这样设计问卷才能收集到高质量的数据
金蝶云之家用户研究员-郑少娜：在用户研究中，问卷调查是最重要的工作之一。因此，问卷设计就显得重要。问卷的质量会直接影响到收集的数据质量。在面对问卷设计的时候，我们往往过于轻敌，自以为已经做得很好，其实一些基本原则和注意事项很容易被忽视。问卷调查的好处在于，我们能够通过来自大样本的结构化数据，对事实作出精准的描述和推断，这是定性研究所难以做到的。但是，一个问卷调查，如果对错误的用户提了错误的问题，收到的数据将无法反应实际情况。更可怕的是，如果我们对此一无所知，轻信问卷数据的质量，就会得出具有误导性的结论。问卷调查还有另一个风险，就是我们往往依赖问卷填写者的自我报告，他们填写的答案往往会受到自身的一些认知局限的影响，未必能反映客观事实，这也是我们在设计问卷的过程中需要尽量避免的。问卷测得的数据与实际情况之间存在的偏差，主要受到以下因素的影响：
人
人的回忆是不准确的：相比于自己做过某事，人们很容易忘记自己没有做过某事；人们很难记起往事发生的确切时间；人们很难记起大多数经历的细节。人在回答问题的时候可能会受到社会期许效应的影响。人们了解社会对人的行为有一定的期待，也担心自己的某些真实情况不被他人认可。因此他们倾向于根据社会的期许来调整自己的答案。人们总是倾向于给出答案，即使自己并不清楚。人们报告的往往是他们对事情的理解，未必与客观事实一致。
问卷
问题的措辞、选项的措辞、选项的顺序和前后文语境都会影响用户对问题的理解，从而也就影响了用户的回答。那么，对于问卷设计来说，好问题的标准是什么？好问题首先要有明确的测量目标，也就是问题实际上要测量的事件是什么。其次，对于这个测量目标，好问题能够有较高的信效度，也就是能够达到稳定而准确。
要尽量减少测量的偏差，有几个基本条件：
要让用户，并且是所有的用户都能够以与你相同的方式理解问题。需要检视问题中的每一个概念，确保没有歧义。比如：「运动」是否包含「散步」？「月收入」是指税前还是税后、是否包含投资理财等其他收益？确保用户能够回答你的问题。用户可能因为不知道相关信息（你上周通过运动消耗了多少卡路里？）、无法准确回忆起相关信息（你上个月有几天没吃早餐？）等原因而无法回答。确保用户愿意回答你的问题。如果用户不愿意回答，他们可能随便选择一个答案来应付。如果涉及到比较敏感的问题，让用户知道为什么你要问这个问题，并且让他相信你会对此保密。确保每个用户都能找到适合自己实际情况的选项，并且避免诱导他们做出不符合实际情况的选择。
研究设计
在开始动手编制问卷之前，我们需要先搞清楚一些更核心的问题。
1.目标调查对象是谁？
我们需要对目标群体有一定的了解，包括他们掌握的相关信息、习惯使用的术语等，才能够提出合适的问题。
2.研究目的是什么？
我们做的研究可能有需求方，了解清楚他们的期望。尝试用一句话描述本次调研的目的，这考验的是我们对研究关注的核心问题以及研究的根本价值的了解。
3.目的→假设→变量→问题
从根本目的出发，我们可以衍生出一些具体假设。如果条件允许，可以先对目标群体做个访谈，帮助我们拓展思路和形成假设。
每一个具体的假设都揭示了我们应该测量哪些变量，而每个变量可能需要用多个问题去测量。“目的→假设→变量→问题”这个架构树帮助我们紧贴研究目标去思考应该提出哪些问题。也可以通过让团队成员头脑风暴的方式来收集团队想要了解的问题（不需要写出规范的问卷题目）。但是需要注意的是，每一个问题都需要有存在的理由，即它对研究目标的贡献是什么。最终留下的问题数量尽量不要太多。30个题目的问卷大概就需要用户花费20分钟去填写，如果超过20分钟，问卷的回应率和答题质量都会有所下降。
问题设计
我们已经列出了为了达到研究目的，我们需要知道的问题的清单。下一步是好好设计这些问题的措辞，以避免不必要的测量误差，提高测量的准确度。下面是一些通用法则：
