2025行业调查研究报告的方法

2025行业调查研究报告的方法2025行业调查研究报告的方法基于行业实践的全流程方法论体系

一、引言行业调查研究报告的价值与时代背景在数字化转型加速、市场竞争白热化的2025年，行业调查研究报告已成为企业战略决策、政策制定、学术研究的核心依据不同于传统经验驱动的判断，现代报告需以数据为锚点，以逻辑为骨架，以洞察为灵魂——它既是对行业现状的“体检报告”，也是对未来趋势的“导航图”

1.1行业发展对调研的需求升级当前，行业发展呈现三大特征技术迭代加速（如AI、元宇宙等技术渗透）、用户需求多元（个性化、场景化趋势明显）、竞争格局复杂（跨界融合、新兴赛道涌现）这要求调研报告不仅要“描述现状”，更要“解析本质”，为企业提供“可落地、能验证”的行动指引例如，某新能源车企2024年因未准确预判电池回收政策对供应链的影响，导致产能过剩；而另一同行通过深度调研提前布局回收网络，反而实现了成本优化与市场份额提升

1.2研究报告的核心作用从实践视角看，行业调查研究报告的价值体现在三个层面决策支持帮助企业规避“拍脑袋”决策，例如某连锁餐饮通过调研发现下沉市场消费者对“平价健康套餐”需求激增，据此调整产品结构后营收增长23%；第1页共19页趋势预测通过数据建模与逻辑推演，提前识别潜在机会，如某智能家居企业基于用户行为数据预测“语音交互+场景联动”将成主流，提前研发相关产品占据先机；风险预警揭示行业痛点与潜在危机，例如2024年某教培机构通过调研发现“政策合规风险”与“用户付费意愿下降”双因素叠加，及时转型职业教育，避免了业务崩塌

1.3本文研究框架本文将围绕“如何撰写一份高质量行业调查研究报告”展开，从方法论体系、实践要点、案例参考三个维度，构建“前期准备—数据采集—分析撰写—质量控制”的全流程框架，结合不同行业场景，呈现兼具专业性与实操性的方法指南

二、行业调查研究报告的方法论体系构建行业调查研究是“科学+艺术”的结合既要遵循严谨的逻辑与方法，也要结合行业特性灵活调整一个完整的方法论体系需覆盖从“明确目标”到“输出价值”的全链条

2.1前期准备阶段从“问题”到“目标”的精准锚定“方向错了，越努力越偏离”——前期准备的核心是避免“盲目调研”，需通过系统分析明确“为什么调研”“调研什么”“为谁调研”三大问题

2.

1.1调研目标的SMART原则落地目标是调研的“指南针”，需符合SMART原则（具体Specific、可衡量Measurable、可实现Achievable、相关性Relevant、时限性Time-bound）例如错误目标“调研餐饮行业消费者偏好”（模糊、不可衡量）；第2页共19页正确目标“2025年Q1下沉市场（三四线城市）18-35岁青年对‘一人食套餐’的价格敏感度、口味偏好及购买渠道选择，样本量≥1000，数据需在3月15日前输出”（具体到人群、产品、指标、时间）在实际操作中，需结合客户需求与行业痛点细化目标例如，为某传统零售企业做调研时，需先明确其核心痛点“线上渠道流量下滑”“线下门店客流减少”“竞品价格战”，据此将目标拆解为“线上用户流失原因分析”“线下门店体验优化建议”“竞品定价策略对本企业的影响评估”三个子目标，避免调研范围过宽或过窄

2.

1.2行业定位与研究边界的界定“不了解行业，就无法读懂数据”——前期需通过行业定位明确调研的“范围”与“深度”常用工具包括PEST分析法从政治（Policy）、经济（Economy）、社会（Society）、技术（Technology）维度分析宏观环境对行业的影响例如，2025年新能源汽车行业受“双碳政策”（政治）、“电池成本下降”（经济）、“用户环保意识提升”（社会）、“固态电池技术突破”（技术）四大因素驱动，市场规模预计突破3000亿美元；波特五力模型从供应商议价能力、购买者议价能力、潜在竞争者进入壁垒、替代品威胁、行业内竞争程度五方面评估行业竞争格局例如，某快递行业调研中发现“顺丰与京东物流议价能力强（供应商端）”“下沉市场价格战激烈（行业内竞争）”，据此判断头部企业需通过差异化服务（如冷链物流）提升利润；行业生命周期匹配不同生命周期的行业调研重点不同成长期（如AI医疗）需关注“技术突破与市场渗透率”，成熟期（如传统家第3页共19页电）需关注“成本控制与用户留存”，衰退期（如功能机）需关注“转型机会与风险规避”

2.

