JMP 中的文字探索器是一個非常強大的工具，可用於組織調查或一系列客戶之聲 (VOC) 訪談的答案並使其準備好進行測試。在本次示範中，我將使用我所在組織的真實範例來介紹所有步驟。調查基於封閉式（使用 1 至 5 顆星評分）、部分封閉式（從選項清單中選擇多項答案）或開放式（自由文字欄位）問題。
正如預期的那樣，受訪者對開放式或部分封閉式問題的回答差異很大。文字探索器提供了一種將回應編碼為術語和短語的方法。然後，它們可以透過多種方式進行處理，從而實現預測建模和假設檢驗，正如本演示中所展示的那樣。
文字瀏覽器也可用於將 VOC 回應分組為主題，稍後用作 CTQ 樹中的品質驅動因素。透過正確的方式構建，我們在 JMP 中演示的這種方法可以節省時間，同時也能帶來新的見解。
數量不斷增長：對調查和顧客之聲的文本分析。介紹。如今，許多調查都很容易進行。有些調查設計不夠合理，導致評估後分析困難，結論難以得出。
案例1是根據部門內各團隊間合作的調查分析。在六西格瑪專案中，聽取客戶的意見，即 VOC，對於了解什麼能為客戶增加價值至關重要。但如果顧客很多的話，他們可能會有不同的意見。如何讓VOC投入運作？這就是案例 2 的內容，基於對內部客戶和利害關係人的 50 次訪談。
文字是非結構化數據，可以在 JMP 文字資源管理器中進行處理以進行統計分析、利用文字中的隱藏資訊或降低複雜性以便於解釋。例如，顧客的聲音可以是一系列的訪談。這些訪談的會議記錄是非結構化數據，很難以客觀的方式轉換為可測量的參數。但是，利用文字瀏覽器的功能，可以製定一個客觀的程序。
調查問題可以是封閉式、部分封閉式或開放式的。封閉式問題的例子可以是這樣的：您如何評價 2024 年歐洲探索高峰會？優秀、非常優秀、世界一流、非常世界一流，或當然是宇宙最佳。部分封閉式問題可以是這樣的：您喜歡的甜點是什麼？您可以根據需要選擇任意數量。您可以選擇僅冰淇淋、冰淇淋和蛋糕、蛋糕和水果、冰淇淋水果、糖果、糖果水果、僅糖果等等。開放式問題可以是這樣的：你會如何描述完美的一天？
在六西格瑪專案中，客戶的聲音、需求必須轉化為品質驅動因素和可衡量的品質關鍵因素。它是關於從客戶領域（一個相當模糊和非結構化的地方）轉變為功能需求和規範的技術領域。
讓我們進入 JMP 來示範這兩個案例。案例一是離岸風電場建設中健康與安全團隊之間合作的調查。案例2是從一個關於離岸風電場設計過程的持續改進專案中引入的客戶的聲音。
案例一、調查。您所看到的是有關部門協作的原始調查的一部分，其中答案等於行，問題等於列。首先，我想檢視兩個封閉式問題的答案之間的相關性。
問題一，您如何分類自己的工作角色？後台、前線還是其他？針對問題四，除了日常工作之外，您與來自其他部門或地區的同事合作的頻率是多少？每週、每天、每月，還是更少？
在此，我強烈建議對選項進行價值排序。否則，就會非常混亂。怎麼辦呢？選擇列，右鍵滑鼠，選擇「列屬性」、「值順序」。你可以看到我已經自訂了這樣的順序，不頻繁、每月、每週、每天。完成此操作後，按一下「確定」。
在 JMP 中，有三種方法可以執行此分析。我們將解釋其中兩個。第一種方法，我們進行分析、消費者研究、分類。我們選擇問題一作為X，即分組類別，並選擇問題四作為答案。很抱歉。我們點選確定。您在此處看到的是一個包含儲存格的表格。在儲存格內，我們有頻率，即觀察到的計數、百分比份額以及儲存格卡方、P 值。
透過所給的數據，我們可以看到，前線日常細胞的反應明顯較低。我們點擊，選擇這個，然後進入下一個方法。這就是適合 Y by X 平台。類似地，我們選擇問題一作為X，問題四作為Y，也就是答案。我們點選確定。在這裡您可以看到我們得到了一個略有不同的表格，因為我們得到的是預期值而不是 P 值。我們也選擇那個。然後我們可以合併兩個視窗來獲得完整的報告。
