调查问卷的信息收集方法有很多，有时甚至可以图文并茂的设计，但分析方法往往先行于调查。

可以很直接地说，问卷设计有着一套严谨甚至苛刻的流程，这不仅仅需要我们明确认识研究调查问题的核心，还需要我们对每一个问题都有着严谨的措辞，以及对整个调查问卷有效评估。

一份好的调查问卷所反馈出的信息会让问题变得更加清晰，反观市面上的大部分的产品调查问卷，能够反馈真实有效的信息的却少之又少。因此，抛砖引玉，希望在问卷设计上，能够得到大家更好地意见与建议。

一．如何提出好的问题

思考一个问题是否是一个好问题的时，就要去考虑问题的本身，问题的形式，问题措辞和它能够引出的答案的类型。而提问作为日常生活交流的重要部分，想要把口头上的交流转为严谨的问题，则需要注意以下几点：

1. 问卷的设计者和问卷的受访者是否能站在同一角度看待问题。
2. 问题反馈的信息是否能够用统一的方式管理，分类。
3. 所有的受访者是否能够对中肯的答案表示认同。
4. 受访者是否有能力回答问题，或是具备一定的能力回答问题。
5. 受访者是否愿意就问题提供正确答案。

简而言之，除了问卷自身的严谨性，无论我们出于什么样的目的去设计问题，都不能仅站在分析者的角度去看待问题。设计问题自身也可以类比成一种交互过程，它是有受众的，且会对不同的问题做出不同的反应，受访者会在回答问题的同时，有意无意的给自己打造出一个完美形象，但这样会让我们得到的信息失去一定的信度与效度，从而影响了最后的分析结果。

举一个例子：

问题：在最近一年的时间里，你平均多久去一次图书馆？

A.每周一次或以下    B.每周两次     C.每周三次    D.每周四次或以上

这样的问题乍看之下，没什么漏洞，但站在某些受访者的角度，答案可能在一定程度上暴露了受访者是否喜欢读书等此类的问题，虽然分析者只是想要知道受访者到图书馆的频率，专业的分析者不会仅凭一个问题而武断的给受访者贴上标签，但这样的问题，无疑会得到比实际次数较高数据，影响了最后的数据的准确性。

修改：我们知道，因时间碎片化现象比较普遍，纸质书籍现今已经不是人们读书的首选，人们可以通过更多方式来获取想要的信息。请问在最近一年的时间里，你平均多久去一次图书馆？

A.每周一次或以下    B.每周两次     C.每周三次    D.每周四次或以上

我们用简短的语言解释，给了受访者一定的回旋余地，不会对受访者形象有太大的影响，让答案本身看起来更有了针对性，得到的信息也变得更加准确。

也就是说，问卷设计并不是简单地问题罗列，一个好的问题从设计出来到最后的评估，可能会被多次的修改，分解或删除，同一个问题也常常以不同的形式重复出现在问卷上。而这样做的主旨，即是保证问卷得到的信息有较高的信度与效度。

二．问题设计

在此之前，我们需要知道调查问卷能够收集到的信息种类。即：

• 过去行为
• 当前行为
• 未来行为
• 对承担义务较小的问题的态度
• 对承担义务较大问题的态度
• 未来的态度

这里六种信息也可以分为“行为”与“态度”，除了以上的信息，我们多数情况下还会询问受访者的性别，年龄，收入等信息，我们称这类信息为“属性”，也就是说，调查问卷能够收集到的信息共分为三大类：行为，态度，属性。

在这里，行为和属性属于客观信息，人们看待事物的态度则属于主观信息，以下，会对这两种信息的收集的问题设计进行分别讨论。

1.客观信息收集应注意的点

（1）客观信息的收集难点主要体现在两个层面，一个是分析者对于信息收集的目的的理解，另一个则是受访者对于问题自身的认识。

举一个例子：

目的：收入调查

问题：你当前的月收入（税前）是多少？

A.3000元以下    B.3000-5000元     C.5000-8000元    D.8000-12000元     E.12000元以上

这是现今收入调查用的最多的一种问卷形式，某种程度上来说，若是收入的信息对整个调查分析的信息并没有太大的影响，只是作为一个极为次要的辅助信息来说，它满足了我们的需要，我们也不必对这个问题太过执着（但收入往往是调查分析比较看重的一块，特别是互联网行业）。也就是说，我们认可问题存在一定的缺陷，前提是我们收集的辅助信息并不是太重要。所以，当我们把收入作为一个主要信息收集时，上面的问题可能就会涵盖不全，对此，我们需要对问题进行修改。

可能的形式：你当前每个月的有偿收入是多少？

A.3000元以下    B.3000-5000元     C.5000-8000元    D.8000-12000元     E.12000元以上

增加了问题的覆盖范围，受访者会自动的把自己的工薪和日常收入叠加到一起，从而避免了简单的以工薪信息去衡量某些指标的不确定性。但这个问题同样是会出现误差的因素有很多，除了受访群体自身带有的一部分属性，还有即是分析者想要衡量问题的广度。就是说，越准确的问题受访者对问卷的投入成本越高（回答问题需要更多地时间与思考），问卷设计时，我们要思考这个问题的成本投入与期望的回报。