1.3核心变量的识别与定义调研目标明确后，需提炼“核心变量”——即影响行业发展的关键因素变量定义需清晰、可操作，避免歧义例如互联网行业核心变量可能包括“用户日活（DAU）”“转化率”“ARPU值（用户平均收入）”；制造业核心变量可能包括“产能利用率”“原材料采购成本”“产品良率”；服务业核心变量可能包括“客户满意度”“复购率”“服务响应时效”变量定义需结合行业特性，例如“用户满意度”在互联网行业可通过“NPS（净推荐值）”量化，在制造业可通过“售后投诉率”与“维修周期”综合评估，在服务业则需结合“服务过程体验”（如员工态度）与“结果体验”（如问题解决率）

2.2数据采集阶段一手与二手数据的协同整合“数据是调研的血肉”——数据采集需兼顾“广度”与“深度”，一手数据确保真实性，二手数据提供宏观背景，二者需形成“互补闭环”

2.

2.1二手数据的高效挖掘与价值评估二手数据是调研的“起点”，可快速获取宏观趋势、行业基准等信息常见渠道包括权威数据库国家统计局（行业规模、增长率）、艾瑞咨询/易观分析（行业白皮书）、上市公司年报（财务数据、战略布局）；第4页共19页公开平台行业协会报告（政策解读）、社交媒体（用户讨论热点，如微博话题、抖音热榜）、学术论文（理论支撑）；企业内部数据客户消费记录、销售报表（适用于企业内部调研）但二手数据需严格评估其“真实性”与“适用性”真实性验证交叉比对不同信源，例如通过“国家统计局数据”与“上市公司年报”验证行业规模，若出现数据矛盾，需排查信源是否权威（如上市公司年报需经审计，可信度高于非公开行业报告）；适用性判断关注数据时效性（如2025年调研需优先使用2024年数据）、覆盖范围（如某报告聚焦一线城市数据，不适用下沉市场调研）、指标定义（如不同机构对“新能源汽车”的统计口径可能不同，需明确是否包含混动车型）

2.

2.2一手数据的深度采集与场景适配二手数据无法完全满足定制化需求，需通过一手数据补充“细节”与“动态”常用方法及适用场景如下

（1）问卷调研适用于“量化用户态度、行为偏好”，成本低、覆盖广问卷设计遵循“逻辑链清晰、问题简洁、选项互斥”原则，例如基础信息（年龄、性别、地域）→行为数据（购买频率、渠道、价格）→态度数据（满意度、推荐意愿、痛点）；预调研优化抽取10-20样本预填问卷，测试问题是否清晰（如“您最近一次购买外卖时，是否考虑过健康因素？”比“您是否关注外卖健康？”更具体）；第5页共19页发放渠道线上（问卷星、腾讯问卷，适合年轻群体）、线下（街头访问、门店拦截，适合中老年群体或特定场景）；注意事项避免引导性问题（如“您是否认为某品牌的产品质量比竞品好？”）、控制问卷长度（移动端问卷≤15题，PC端≤20题）

（2）访谈调研适用于“挖掘深层需求、行业内幕”，能获取“未被说出口的真实想法”访谈对象选择遵循“典型性”原则，例如调研“下沉市场餐饮消费”时，需覆盖“消费者（不同年龄段）、店主（夫妻店/连锁）、供应商”三类群体；提纲设计半结构化访谈，既有固定问题（如“您店的主要客群是？”），也有追问问题（如“为什么客群集中在这个年龄段？”“是否尝试过线上外卖？遇到过什么困难？”）；技巧避免“是非题”，多用“开放式问题”（如“您觉得现在的产品最大的问题是什么？”）；通过“沉默”鼓励对方多说（访谈者少打断，对方可能主动补充关键信息）

（3）观察法适用于“记录行为细节、场景真实性”，尤其适合服务行业参与式观察调研者作为“局内人”体验场景，例如某奶茶店调研时，店员以“兼职人员”身份工作，记录服务流程、顾客互动细节；非参与式观察通过视频监控、用户行为轨迹分析（如APP使用路径），避免干扰被观察者；工具辅助用录音笔记录访谈内容、用拍照/视频记录场景细节（需提前获得同意）第6页共19页

2.

