想了解用户，想做好用户调研，问卷调查常常被认为是最简单的一种方法。然而，真的很简单吗，其实里面也有大学问。
笔者结合实际工作中多次的问卷调查经验，希望能为接触到问卷调查的朋友们提供一些基石，填满一下深坑。
赶时间，也先收下这张图
前期准备
【基石】
开始问卷工作之前，一定要做足前期准备。
需求分析：先明确问卷的目的、方向和范围，通常只集中某一方面（产品使用、推广感知等）作为问卷的中心点；
用户分析：不同的用户群体对问卷的回答可能会有明显差异，做好群体细分能有效提高问卷的可靠性。另外可结合统计学的假设检验，这里不展开讲述；
辅助分析：问卷帮助了解用户，了解用户也是问卷工作的前提。用户访谈、焦点小组等方法，能起到很好的辅助分析作用。
【深坑】
1、问卷调查是一次精确概率抽样
通常来讲提交问卷的是你产品的活跃用户，问卷调查难以反馈全用户的意见。即便填写用户即目标用户，也与投放渠道和方式等有关。
2、来一次全面咨询
有太多的问题想了解用户真实想法，这是我在大多实习生中看到的常见错误。太全面的问卷通常缺乏意义，请带着目的范围精简收敛问题。
3、用户愿意思考
时刻记住，用户不是pm或设计师，如果一个问题需要用户花超过15s的时间思考，我想那不是好问题。
问卷设计
【基石】
简洁、有效、易懂、清晰、结构化，我认为这五点是一份合格问卷的必备要素，是设计问卷时应遵循的原则。具体来讲：
简洁——控制问卷在3min、15题为宜；
有效——紧贴目的去设计每一道带价值的问题，且保证问题不作引导，选项穷尽（提供所有选择）；
易懂——避免模棱两可的信息和专业术语；
清晰——给用户提供选择项、量化打分或者图案信息，通常用户更易认知，也能增加问卷趣味性；
结构化——先易后难、注重问卷逻辑结构，才是合理的问卷设计。
【深坑】
1、宁愿少答卷也要多一题
这样的想法导致问题越来越冗余，同时牺牲了问卷的提交量。没有足够的样本，可能整个问卷已意义不大。
2、开放问题能得到想要的建议
真心写建议的用户是少数的，更多时候反而是为了完成问卷对开放性问题乱写一通，因此，你的问卷不应该有超过1题的开放问题。
3、选项设置有预设或偏重
如果各选项有引导性或偏重，比如不自觉地把自认为最可能的答案放置于A选项，那么这道题请作废。
4、用户会边思考甚至边使用产品答卷
最笨的问题就是用户无法直接感知回答，甚至需要思考使用产品才能回答，相信我，用户会随便选一个。
5、忘了有些问题后台数据可回答
检查每个问题是否需要加入问卷，如果后台数据已经给以更可靠的答案，剔除该问题。
6、信息或提示不全面，到底还有几题
这是问卷设计最易忽略的细节，问卷开头请注明题目数和答题预估时间，最好在过程中知道目前的进度。
问卷投放
【基石】
合适工具：考虑清楚用第三方工具（问卷星／问卷网／Google Docs等）还是搭建页面（成本高，保密性好，统计需求请与程序沟通好），另外需保证不同系统的兼容性。
不同入口：不同的投放入口可以决定用户量和用户属性的差异，也决定这问卷抽样的准确性，所以这一步很重要。
激励机制：简单的激励能较好的提高问卷样本量，也是问卷投放的常用方法。
【深坑】
1、投放后不再跟踪调整
问卷投放了就撒手不管是常见错误，投放后依然需要定期监测数据并及时调整投放策略，才能达到预期的投放效果。
2、太长或太短的投放时间
个人认为两周是比较合适的投放时间，具体因产品和投放环境差异有所区别。
3、奖励太刺激，问卷变活动
当问卷因刺激的奖励有了很高的样本量，实际上已经变成了活动，活动用户并不是你想要的问卷用户。
后期处理
【基石】
剔除无效问卷
处理问卷数据的第一步是剔除无效问卷或者无效答案。无效问卷比如重复提交、规律性选择等情况，无效问题比如空题、乱码主观题等。
多维分析
问卷结果的数据可以进行多维地分析，比如总体、用户、渠道、内容等方面，都可以针对性地完成数据分析处理并产出报告。
结合后台数据
后台通常可以提供更精确的用户属性和行为数据，可以对比分析数据、进而理解用户。
挖掘价值
一份问卷的价值体现在两个方面，达到预设的目的、提供额外的有效数据。
【深坑】
1、问卷数据就代表着目标用户
如前所述，问卷用户并不直接等同于目标用户，要懂得挖掘参考信息，更要懂得挖掘背后的原因。
2、数据得到的跟你想的一样
当发现某问题的数据跟预想的一样，首先思考问题的有效性，如果无效果断放弃该数据。
3、用户建议太杂乱，懒得整理
我也曾厌倦于主观题答案的杂乱难理，但事实上，当你发现建设性的用户意见，其价值不亚于做一次深度访谈。
4、高估或低估问卷报告的价值
最后，请不要高估问卷报告的价值，因为它不能判断了解用户需求的直接依据；但更不要低估问卷报告的价值，当踏好前面所说的基石和避免深坑，你也会大大受益于这门大学问里。
