问卷是一种非常好的数据收集方式，问卷有着小巧灵活轻便的天生优越性，简单方便，任何人都能设计一份问卷数据，然后进行数据分析和研究。但可曾知，糟糕的问卷设计会带来糟糕的数据分析，无法得到预期结果，无法进行一系列有效的研究。可惜的是，问卷研究设计，如果设计一份专业的问卷，并没有得到应有的重视。本文会从三大部分讲解专业问卷的设计内幕，分别是“问卷设计诀窍”，“问卷设计的坑”和“问卷研究报告”。
问卷设计并非难事，但太多的人不会设计问卷，原因很简单，没有思路，也不会有人讲解思路情况，事实上点拨一下，不会的‘小白’也能设计出专业的问卷。
本部分会分别讲解三种思路，分别是：关键词法，研究方法匹配法和场景应用法。接下来逐一阐述。
很多人第一次设计问卷没有经验，完全不知从何下手，也不知道需要设计什么样的问题，多少个问题合适。事实上问卷中应该设置多少个问题，问题设计成什么类型，这些重要性相对较低，最核心的在于你的思路是什么？有了思路，一切都会有解决方案。那如何让自己的问卷具有思路呢？比如说你想研究“消费者网购情况和社交媒体使用的关系情况”，首先确认好是这样的主题，我想这并非难事，至少得知道自己要研究什么。有了这一点，接下来就好办很多。从这一主题可以看出，核心想研究的点包括两个关键词，分别是网购和社交媒体；有了此两个关键词后，接着需要做的是细分；网购可以用一些什么样的问题表示呢？，社交媒体应该用一些什么样的问题表示呢。
通常情况下，一个关键词下属对应有4~7个题即可，不需要太多。如果按照此逻辑，2个关键词就只有8~14个题，还是比较少，怎么办呢？一个关键词下是否可以再继续拆分呢？比如常见的拆分可以分成两类，包括基本行为和基本态度，那么网购就可以再拆分成网购行为和网购态度两个方面。类似的，社交媒体也可以拆分成，社交媒体使用情况和社交媒体态度情况两个方面。
再这样的思路前提下，将一个研究题目分折成4~7个关键词，每个关键词4~7个题，整个研究就会充实饱满。这样做的目的非常简单，一是对整个研究思路有清楚的梳理，并且用具体问题进行量化表达呈现出来；二是也只有这样后续才会进行有效的研究分析。
如果最终拆分成5个关键词，每个关键词对应着6个题目，则有30个题目；接着需要加入一些共性的问卷题目，比如性别，年龄，学历，收入，消费等基础信息；一份比较完整的问卷就已经完成。为什么需要加入性别，年龄等基础信息呢？在统计角度上看，人口统计学变量(即性别，年龄，学历等），通常均会对某个关键词有着可能的差异性，不同的人对于同样一个问题，也会产生完全不同的看法或者观点，因而有必要加入此类问题，便于在进一步研究时深入剖析。至少，首先需要知道研究的是这样一群人，才会有后续的分析研究等。
上述即为关键词法的一种常见思路框架，此类方法属于"万变不离其宗",任何问卷设计均可以进行此类参考。接下来讲解第二类诀窍即“研究方法匹配法"。
上一部分讲解关键词法之后，相信大部分人已经会设计出一份比较不错，思路清晰，结构良好的问题。接着再深入一点，即匹配着研究方法进行问卷设计。
研究方法通常可以分为三大类，分别是差异关系，相关关系和其它关系。
如果思路上更偏向于差异关系研究，比如不同收入人群对于网购的态度差异。那么收入是个关键词，网购态度则可以使用比如规范的量表题进行设计，这样便于进行方差分析对比差异性；本人是比较建议使用较多规范的量表题，因为量表规范性很强且可以使用非常多的研究方法；如果不是使用量表题，那么就可以考虑卡方分析进行研究。如果进行更多丰富的研究方法使用，则对应需要使用多样的问题设计，量表题和非量表题均需要有，并且预期上它们就需要进入差异对比的范畴。如果思路上更偏向于研究影响关系，比如满意度对于忠诚度的影响，看上去，满意度和忠诚度均可以使用量表题进行表示，那设计成量表题没有问题，因为可以使用线性回归分析进行研究。除此之外，还有一种情况可以考虑，即logistic回归，满意度影响最终是否再次购买，是否再次购买被满意度影响，这类情况是应该使用logistic回归分析。如果是希望两类研究方法均使用，此时满意度对应的问题则需要有量表题，还有比如“是否愿意再次购买”一类的定类数据问题。如果预期数据需要进行统计上的信度分析，此时请记住一定需要设计成量表题，否则无法进行信度分析。以及如果预期思路上有分类，即比如将样本分成3种人群，此时需要考虑使用更多规范的量表题数据。
总结上看，研究方法的匹配使用，事实上应该是在问卷设计前就进入考虑范畴。问卷研究设计完成后，大部分的问卷研究方法均已经确定，因而需要提前将问卷研究方法纳入考虑中，便于可以进行更丰富的数据分析。相对来看，量表题是可以匹配更多的研究方法，而且也更规范，建议更多的使用量表题较好。
