mc-skills/catalog

Fork 0

mc-skills c8e8049202 catalog: 更新 2026-04-06 19:01

2026-04-06 19:01:37 +08:00

8.8 KiB

Raw Permalink Blame History

AI问卷全流程分析工具

问卷分析 数据分析 文本分析 自动化 AI工具

📊 Survey Research — AI 驱动的问卷全流程自动分析工具

问卷研究全流程自动化分析 Skill —— 基础统计 + 交叉分析 + 归纳式文本分析 + 多格式报告

⚡ 安装

✨ 一键安装（npx）

⚠️ 注意：需要 Node.js >= 18

npx skills add 2811jh/survey-research

# 指定 Agent
npx skills add 2811jh/survey-research -a claude-code

# 全局安装
npx skills add 2811jh/survey-research -g

# 安装到所有 Agent
npx skills add 2811jh/survey-research --all

# 其他管理命令
npx skills list      # 查看已安装
npx skills check     # 检查更新
npx skills update    # 更新
npx skills remove survey-research  # 卸载

✨ 手动安装

⚠️ 注意：npx skills 会将 skill 安装到 ~/.agents/skills/ 目录。如果你的 Agent（如 Claude Code）使用的是 ~/.claude/skills/ 目录，请使用下方的手动安装方式。

如果你使用的是 Claude Code / CodeMaker，直接通过 Git 安装到原生 skills 目录：

# macOS / Linux
git clone https://github.com/2811jh/survey-research.git ~/.claude/skills/survey-research

# Windows
git clone https://github.com/2811jh/survey-research.git "%USERPROFILE%\.claude\skills\survey-research"

如果你使用的是 Cursor / Cline / Codex 等其他 Agent：

# macOS / Linux
git clone https://github.com/2811jh/survey-research.git ~/.agents/skills/survey-research

# Windows
git clone https://github.com/2811jh/survey-research.git "%USERPROFILE%\.agents\skills\survey-research"

更新到最新版本：

cd ~/.claude/skills/survey-research && git pull

🔧 环境要求

Python 3.8+（用于执行分析脚本）
Python 依赖：pandas、numpy、openpyxl（Word 报告额外需要 python-docx）

pip install pandas numpy openpyxl python-docx

一、这是什么？

这是一个 🤖 AI 驱动的问卷全流程分析工具——从基础统计到交叉分析到文本编码，一句话搞定。

我们做用户调研时，问卷回收后要做的事情太多了——频率统计、人群差异对比、开放题归纳、写分析报告、排版 Excel……每一步都是重复劳动，每一步都在消耗你的精力。

😩 传统流程有多痛？

先在 Excel 里拉频率表，再用 SPSS 跑交叉分析，然后手动逐条读几千条开放题贴标签、分类、统计，最后还要把所有发现整合成一份有洞察的报告。十几道题交叉下来，一天就没了。

✨ 现在只需一句话：

「帮我分析 xxx.xlsx 问卷数据，对比不同性别和职业的差异，看看文本题中玩家的建议，生成报告」

AI 就会自动完成全部流程：

📂 加载数据 → 🏷️ 智能识别题型 → 📊 基础统计 → 🔀 交叉分组对比 → 📝 300条文本抽样编码 → 🧩 主题维度聚合 → 📋 撰写洞察报告 → 📁 导出全套 Excel + Markdown

你只说一句话，工具跑完五个阶段。中间不打断、不追问、不需要你操心任何参数。

二、核心优势

🚀 1. 全流程自动化 — 10 分钟替代两天活

传统方式	现在
基础统计：手动建频率表 → 2小时	一键生成 → 30秒
交叉分析：SPSS 配置+逐题对比 → 半天	自然语言指定分组 → 2分钟
文本编码：逐条读+贴标签+归类 → 1~2天	AI 抽样300条归纳式编码 → 5分钟
整合报告：拼数据+写结论+排版 → 半天	自动生成含策略建议的完整报告 → 1分钟

以前要两个工作日才能交付的分析报告，现在一杯咖啡的时间就出来了。

🧠 2. 自然语言交互 — 零学习成本

不需要 SPSS，不需要写公式，不需要配置参数，不需要学任何新软件。用中文说人话就行：

「分析这份问卷，按满意度分成满意、一般、不满意三组做交叉分析，顺便看看开放题的建议，最后给我一份 Word 报告」

甚至可以更随意：

「帮我看看不同性别玩家有啥区别，文本题也分析一下」

工具会自动理解你的意图、找到正确的列、选择合适的方法，然后一口气跑完。

🔬 3. 文本分析用真方法 — 不是关键词云

市面上大多数工具做文本分析，要么生成词云，要么预设几个分类往里塞。这个工具用的是正经的归纳式编码方法（扎根理论）：

随机抽样 300 条有效文本
逐条阅读、逐条打标——不预设任何框架
让主题维度从数据中自然涌现
合并同义标签，聚合为 4-8 个核心维度
统计占比，选取代表性原声

