免费 · 无需注册 · 文件不上传
市场研究工具
从数据清洗到 TURF、惩罚分析、关键驱动和市场细分，所有工具都在你的浏览器中运行：数据文件只在当前标签页读取，不会上传到服务器。每个工具都附带示例数据、计算方法和参考文献。
八个工具 · 示例数据实算
打开即可使用，结果当场可见。
下方数字来自合成零食品牌数据（600 名受访者），与各工具中“使用示例数据”的结果完全一致。
TURF 分析计算器
找出能覆盖最多受访者的产品、口味或功能组合，并查看每增加一个项目能带来多少新增覆盖。文件只在浏览器本地处理。
80.3%最佳 3 口味组合覆盖率
问卷数据清洗工具
上传问卷数据，自动标记答题过快、矩阵题直线作答、重复提交和大面积空白的样本，逐行说明标记原因，再下载清洗后的文件。全部在浏览器本地完成。
54/ 600 行被标记
关键驱动因素分析（相对重要性）
当各项属性评分彼此相关时，找出哪些属性对总体满意度影响最大。用 Shapley 值和 Johnson 相对权重把 R² 分配到每个驱动因素，并生成优先级矩阵。
- 品质30.6%
- 服务24.9%
- 价格18.4%
NPS 计算器
输入推荐者、被动者和贬损者人数，或直接打开问卷数据，得到净推荐值、误差范围、两组显著性检验和按细分群体的 NPS。
−14.595% 区间 −20.8 至 −8.2
问卷样本量计算器
先定好可以接受的误差范围，再决定要回收多少份有效问卷；也可以由已有样本量反推误差范围，或为两组比较估算每组样本量。
385份有效问卷 · ±5% · 95%
惩罚分析（JAR 恰好量表）
找出哪些产品属性在“太弱”或“太强”时让总体喜好度下降最多，并按 20% 行动线判断是否值得调整配方。文件只在浏览器本地处理。
40.8%认为“太甜”，喜好度下降 1.65 分
市场细分工具
用 K 均值聚类把答题模式相近的受访者分成若干细分群体，比较不同群数的方案，描述每个群体的特征，并导出带细分列的数据。
打开工具问卷值标签映射工具
把问卷平台导出的 1、2、3 等数字编码批量换成受访者实际看到的选项文字，合并类别，再导出可直接做交叉分析的 CSV。
打开工具分析
产品组合、属性优化、驱动因素与细分——常见市场研究分析都可以直接在浏览器完成。
- TURF 分析计算器找出能覆盖最多受访者的产品、口味或功能组合，并查看每增加一个项目能带来多少新增覆盖。文件只在浏览器本地处理。
- 惩罚分析（JAR 恰好量表）找出哪些产品属性在“太弱”或“太强”时让总体喜好度下降最多，并按 20% 行动线判断是否值得调整配方。文件只在浏览器本地处理。
- 关键驱动因素分析（相对重要性）当各项属性评分彼此相关时，找出哪些属性对总体满意度影响最大。用 Shapley 值和 Johnson 相对权重把 R² 分配到每个驱动因素，并生成优先级矩阵。
- 市场细分工具用 K 均值聚类把答题模式相近的受访者分成若干细分群体，比较不同群数的方案，描述每个群体的特征，并导出带细分列的数据。
- NPS 计算器输入推荐者、被动者和贬损者人数，或直接打开问卷数据，得到净推荐值、误差范围、两组显著性检验和按细分群体的 NPS。
- 列间显著性字母在交叉表中用字母标记列与列之间的显著差异。
- 多选题交叉分析正确设置多选题的基数与百分比。
- 问卷加权（Raking）按总体结构迭代加权，并检查有效样本量。
- 追踪研究波次检查比较各波次的变量、标签与编码是否一致。
- 开放题编码（英文）为开放式回答建立编码框架并汇总。