，没有目的的行动就没有意义。既然一切从实际出发，那么，问卷能解决什么问题呢？在手游营销的调研中，我们通常用它来辅助营销决策和启发创意。

例如，我们准备投放广告，但又不太确定投哪些媒体性价比最高。那么，我们可以做一些调研，借以了解我们玩家的触媒习惯，得到的数据可以作为我们投放决策的参考。

又如，在推广《创造与魔法》的时候，我们在调研问卷中问玩家针对这款游戏的描述关键词是什么。70%以上的玩家选择的关键词是“为所欲为”，而不是我们以前对沙盒游戏的认知中较为普遍的特征——“自由建筑”。这就很奇怪了，为什么会这样？

针对这个问题，我们又做了后续一系列的一对一访谈。由此，我们发现了用户对沙盒游戏的根本诉求。尚记得有个玩家对我说：“造什么房子？我又不是包工头，我要的是自由！”啊，真的是醍醐灌顶！这才恍悟，其他沙盒游戏一直宣传的特点也不是“建造”，而是“自由建造”。自由才是沙盒玩家在游戏中乐趣的来源，而不是纯粹爱上了建房子。于是，便有了《创造与魔法》第一阶段的推广主题“年轻人的理想国”。

问卷还能验证和解决营销中面临的具体问题。例如，定位方向的选择、广告画风的选定；实际营销操作中，针对竞品的打击方向等。

《王牌战争》即将上线推广之际，正是大厂一片混战之时。市场上，《刺激战场》《荒野行动》已经稳占头部位置，都是吃鸡类游戏，拼广告投入肯定是下下策，那么，竞争空间在哪里？应该从何处入手？然后，我们带着问题和玩家开始沟通，获取问卷思路。去了解玩家对现在游戏的体验、看法及需求；选择吃鸡类游戏的原因；在游戏中获得了哪些乐趣；会在何种情况下玩吃鸡类游戏等。

我们得到了一些玩家提供的答案，例如，《刺激战场》是正版授权；《荒野行动》的功能齐全；《王牌战争》感觉很流畅……且慢！流畅？难道不应该是我们的游戏枪感更好吗？这可是研发极力推荐的卖点。《王牌战争》是当时市面上唯一实现了压枪设计的吃鸡类手游，而且子弹射击时从出膛到落点完全根据距离而产生物理抛物线。这些细节难道不应该是玩家最欣赏的地方吗？

于是，第一份问卷需求产生了，即“用户在《王牌战争》中获得的最赞体验是什么”。

最终，我们得到了答案，的确是流畅度。因为其他吃鸡类游戏的安装包普遍都在1G左右，而《王牌战争》只有300M。这样的包体在iPhone 8的玩家面前确实没有什么优势，但对占市场份额43%的千元机玩家来说，这就是决胜点。

作为一款射击类游戏，若想不被其他对手在战场上摧残，《王牌战争》几乎成了唯一的选择。我们还发现，90%的玩家都是在体验过《刺激战场》或《荒野求生》后，发现自己的手机根本没办法正常游戏，才转投我们的。

于是，我们就有了后面的口号——“包体300MB，啥机都能玩！”

2．科学的抽样

在设计问卷之前，先要协调资源，确定好问卷投放的管道。这一点对游戏行业来说，具有天然的优势。传统行业的问卷投放是很耗费精力的，邮寄、拦截，或者媒体投放都需要花费很大的资源量。但游戏很少用到这些，一个游戏内嵌按钮、公众号推荐、媒体活动收集，基本就能收集到你想要的信息。当然，也有其他渠道。总之，整体上比传统行业要容易太多。

通常来看，问卷的样本尽量要选择不同的管道收集。因为，样本量绝对值并不能保证问卷结果的准确性，我们要保证的是样本的代表性、多样性。所以，问卷发放管道尽量分散一些，游戏内、相关论坛、游戏媒体等等。原因很简单，假设有100个苹果，平均分成10个筐，其中有一筐是坏苹果。现在，按照10%的比例抽样调查。如果你只关注百分比，那就有可能拿出一筐坏苹果检查，因为刚好是10个。得到的结论就是，我手上的苹果100%坏了。很明显，这个结果是错误的。为了提高问卷调查结果的准确度，样本框的设计就起到了作用。我们按照样本框的设计，在每个筐内取出相应比例的苹果。这样，你得到的结果就是，我们有10%的苹果坏了。

看到了吧！样本框的设计直接影响到结论的准确度。所以，样本框的设计非常重要。而保证样本框设计合理的原则就是，让每一个样本在调研时被选中的概率相同，哪怕是尽量相同。

关于这个抽样的合理性对比，还有一个真实的案例。

说起调研，全世界最牛的可能还是山姆大叔。20世纪30年代，在美国就已经形成较为成熟的社会调研产业了。由于历届总统大选都比较吸引眼球，所以，非常多的纸媒都展开了民意调查的工作与报道。其中，最有名的是一本叫作《文学文摘》（The Literary Digest）的杂志。他们通过调研，准确预测了1920、1924、1928、1932四年的总统大选结果，也因此成为全美明星杂志。

