table导入数据集

把电子表格变成 洞察

导入包含客户原声、问卷开放题回答、客服工单或社交媒体帖子的 CSV 或 Excel 文件。Skimle 会阅读每一条回答,构建主题,展示各细分群体之间的差异,并把发现整理成演示文稿。

预约演示

免费试用含 200 积分,约可分析 6,000 条简短回答。无需信用卡。

1

告诉 Skimle 每一列是什么

每一行成为一条回答,每一列被赋予一个角色。文本列成为 Skimle 分析的内容。日期、评分、细分群体和国家成为可用于筛选和比较的元数据。不需要的列直接略过即可。

2

逐条阅读,而非抽样

Skimle 会逐条处理整个数据集,记录每条回答说了什么,因此第 11,902 行的评论与第 12 行的评论同样重要。不会根据关键词猜测,也不会为了塞进上下文窗口而丢弃任何内容。

3

自下而上构建主题

已编码的回答会被归入层级化的主题,每个主题都附有数量、摘要和背后的原声。您可以重命名、合并或拆分主题;如果已有自己的类别系统,也可以从它开始。

4

看清主题在哪里出现差异

可视化会按您的元数据拆分每个主题:贬损者对比推荐者、一个市场对比另一个市场、本季度对比上季度。最大的差异会自动排序,让规律在您动手寻找之前就主动浮现。

5

以演示文稿形式分享

Skimle 会根据发现生成演示文稿,在符合品牌风格的幻灯片上呈现图表、主题摘要和原文引语。您可以直接演示、以链接形式发布,或下载为 PowerPoint 或 PDF。下一轮数据到来时,导入后即可刷新幻灯片。

预约演示
  • tableCSV 和 Excel 文件
  • 数万行数据
  • language100 多种语言
  • lock数据存储在欧盟,符合 GDPR

Skimle 可分析的表格数据示例

  • contact_support

    客户反馈原声

    NPS 和 CSAT 评论、评价和投诉,附带评分、渠道和客户细分群体。

    • 评论
    • NPS
    • 细分群体
  • live_help

    问卷开放题回答

    市场调研和品牌追踪的开放题回答,一个文件中可包含多个问题,旁边附有受访者画像。

    • 为什么给这个分数?
    • 您希望改变什么?
    • 年龄段
  • hub

    导出数据和 API 拉取数据

    从其他系统以 CSV 文件导出的客服工单、应用商店评价、聊天记录或 CRM 备注。

    • 工单内容
    • 产品
    • 创建时间
  • globe

    社交媒体帖子

    来自社交平台或舆情监测工具的帖子、评论和回复,附带平台、作者类型和日期。

    • 帖子
    • 平台
    • 日期
  • label

    已编码数据集和研究数据集

    已带有编码、实验条件或参与者变量的数据集,例如已编码的公众意见征集或学术研究资料。把您的编码作为元数据导入,与 Skimle 的发现进行比较。

    • 回答
    • 编码
    • 条件
  • group

    员工与人力资源调查

    敬业度调查、脉搏调查和离职调查中的评论,可按团队、司龄和工作地点细分。

    • 评论
    • 团队
    • 司龄
预约演示

如何整理您的文件

已忽略元数据元数据元数据内容
ID日期渠道NPS评论
C-204182026-03-02应用3包裹晚到了四天,物流信息一直没更新。
C-204192026-03-02网站9结账很方便,客服团队当天就帮我办好了退货。
C-204202026-03-03邮件6质量不错,但运费到最后一步才显示出来。
C-204212026-03-03应用2在聊天里等了 40 分钟,结果被告知去发邮件。
  1. 1

