一、先搭框架：满意度分析的三个层次
满意度调研的分析不能从平均分直接跳到结论，建议按"整体—维度—指标"三层展开。整体层回答总体满意水平与NPS值，维度层定位优势与短板，指标层找出具体驱动因素，层层递进才能形成有说服力的证据链。
- 整体层：总体满意度均值、分布结构、NPS净推荐值
- 维度层：各维度得分排名与差异显著性检验
- 指标层：关键驱动因素回归、重要性—满意度四象限分析
二、数据处理：清洗、加权与交叉分析
原始数据需剔除答题时长异常、规律作答与缺失值过多的样本，再依据人口结构或业务口径做加权。交叉分析常用于比较不同渠道、客户类型与地区的满意度差异，配合t检验或方差分析判断差异是否真实存在。
| 分析环节 | 常用方法 | 输出结果 |
|---|---|---|
| 描述统计 | 均值、标准差、分布 | 满意度基线 |
| 差异比较 | t检验、方差分析 | 群体差异结论 |
| 驱动识别 | 回归、四象限图 | 优先改进项 |
三、结论提炼：从数据到可执行建议
报告结论要对应前文分析层次，避免堆砌图表。每个结论都应给出"现状—原因—建议"三段式表述，并标注支撑数据来源。改进项可按影响程度与实施成本排序，形成优先级清单，便于业务方落地执行。
四、常见问题与检查清单
常见问题包括指标口径不一致、样本代表性不足、结论与数据脱节。定稿前建议逐条核对：样本量是否达标、量表信效度是否通过、图表与正文是否一致、建议是否具备可操作性。规范的结构与严谨的论证是报告获得信任的基础。