1936年，他们在对240万普通公民进行调研后，得出结论，确定这一年兰登会当选。但与此同时，一家刚成立不久的研究所（AIPO），通过对5000人的调研得出的结论却是，罗斯福会胜出。起初，大家对此都不以为然，5000人的样本量和240万的样本量根本不在一个级别上。可现实就是这么打脸，罗斯福轻松战胜兰登，连任总统。这家研究所一举成名，而《文学文摘》次年就破产了。

故事很简单，问题是：为什么5000份样本量的调研结果会比240万份样本量的调研结果更加准确？关键就在于，你是否掌握了科学的人群抽样方法。我们要做到的不是每个人都参与调研，而是尽量保证每种人的代表都被采样。

游戏产业中，也有类似的案例：

某款产品在游戏内设计，玩家在购买礼包的同时，也会收到公司的调研问卷。一次，在对游戏内情人节节日礼包做满意度回访时，回收问卷30000份，统计结果是80%的用户感到满意，但那次礼包的销售量却是全年度最差的。

为什么会这样？

因为这次调研只有已购买礼包的玩家才能收到调研邀请，更多的玩家觉得礼包内容与价值不匹配，根本没有参与调研的机会。而花钱购买礼包的玩家，大部分是因为觉得值才买。这种情况下，当然得不到正确客观的调研结果。现在一想，那可真是个蠢到哭的设计，教训！

3．关于问卷设计

说到问卷设计，有好多细节需要注意。如果逐一讲来，又会变得很是碎碎念，就说几点一般书里不提的吧！

▲ 尽量不要设计开放性问题

很多书都说，问卷设计会涉及开放性问题和封闭式问题两种，开放性问题要如何如何，封闭式问题当如何如何。实际操作中，我一般会要求团队放弃开放式问题。对于线上调研来说，一次问卷能回收上千份算正常的。用户量大的游戏，回收上万份也常有。如果设计开放式问题，整理难度将不是一般的大，效率太低。

再讲一个故事。

有一年，A公司要上线一款三国类动作游戏，主要是靠英雄养成收费那种。预计上线之际，A公司打听到竞品公司B的产品上线时间跟他们撞车，且比他们还要早三天。当时，大家都是小公司，在投放资源、商务能力均相似的情况下，很明显，谁先上谁占优。而A公司的研发表示，很难再压缩开发时间。大家一度都表示很无奈。

这时，恰好是B公司的产品最后一次计费删档测试即将结束。A公司营销经理在玩这个游戏的时候，发现B公司居然在做问卷调查。该问卷里就有一道开放式问题：你对这个游戏还有什么建议？

当时，这个游戏的玩家群里就有人反映，游戏中的关羽战力偏强，有点影响平衡。关于这一点，A公司的研发体验评价是，并不算严重，可以在后期再调整。但A公司营销私下找研发人员了解了一下，如果要针对这个英雄做调整，大概要耗时多久，得到的回答是：一星期。

机会来了，A公司营销花了20000块钱做了一件事。他雇佣水军去填那张问卷，其他都不重要，只在那道开放式提问下回答：“关羽太强了，完全玩不下去。”

A公司估计B公司这次问卷回收量大概在1000～1500份左右，所以，他们雇用了2000人。这样，B公司回收的问卷中超过50%的“玩家”会提出“关羽太强”的问题。

这个操作其实没有一定成功的保证，但结果是，A公司成功了！B公司的竞品推迟了四天上线，而原因也正是他们调整了关羽的数值。

这个世界当然不可能都是坏人，但我们自己也应该尽量不让坏人有可乘之机。你说呢？

▲ 善用不同的题型设计“你的问卷让我想起了读书时候的英语考试。”营销经理指着一份设计问卷说。

“我不太懂？”策划有点迷惑。

“只有单选题和多选题。”经理没有卖关子。

“问卷不都是这样吗？”策划更迷惑了。“当然不是，问卷提问方式的合理使用就是设计者水平的体现。”经理很肯定这一点。

你是否也遇到过类似的情况呢？

不熟悉问卷设计的人在出问卷的时候，通常只能想到多选题和单选题，基本没有其他题型。这样设计出的问卷细腻度就会差很多，原本一套题目可以解决的问题，可能要再做一次才能找到答案。所以，善用各种不同的题型设计来达到自己的调研目的，就是不错的选择。

