我們舉一個真實例子，下個月端午節，領導安排要做一個方案。任務下來，小A二話沒說就開始做了。搞了兩天，把方案交上去，卻被領導瞬間懟回來，“你的活動目的是什么，這和上一次的活動有什么不同，是否可以幫助銷量的提升？”幾個問題過來，小A已經蒙了，想想還是回去重新寫吧。但是幾個方案下來總是不能讓老板滿意。

　　根據80/20法則，我們不可能把精力平攤到每一件事情上，我們只需要集中力量處理其中20%的問題就可以了，因此我們需要從紛繁復雜的因素中逐步明晰其中的關鍵要素。當然有一些我們可能還不太確定，那么就需要通過接下來的調研去解決掉。

　　簡單來說了，定性研究主要回答“是什么”和“為什么”的問題，是對種類或者質的差異的分析，同時還可以深入探索背后的原因，一般通過對信息進行邏輯的梳理，推斷事物之間的關系。而定量研究回答“是什么”，“是多少”的問題，一般通過數字或者實證模型將相關引子進行量化分析。

　　定性研究與定量研究不同的特點也決定了二者在支持重大決策的能力上，定量的位置會比定性的位置稍高。原則上，當定量研究與定性研究并行之時（配合解決同一個問題，面對相同的調研人群），只要定量研究的樣本數量達到基本的統計要求，結論會以定量為主要方向。最典型的例子就是在傳統的車展調研中，人流量統計與神秘顧客搜集的展臺資料，都需要與定量攔截訪問中展臺的評分能夠相互對應，這不光是結論的要求，也是檢驗項目質量的重要標準之一。

　　這種調研的方法非常重視邏輯性，可能在具體呈現上會考慮到填寫者的感受，但是整體設計需要嚴格符合邏輯。在實際操作上需要先設計篩選類問題，你是否使用過我們的產品。然后把簡單的不用動腦的問題放在前面，隨著被調查者的逐步適應調查，在最后可以放一些相對敏感類問題，比如被調查者的性別、年齡、居住地、工作狀況、收入、家庭情況等一系列私人問題。這些問題有利于市場細分和產品定位，所以不得不問。所以一般會放到問卷的最后。

　　定量分析常用的分析方法有描述性統計，均數比較分析，相關性分析，因子分析等，前面2個都是日常用的比較多的方法，后面2個需要用到專門的統計軟件（如：SPSS）。這些都只是工具，重要的還是緊抓調查的目的，洞悉數字之間的關系。

　　龐雜的數據很容易讓人感到崩潰，這時候需要根據調研的目的進行內容有效整理，將結論羅列清楚，不能亂。結論其實就是解決方案的起點，嚴謹地去掉有可能存在偏差的結論，留下可信度較高的結論，從而設想可能的方案進行有效評估。實施的過程最好進行A/B測試，然后制定時間表和預算方案，每天記錄實施過程，把控實施的方向，執行PDCA循環。