2.3样本选择的科学性与代表性保障“样本是调研的‘眼睛’，样本偏差会导致结论失真”——样本选择需遵循“科学抽样、覆盖全面”原则

（1）抽样框架构建明确调研对象的“定义范围”，例如“2025年中国新能源汽车消费者”需明确年龄（18-60岁）、是否购车（已购车或近期有购车计划）、所在城市（一线至五线）；

（2）抽样方法选择随机抽样适用于“总体数量大、分布均匀”的场景，如线上问卷的随机发放；分层抽样适用于“群体差异大”的场景，如按“城市级别（一线/新一线/二三线）”分层抽取样本，确保每个群体占比与总体一致；典型案例抽样适用于“挖掘深度洞察”，如调研“高增长企业”时，选取3-5家年增速超50%的企业进行深度访谈，提炼成功经验；

（3）样本量计算根据“置信度（通常95%）”“允许误差（通常±5%）”“总体规模”计算，例如总体规模100万，允许误差5%，样本量约为385（公式n=Z²P1-P/E²，Z=

1.96，P=

0.5，E=

0.05）

2.3数据分析阶段从“数据”到“洞察”的转化路径“数据是原材料，分析是加工过程，洞察是最终产品”——数据分析需从“描述现象”到“揭示规律”，避免停留在“数据罗列”层面

2.

3.1定量分析的模型应用与结果解读定量分析通过数学模型量化数据关系，常用方法及适用场景如下第7页共19页

（1）描述性统计呈现数据的基本特征，为后续分析铺垫例如频数分布某调研显示，下沉市场“一人食套餐”消费者中，25-30岁占比45%，31-35岁占比30%，说明核心客群为青年群体；均值/中位数某产品用户满意度均值为

4.2分（5分制），中位数为4分，说明整体满意，但存在部分用户不满；交叉分析通过“年龄+购买渠道”交叉表发现，35岁以上用户中，60%选择线下门店购买，而25岁以下用户中，75%通过外卖平台购买，揭示渠道差异与年龄相关

（2）推断性统计通过样本数据推断总体特征，验证假设例如回归分析分析“价格”“口味”“品牌”对“购买意愿”的影响，发现价格系数为-

0.3（P

0.05），说明价格越高，购买意愿越低；方差分析（ANOVA）比较不同城市级别（一线/新一线/二三线）用户对“套餐分量”的满意度差异，F值=

5.2（P

0.01），说明差异显著，其中一线用户对分量要求最高；相关性分析通过Pearson系数计算“NPS值”与“复购率”的相关性，r=

0.75（P

0.01），说明高NPS用户复购率更高

（3）可视化呈现让数据“说话”，常用图表类型及适用场景趋势图展示“一人食套餐销量2023-2025年预测”，用折线图体现增长趋势；对比图比较“不同价格带套餐的用户占比”，用柱状图更直观；第8页共19页饼图/环形图展示“购买渠道分布”，但需注意“类别不宜过多”（≤5类）；热力图展示“用户痛点按重要性排序”，用颜色深浅体现优先级；注意事项图表需标注数据来源、单位、时间范围，避免“误导性可视化”（如截断Y轴夸大差异）

2.

3.2定性分析的深度挖掘与逻辑提炼定性分析通过“解读文字、场景、行为”挖掘数据背后的“原因”与“动机”，常用方法及操作要点

（1）内容分析对文本类数据（访谈记录、用户评论）进行编码与主题提炼步骤

①编码规则设计（如“价格敏感”“口味偏好”“服务态度”）；

②逐份编码（多人交叉编码，计算Kappa系数检验一致性）；

③主题提炼（如从1000条评论中提炼出“性价比”“健康”“便捷”三大核心主题）；工具Nvivo（专业定性分析软件）、Atlas.ti（适合复杂文本）

（2）案例分析通过具体案例揭示“规律”或“异常”，常用“多案例对比法”例如，调研“下沉市场餐饮成功案例”时，选取3家不同品类（火锅/烧烤/快餐）的门店，分析其“选址”“产品定价”“营销方式”，发现共性“选址在学校/社区附近”“人均消费≤30元”“通过本地生活平台引流”，据此提炼普适性策略

（3）用户画像构建整合定量与定性数据，形成“立体用户形象”第9页共19页维度基本属性（年龄、性别、职业）、行为特征（消费习惯、购买渠道）、心理需求（痛点、偏好、价值观）；案例某下沉市场“一人食套餐”用户画像——“26岁，外卖员，月收入4000元，工作时间不固定，偏好‘快速、便宜、热乎’的套餐，担心‘分量不足’和‘卫生问题’”

2.