上一部分从分析方法的角度讲解了问卷如何设计，事实上问卷设计还会受到实现研究应用的影响，比如学术研究中更多地提到模型二字，大量的使用规范的研究量表。但在企业研究中，则更多的关注于现状情况以及提出政策建议等实用性的东西。不同的应用场景，问卷设计会有非常大的区别，尤其是学术和企业应用中。
学术研究中，强推量表题的设计，原因很简单，量表可以匹配非常多的研究方法，并且建立模型，便于推广；但是也有一定的问题在于，实用性相对较弱。企业应用中，不关注于模型如何，而对问题是什么以及解决办法是什么更加关注，因而对于量表题的使用相对较少，更可能使用一些非量表式的问题，比如多选题，多项选择题等。
相对来讲，建议学术研究中加入小部分（约1/5)的非量表题，便于在研究报告撰写时，可以有一些结合实际情况更深入的研究，比如研究“网购满意度和忠诚度”的关系，满意度影响到忠诚度，然后又如何呢？企业有什么帮助呢，可以考虑设计一些题目，比如如何才能提高满意度，加一些新的小功能点，多做一些优惠活动？
以及企业应用场景时，也可以适当于加入一些量表题目，便于丰富研究方法，从不同角度不同分析方法上去对数据分析，否则的话，来回只能进行交叉对比，无法深入挖掘一些新的研究点。
上一部分将问卷设计诀窍进行概述后，本部分将对问卷设计中的一些常见的问题进行汇总，避开问卷设计过程中的"坑"，这样才能得到完美的研究报告。问卷一旦完成，数据收集完成，最终却无法进行希望进行的分析，试想这是多么糟糕的事情。接下来一一总结。
1.研究影响关系，但是缺少Y
影响关系是X影响Y的意思，如果问卷中仅仅设计了关键词X对应的题目，但是没有设计Y对应的题目；这会导致最终无法分析。比如研究“影响网购满意度"的因素，问卷中仅设计出一些影响因素对应的量表题目，但是少了一个"Y"即，满意度情况如何。
除此之外，X和Y这两个词不能出现在一个标题中；比如想研究”产品影响满意度“，不能设计出这样的问题”产品会影响满意度“，将两个关键词放入同一个句子中，即X和Y没有拆分开；正确的做法是X和Y完全拆分，使用不同的问题去表示。
2.信度和效度分析，不是量表题
如果研究的最后希望使用统计学研究方法，进行信度和效度分析，但是却没有将关键词对应设计出量表题目；这会导致无法进行分析。统计学角度上的信度和效度分析，都只是针对量表题；尤其是学术研究中通常需要报告信度和效度情况，因此需要设计出对应的量表题目才可以。
3.问卷中逻辑太多
一份思路清晰的问卷，应该是任何人一看就完全理解想做什么，如果问卷中逻辑太多，比如选择一个第1题，才能回答第5题；然后选择第3题才能回答第4题；各类逻辑非常多；这种情况的产生会导致最终进行研究分析时非常糟糕，因为逻辑过多很难理解和分析。建议一份问卷中的逻辑保持在4个以内。如果说确实逻辑就很多，可以首先画流程图，将逻辑进行梳理，把有逻辑的地方进行汇总，尽量简化逻辑跳转。
4.填空题少用
填空题是一种开放题型，可以收集到一些意想不到的信息。但此类题型有个大问题即非常不规范，比如性别使用填空题，很可能得到这样的回答比如男，male，m，男生，男的，男同学，男士，男人等等。这类非常不规范的答项会导致无法进行分析，一定要分析，那需要先整理成规范的答案，非常的费时费力。
如果是出于收入更多开放信息，那确实需要使用填空题，如果不是此类需求，建议尽可能少的使用填空题，因为它无法进行数据分析方法的使用。
5.事实上问卷设计时还会遇见很多问题，比如某个选项居然没有人选择，也或者多选题居然设计出2个问项。这种情况都是比较细节性的问题。建议设计问卷中稍加注意即可，此类情况只会导致最终的研究报告质量比较糟糕，并不会影响到实质性不能进行分析的情况。稍加注意即可，建议设计问卷时，站在被试即回答问卷问题的角度考虑一下，避免出现一些比较常规性质的问题。
问卷研究中，量表是一种比较规范而且简单容易理解，最为关键的是，其可以匹配非常多的研究方法。因而笔者建议可以尽量多的使用量表题。在学术研究中，量表题是非常常见的一种题型，而且大量广泛的使用，绝大多数研究方法均只能匹配量表题。但是在企业研究中，量表题使用相对较少，而是使用更多的多选题，单选题，排序题等。可以考虑互补，即学术研究在大量使用量表题基础上，加入一些非量表题比如多选和排序题；而企业研究中适量的引入量表题。
在问卷设计完成后，事实上自然就会有对应的研究方法匹配，以及研究思路的确实，研究报告的框架结构目录也大致确定好。
