小流量试投最重要的按钮不是“发布”，而是“暂停”。首批完成数一到，如果团队只确认首页能打开、后台已有数据，就会把一段本来用于发现故障的窗口变成正式回收。合格的试投应在预定节点自动停下来，让研究、样本、程序和分析负责人共同回答：真实人群能否被正确招募，所有关键路径是否走通，导出的字段能否直接执行分析计划，现有缺陷是否会改变测量。
小流量试投的交付物也不是“先收了几十份”，而是一份带证据的放量决定。没有发现问题可能表示系统稳定，也可能只是稀有人群、移动端、长路径和异常渠道根本没有进入首批样本。规模应由需要覆盖的风险决定，不应套一个适用于所有问卷的固定数字。
试投不是认知预测试的廉价替代品
认知预测试通过追问理解、回忆、判断和作答过程，发现受访者为何误解一道题。小流量试投则把接近定稿的问卷放入真实的邀请、筛选、设备、配额、激励、回收、清洗和导出链，观察整套生产流程是否工作。
一个人顺利提交，只证明这个人的这一条路径可用；50个人给出整齐分布，也不能证明他们理解一致。若关键构念尚未经过理解测试，不应指望频数表自动指出题意错误。AAPOR 的调查研究最佳实践把认知预试和 pilot 分开：前者理解受访者的思考过程，后者验证招募、施测、清洗等调查程序。
用风险路径决定首批样本，而不是先拍一个数字
试投计划可以先画“风险覆盖表”，每一行写明必须观察什么、由什么记录证明已经覆盖，以及未覆盖时能否放量：
| 风险对象 | 首批必须看到的证据 | 为何不能只看总体 |
|---|---|---|
| 低发生率目标人群 | 至少走通筛选、主体和结束页，确认来源标签 | 总体正常可能全部来自容易招募的人 |
| 最长与最短逻辑路径 | 逐页时长、展示题目和导出字段完整 | 总体中位时长会隐藏长路径负担 |
| 手机与桌面端 | 素材加载、矩阵或排序操作、中断页面 | 桌面通过不代表窄屏可操作 |
| 每种语言和问卷版本 | 文本、选项值、跳转和变量名一一对应 | 翻译正确也可能程序映射错误 |
| 关键配额交叉格 | 资格判断、计数和配额满后的终态 | 单维配额平衡会掩盖交叉空格 |
| 开放题与高负担任务 | 答案可解释、时长合理、没有成片复制 | 提交成功不等于获得可分析信息 |
因此，“先投30份”可能对一条短问卷足够，也可能对含两种语言、三类用户和多条实验路径的项目毫无意义。计划应先规定关键路径需要实际观察到的最低案例，再根据目标人群发生率和渠道可达性估算邀请量。稀有人群尚未出现时，状态应是“证据不足”，而不是因为总体完成量达标就默认为通过。
英国 Government Analysis Function 的问卷设计指南把 pilot 定义为用有限样本量化检查格式、筛选和长度，并建议尽量在正式施测媒介中测试整份问卷。内部同事可以先排明显故障，却不能替代真实目标人群和正式渠道。
首批72份为什么必须停下来：一份虚拟事故单
下面是一项产品升级意向调查的说明性案例。研究要求新用户与老用户各占一半，问卷含图片排序任务和一条只向新用户展示的价格路径。系统在72份完成后暂停，团队发现：
- 72份完成中有60名老用户、12名新用户；样本渠道标签显示首批几乎都来自老用户社群，而不是原计划的分层邀请。
- 手机端主体中位时长11.8分钟，桌面端7.2分钟；邀请承诺“约8分钟”，且手机退出集中在图片排序页。
- 28名到达图片任务的手机用户中有9名在该页中断，屏幕记录显示素材加载后按钮落在可视区域之外。
- 一道多选题有14人同时选择“以上都不是”和具体功能，说明互斥规则没有按设计生效。
- 导出文件中，新用户价格路径的两个选项共用同一数值编码，导致后续无法区分。
如果只看72份完成，项目似乎进展顺利；按风险看，它同时存在招募错位、设备故障、逻辑错误和不可逆的数据编码问题。正确决定是停投：修复移动端任务和互斥规则，重建唯一选项编码，按新老用户分层重新发一批，并确保新用户价格路径真实走通。此时加大流量只会更快生产不可比较的数据。
