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
⚠️ 注意：1.需要 Node.js >= 18 ；2.裸命令会进入交互式多选 UI，而该 UI 需要 按空格键 勾选 agent（仅按回车不会勾选！）。
npx skills add 2811jh/survey-research# Claude Code 用户（装到 ~/.claude/skills/）
npx skills add 2811jh/survey-research -g --agent claude-code -y
# CodeMaker 用户（装到 ~/.codemaker/skills/）
npx skills add 2811jh/survey-research -g --agent codemaker -y
# 一次装到多个 agent
npx skills add 2811jh/survey-research -g --agent claude-code,codemaker,cursor -y
# 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
⚠️ 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- Python 3.8+（用于执行分析脚本）
- Python 依赖：
pandas、numpy、openpyxl、requests、jinja2（Word 报告额外需要python-docx）
pip install pandas numpy openpyxl requests jinja2 python-docx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。
| 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。
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。
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。
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。
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。
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。
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
│ ├── html_report.py # HTML 问卷结果报告一键生成（每题柱状图+结论，默认报告格式）
│ ├── 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
│ └── templates/
│ └── satisfaction_report.html # HTML 报告 Jinja2 模板
└── 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
├── 12-crosstab-workflow.md # 交叉分析完整执行步骤
├── 13-text-analysis-workflow.md # 文本分析完整执行步骤
├── 15-satisfaction-report.md # 报告生成框架与指标计算
└── 16-compare-workflow.md # 多期对比分析流程
---
## 📊 输出文件
| 文件 | 内容 |
|------|------|
| `{问卷名}_调研报告.html` | HTML 问卷结果报告（每题柱状图+自动结论+分群对比，单文件离线可用） |
| `{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（由问卷系统统计报表或本地脚本生成） |
| `{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](https://agentskills.io)，兼容以下 Agent：
- ✅ Claude Code / CodeMaker
- ✅ Cursor
- ✅ Codex
- ✅ Windsurf
- ✅ Cline / Roo Code
- ✅ 以及 [更多 Agent](https://github.com/vercel-labs/skills#supported-agents)
## 📄 License
MIT