被忽略的信号：合作满意度调研里藏的真问题

上个月在南京仙林的产学研对接会上，碰到一个做智能制造转化的项目负责人，吐槽起去年做的调研，憋了一肚子气。 回收了两百多份问卷，九成打了四分以上，平均满意度快4.3，团队还拿着分数报了奖，结果今年续合作的时候，一半合作方说不玩了。 谁能想得到。

从设计根子里错了

很多人做调研，上来就先摆一个问题：你对本次合作是否满意，然后给个1到5分的选项，最后加个开放栏“请提出宝贵意见”，一张问卷就做完了。 这种单一整体评分的设计，从根子里就错了。满意度从来不是一个均质的概念，你把过程摩擦、成果匹配、关系维护、后续预期混在一个分数里，最后拿到的只是一团模糊的数字，什么也说明不了。 举个最常见的情况，项目成果达标，甲方负责人对结果满意，但对接的经办人三个月改了八次需求，对接人换了三波，打款走流程走了两个月，经办人对过程一肚子不满，最后填表的时候，碍于身份打了个三分，平均下来还是高分，你根本看不到背后的矛盾。 产学研合作满意度调研错误问卷设计示例 真实的满意度是分层的。有人在乎结果能不能达标，有人在乎过程沟通顺不顺畅，有人在乎规则公不公平，不同角色的诉求天差地别。把所有人所有维度揉成一个分数，本质上就是自欺欺人。 说实话，很多人做调研本来就不是为了找问题，就是为了拿一个好看的分数交差，对吧？那当然没问题，要是真想拿到有用的信息，第一步就得推翻这种懒汉设计。

挤掉数据里的水分

哪怕设计对了，数据里也全是坑。最常见的两个坑，就是社会期望偏差和幸存者偏差。 填问卷的人大多是双方对接的经办人，抬头不见低头见，哪怕一肚子不满，也不好意思打个一分两分，最差给个三分，真不满意说不定干脆不填，最后回收的问卷里，低分本来就少，数据自然虚高。 幸存者偏差更隐蔽，大部分调研只发给当前还在合作的对象，那些已经终止合作、中途跑路的，根本没人想着给他们发一份问卷，最后所有数据都来自还留在局里的人，分数怎么可能低？ 之前南京农业大学做涉农技术推广对接，连续三年调研平均满意度都在4分以上，团队一直觉得自己做得不错，直到前年把所有终止合作的项目都纳入调研范围，还改了填答规则，才发现真实平均满意度不到2.9。 问题出在哪？大部分科研团队出来做转化，只盯着自己的论文参数，不愿意给农户改适配本地土壤的品种参数，对接的时候全是学校行政对接，有问题找不到解决的人，这些不满全被之前的调研藏住了。 怎么挤水分？其实方法不复杂，用分层填答法就解决了大半：甲方经办人填对接过程维度，甲方负责人填成果匹配维度，乙方技术填沟通协作，乙方商务填款项兑付，不同角色答不同的题，全部做匿名处理，没人有负担，真话自然就出来了。 合作满意度调研多角色分层填答框架图 还要加一小部分测谎题，比如一道问“合作过程中沟通从未出现滞后”，另一道反向问“合作过程中沟通经常出现滞后”，两道题答案矛盾的，直接剔除，省得乱填的垃圾数据干扰结果。

数据的真正用法

数据的真正用法 很多人拿到数据，算完平均分，做个柱状图，就往文件夹一丢，再也不看了。 这是最大的浪费。这个东西从来不是用来证明你做得好的，是用来补坑的。 我之前认识一个做芯片设计外包的团队，做完调研发现，所有不满都集中在一个点：交付后的bug响应太慢，改个小问题要等三天，设计本身的分数都很高，就是售后跟不上。他们本来还想招新的设计工程师，看完结果转而去加了一个专门的售后技术对接岗，第二年续约率直接涨了三成。 当然也有应用边界，不是所有合作都要大张旗鼓做调研。单次小项目，金额低时间短，犯不上兴师动众，做了反而浪费成本。只有长期合作、多轮对接的项目，或者需要攒资源攒口碑的模式，调研才有用。 也别搞过度设计，把问卷搞出五六十道题，谁有空给你认真填？核心问题控制在15道以内，开放题只留一道就够：“本次合作，你最希望我们调整的一件事是什么？”别问“你有什么意见”，问这种问题，九成你拿到的都是“没有意见，挺好的”这种废话。 现在很多人喜欢用AI分析开放题，效率确实高，但AI会把情绪化的表达磨平，有人填“对接人半个月找不到人，急死个人”，AI会归类成“沟通不及时”，看起来整齐，但那股子情绪没了，你就感受不到问题的严重程度。所以一定要留十分之一的原始回答自己看，那些带情绪的细碎表达，才是最值钱的信号。 不过话说回来，数据也不是万能的。有合作了五六年的老伙伴，这次突然打了低分，不一定是要跟你分手，说不定就是这次项目出了点岔子，等着你主动过来问一句，解决了就没事了。要是看到低分直接把人划进不满意名单，反而把老交情作没了。 调研最终看的还是人，不是数字。你真的在乎合作方的感受，哪怕只做十份问卷，也能拿到真东西；你只是想走个流程拿个高分装样子，发一千份也是白搭。