---
title: "如何运行价格敏感度调查模板"
description: "如何为市场研究人员运行价格敏感度调查模板，在正式实地调研前将 Minds 作为规划层。"
canonical_url: "https://getminds.ai/guide/zh/how-to-run-pricing-sensitivity-survey-template"
last_updated: "2026-07-02T00:29:05.191Z"
---

# 如何运行价格敏感度调查模板

价格敏感度调查设计是一种研究规划工作流，用于在真实的买家验证之前准备支付意愿问题。它为研究团队提供了一种严谨的方法，将模糊的业务问题转化为受访者能够一致回答的选择、量表、任务或提示。其价值不在于方法的标签，而在于它所强制要求的严谨性：明确的目标群体、清晰的决策、现实的刺激物，以及在收到答案之前就选定的分析计划。

对于 Minds 工作流，请将价格敏感度调查设计视为实地调研前的规划模板。首先选择目标群体，然后让 Minds 针对该受众推荐合适的子章节、问题措辞、细分维度和解读风险。当团队有研究意图但尚未将其转化为适合受访者的语言时，这非常有用。

## 适用场景

当研究决策是确定哪个价格区间应该用真实受访者进行验证时，价格敏感度调查设计就非常适用。当团队能够清晰描述受众和刺激物时，它的效果最好。如果受众定义模糊，首要任务不是编写调查问题，而是使用 Minds 对目标群体定义进行压力测试，找出遗漏的子细分群体，并确定在开展人工研究之前哪些假设需要证据支持。

当团队只想进行广泛的头脑风暴时，价格敏感度调查设计的用处较小。在这种情况下，小组讨论或定性访谈流程通常会产生更有用的材料。当需要对答案进行比较、排序、评分、诊断或转化为结构化的研究简报时，应该使用此模板。

## 问题与配置

从目标群体开始：谁应该回答、他们处于什么背景中，以及他们对产品、类别或品牌已经了解多少。然后定义刺激物。刺激物可以是概念段落、落地页、价格表、功能列表、信息组合、客户旅程、原型截图或日记提示。最后，定义输出格式。对于价格敏感度调查设计，有用的输出是可直接用于实地调研的价格研究简报。

Minds 可以推荐起草子章节，例如筛选逻辑、热身问题、核心任务、后续追问、细分维度和分析说明。最安全的方式是每次只要求生成一个章节。在将该工具用于真实受访者之前，让 Minds 评估每个问题是否存在引导性措辞、双关提问、不切实际的假设以及缺失的选项。

## 方法词汇

刻意使用面向产品的术语，以便模板与市场研究人员现有的工作框架相匹配：

- 支付意愿 (WTP)、Van Westendorp、价格敏感度测量和 Gabor-Granger。
- 购买意向、可接受价格范围、太便宜、贵和太贵临界值。
- 价格反对意见以及在得出最终弹性或收入结论之前的验证需求。

在 Minds 中，这些术语应作为配置提示和评估标准出现。其实际价值在于，在团队花时间进行调查编程或受访者招募之前，目标群体可以对更清晰的工具做出反应。

## Minds 如何融入工作流

Minds 应该置于正式的研究记录系统之前。使用它将简报转化为更强大的方法设计，演练不同细分群体可能如何解读刺激物，并找出最终问卷应该测量的反对意见。在将预算花在编程、招募或主持上之前，该平台对于决定该方法是否适合目标群体特别有用。

实际的工作流很简单。创建或选择目标群体。选择价格敏感度调查设计作为研究框架。粘贴刺激物或描述决策。向 Minds 索取推荐的章节、问题和配置。像研究员审查初级分析师的第一稿那样审查草案。然后，当决策需要正式证据时，将最终工具移入人工实地调查、访谈或专业工具中。

## 局限性与验证

价格敏感度调查设计仍然需要方法论上的判断。Minds 可以帮助进行措辞、目标群体推理和可能的解读，但不应将其用作具有代表性的统计数据、监管主张、精确的市场规模估算、正式的效用估算或最终价格弹性的最终来源。财务或合规风险越高，使用真实受访者和合格的研究设计进行验证就越重要。

主要风险是虚假精度。一份润色过的合成答案听起来可能比底层证据所允许的更加确定。可以通过要求 Minds 列出假设、确定哪里需要人工数据，并将定性解读与定量测量区分开来，以应对这一风险。

## 入门模板

- 目标群体：具有现实预算背景的买家。
- 研究决策：哪个价格区间应该用真实受访者进行验证。
- 核心刺激物：产品概念、优惠层级和候选价格点。
- 主要任务：询问价格感知、购买意向和开放式价格反对意见。
- 分析视角：可接受范围假设、反对意见语言和验证风险。
- 验证说明：当输出必须支持最终的外部主张时，请使用真实受访者或专业的统计工作流。

## 下一步

将此页面用作产品内模板的第一版草稿。产品版本应允许用户选择目标群体、选择价格敏感度调查设计，并接收与受众和当前决策相匹配的推荐章节、问题、默认配置和警告。
