Executive Summary
問卷分析流程 12 個步驟中，7 步可全自動、2 步半自動、1
步需一次性建設、2 步為外部系統依賴。分析到交付階段（Phase
C）可達 100% 全自動，從 rawdata 到格式化報告產出僅需一道指令。已建置
/survey skill 串接完整 pipeline。
Part I — 流程 × 現有能力對照
完整對照表
| 1 |
需求發起 (mail) |
/inbox add |
半自動 |
inbox 可解析任務，email 收取需外部整合 |
| 2 |
Briefing、需求訪談及對焦 |
Survey Architect |
半自動 |
自動生成結構化 brief 模板（5W1H），需人類 Q&A |
| 3 |
桌面研究 |
/research full |
全自動 |
6 位研究員 + Context Analyst → Strategist → Storyteller |
| 4 |
擬定問卷內容 |
Survey Architect + Data
Scientist |
全自動 |
20+ 假設 → 模組化問卷 → 交叉分析預規劃 |
| 5 |
Surveycake 設定 |
Backend (API 腳本) |
需一次性建設 |
Surveycake 有 API，可寫腳本自動建卷 |
| 6 |
進案給 QM OP |
/inbox + Webhook |
外部系統 |
需 QM 系統 API/Webhook 接口 |
| 7 |
問卷發放 |
— |
外部系統 |
Panel 系統操作，AI 無法介入 |
| 8 |
整理 rawdata |
Data Scientist |
全自動 |
品質檢驗 → 清理 → 加權 → 清理報告 |
| 9 |
全題目×交叉 + chi-square |
Data Scientist |
全自動 |
T2B/B2B → 交叉表 → chi-square → Excel |
| 10 |
Excel 結果貼至 PPT |
/doc export pptx |
全自動 |
Markdown → PPTX，或 python-pptx 精細排版 |
| 11 |
DAS 撰寫發現及洞察 |
Insight Analyst → Storyteller |
全自動 |
What → So What → Now What + 數據支持 |
| 12 |
交付報告 |
/doc |
全自動 |
一鍵匯出 .xlsx + .pptx + .pdf |
Part II — 三階段自動化潛力
Phase A：需求 → 研究 →
問卷設計
自動化潛力：80%
| Brief 結構化 |
Survey Architect 自動 5W1H 分解 |
確認研究目的 |
| 桌面研究 |
Deep Researcher + Context Analyst（並行） |
無 |
| 假設生成 |
Survey Architect 產出 20+ 假設 |
無 |
| 問卷設計 |
Survey Architect + Data Scientist 協作 |
無 |
| QC 閘門 |
Consumer（可讀性）+ Skeptic（覆蓋度） |
最終確認 |
產出物
questionnaire-final.md — 完整問卷hypotheses.md — 假設清單analysis-plan.md — 分析計畫survey-config.yaml — 機器可讀配置surveycake-spec.md — Surveycake 設定規格
Phase B：Surveycake → 發放 →
回收
自動化潛力：20%
| Surveycake 建卷 |
手動設定 |
Surveycake API 腳本（一次性建設） |
| QM OP 排程 |
手動進案 |
需 QM 系統開放 API |
| 問卷發放 |
Panel 系統 |
外部系統，無法自動化 |
| 回收 rawdata |
手動下載 |
Surveycake API 可自動匯出 |
Phase B 是整個流程中唯一的「斷點」，取決於外部系統的 API
開放程度。
Phase C：分析 → 洞察 → 交付
自動化潛力：100%
| 數據清理 |
survey-analyzer.py clean |
30 秒 |
| 品質檢驗 |
Speeding / Straightlining / 邏輯矛盾 |
自動 |
| 交叉分析 |
survey-analyzer.py analyze — 全題×全維度 |
1-2 分鐘 |
| T2B / chi-square |
pandas + scipy 自動計算 + 顯著性標記 |
自動 |
| 洞察撰寫 |
Insight Analyst + Storyteller（並行） |
5-10 分鐘 |
| QC 閘門 |
Skeptic 結構化裁決 |
2-3 分鐘 |
| 報告組裝 |
survey-report.md（模板化） |
自動 |
| 匯出 |
/doc → .xlsx + .pptx + .pdf |
1 分鐘 |
一道指令跑完
/survey analyze ~/projects/brand-x/rawdata.xlsx
總耗時預估：10-15 分鐘（vs 原流程 2-3 天）
Part III — 已建置的
/survey Skill
Skill 架構
/survey design <brief> 問卷設計（Brief → 研究 → 問卷 → QC）
/survey analyze <rawdata> 數據分析（清理 → 交叉 → 洞察 → 報告）
/survey full <brief> 完整流程（Phase A → 暫停 → Phase C）
Agent 調度鏈
Design 模式
Survey Architect ──→ Deep Researcher ──→ Survey Architect ──→ Consumer
Context Analyst Data Scientist Skeptic
(並行 3 組) (協作) (QC 閘門)
Analyze 模式
Python 腳本 ──→ Insight Analyst ──→ Skeptic ──→ /doc 匯出
(clean+analyze) Storyteller (QC 閘門) (.xlsx+.pptx+.pdf)
(並行)
交付物一覽
Design 模式
questionnaire-final.md |
完整問卷（每題帶 hypothesis_id） |
hypotheses.md |
20+ 假設清單 |
analysis-plan.md |
交叉分析計畫 |
survey-config.yaml |
機器可讀配置（Phase C 輸入） |
surveycake-spec.md |
Surveycake 設定規格書 |
Analyze 模式
survey-report.md |
完整分析報告 |
survey-report.pptx |
簡報版 |
crosstab_results.xlsx |
交叉分析 Excel（含 ★/★★ 顯著性） |
quality_report.md |
數據品質報告 |
Part IV — 導入建議
立即可做（零建設成本）
| 桌面研究自動化 |
/research full <品牌/產業> |
省 1-2 天 |
| rawdata 分析 |
/survey analyze <rawdata> |
2-3 天 → 15 分鐘 |
| 報告匯出 |
/doc export pptx + /doc export pdf |
格式轉換自動化 |
中期建設（一次性投資）
| Surveycake API 腳本 |
Backend agent 建一次 |
省問卷建置 2-4 小時 |
| rawdata 分析模板標準化 |
已完成（survey-analyzer.py） |
每案省 2-3 天 |
| 問卷設計模板庫 |
累積品類模板 |
加速假設生成 |
終極全自動（需外部條件）
| QM OP 有 API |
自動進案排程 |
| Email/IMAP 整合 |
/inbox 自動抓取需求 |
| Surveycake Webhook |
rawdata 回收自動觸發分析 |
總結
| A（需求→問卷） |
4 |
2 |
2 |
0 |
| B（執行發放） |
3 |
0 |
0 |
3 |
| C（分析→交付） |
5 |
5 |
0 |
0 |
| 合計 |
12 |
7 |
2 |
3 |
Phase C 已經可以全自動運作——從 rawdata
到三格式報告交付，一道指令、15 分鐘完成。
這是投資報酬率最高的自動化切入點，每個問卷專案可節省 2-3
天分析人力。