时长也不能只报一个平均数。应按资格路径、设备、语言和是否完成分别看中位数及高分位，并排除页面挂起后再返回等明显非连续会话。美国人口普查局对调查过程数据的说明列举了接触记录、点击、页面时间等信息，它们可用于识别问题页面和设备差异；这些记录解释流程，但仍要结合答卷内容判断是否形成测量缺陷。
每个监控指标都要配一个分母和一个动作
招募与筛选：按唯一邀请、成功送达、进入筛选、确认合格分别报告，不用页面访问代替样本单位。合格率明显偏离规划时，先核对渠道定向、标签和筛选措辞。回答率分母的完整处理见问卷回答率终态账本。
配额：看总体完成还要看交叉格速度。某个大组过快会提前占满总体，稀有交叉格持续为零则可能是招募不足、跳转错误或计数规则不对。配额满后的样本应有明确终态，不能混入不合格。
路由和字段：为每条关键路径建立应展示题集合，检查“该展示却为空”和“不该展示却有值”。逐列核对变量名、选项编码、多选展开、随机组、时间戳和版本号，直接用首批导出跑一次计划中的表，而不是等正式结束才发现无法复算。
时长和中断：定位到页面与任务，不用一个武断的“低于几分钟即无效”覆盖所有路径。重点看异常是否聚集于某设备、人群、版本或素材，以及修改能否解释变化。
内容和质量：阅读全部首批开放题，而不是只统计字数；检查选项是否出现天花板、地板、无法区分或大量“不适用”；再看重复设备、答题模式和逻辑冲突。质量规则应在数据清洗工作流中预先定义，不能根据某渠道结果不喜欢就临时加码。
红、黄、绿三道门必须在看数据前写好
红灯停投适用于同意或隐私文本错误、资格与配额失控、关键路径无法到达、选项编码覆盖、随机分配错误、素材展示改变刺激含义，以及可能污染核心指标的程序故障。这类问题即使只出现一次，也可能不适合用“发生率还低”解释。
黄灯修订并复查适用于某个风险格尚未覆盖、时长承诺与真实路径不符、少数设备体验差、开放题提示不够清楚或一个渠道构成偏斜。修复后应定向补足受影响路径，再比较修改前后过程与结果；不能在问题未关闭时自动连续放量。
绿灯放量要求所有关键路径已有证据、没有未关闭的关键缺陷、导出数据能执行主要分析、招募和配额速度在可管理范围、负责人共同签字。这里没有通用的“中断低于5%就通过”。每个项目应根据历史基线、测量重要性、时间承诺与可承受风险设阈值，并把数值、分母和负责人写入试投方案。
英国 Competition and Markets Authority 的消费者调查证据指南把 soft launch 描述为现场初期少量访谈的谨慎监控，也提醒问卷修改后可能需要替换部分或全部此前访谈。这比“修好后继续累计”更符合可比性要求。
修改前的答卷能否保留，取决于测量有没有变
只修复不会影响受访者所见内容的后台标签、无歧义错别字或展示样式，并能证明答案含义、路径和选择机会没有变化时，旧答卷可能合并，但仍应保留问卷版本和修改时间。
若修改了题干含义、参考期、选项、量表锚点、素材、筛选资格、题序、随机概率或关键路由，修改前后就可能测量不同对象。默认应分开保存和分析；若要合并，需要有设计依据或版本对照证据，且在方法报告中披露。发生错误编码覆盖、错误刺激或未取得有效同意的记录，通常不能靠事后改名恢复。
试投样本能否纳入正式结果也应提前规定。若试投使用与正式相同的抽样、问卷和流程，且最终没有实质修改，可以纳入；若试投本来就允许边看边改，它更接近测试数据。不要在看到首批结果“恰好支持预期”后才决定保留。
一页验收记录比一张完成量曲线更能保护项目
在问卷派建立独立试投批次时，应同步保存渠道、唯一样本、问卷版本、设备、关键路径、配额结果、开始与完成时间、质量状态和导出版本。平台可以承载回收与数据检查，但“放量”应是跨角色的研究决定：样本负责人确认来源与资格，程序负责人确认逻辑和记录，分析负责人跑通核心表，研究负责人判断测量是否保持原意。
验收记录只需一页，但必须写清：计划覆盖哪些风险、实际覆盖了哪些；每个异常的分母、影响和证据；修复负责人和完成时间；旧数据保留或隔离的理由；最终决定为放量、定向补测还是停投。任何尚未覆盖的关键路径都应显式列为未知。
小流量试投的成功不是“没有报错”，而是团队用有限的真实样本，在错误尚且便宜时证明了招募、问卷、数据和分析能够连成一条可复核的链。只有这条链通过预设门槛，完成数才开始具有交付意义。