先看数据再分类，不是先分类再塞数据。 这是研究方法论上的根本区别。

📊 4. 专业报告输出 — 拿来即用

一次分析，自动生成全套交付物：

产出	内容
📋 Markdown 报告	关键发现 + 交叉洞察 + 文本主题 + 策略建议，结构完整、逻辑清晰
📁 基础统计 Excel	样本概况 + 各题频率分布，含 DataBar 可视化
📁 交叉分析 Excel	列百分比表 + 得分分析 + 差异摘要，精美排版
📁 文本分析 Excel	总结概览 + 逐条标注明细，每条文本都标了属于哪个维度

还不够？一句话转格式：

「请把报告转成 Word」 → .docx 「导出成 Excel」 → .xlsx 「给我纯文本版」 → .txt

Markdown / Word / Excel / TXT，想要什么格式就什么格式。

🎯 5. 智能识别题型 — 零配置开箱即用

扔进去一个 Excel 或 CSV，工具自动识别：

✅ 单选题、多选题（自动展开子选项）
✅ 量表题（自动计算满意度均值 / NPS 得分）
✅ 文本题（自动归纳编码）
✅ 元数据列（自动排除，不污染分析）

不需要你标注哪道是单选、哪道是多选、哪道是文本。 全部自动搞定。

三、一句话总结

你负责提问，AI 负责分析。 从 13,000 条问卷数据到一份完整的分析报告，全程自动化，中间零操作。把时间花在读洞察、做决策上，而不是花在拉表格、贴标签上。

📁 项目结构

survey-research/
├── SKILL.md              # Skill 主文件（触发入口 + 完整工作流程）
├── scripts/              # Python 自动化脚本
│   ├── load_and_classify.py   # 数据加载与题型分类
│   ├── basic_stats.py         # 基础统计分析
│   ├── crosstab.py            # 交叉分析
│   ├── text_extract.py        # 文本提取与抽样
│   ├── text_export.py         # 文本分析 Excel 导出
│   ├── report_export.py       # 报告格式转换（md→docx/xlsx/txt）
│   ├── survey_download.py     # 问卷数据下载（支持国内/国外平台）
│   ├── refresh_cookie.py      # Cookie 自动刷新
│   ├── _styles.py             # Excel 样式工具
│   ├── config.json            # 平台配置（自动生成，含 cookie，已 gitignore）
│   └── requirements.txt       # Python 依赖
└── references/           # 方法论参考文档
    ├── 00-index.md            # 索引与导航
    ├── 01-thematic-analysis.md    # 主题分析六步法
    ├── 02-affinity-mapping.md     # 亲和图法
    ├── 03-triangulation.md        # 三角验证
    ├── 04-interview-analysis.md   # 定性分析框架
    ├── 05-survey-interpretation.md # 定量数据解读
    ├── 06-qual-quant-integration.md # 定性定量融合
    ├── 07-persona-development.md   # 用户画像
    ├── 08-opportunity-sizing.md    # 机会规模量化
    ├── 09-survey-download.md      # 问卷下载操作指南
    ├── 10-survey-clean.md         # 问卷数据清洗规则
    └── 11-survey-cookie.md        # Cookie 处理与自动刷新

📊 输出文件

文件	内容
`{文件名}_分析报告.md`	Markdown 综合报告（含关键发现、策略建议）
`{文件名}_分析报告.docx`	Word 版报告（按需生成）
`{文件名}_基础统计.xlsx`	各题频率分布详细数据
`{文件名}_交叉分析.xlsx`	分组差异对比数据
`{文件名}_文本分析.xlsx`	文本维度总结 + 逐条标注明细

🤝 兼容性

基于 Agent Skills 规范，兼容以下 Agent：

✅ Claude Code / CodeMaker
✅ Cursor
✅ Codex
✅ Windsurf
✅ Cline / Roo Code
✅ 以及更多 Agent

📄 许可证

MIT

8.8 KiB Raw Permalink Blame History Unescape Escape