您可以非常清楚地看到，這個 P 值明顯較低的原因是因為我們只觀察到這個單元格中的 4 個計數，但我們預期是 12.6，而因為它是人類，所以實際上是 13。也許該部門需要採取行動來改善這種情況。
這將結束封閉式問題處理。讓我們回到資料表並轉到問題 14。事實上，這是一個部分封閉式問題，因為受訪者可以選擇多個選項，例如協作文化、面對面會議、非正式聊天、公司內部的交流時間以了解誰是誰、IT 工具、全體會議等等。
要查看我們得到了多少個答案，我們可以在 Graph Builder 中顯示。我們選擇 Graph Builder。問題 14，將其拖曳到區域。然後我們選擇樹形圖。點擊“完成”並將其放大。我想每個人都清楚，我們回答問題的方式與受訪者的數量一樣多，因此使任何分析都變得複雜，甚至變得不可能。
然而，如果我們使用文字探索器，我們可以量化數據。返回數據表。在“分析”下，您會找到“文字資源管理器”。我們選擇第14個問題作為文字列。我們將其他一切保留原樣，然後按一下「確定」。您在此處看到的是術語和短語列表，我將通過突出顯示所有短語，右鍵單擊並添加短語，將所有短語添加到術語中。
現在我們可以看到，該清單提供了非常多變的信息。我們可以看到，非正式聊天網路的數量最多，其次是面對面會議、領導支援、良好的專案管理、線上會議等等。
您可以據此做出一份非常好的報告。如果您位於該表的任何位置，請右鍵單擊，然後按一下將其變為資料表。我們得到了一個新的資料表，我選擇刪除所有不重要的術語。然後我們可以進入分佈並選擇項目作為 Y 並選擇計數作為頻率。我們點選確定。在熱點下，您可以堆疊報告。在Term熱點下，我們可以按照計數降序對計數進行排序。也許我們應該稍微改變一下直方圖的顏色。現在我們收到了一份很好的報告，我們可以進行溝通並採取行動。
讓我們仔細看看「非正式聊天網路」這個短語。我們回到我們的資料表和文字 Explorer，並選擇非正式聊天網路術語。如果我們在這裡單擊滑鼠右鍵，我們可以看到我們可以保存一個指標。這將給我們一個一或零來表示受訪者是否選擇了這個選項。我們這樣做。
在資料表中，我們可以看到現在我們已經建立了一個包含 1 或 0 的欄位。我想將其重新編碼為是或否。如果我們到這裡並點擊“重新編碼”，我會寫“否”而不是“零”。我們接受將列轉換為字符，而不是一個。像這樣，我們點擊重新編碼。現在我們得到了一個具有相同資訊的新列，但內容是“是”或“否”，而不是“一”或“零”。
現在我們可以對相關性進行分類檢驗，例如，問題 5，您如何評估部門內的整體合作？非常差、差、一般、好還是非常好？根據我們的非正式聊天網路指標，是或否。
正如我們之前看到的，我們可以在「分析」下找到消費者研究平台，然後選擇「分類」。現在我們選擇問題 5 作為 X，並選擇非正式聊天網路指標作為答案。我們點選確定。和以前一樣，我們得到了這個清單或表格。我認為我們應該忘記那些非常差的細胞，因為我們在這些細胞中只得到了兩個反應。
然而，我們可以看到，在較差的、沒有非正式聊天的網路單元中，我們得到的 P 值明顯較低。幾乎所有認為部門協作較差的人都不使用非正式聊天網路。我認為這是有價值的訊息，也許是該部門應該改進的地方。這就是部分封閉式問題處理，也是個案1的終點。
讓我們進入案例 2，VOC 採訪。案例2是基於會議記錄轉化為貼紙。原因是為了能夠將它們分組到板上。每一行代表一張貼紙，我們在這個資料表中有 361 個貼紙或行，它們來自 50 位受訪者。
