AI用户调研分析报告

import pandas as pd
import numpy as np

# 读取原始问卷数据
df = pd.read_csv("survey_raw_2024Q3.csv", encoding="utf-8-sig")

# ── 1. 剔除无效样本 ──────────────────────────────────────────
# 完成时间少于90秒视为无效（直通作答）
df = df[df["completion_seconds"] >= 90]

# 关键题项缺失超过30%的记录剔除
threshold = int(df.shape[1] * 0.30)
df.dropna(thresh=df.shape[1] - threshold, inplace=True)

print(f"有效样本数: {len(df)}")  # → 1240

# ── 2. 量表数据归一化（1-5分 → 0-100%）───────────────────────
likert_cols = [c for c in df.columns if c.startswith("q_sat_")]
df[likert_cols] = (df[likert_cols] - 1) / 4 * 100

# ── 3. 计算综合满意度指数 ────────────────────────────────────
# 加权平均：核心功能权重0.4，服务支持0.3，整体体验0.3
weights = {"q_sat_feature": 0.4, "q_sat_support": 0.3, "q_sat_overall": 0.3}
df["satisfaction_index"] = sum(
    df[col] * w for col, w in weights.items()
)

# ── 4. 异常值检测（IQR 方法）────────────────────────────────
Q1 = df["satisfaction_index"].quantile(0.25)
Q3 = df["satisfaction_index"].quantile(0.75)
IQR = Q3 - Q1
df_clean = df[
    (df["satisfaction_index"] >= Q1 - 1.5 * IQR) &
    (df["satisfaction_index"] <= Q3 + 1.5 * IQR)
]

# ── 5. 分群标签编码 ──────────────────────────────────────────
segment_map = {1: "企业研发", 2: "内容创作", 3: "学术科研", 4: "在校学生"}
df_clean["segment_label"] = df_clean["user_segment"].map(segment_map)

# ── 6. 输出清洗后数据 ────────────────────────────────────────
df_clean.to_csv("survey_clean_2024Q3.csv", index=False, encoding="utf-8-sig")
print("数据清洗完成，输出至 survey_clean_2024Q3.csv")

# ── 7. 分群满意度汇总 ────────────────────────────────────────
summary = df_clean.groupby("segment_label")["satisfaction_index"].agg(
    ["mean", "std", "count"]
).round(2)
print(summary)