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。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：
1.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，很难记起往事发生的确切时间，很难记起大多数经历的细节。
2.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。
问题设计：
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。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」？
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。
END