您可能已經注意到，出於敏感性原因，我隱藏了親和圖輸入，即貼紙上的文字。現在我們將運行文字瀏覽器並像之前一樣添加短語術語。正如您所看到的，我已經完成了。所有短語都顯示為灰色，表示它們已新增至術語清單。
我們可以看到，我們有一個名為「project」的術語，還有另一個名為「projects」的術語。在這裡，我們有一個術語叫做過程，另一個術語叫做進程。為了擺脫這些冗餘，我們可以進入熱點並選擇術語選項、詞幹提取、詞幹所有術語。
為了進一步清理，我們有一些不能真正使用的術語，因為它們沒有提供任何有價值的信息，例如使用。如果我選擇“使用”並右鍵單擊並將其添加為停用詞，它將從列表中消失。我們可以在內部做同樣的事情。加入停用詞。
這裡有一張乾淨整潔的桌子，我們可以在上面工作。現在我將進入 JMP Pro 版本，因為我們將進行潛在語義 SVD 來獲取主題分析旋轉 SVD。 SVD 將文字資料轉換為固定維向量空間，使其適用於各種聚類、分類和迴歸技術。
如果您有 JMP Pro，您可以這樣做。在熱點下，選擇潛在語意分析 SVD。我們點選確定。在這個熱點，即SVD-Centered和Scaled TF-IDF熱點下，我們選擇Topic Analysis，Rotated SVD。
這裡我們必須選擇我們想要的主題數量，在這個例子中，我選擇四個。我單擊“確定”。我們在這裡看到的是按主題劃分的頂級負載報告，它由四個表組成，每個主題一個表。這些主題中的術語是絕對值載荷最大的術語。我們可以使用此報告來確定六西格瑪專案的概念主題。
如果我們再次進入熱點並點擊“重命名主題”。如果我們看一下主題 1 中的術語，我選擇將其稱為成本效率主題。主題 2，我稱之為資訊系統。主題 3 是關於專案執行本身的，因此它可以是專案執行。主題 4，我選擇稱之為知識分享。按一下“確定”。這非常非常棒，因為現在我們實際上已經為我們的六西格瑪專案產生了四個品質驅動因素。
透過使用主題，我們現在可以對 VOC 語句進行客觀的聚合，而不是依賴個人的手動主觀聚合。此外，我們可以將主題顯示為詞雲。我們進入顯示選項，按主題顯示詞雲。在這裡，我們可以打開並看到，我們現在獲得的資訊與按主題或品質驅動因素劃分的詞雲相同，我以前是這樣稱呼的。
如果我們到熱點，點擊它，我們可以看到我們實際上可以保存文件主題向量。如果我們這樣做並轉到資料表，我們可以看到我們創建了四個新列，每個列代表一個質量驅動因素。當我們進入六西格瑪專案的改進階段時，這將非常有價值，因為我們必須討論解決方案。
在這裡，我們可以看到，在討論成本效益、資訊系統、專案執行或知識共享的解決方案時，我們必須特別關注哪些客戶。為了看清誰是誰，我們可以進入圖形產生器並選擇，我會移動它一點，選擇主題作為 Y、X，選擇受訪者作為 X。我們點擊完成。
這裡我們可以看到，當我們想與客戶討論解決方案時，這個人是成本效益的首選，而這個人則很適合談論資訊系統的解決方案。這裡有知識共享人員，這裡有專案執行人員。就此而言，我將完成 JMP 中的演示，並返回演示文稿。
使用 JMP Pro Text Explorer，我們打通了客戶領域的聲音與功能需求和規範的技術領域之間的界限。我們使用 JMP Text Explorer 為我們創建了四個具有品質驅動因素的目標。我們可以輕鬆地從這些驅動因素中得出可衡量的關鍵品質。因此，我們節省了大量時間並消除了人為因素。
最後，結論。部分封閉式問題回答以及來自例如客戶訪談聲音的複雜文本可以在文本探索器中處理成術語和短語。術語和短語可以轉換成主題、品質驅動因素或指標，從而實現對資訊的客觀解釋。 JMP Text Explorer 提供了一種從純定性到定量文字分析的方法。有了這些新知識，我們可以提高 VOC 訪談和調查的質量，並在測試中得出可靠的結論。感謝您的關注。
