问卷多长才合适？时长会同时改变成本、完成率和样本结构

同一批500名合格参与者被随机分到两个版本：7分钟短版得到209份有效答卷，有效产出率83.6%；17分钟长版只得到161份，有效产出率64.4%。如果正式研究需要800份有效样本，按试投表现，短版约需957名合格者开始，长版约需1243名，多招286人才能补回退出和质量损耗。

问卷长度的成本不是“每多一道题加多少钱”。更长或更难的任务会改变谁愿意开始、谁能坚持完成、谁在后半段减少思考，也会增加激励、替补、回收周期和分析处理。真正的优化单位应是每条决策所需证据占用了多少参与者时间，并最终产生多少可用数据，而不是页面数或题号。

题目数量很少，负担仍可能很重

十道短单选可能比一道25行矩阵更轻；一段三分钟视频、一次上传或要求查找账单，会让“只有八题”的问卷远超编辑器预计时长。英国 Government Analysis Function 将访谈长度、认知复杂度、需要付出的努力、重复受访和敏感问题压力都视为受访负担。

编辑者熟悉概念和正确路径，通常答得比目标用户快。不能以团队内部跑一遍的时间作为邀请承诺；应让不同设备、语言、经验和无障碍需求的真实目标用户完成实际路径。

500人随机试投：长版少了48份有效数据

以下为说明性虚构数据，不代表问卷派、任何样本供应方或行业基准。500名通过相同筛选的参与者按1:1随机进入问卷；两个版本使用相同邀请、激励、核心结果、设备支持和质量规则。短版保留决策必需模块，长版增加了功能认知、品牌态度和十项开放追问。

有效产出差为83.6%－64.4%=19.2个百分点。用两个独立比例的普通近似，差异95%区间约为11.7至26.7个百分点。在这次随机、同条件试投中，较长版本导致有效产出降低的证据较明确；但这个区间只适用于本次人群、内容、设备和激励，不能变成“所有17分钟问卷都少19.2点”的行业定律。

正式目标800份有效回答时，短版所需合格开始约为800÷0.836=957，长版约为800÷0.644=1243。长版多出的286名合格开始还要乘回合格率和邀请进入率，才是实际增加的投放量。若目标人群稀有，长度与低合格率会相互放大，而不是各自只增加一点成本。

随机分版很重要，否则长短差异可能只是人群差异

上午先发短版给忠诚用户、下午再发长版给新客，短版表现更好可能来自客户阶段或回收时间。U.S. Census Bureau 的问卷测试标准要求 split-panel 测试用随机分配，并在试验前定义判断版本优劣的标准，使观察差异能归于问卷版本而非不可比样本。

试投计划至少预先定义：

• 主要指标是有效产出、主体完成、关键题缺失、测量可靠性还是参与体验；
• 何为质量未通过，规则是否会误伤某类设备或较慢参与者；
• 两个版本共有的核心题放在什么位置，是否存在顺序影响；
• 需要发现多大差异，试投样本是否足以支持判断；
• 分配、邀请、激励、来源和回收窗口怎样保持一致；
• 达不到阈值时是删模块、改任务，还是接受更高成本。

速度本身不能单独判质量。熟悉产品的人可能真实答得快，使用辅助技术或认真查找记录的人可能很慢。质量判断应结合页面行为、矛盾、开放内容、重复、设备错误和人工复核，且在看结果前固定。

时长要按路径、人群和设备报告，不只给一个平均数

整体平均容易被中途离开、页面挂起和少量极慢值扭曲。更可用的时长表应包含完成者中位数、75或90分位、合格后退出者的已用时间，以及关键人群和移动端差异。后台停留十分钟可能是参与者接电话，不等于十分钟作答；异常长时间可截取用于运营统计，但原始过程仍保留。

分支问卷尤其要展示：

1. 高频核心路径：大多数人实际经历的时间；
2. 最长合理路径：使用功能多、触发多个追问者的负担；
3. 高风险路径：移动端上传、语言版本、无障碍技术或敏感模块；
4. 筛选被拒路径：未合格者也付出的时间；
5. 中断恢复路径：保存、返回和重复加载是否被误计。