例如，我们想了解玩家的触媒习惯，题目可以是“你平时从哪些渠道获取新闻”，用多选题型确实能得到玩家使用最多的媒体占比。但如果我们用排序多选的模式来设计问卷，不仅能得到最终媒体使用占比，还能知道不同用户对媒体使用的优先顺序。如图2-8：

还有就是一些关于情感、情绪或者状态表达的题目，因为没有量化标准，我们可以把选项增多一些，把情绪的分级划分得更加细腻一些。这样，我们得到的答案也会更准确一些。如图2-9：

还有很多其他题型设计，但大部分都能较容易地从网络或其他书籍中获取，在此，不做赘述。重点是你要意识到这个要点存在。

▲ 问卷分析，给出结论报告

我曾遇到过一个项目。接手的时候，产品已经经历过一次测试。所以，我问：“上次测试有做调研吗？”策划非常自信跟我说：“当然会做调研！”于是，我就看到了一份问卷总结。我问：“这调研的目的是什么？”策划说：“是为了了解用户。”我问：“那结论呢？”策划说：“结论就是，我们这游戏用户的年龄介于16～36岁，男性玩家为主，大学生偏多，而且没什么钱，集中在北上广深苏这些地区……”

这不叫结论，这叫统计！

2014年，我接触过一款SLG游戏。当时，调研结果是97%的用户为男性，30岁以上的玩家占50%以上。策划团队经过一定的了解之后，认为自己已把住了这帮玩家的脉搏：既然是偏男性的游戏，那么，30岁左右的男性喜欢什么？当然是“美女”，而且是“性感美女”。那么，我们就给他们“美女”。

于是，一款由性感火辣的美女形象为主的系列海报就出炉了，满满都是长腿、纤腰，充满了对男性的“诱惑力”。素材都是专业设计大神制作提供的，所以质量过硬。但是，这批素材上线之后，当月用户就开始出现不正常流失，第二个月的流失量居然增加了14%。公司一度以为是游戏中出现了未知的BUG，老板都慌了。经过多方排查，终于在一个老玩家口中得到了真相。他对回访人员说，这套辣眼睛的宣传海报让玩家们觉得这个游戏的档次瞬间就下来了。“我玩这游戏是觉得它能让我感到高智商、高情商的优越感，还能向朋友介绍这是一款精英人群玩的游戏。现在，你们这广告一放，我都不好意思跟朋友说自己在玩什么了。”真是一语惊醒梦中人啊！

这就是只看到了数据，却没做分析的结果；或者说，还不懂得该如何分析数据。而这些原本都是有方法可依的。

说几个控制变量的方法。

我们在做一款自走棋时，经历过一次版本调整。结果调整之后，玩家反馈各种套路中的“野兽刺”太强，影响平衡，不喜欢现在的版本。于是，我们做了一次调研。结果如下（以下仅为举例需要，非真实数据）：

从数据看，感觉还好啊！没有想象中那么严重。于是，我们在这个态度中增加了一个变量。这些喜欢和不喜欢的玩家中，主播占多少？非主播玩家占多少呢？结果如下：

这么一来，我们就清楚了。得到的反馈中，原来是主播们不喜欢调整后的版本偏多。获得这些主播的反馈比获得普通玩家的反馈要更加容易，所以，才有了这种感觉上的偏差。那么，现在问题来了。讨厌新版本的主播到底是一些什么样的人呢？或者，讨厌新版本的玩家都是一些什么样的人呢？我们不清楚，但可以考虑再次增加一个变量，看看数据的变化如何。例如，我们把玩家段位加入其中。调查结果如下：

我们发现，讨厌新版本最多的是一些钻石段位以下的主播或玩家。下面，我们要做的就是了解清楚为什么他们会讨厌，是改变后的机制对他们游戏造成了困扰吗？

不管结果怎样，前期的数据分析已经告诉我们足够多的信息。

我们还可以继续增加或调整数据的变量，以得到不同的数据模型。例如，讨厌新版本的主播中，有多少是虎牙平台的主播、有多少是斗鱼平台的主播；又或者，喜欢新版本的玩家中，有多少是北京的玩家、有多少是上海的玩家等等。我们就是通过调整这些变量来发现数据间的相互关系，并从关系中发现问题、了解问题，再通过科学的办法去解决这些问题。

还有其他分析方法吗？当然有！例如，回归分析法、因子分析法等等。如果你感兴趣，可以专门找一些关于统计和数据分析的资料去学习。这里就不说啦，否则，又是一本书的厚度。

对，还有！

在一次分享课时，有人问我：“我们用问卷星做调研，但里面没有这些功能啊，怎么办？”有条件的公司可以自己开发一些专门用于自身分析数据的工具，没有自主开发条件的，网络上也有很多数据分析软件，可供使用。当然，有些是收费的，你也可以找找免费使用的数据分析软件，这并不算难题。