3.3混合方法的协同验证与交叉检验“单一方法易有偏差，混合方法可提升可信度”——需通过“三角验证”确保结论可靠

（1）不同数据来源验证例如，用“用户问卷数据”（NPS=40）与“售后投诉数据”（投诉率=5%）共同验证用户满意度；

（2）不同分析方法验证定量分析显示“价格是影响购买的主因”，定性分析（访谈）中多位用户提到“价格太高，只能偶尔买”，二者一致，结论更可信；

（3）矛盾数据处理若定量与定性数据矛盾（如问卷显示“满意度高”，但访谈发现“实际体验差”），需进一步排查原因问卷问题是否模糊？访谈对象是否有代表性？是否存在“社会期望偏差”（用户问卷中倾向于说“满意”）？此时需补充“神秘顾客”观察法，验证实际体验

2.4报告撰写阶段从“洞察”到“价值”的有效传递“好的洞察若无法有效表达，等于白做”——报告撰写需兼顾“专业性”与“可读性”，让不同受众快速抓住核心价值

2.

4.1报告结构的逻辑设计一份标准行业调查研究报告通常包含以下模块，各模块需逻辑递进第10页共19页

（1）摘要（Abstract）300字内浓缩核心，包括“研究背景—目的—方法—主要结论—建议”，让读者快速判断报告价值；

（2）引言（Introduction）阐述“为什么做这个调研”，包括研究背景（行业现状、痛点、趋势）；研究问题（核心问题如“下沉市场一人食套餐需求如何？”）；研究意义（对企业/行业的价值）；

（3）行业现状分析（Industry Overview）用数据呈现“行业全貌”，包括市场规模（近3年数据+未来预测）；发展趋势（技术、政策、消费习惯变化）；竞争格局（头部企业市场份额、核心优势）；

（4）调研结果分析（Findings）分模块呈现核心发现，需“数据支撑+逻辑解读”，避免堆砌数据例如“核心客群特征”年龄、收入、消费习惯（附图表）；“需求痛点”价格、口味、分量、渠道（结合用户访谈）；“市场机会”细分场景（如“加班人群午餐”）、产品创新方向（如“健康轻食套餐”）；

（5）结论与建议（ConclusionRecommendations）“结论”总结核心发现，“建议”提出可落地行动方案建议需具体（如“3月1日前推出20元以内健康套餐”）、分优先级（紧急/重要矩阵排序）、考虑资源约束（如“需与供应链部门沟通成本控制”）；

（6）附录（Appendix）补充问卷样本、访谈记录、数据来源等细节，供深入阅读第11页共19页

2.

4.2内容表达的专业性与可读性平衡“专业≠晦涩，可读性是专业的另一种体现”——需注意术语使用对行业术语（如“DAU”“ARPU”）首次出现时标注全称，避免非专业读者理解障碍；数据呈现用图表代替大量文字，例如“2023-2025年市场规模预测”用折线图，“不同渠道购买占比”用饼图；结论表达避免绝对化表述（如“一定”“必然”），多用“可能”“大概率”“根据数据显示”等严谨表述；案例引用结合具体案例让结论更生动，例如“某调研显示，25-30岁用户中70%希望套餐‘有小份选项’，这与某品牌推出‘单人份烤鱼’后销量增长40%的案例一致”

2.

