藏在数据里的暗坑：重新认识合作满意度调研

上个月0923南京江宁的产学研对接茶歇上，碰到一个做汽车零配件的生产厂长，吐了一肚子苦水。 去年找第三方做了一轮，拿到的结果很漂亮，均分快88分，大部分供应商都勾选了满意或非常满意。结果年底开供应商大会，三个核心配套商当场说，明年给你们的产能降25%，你们账期太长，我们垫不起。他当时整个人懵了。

我们拿到的大多是虚假满意数据

为什么会出现这种情况？绝大多数调研从设计阶段就错了。默认受访者会说真话，默认满意度可以用一个总分概括，默认满意等于愿意继续合作。这三个前提，没一个站得住脚。 第一个，人情社会里，给长期合作的伙伴打低分，本身就是需要勇气的事。对接人拿的是对方对接人递的烟，一起吃过好几次饭，怎么好意思勾选不满意？哪怕真有不满，也多半选个一般，给彼此留面子。 时机也不对。刚完成一个项目，双方还在客气阶段，你转头就发调研，谁会对着刚喝完庆功酒的伙伴扎针？等过半年，问题攒了一堆，没人想起再问一句。 还有题目设计的坑。几乎所有通用问卷，都是模糊化的正向设问，把沟通、交付、付款、售后所有问题揉成一团，最后出来一个模糊的分数，具体哪出问题了，根本看不到。 制造业供应商合作满意度虚假数据分布直方图

锚定真实感受的核心：拆分而非汇总

要拿到真实结果，第一步就要扔掉「总得分」这个执念。把合作拆成一个个具体的、可落地的节点，每个节点单独测感受，不要揉在一起。 比如产学研合作，不要问笼统的整体感受，要拆成：课题立项阶段目标沟通清晰度、合作过程中月度对接及时性、经费拨付节点准点率、知识产权分配约定清晰度、成果转化阶段配合度，每个节点单独问，谁好谁坏一眼能看到。 反例随处可见。去年接触过一个地方高校的合作处，每年做一次年度调研，汇总满意度常年在90分以上，整理旧档案的时候翻开放题栏，才看到有五个课题组都提了「企业经费经常拖3个月以上，课题组买试剂都要垫钱」，汇总的时候这些负面信息被平均掉了，没人当回事，最后三个课题组直接终止了和这家企业的所有合作，校方才后知后觉。 拆分还要分主体。对接岗的感受和决策层的感受，完全是两码事。对接岗天天和你方人员对接，改方案改到崩溃，对你方的沟通效率一肚子火；决策层只看最后有没有拿到符合要求的成果，觉得一切顺利。如果把两类人的问卷混在一起统计，低分被高分稀释，最后得到的还是虚假结果。 当然，拆分也有边界，不是拆得越细越好。拆到具体合作节点就停，拆到每个对接人员的个人喜好就过度了，那不是调研，是内部八卦，对改进合作没任何用。 产学研合作节点满意度拆分调研表示例

落地时容易踩的三个隐形边界

落地时容易踩的三个隐形边界 第一个边界，不要拿一套量表套所有合作类型。To B供应商合作最在意的是账期、交付稳定性、质量合格率；异主体产学研合作最在意的是权利分配、信息透明度、经费及时性；项目制外包合作最在意的是需求变更灵活性、验收标准清晰度。你拿给供应商的问卷去问产学研合作的对象，关键问题没问到，出来的分数再好看也没用。 第二个边界，不要刻意回避负面问题。很多调研设计的时候，怕得罪合作方，全是正向题，连开放式提问都不敢放，就怕收回来一堆抱怨不好交差。说实话，调研本来就是来找问题的，不是拿好看的分数做PPT给老板看的。上次那个厂长，后来翻当时回收的问卷，开放题里三个要走的供应商都写了「付款流程长达60天，远超行业平均水平，现金流压力过大」，当时负责整理数据的人觉得这是小问题，没放进汇总报告里，最后闹到产能砍半才追悔莫及。 第三个边界，不要把调研结果当终点。太多机构做完调研，算完分数，把报告往文件柜一锁，这事就结束了。调研本身不产生任何价值，针对低分节点的调整才是。 不过话说回来，也不是说分数完全没用，分数可以做长期对比，今年比去年低了，说明哪里出问题了，单一年份的绝对分数，没多大意义。 现在有个新趋势，用客观行为数据辅助主观调研，比如统计双方对接的平均响应时长，需求变更的次数，合同履约的偏差率，这些客观数据不会骗人，比受访者打出来的分数靠谱很多。但也不能完全替代主观调研，比如合作双方的信任度，对接过程中的顺畅感，这些软感受，还是要通过主观提问才能拿到。 别为了好看的分数做调研。那些藏在模糊数据里的小不满，攒得多了，就是掀翻合作的大浪。