编辑导语：在产品的后续迭代优化过程中，用户体验及用户需求是十分重要的参考因素，用户需求的有效分析有助于推动产品后续的用户留存。本篇文章里，作者介绍了IPA，即重要——表现程度分析法，并结合实际案例总结了IPA需求分析方法，一起来看一下。

一、背景

假设你的公司计划对 A产品 进行体验优化，通过深度访谈后收集到目前用户体验面临的一些问题，但样本量太少不足以支撑版本迭代改造的决策，希望通过调查问卷的形式，收集更多的反馈，判断出体验优化的优先次序。

二、问卷设计

本阶段略过访谈收集可优化“体验要素”的过程，直接进入问卷设计。

问卷的目的是为了获知体验优化的优先次序，所以问卷针对A产品中“体验要素”分别提问重要程度以及体验情况2个问题，如下所示。

1. 重要程度：你认为以下要素对体验A产品的重要程度如何？
2. 体验感受：你使用A产品过程中对以下要素体验感受如何？

▲ A产品体验调查问卷

1. 问卷量表

计分采用7点量表。

• 重要程度：1分（非常不重要），2分（不重要），3分（有点不重要），4分（一般），5分（有点重要），6分（重要），7分（非常重要）。
• 体验感受：1分（非常不满意），2分（不满意），3分（有点不满意），4分（一般），5分（有点满意），6分（满意），7分（非常满意）。

2. 问卷发放

问卷通过腾讯问卷定向发放给有A产品使用体验的用户，共回收145份有效问卷。

注意，需要剔除全部是同一答案的问卷，以免对整体样本造成干扰。如果后续继续进行因子分析，Gorsuch（1983）建议问卷回收样本数应为量表题5~10倍，且样本量大于100（邱皓政，2000）。

▲ 调查结果表

好，问卷收集&清理完，下面可以进入本文的重点内容，数据分析环节。先简单介绍一下使用的IPA分析方法。

三、IPA介绍

重要——表现程度分析法（Importance-Performance Analysis，简称IPA），常用于了解顾客对公司组织所提供的商品或服务表现的主观感受。

通过IPA分析结果可以知道，公司提供的商品或服务属性坐落在哪个象限之中，协助了解商品或服务的优劣势；同时找出商品或服务属性改善的优先顺序，将有限的资源先投注在顾客重视的属性层面，借以增进公司的绩效表现。

坐标以重要性与满意度作为评估的基础，绘制出二维的矩阵图形，分成四个象限。

1. 象限定义

▲ IPA四象限

• 第一象限（A）：表示重要程度与表现程度皆高，要点落在此象限的属性应该继续保持（keep up the good work）；
• 第二象限（B）：表示重要程度低而表现程度高，落在此象限内的属性为供给过度（possible overkill）；
• 第三象限（C）：表示重要程度与表现程度皆低，落在此象限内的属性优先顺序较低（low priority）；
• 第四象限（D）：表示重要程度高但表现程度低，落在此象限内的属性为供给者应加强改善的重点（concentrate here）。

2. 绘制步骤

1. 绘制工具使用Excel就可以，也可以使用SPSS或其他工具。
2. 以重要度作为X轴，表现度作为Y轴；
3. 通过分割中点把坐标轴形成四个象限，分割中点以全部题项平均数表示，一个平均重要度，一个平均表现度。

四、IPA分析

1. 步骤1

先对全部题项进行平均数计算，利用Excel计算平均数的函数=AVERAGE（），结果保留2位小数即可。

计算出一个后应用公式，得到其他单个题项的平均数。

▲ 计算各题项平均数

2. 步骤2

整理数据到新的sheet方便后续绘图，求得总体平均重要度和平均表现度，同样使用=AVERAGE（）计算就可以。

可以得到平均重要度=5.55，平均表现度=5.39。

▲ 计算重要度&体验感受平均数

3. 步骤3

绘制体验要素分布散点图，先框选需要用到数据，左边数据为X轴，右边数据为Y轴。然后选择插入，选择散点图。

▲ 插入散点图

这时候，你可以得到“A产品体验要素”分布情况。

▲ A产品体验要素分布图

4. 步骤4

接下来就是需要分割中点把坐标轴形成四个象限。点击图中对应的X轴和Y轴，根据重要度和体验感受平均分，设置坐标轴值。

如下图所示，为清晰展示，可以把表格线也一起去掉。

▲设置X轴坐标

▲设置Y轴坐标

▲ 去除图标网格

5. 步骤5

最后把分布点可视化，把每个坐标的数据与要素名称对应显示出来。先选中任意一个点，右击进行添加数据标签。

▲ 添加数据标签

这时候要素点会出现Y轴对应的数据，这个并不是我们最终需要的效果。你可以选中任意点右键，进行设置数据标签格式。

▲ 设置数据标签格式|来源：Guofu自制

勾选单元格中的值，接着选中需要匹配的单元格，点击确定。

▲ 设置单元格中的值-1

最后，你需要把Y轴、显示引导线去除勾选，你就可以得到下图的效果。

▲ 设置单元格中的值-2

6. 步骤6

稍加美化，这个时候你就可以进行数据解读了。

▲ IPA分析结果

从图中可以看出对于A产品的体验而言，调研结果落在D区域（改善重要）的要素为：页面打开速和数据安全；C区域（次要改善）的要素为：客服服务态度、客服服务速度和处理Bug及时。

处理的优先级可以依据D区域>C区域>A区域>B区域进行规划。如果不存在DC区域，进行A区域的优化，有机会可以给用户带来惊喜。

五、总结

做任何调研工作，核心的目标都是发现问题，通过问题找到改善的方向。所以，IPA相比其他的分析方法而言简单易用，在产品经理、用户研究、设计师等日常工作中可以快速应用。

这是我最近做课题研究使用到的一个分析方法，数据为真实课题调研收集，具备实证意义，分享给你。

公众号：龙国富，分享用户研究、客户体验、服务科学等领域资讯，观点和个人见解。每周日原创更新，与你一起探索未知。

本文由 @龙国富 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议