4.3目标受众的需求适配不同受众对报告的关注点不同，需“定制化表达”给决策者突出“结论”与“建议”，用“一句话总结核心价值”（如“本报告建议2025年重点布局下沉市场，推出20元健康套餐，预计可带来15%的营收增长”）；给执行者强调“步骤”与“资源”，例如“3月1日前完成套餐研发（需供应链部支持），3月15日前上线本地生活平台（预算5万元）”；给研究者提供“方法细节”与“数据来源”，方便复现研究或验证结论

三、行业调查研究报告的质量控制与风险规避“没有完美的报告，但有可控的风险”——高质量报告需建立全流程质量控制体系，规避常见风险

3.1全流程质量监控体系第12页共19页质量控制需贯穿调研各阶段，形成“环环相扣”的监控机制

（1）数据采集阶段过程记录要求调研人员记录“样本采集时间、地点、方式”，避免“人情抽样”（如只找熟人填写问卷）；异常标记对明显异常数据（如问卷所有选项都选第一个）标注，后续核查是否为无效样本；信效度检验问卷回收后，通过“Cronbachsα系数”检验信度（α

0.7为可靠），通过“因子分析”检验效度（KMO值

0.7，Bartlett球形检验P

0.05）

（2）数据分析阶段方法规范严格遵循分析方法的适用条件（如回归分析需满足“线性关系、无多重共线性”）；结果校验通过“交叉验证”（换不同算法分析同一数据）或“专家评审”（邀请行业专家复核结果）；逻辑一致性检查“结论是否与数据匹配”（如某数据显示“价格影响最大”，结论不能说“品牌影响最大”）

（3）报告撰写阶段逻辑审查通读报告，检查“是否按引言—现状—结果—结论的顺序展开”“模块之间是否有断层”；格式统一图表格式（标题、坐标轴、单位）、术语表述（如“下沉市场”统一为“三四线及以下城市”）需一致；文字校对检查错别字、语句通顺度（避免“AI式生硬表达”，如“综上所述，通过分析可知...”）

3.2常见风险的识别与应对调研过程中常见风险及应对策略第13页共19页

（1）数据偏差风险表现样本代表性不足（如线上问卷多为年轻人，忽略中老年群体）、问卷设计引导性（如“您是否认为某品牌质量好？”）；应对采用“分层抽样”确保覆盖不同群体；“预调研”测试问卷问题，避免引导性；“第三方抽样”（如委托专业调研公司）确保独立性

（2）结论片面风险表现仅依赖单一数据源（如只看问卷数据，忽略行业动态）、忽略矛盾数据（如问卷说“满意”，访谈说“不满”却未分析原因）；应对混合数据来源（一手+二手）；对矛盾数据“深入追问”（如访谈中“您对套餐不满意，具体是哪个方面？”），分析背后原因

（3）建议空泛风险表现建议缺乏场景适配（如“提升产品质量”）、未考虑资源约束（如“推出高端产品，但企业目前无相关技术”）；应对建议前加“前提条件”（如“在预算允许的前提下，建议推出...”）；结合企业实际能力（如“若供应链支持，可试点...”）

3.3伦理规范与数据安全“调研的底线是尊重与合规”——需严格遵守伦理规范，保护调研对象权益隐私保护调研对象信息匿名化处理（如用“用户A”“受访者1”代替真实姓名）；问卷/访谈中明确“数据仅用于研究，严格保密”；第14页共19页知情同意调研前告知对方调研目的、方式、数据用途，获得明确同意（如线上问卷“勾选同意后开始填写”）；数据合规符合《个人信息保护法》《网络安全法》等法规，如收集未成年人数据需监护人同意，境外数据需通过安全评估

四、案例参考不同行业调研方法的差异化实践不同行业的调研目标与数据特性差异较大，需针对性选择方法以下为三个典型行业的案例解析

4.1互联网行业用户行为调研方法背景某短视频平台（DAU5000万+）需调研“下沉市场用户流失原因”目标明确“用户流失的核心因素”，提出“留存策略”方法选择混合方法（二手数据+一手数据）二手数据分析平台后台“用户流失日志”（如“连续7天未登录”“点击退出键”）、行业报告（下沉市场短视频用户行为特征）；一手数据问卷调研向“近30天内流失的用户”发放问卷（样本量2000），问题聚焦“流失原因”（如“内容质量下降”“广告太多”）；深度访谈选取50名流失用户，访谈“流失前的使用行为”“对平台的具体不满”；分析方法定量（交叉分析“年龄-流失原因”）+定性（内容分析“用户评论中的高频抱怨词”）；关键发现流失主因是“内容同质化”（占比42%）、“广告干扰”（占比28%）；第15页共19页建议优化算法推荐，增加“本地生活内容”，减少前30秒非广告时长

