为了找到“参与过软件采购决策的人”，一份筛选问卷直接问：“你是企业软件采购决策者吗？”有激励的受访者很容易猜到“是”能继续；真实参与者却可能只把自己称为业务负责人，而不认同“采购决策者”这个头衔。一个问题同时错收了迎合者，也错拒了真正的目标人群。
筛选题不是越隐蔽、越严格越好。它本质上是一个分类器，要同时控制两类错误：假阳性把不合格者收入，稀释或扭曲结论；假阴性把合格者拒掉，缩小覆盖并可能系统漏掉某类真实参与者。设计者应先把目标总体写成可观察规则，再用行为证据、明确时间和互补问题判断，而不是让受访者自评一个研究术语。
先写资格规格，题目排在后面
以下是一个说明性 B2B 研究。团队要访谈过去六个月参与过客户关系管理（CRM）软件评估的人，目标公司员工规模为50—499人。资格规格可以写成：
eligible = 公司规模符合 AND 六个月内发生CRM评估 AND 亲自参与候选清单或供应商演示 AND 无利益冲突排除
每个条件还要补全可判定定义：
- 公司规模：按哪个组织边界计算，兼职、集团和分支机构如何处理；
- 发生评估：必须是实际比较过两个及以上方案，还是续费复核也算；
- 时间范围：从答题日向前六个月，边界当天是否纳入；
- 参与角色：亲自提出需求、建立候选、参加演示、技术评估、预算批准或签约中的哪些任务满足；
- 排除：研究委托方员工、相关供应商/市场研究从业者、近期参加同主题研究等各自为何可能影响结果。
“中小企业高价值决策者”无法直接执行，因为中小、高价值和决策者都可能有多种含义。合格规则需要说明谁、在什么时间、亲自做过什么，以及哪些事实会排除；后续报告才能准确写出结论适用于谁。
从资格规则反向生成题，而不是把条件原样暴露
邀请可以真实但保持宽泛，例如“邀请您参加近期企业软件评估经历研究”，不必写出所有公司规模、任务和时间门槛。隐去精确判定答案是减少迎合，不等于捏造研究目的；知情同意、数据用途、负担、激励和敏感内容仍要如实说明。
对应上例，可使用以下顺序：
- 询问当前工作状态及组织规模，提供完整区间和“不确定”；
- 在多类企业活动中选择过去六个月亲自经历的事项，CRM 评估与其他真实干扰项并列；
- 对选中 CRM 评估者询问最近一次发生月份或距今时间；
- 让受访者选择亲自完成的具体任务，而不是选择“决策者/影响者”标签；
- 最后检查相关行业关系、研究重复和必要的配额变量。
“建立候选清单”和“参加至少一场供应商演示”比“参与过采购”更具体，也允许研究者按任务组合区分推荐者、技术评估者和最终批准者。职位名称只能作为辅助，因为同一职位在不同公司拥有的实际权力不同。
筛选题的五个设计检查
| 检查 | 不可靠写法 | 更可验证的写法 |
|---|---|---|
| 行为而非身份想象 | “你是重度用户吗？” | “过去30天，你大约有多少天使用过？” |
| 可回忆时间 | “你通常多久采购一次？” | “最近一次签订同类合同是在何月？” |
| 单一判断 | “你负责选型和审批吗？” | 分别列出候选、试用、评估、预算和签约任务 |
| 中性选项 | 只给明显合格的专业选项 | 提供真实完整活动，不把正确答案做得突出 |
| 未知有去向 | 强制把“不确定”归为否 | 根据资格必要性设为未知、追问或保留到其他模块 |
不要用不存在的品牌或荒诞选项设“陷阱”。它可能把误读、跨市场品牌、拼写差异或注意方式不同的人误判为造假，也无法替代身份、重复、行为一致性和开放回答的综合证据。质量判定应使用多项事先规定的信号，并保留原始回答。
一题一张规格卡，领域专家才能和方法人员说同一种话
美国人口普查局 2025 年的问卷题目模板研究建议记录研究问题、题目适用总体、题文与选项，以及需要从认知测试中确认的信息。用于筛选题时，一张规格卡可以包含：
- 变量名
crm_eval_6m与适用对象； - 它对应资格表达式的哪一项；
- 受访者需要检索什么记忆，可能误解哪个术语；
- 是、否、未知、拒答和未展示分别进入哪里；
- 与行政记录或后续任务题出现冲突时如何标记；
- 预测试要观察什么，以及修改后重测哪种人。
这能阻止程序员把一句“非目标用户结束”自行翻译成多个未经确认的规则，也让报告者知道被筛除者到底不符合哪一项。
已知资格验证：80人能告诉我们筛选器错在哪里
在正式招募前，团队找了80名状态可由近期 CRM 项目记录和人工核验确认的人，其中40名确实合格、40名不合格；所有人仍按真实受访者方式完成筛选。结果如下：
| 已知合格 | 已知不合格 | |
|---|---|---|
| 筛选判为合格 | 36（真阳性） | 8（假阳性） |
| 筛选判为不合格 | 4（假阴性） | 32（真阴性） |