1.让用户预测自己的行为往往不准确，直接问他们过去的行为可能更好
用户在预测自己行为方面往往做得不太好，如果你问他们是否会使用某个产品或者服务，他们很可能会说“会”，但是这并不可信。直接问行为，用用户过去的行为去预测他未来的行为更加可靠。
2.避免问否定性的问题，填写者可能会少看了「不」字
比如，当你的问题是「下列哪些因素对你来说最不重要？」时，用户可能因为粗心而看成“下列哪些因素对你来说最重要？”
3.推测原因、提供解决方案对用户来说都较难回答，尽量不让用户回答这些问题
「你是否曾经因为找不到某个功能而放弃使用A网站？」用户也许记得放弃使用A网站的经历，但他们未必能够意识到放弃使用的原因。
4.不要一次问多件事
「在购买纸质图书或电子图书时，你最看重哪些因素？」这样的问题会让用户产生困惑，究竟要回答前者还是后者，尤其是两者对应的答案不一致时。对研究员来说，这种问题的答案也很难分析，无法清晰地界定用户的选择代表的具体意义。
5.避免在问题中隐含假设
「你最喜欢A网站的什么？」这个问题假设了用户对网站的某些部分存在好感，但是这个假设未必成立。
6.不要问极端的问题
「你每次上网都浏览新闻吗？」由于极端问题出现的概率较低，对于这种问题大多数的用户会回答“否”。这样获得的数据没有太大价值。直接询问频率可以获得更加具体的信息。
7.明确你感兴趣的时间期限
「你购买化妆品的频率是？」用户可能会根据最近一个月、最近半年或者最近一年的情况来作答，真正糟糕的是不同的用户可能会选择不同的时间期限。因此说明你希望用户根据哪段时间的情况做判断会更好。
选项设计
1.选项要对称
选项的正向和反向形容需要有相同的力度和强度。如下图的选项不正确地给了负向情绪以更高的强度。
2.保证所有用户都有合适的选项
最好穷尽所有可能，如果无法做到，也可以提供一个「其他」选项给那些没有被覆盖到的用户。即使是李克特量表，有时也需要加入一个「不适用」选项，避免强迫用户选择。
3.选项要很具体
不要有含糊不清的表述，能够用数字表达的尽量不用「很少、经常」这类表述。
4.选项要互斥
如果是单选题，一个用户不能够既符合A选项，又符合B选项。如下图，「情有可原」表示「不该，但是可以理解」，那么持这种观点的用户应该选择「不该」还是「情有可原」？
5.选项的顺序要一致
比如1永远是最不同意，5永远是最同意（或者相反）。如果一份问卷中选项的方向发生改变，用户可能没有注意到或者习惯性按照原来的方向进行选择。
6.如果答案没有逻辑顺序，尽量做到随机排列
顺序可能会影响用户的选择，我们通过随机的方式来降低这种影响。
7.选项的含义要清晰
「我经常做有氧运动。——同意、不同意」当用户选择不同意的时候，表示的是自己做有氧运动的频率低于「经常」，还是高于「经常」？
顺便说说访谈
访谈和问卷调查类似，都是向用户提问题。它们之间最大的不同是，问卷调查得到的答案是封闭式的、结构化的，而访谈得到的回答是开放式的、难以预期的。访谈和问卷遵循一些相同的提问原则，比如不要带有引导性，要尽量消除社会期许的影响，尽量询问事实而非让用户预测等。但是访谈是人跟人的对话，而不是人跟问题的对话。所以访谈员未必跟着设计好的提纲走。如果被访者对问题存在疑问或者误解，访谈员有机会去发现并进行解释。访谈员还可以针对被访者的回答进行追问，以便对问题有更深入的了解。问卷调查对问卷设计的要求很高，数据质量很大部分依赖于此。但是访谈除了遵循一些和问卷设计一样的规则之外，更多地依赖于访谈员的访谈技巧和现场发挥。
本文来自公众号：UXD-Cloudhub
这样设计问卷才能收集到高质量的数据相关推荐
- 如何设计问卷，才能收集到高质量的客户体验数据？
1997年的初夏,农夫山泉董事长钟睒晱(shǎn)眉头紧锁地坐在办公桌前,他要为公司即将推出的农夫山泉矿泉水选一句主广告语,但无法在"农夫山泉有点甜"."好水喝出健康来& ...