4.2制造业供应链效率调研方法背景某汽车零部件企业（年营收10亿元）需调研“原材料采购成本优化空间”目标识别“供应链各环节成本问题”，提出“降本方案”方法选择实地调研+数据建模二手数据分析近3年采购数据（供应商报价、物流成本、库存周转率）；一手数据实地走访到3家核心供应商（钢材、电子元件）考察生产流程，记录“生产效率”“质量控制”；访谈与采购部、生产部负责人沟通“采购流程痛点”（如“供应商响应慢”“库存积压”）；分析方法定量（成本结构分析、库存周转率计算）+定性（流程优化建议）；关键发现钢材采购成本占比35%，但供应商有“捆绑销售”行为，物流成本占比18%，因“运输路线不合理”；建议引入2家新供应商竞价，优化物流路线（与第三方物流公司合作），预计降本12%

4.3服务业客户满意度调研方法背景某连锁咖啡品牌（全国100家门店）需调研“门店服务满意度”目标提升“顾客复购意愿”，优化“服务流程”方法选择神秘顾客+数据分析第16页共19页二手数据分析门店“复购率”“投诉记录”；一手数据神秘顾客雇佣第三方人员以“普通顾客”身份到10家门店体验（覆盖不同时段、不同服务人员），记录“点单效率”“产品口感”“员工态度”；在线问卷向“近3个月消费过的顾客”发放问卷（样本量5000），量化“满意度评分”；分析方法混合方法（神秘顾客观察+问卷数据）；关键发现“点单等待时间长”（平均8分钟）、“员工对产品知识不熟悉”（30%顾客提问时无法准确回答）；建议优化点单系统（增加自助点单设备），开展“产品知识培训”，预计复购率提升5%

五、结论与展望2025年行业调研方法的趋势与建议行业调查研究报告的价值，随技术进步与市场变化不断升级2025年，报告撰写需关注“技术驱动”与“能力升级”，以更高效、更精准的方法创造价值

5.1技术驱动下的方法创新

（1）AI辅助数据处理AI工具（如ChatGPT）可快速生成问卷初稿、分析访谈文本、制作可视化图表，提升调研效率；例如，用“GPT-4”对500份用户评论进行主题分类，准确率达85%，节省70%人工时间；

（2）实时数据采集物联网设备（如智能POS机、APP埋点）可实时收集用户行为数据，替代传统“事后问卷”，例如某电商平台通过“用户浏览-加购-下单”路径数据，实时调整推荐策略；第17页共19页

（3）自然语言处理（NLP）通过NLP技术分析社交媒体评论、新闻报道、行业论坛，挖掘“隐性趋势”，例如某教育机构通过NLP监测发现“职业教育政策讨论热度”3个月内上升200%，提前布局相关课程

5.2行业调研的核心能力升级

（1）跨学科知识整合能力未来调研需融合“数据科学”“心理学”“社会学”等多学科知识，例如调研“银发经济”需理解老年人的“数字鸿沟”问题，而非仅分析消费数据；

（2）快速响应能力市场变化加速（如政策调整、竞品动态），需缩短调研周期（从“1个月”压缩至“1周”），通过“小样本快速验证”替代“大样本深度调研”；

（3）可视化呈现能力用“动态图表”“交互式报告”替代静态PPT，让数据“活起来”，例如某报告用“Tableau”制作交互式地图，用户可点击任意城市查看细分数据

5.3对从业者的建议持续学习新技术掌握SPSS、Python、Nvivo等工具，了解AI、NLP等技术在调研中的应用；注重数据伦理严格遵守隐私保护法规，避免数据滥用，建立“数据安全意识”；强化用户思维调研前多问“用户为什么需要这份报告”“能解决什么实际问题”，让数据服务于“创造价值”而非“完成任务”结语行业调查研究报告的方法，本质是“用科学的工具，讲真实的故事，做有价值的判断”2025年，随着技术的迭代与市场的变化，报告撰写者需以更开放的心态、更严谨的逻辑、更深入的洞察，让调研第18页共19页成果成为企业决策的“智慧引擎”唯有如此，才能在快速变化的时代中，始终站在行业前沿，为客户创造真正的价值（全文约4800字）第19页共19页。