    每行一条回答

    每一行在 Skimle 中都会成为一份独立的文档。如果一个人回答了多个问题,请把他的回答放在同一行的不同列中。

  2. 2

    第一行为表头

    第一行用来命名各列。内容列的名称会成为每份文档中的标题,元数据列的名称会成为字段名,因此请让它们清晰易读。

  3. 3

    多个文本列也没问题

    把每个开放式问题都标记为内容。Skimle 会将这些回答作为不同章节分开保存,日后您可以把分析范围限定在单个问题上。

  4. 4

    每个比较维度一列

    日期、评分、细分群体、国家、渠道、调查轮次或研究条件:凡是您想用来筛选或拆分主题的维度,都应放在元数据列中。

  5. 5

    规范日期和数字

    日期使用统一格式,评分使用纯数字,这样字段才能获得正确的类型,您也才能绘制随时间变化的趋势和不同分数段之间的差异。

  6. support阅读 CSV 和 Excel 导入指南

用 Skimle 分析表格数据的优势

  • folder

    从数据中构建类别

    Skimle 不依赖固定的编码方案或模板,而是从数据中归纳式地创建类别。

  • check_circle

    逐行阅读

    每条回答都会被单独阅读和编码,因此主题的统计来自整个数据集,而不是根据样本估算。

  • format_quote

    每个数字都可追溯

    每个主题都会显示有多少条回答提到它,以及这一比例在不同细分群体之间、随时间如何变化。打开任意主题或图表中的柱条,即可看到背后的回答,相关段落已高亮显示。

  • folder_match

    掌控权在您手中

    编辑、合并和拆分主题,应用您自己的类别系统,或向 AI 对话提问有关数据的问题。分析由您来塑造。

预约演示

跨领域的强大分析

contact_support

客户体验与洞察团队

把 NPS 评论、评价、工单和问卷开放题回答汇集到一个项目中,找出产生贬损者的原因,并在同一周内与业务部门分享答案。

  • check按分数段进行驱动因素分析
  • check跨调查轮次的趋势
  • check业务部门可据以行动的演示文稿
如何分析 NPS 评论arrow_forward_ios
monitoring

市场研究人员

用几天而不是几周时间,为数千条问卷开放题回答、客户评价和竞品评价编码,每个主题都有统计数字,并有客户读得懂的原声作为支撑。

  • check问卷开放题回答
  • check自有产品与竞品评价
  • check任何按行存放的文本:论坛、工单、转写稿
面向市场研究的 Skimlearrow_forward_ios
science

学术研究人员

以透明、可在方法部分中描述的编码流程,分析大型问卷开放题数据集、公众意见征集回复或社交媒体资料。

  • check归纳式或演绎式编码
  • check将参与者变量作为元数据
  • check以 REFI-QDA 格式导出到 NVivo、ATLAS.ti 和 MAXQDA
面向学术研究的 Skimlearrow_forward_ios
预约演示

常见问题

可以导入哪些文件格式?add_circle

CSV 文件和 Excel 工作簿(.xlsx)。在任意项目中通过表格数据源添加即可:每一行成为一份文档,每一列成为内容、元数据或被略过。大多数问卷、客户体验、评价和舆情监测工具都能导出为这些标准格式之一。

Skimle 能处理多大的数据集?add_circle

数万行的数据集是常规规模。文件越大,处理时间越长,但即便数据集不断增大,分析仍会阅读每一条回答,而不会改用抽样。

我的问卷有多个开放式问题。需要拆成多个文件吗?add_circle

不需要。把每个问题所在的列都标记为内容即可。Skimle 会把每个回答保存为该受访者文档中的一个独立章节,因此您既可以一起分析所有问题,也可以把分析范围限定在其中一个问题上。

可以导入已经编码的数据吗?add_circle

可以。把现有编码作为元数据列导入,与 Skimle 发现的主题进行比较;或者把您的类别系统录入为预定义类别,让 Skimle 将其应用到每一条回答上。

费用是多少?add_circle

积分在导入数据时消耗,分析、可视化、对话和导出均已包含。一个积分约可处理 30 条简短的开放式回答或一页较长的文本,因此 10,000 条简短问卷评论大约需要 330 积分。免费试用包含 200 积分。

回答可以使用多种语言吗?add_circle

可以。不同语言的回答可以放在同一个文件中。Skimle 会跨语言构建一套统一的主题,并以原始语言保留每一条引语。

可以把结果导回 Excel 吗?add_circle

可以。您可以把已编码的数据导出到 Excel,把图表和发现导出到 PowerPoint、Word 或 PDF,或者把整个项目以 REFI-QDA 格式导出,供其他定性分析工具使用。

我的数据会如何处理?add_circle

所有数据都存储在欧盟境内,传输和存储时均经过加密,绝不用于训练 AI 模型。您可以随时删除数据集。

support阅读 CSV 和 Excel 导入指南

带上您的数据集

上传 CSV 或 Excel 文件,逐个主题看清数千位受访者在告诉您什么。

预约演示

免费试用含 200 积分,约可分析 6,000 条简短回答。无需信用卡。