- 如何才能写出“高质量”的代码？
作为一个已经写了十几年代码的程序员,做好软件不是全部围绕代码而展开,换句话讲一个程序员的程序员优秀不仅仅体现在代码上,更要有内在的编程思想说的层次再高深点就是框架思想.很多初学者都会存在很多疑问,觉得 ...
- 如何才能写出高质量代码
提醒:在发布作品前,请把不需要的内容删掉. 你是否曾经为自己写的代码而感到懊恼?你是否想过如何才能写出高质量代码?那就不要错过这个话题!在这里,我们可以讨论什么是高质量代码,如何写出高质量代码等问题. ...
- 11月9日云栖精选夜读 | 如何才能写出“高质量”的代码？
作为一个已经写了十几年代码的程序员,做好软件不是全部围绕代码而展开,换句话讲一个程序员的程序员优秀不仅仅体现在代码上,更要有内在的编程思想说的层次再高深点就是框架思想.很多初学者都会存在很多疑问,觉得 ...
- 神策数据司沛：加速车企数字化转型，搭建高质量用户数据平台实战
本文根据神策数据高级售前解决方案顾问司沛<加速车企数字化转型,搭建高质量用户数据平台(CDP)实战>的直播内容整理而成.主要包括: 车企数字化转型之瓶颈以及应对思路 神策数据为车企打造的用 ...
- 墙裂推荐一个高质量的数据分析学习平台
墙裂推荐一个高质量的数据分析学习平台 大家好,我是Peter呀~ 这是一篇无关任何技术的文章,主要是将近期自己写作的文章和资料进行了整理和汇总.也推荐下一个python数据分析的平台:尤而小屋 Pan ...
- 大模型“研究源”告急：2026年高质量语言数据或将耗尽
Datawhale干货 作者:李梅 编辑:陈彩娴 来源:AI科技评论 审校:黄元帅 前 言 语言模型的缩放定律(Scaling law)表明,其规模大小取决于可用数据的数量,所以在过去几年,大约有一 ...
- web设计字体规范_适用于Web设计人员的30种高质量免费字体
高质量字体是设计师的重要资产. 我们始终努力在每个设计项目中保持独特,但是有时候为正确的设计获取正确的字体可能很困难. 通过搜索引擎和字体网站搜索字体既费时又乏味. 在今天的帖子中,我们尝试将尽可能多 ...
- 吴恩达：告别大数据，AI需要高质量小数据！
来源:AI科技评论 本文约5000字,建议阅读10分钟 本文向大家谈下吴恩达对基础模型.大数据.小数据以及数据工程的一些感悟. 吴恩达是人工智能(AI)和机器学习领域国际最权威的学者之一,最近一年里, ...
- 吴恩达：AI要拥抱【高质量小数据】的训练范式
丰色 编译整理 量子位 | 公众号 QbitAI AI大牛吴恩达不久前刚被检测出新冠阳性,许多网友都向他表达了早日康复的祝愿.而最新消息显示,目前已经康复. 如今,他的工作重心放在了他的Landing ...
最新文章
- Java内存模型与线程
- Oracle事务处理—隔离级别
- linux grep命令总结
- linux 安装mysql
- 国际C语言乱码大赛(IOCCC)经典之作
- uvm_comps.svh
- Android，XML解析
- navicat for Oracle连接
- 【交互】【随机】Lost Root（CF1061F）
- C#中其他简单LINQ查询表达式的简单使用介绍
- 汕尾python高手_每天两小时，下一个python 高手就是你！满满都是干货
- oracle 某一字段取反
- Vue.js 源码分析(十七) 指令篇 v-if、v-else-if和v-else 指令详解
- HDU 4009 不定根最小树形图
- Android本地音乐播放器的制作
- 中国股市十大风云人物
- 斯皮尔 皮尔森 肯德尔_科学网—在SPSS软件相关分析中,pearson(皮尔逊), kendall（肯德尔） 和spearman（斯伯曼/斯皮尔曼）三种相关分析方法有什么异同（转）...
- Layui官网地址官网仓库
- 某些老司机直播APP这么受欢迎？作为Android程序员如何进军音视频？
- MyEclipse中maven项目中WEBROOT目录问题