（2）客观信息的收集除了受访者的一些固有属性（如上面的收入，反映出的问题属于一个属性），还有就是涉及到一些简单的估计计算，时而两者兼备，来对受访者的答案进行复核。（比如我们对某小区的受访者去年一年去医院的次数进行调查，问题可以直接问受访者去医院的次数，1次，2次，3次……，也可以询问受访者去医院的频率，一个月一次，两个月一次……，在问卷中以不同的形式向受访者提问，得到更准确地答案）

客观信息的收集更重要的是准确度，我们的信息大都来自受访者的记忆，因此时效变得尤为重要，但现在多数问题的设计并没有界定某个时间，受访者更多的是根据当前的状态作答，这样收集的信息是片面的，不准确的。就像我们做用户体验地图一样，问卷所调查的信息也是一个连续性的信息，它反映的是受访者某个时间段内的活动状态。

但囿于受访者记忆的准确度（有些信息并不利于回想），我们要对这样的类型的信息要有容错的意识。

另外比较重要的一点，就是一定要让受访者清楚问题问的是什么，措辞不要太晦涩，除特殊情况外，专有名词的出现一定要让受访者清楚词义。

上面说到，客观信息主要包括行为和属性，也就是说，我们调查的信息是已经存在的和实际发生的事实，对于这些信息，一定要承诺做好保密，打消掉受访者的顾虑，特别是在我们收集的某些信息对于受访者来说会降低他们的社会评价的时候。

2.主观信息的收集应注意的点

（1）量值化：相比客观信息，主观信息更容易因受访人的不同而得出不同的结论。主观信息的生成，往往是受访者审视自身，把相关的信息总结起来得出的结论，为此，我们常常把这种结论转化为“量值”的选项进行处理。这种“量值”一般有两种形式，一种是数字量值，一种是形容词量值。

举两个例子：

目的：售后服务反馈

问题1：你对这次售后服务的结果打分是多少？

A.5分   B.4分   C. 3分   D. 2分   E. 1分

问题2：你对这次售后服务的结果满意么？

A.非常满意   B.满意  C.一般   D.不满意   E.非常不满意

这是我们常用的两种方式，他的优点是受访者习惯了这样的作答方式，往往能够很快的得出答案，对于大部分调查，同样拥有着较高的可信程度。但若是想要收集更细致的信息收集，这样的方法就很难满足了。

之前一阵子，我曾在某租房APP上看到过大致是这样的一个问题设计：

你认为X X X 界面交互的评分是？（问题不重要，重要的是选项）

1分   2分   3分   4分   5分   6分   7分   8分   9分   10分   

没错，他有十个选项，受访者可以从1到10分之间任意选择，可是这个时候，我们对于界定的均值（5分是一般？还是6分）就会因每个人的观点不同而受到差异，而3分，4分这样的选项与1分，2分有什么区别，受访者是否能够统一并很好的理解这些选项，如果不能，那么收集的信息，就会受到影响。

往往上面的问题经常被拆解来看待，比如像下面的一样。

可能的形式：你认为X X X 界面交互怎么样？

A.非常满意   B.满意   C.一般  D.不满意   E.非常不满意

设想我们有一个1-10分的量表，你认为X X X 界面交互能够得多少分？

也就是说，我们先获取受访者对这个问题的主观态度，在把这个信息量化，让受访者在已经做出态度表明之后，进行选择，就会提高信息的准确度。

另一种方法则是强制的划分量值表，比如像下面这样：

你认为自己的身体状况怎么样？如果有一个-5~+5的分值量表，你认为自己能够得多少分？

不同于上面的形式，我们强制的划分出了均值，大于均值则为偏好，小于则为偏差，相比1~10分的量值表，能够更加准确。

另外，“量值化”还有一种方法，即是对受访者有普遍认识的事物设定“均值”，用这个“均值”去衡量其他问题。

举一个例子：

问题：如果把做阑尾炎手术的难度定义为100分，你认为以下手术的难度定义为多少分比较合适？难度为二倍，则为200分，难度为0.5倍，则为50分。

这样的形式一般更能够得到受访者对某件事物的主观评价的信息，但前提是受访者对定义的“均值”能够透彻的了解，如果了解的不彻底，也会对信息造成影响。

以上是两种信息收集的方法，但具体的问题还需要具体分析，调查本身就是受诸多因素的影响，所以我们设计调查问卷时，也会针对对不同的情况设计跳答问题，选答问题等，也就是说，针对不同的人群设计问卷，才会挖掘更多的信息。

调查问卷的信息收集方法有很多，有时甚至可以图文并茂的设计，但分析方法往往先行于调查，也就是说，对一个或几个问题的分析要在调查之前就确定，一份初稿往往要经过几次修改才能够正式使用，为了避免问卷收集的信息有偏差，问卷的评估是必不可少的。

本文由 @洛珂 原创发布于人人都是产品经理。未经许可，禁止转载。