可以复算三个指标：
- 灵敏度：
36 ÷ 40 = 90%，表示已知合格者有多少被收入； - 特异度：
32 ÷ 40 = 80%，表示已知不合格者有多少被拒绝； - 阳性预测值：
36 ÷ (36+8) = 81.8%，表示被判合格者中真正合格的比例。
这组验证样本特意各取40人，未必反映正式渠道的真实合格比例，所以81.8%不能直接当作现场样本纯度。阳性预测值会随目标人群在渠道中的基础发生率变化；当真实合格者很稀少，即使灵敏度和特异度相同，入选者中的假阳性占比也可能上升。
逐一回访12个错分个案比只看总体准确率更有用。若4个假阴性都因为真实参与者把“供应商演示”称为“方案交流”，说明术语造成系统漏收；若8个假阳性只是旁听会议却勾选“参与选型”，则需要把任务描述改成可区分的行为，而不是单纯增加一道重复问题。
严格度由错误代价决定，不由题数决定
高度专业的深度访谈席位昂贵，假阳性会浪费名额，筛选可以增加任务证据和人工复核。探索性短问卷若主要想理解宽泛经历，过窄门槛反而会排除边缘但有价值的声音。两种项目都不应追求“零错误”口号，而应预先说明哪类错分后果更大。
增加问题不一定提高准确性。两道同义自报只会让迎合者保持一致，也增加真实参与者的疲劳和无回答。更好的交叉验证来自不同信息源：近期事件、具体任务、时间、可解释的后续经历，以及在合规条件下可用的客户或项目记录。
美国人口普查局统计质量标准 A2要求用目标范围内的潜在受访者预测试，确认题目可以理解和回答、不过度敏感且负担适当。对筛选器而言，既要访谈预期合格者，也要包含临界和不合格者，观察他们如何理解边界，而不是只让内部同事猜。
“合格率”必须绑定分母和资格未知状态
AAPOR Standard Definitions 第10版区分已知合格、已知不合格和资格未知个案，并要求对未知中的合格比例使用最佳可得科学信息，不能为了让回答率好看而挑一个数字。商业项目也应保留：
- 进入筛选但尚未回答关键资格题的资格未知；
- 明确不满足某项规则的已知不合格；
- 满足资格但对应配额已满；
- 合格后中断、完成待质检和最终有效。
若把所有早退都当作不合格，会高估已知不合格比例；若只用完成主体问卷者做分子、用通过筛选者做分母，又得到的是合格后完成率，不是筛选发生率。
从实际发生率反推需要多少人进入筛选
试投后，假设每100个进入筛选的人有18个判为合格；合格者中85%完成主体；完成者中92%通过预登记质量规则。每次进入产生有效样本的期望率是：
18% × 85% × 92% = 14.08%
2500次进入预计得到：
2500 × 14.08% ≈ 352份有效样本
若目标就是350份，这个计划几乎没有波动余量。还应分别按关键配额格计算，因为总体18%可能掩盖某个稀缺角色只有5%。具体预算可衔接调研排期与成本模型，不要把市场占比直接当作当前渠道的筛选发生率。
激励与筛选透明度要一起设计
ESOMAR/GRBN 的在线样本质量指南把参与者验证、重复与欺诈防范、类别排除、筛选及样本来源透明度放在同一质量框架中，也指出为获得激励而虚报筛选答案是现实风险。项目不应只在问卷末尾抓异常，而应从邀请、身份/重复控制、筛选和行为质量建立证据链。
同时，筛选阶段收集的数据也不是没有治理成本。只收判断资格所需的最少信息，说明处理用途；对未入选者的数据保存、访问和删除遵循项目承诺与适用规则。医疗、未成年人、员工或其他敏感研究还应由具备权限的伦理、隐私或法务角色审查，不能为了防冒充而秘密收集不必要的身份信息。
上线监控要区分作弊信号和设计缺陷
按来源和时间监控每题选项分布、资格未知、筛除原因、合格率、主体完成率、重复、语言/设备和开放回答质量。某渠道的合格率突然从18%升到55%，可能是邀请被转发、资格泄露、来源改变或程序错误；也可能是渠道确实更精准，需用后续行为和来源证据判断，不能仅因“太高”就删除。
若特定真实人群在同一道题大量选择“不确定”，优先检查术语和回忆窗口。若同一答案组合以异常速度和高度重复文本出现，再结合身份、时间、设备及来源调查。任何排除都使用预先登记的多信号规则，并保留原值、标记和理由。
在问卷派中，筛选终点必须进入数据总账
团队可以在问卷派中配置筛选题和后续逻辑，把合格、筛除和不同研究路径连接起来。研究者需要先提供明确的资格规格，并在测试答卷中验证边界值、未知、拒答、返回修改和配额已满；逻辑写法可参照分支逻辑真值表。
一套可发布的筛选器应交付资格表达式、每题规格卡、错分验证矩阵、现场发生率模型和终态字典。若团队只知道“目标是高端用户”，或者只能证明合格者答对了几道明显专业题，它还没有找到目标总体；只有错收、错拒和未知资格都被看见，筛选结果才足以支撑后续样本结论。