邀请中的预计时长应覆盖典型目标用户的真实路径，并说明存在额外任务的条件。若实测持续超过承诺，应暂停扩量、删减或调整补偿，不能靠隐藏最长路径获得较低报价。

删题先看“决策价值÷负担”，而不是从最后一页砍

给每个问题或模块标四项：支持哪项决定、缺少它会发生什么、哪些人有资格回答、预计增加多少时间。优先删除没人负责使用的“顺便问问”、与其他题重复的构念、无法行动的细分和要求所有人评价未经历事项的矩阵。

删减时仍要保护：

• 研究同意、隐私和安全说明；
• 目标资格和实际经历的确认；
• 一个稳定的主要结果及其必要分组；
• 能解释关键结果的少数机制题；
• 预设质量检查和“不适用、拒答”路径。

不能通过删掉失败者分支、隐私说明或“不知道”选项来制造短问卷。那会缩短表面时长，却把负担转成测量错误和错误结论。

只问真实经历，往往比机械缩短更有效

原方案让每位用户评价25项功能。日志或自报显示大多数人近30天只使用5项，则先确认实际使用，再只追问相关功能；对低分功能随机选择最多两个询问原因。题库仍覆盖25项，但单个参与者不承担全部负担。

这会让每项基数不同，报告必须显示实际回答人数；若功能被使用的概率与用户特征有关，还要按设计处理。不能把未展示的项目当成中立，也不能拿使用者评分代表未使用者的认知。分支逻辑降低无关负担，但不会消除选择带来的解释边界。

题目都重要时，可以随机分配模块而非让所有人全答

把共同资格、主要结果和关键分组设为核心模块，再将次要主题分成A、B、C模块，按预定概率随机给每人一到两个。这种 split-questionnaire 或 matrix sampling 让不同参与者承担不同子集。U.S. Census Bureau 的可行性评估指出，随机模块形成按设计缺失的数据，可降低负担；代价是每题样本变小，跨模块关联无法从同一个人直接获得，并需要相应权重、方差或缺失数据方法。

随机模块不适合随手实现。若分析必须知道同一个人的价格态度与品牌认知关系，这两组题不能永远分开；稀有分支还可能让某模块基数过低。应从预定估计和模型反推模块重叠、分配概率与总样本，并把“未被抽到”编码为计划未采集，而不是普通漏答。

大量开放题不等于同时拥有规模和深度

让1000人各写五段原因，常得到短句、复制内容和高昂清洗成本。若目的是发现未知机制，可以先用少量深度访谈或 AI 访谈形成假设，再用短问卷估计分布；也可以先用问卷识别关键群体，邀请其中一部分做后续访谈。深度任务要有相应同意、补偿和分析资源。

视频观看、录音、屏幕操作和文件上传应单独计时，并验证网络失败与移动端兼容。样本团队报价时需要知道媒体时长、开放输入、设备限制和数据量；只提供“20题”会让不同供应方按不同假设报价，单价无法比较。

成本表至少包含五项，而不只是参与者激励

问卷派可以用逻辑只展示相关路径，在软启动中观察页面时长、退出、完成与质量，并把开放反馈衔接到后续分析。AI 起稿会让增加题目变得容易，但每道生成题仍需明确证据用途；平台功能不能代替真实参与者预测试和公平补偿判断。

可批准的长度结论要同时写价值、产出和边界

本案例可以写成：“500名合格者随机测试显示，短版与长版有效产出分别为83.6%和64.4%，差19.2个百分点，近似95%区间11.7至26.7。达到800份有效样本预计分别需957和1243名合格开始。长版新增模块不支持本轮上线决定，故删除；三个次要主题改为随机模块，每项基数与分配概率将在报告中披露。”

不能写成“17分钟一定不合格”或“所有问卷都应控制在7分钟”。没有跨项目通用的分钟线；可接受负担取决于参与者、主题、任务、补偿、模式和价值。好的长度是经过测试后，以最少必要负担得到足以改变决定的证据。

继续评估回收成本和质量，可阅读合格率与样本成本、软启动监控和低质量答卷识别。

问卷负担、版本试验与模块化依据

• Galesic & Bosnjak — Effects of Questionnaire Length on Participation and Response Quality
• UK Government Analysis Function — Questionnaire design guidance
• UK Government Analysis Function — Monitoring and reducing respondent burden
• U.S. Census Bureau — Questionnaire Testing and Evaluation Methods
• U.S. Census Bureau — Reducing Respondent Burden in the American Community Survey