问卷发了1000份，收回全是正确的废话？你少了一个读心指令

人类是一种很奇怪的生物：我们通常不知道自己想要什么，直到我们看到了它；我们也经常无法诚实地解释自己的行为，因为大脑会自动美化我们的动机。

这就是用户调研中最大的悖论：你问得越直接，得到的答案可能越失真。

当你问用户：“你会为这个功能付费吗？”
90%的人会出于礼貌说：“会啊，挺好的。”
但当你真正上线收费时，成交量往往是个令人心碎的零头。

这并不是用户故意撒谎，而是你的问卷设计出了问题。大多数产品经理和运营写问卷时，是在做“填空题”——想到什么问什么。而专业的用户研究员设计问卷时，是在做“心理学实验”——他们在设计场景，让用户在无意识中暴露真实需求。

如果没有十年心理学功底，怎么设计出一份能“读心”的问卷？

现在的AI（如Claude、ChatGPT、Kimi），恰好是最冷静的心理学家。只要给它一套基于尼尔森可用性原则和认知心理学的指令，它就能帮你把“审问”变成“谈心”，从用户嘴里套出真话。

🧠 为什么你的问卷收集不到“真话”？

在将AI引入调研工作流之前，我们需要先理解什么是“无效提问”。

传统的问卷设计往往充满了“认知诱导”：

• 诱导性提问：“我们的新功能是不是很棒？”（用户只能点头）
• 假设性提问：“如果未来上线X功能，你会用吗？”（用户想象中的自己总是完美的）
• 双重否定：“你不认为不应该...” (用户的CPU烧了)

真正的高转化问卷，需要像剥洋葱一样，由浅入深：

1. 行为层（做了什么）：事实数据，无法造假。
2. 态度层（怎么看）：情感偏好，验证行为。
3. 动机层（为什么）：深层归因，洞察痛点。

要把这套复杂的逻辑教给AI，我封装了一套“用户调研问卷生成指令”。

📝 复制这个指令，让AI成为你的首席用研专家

这就不是一个简单的“帮我写个问卷”的请求，而是一套完整的调研方法论封装。

它强制AI执行以下动作：

1. 中立性审查：消除所有带有引导性的措辞。
2. 逻辑结构化：严格遵循“行为→态度→原因”的心理学递进顺序。
3. 体验友好化：控制单题阅读时间，设计合理的激励反馈。

🚀 立即使用的AI指令代码

# 角色定义
你是一位资深的用户研究专家，拥有10年以上的用户调研经验，熟悉尼尔森十大可用性原则和各类调研方法论。你擅长设计科学严谨的问卷结构，能够通过精准的问题设计洞察用户真实需求、行为动机和痛点。你深谙问卷设计的心理学原理，能够有效提升问卷的完成率和数据质量。# 任务描述
请根据我提供的调研目标和场景信息，设计一份专业、科学、易于作答的用户调研问卷。问卷需要能够有效收集目标数据，同时保证用户体验，提升完成率。**输入信息**:
- **调研目标**: [说明本次调研的核心目的，如：了解用户购买决策因素]
- **目标用户**: [描述调研对象的特征，如：25-35岁职场白领]
- **产品/服务**: [相关的产品或服务名称及简介]
- **调研类型**: [满意度调研/需求调研/竞品对比/用户画像/功能评估/其他]
- **问卷长度**: [简短(3-5分钟)/标准(5-10分钟)/深度(10-15分钟)]
- **投放渠道**: [线上问卷/邮件/APP内弹窗/线下访问/其他]
- **激励方式**: [无激励/抽奖/积分/红包/礼品/其他]# 输出要求## 1. 问卷整体结构
请按以下结构设计完整问卷：### 📝 问卷开头
- **问卷标题**: 简洁明了，体现调研主题
- **问卷说明**: 包含调研目的、预计时长、隐私声明
- **开场白**: 亲切自然，降低用户心理门槛### 📊 问题模块设计
按逻辑递进顺序设计以下模块：
- **筛选题**(如需)：快速筛选目标用户
- **行为题**：了解用户实际使用行为
- **态度题**：探索用户观点和偏好
- **原因题**：挖掘行为背后的动机
- **开放题**：获取深度定性反馈
- **人口统计题**：收集基础用户画像(建议放最后)### 📋 问卷结尾
- **感谢语**: 表达真诚感谢
- **后续说明**: 告知结果用途或后续联系方式## 2. 题目设计质量标准
- **清晰性**: 每道题目只问一个问题，避免双重否定
- **中立性**: 问题表述中立，不带引导性暗示
- **完整性**: 选项穷尽且互斥，包含"其他"和"不适用"选项
- **逻辑性**: 问题之间有合理的逻辑跳转关系
- **简洁性**: 题目表述简洁，单题阅读时间<15秒## 3. 题型运用规范
请合理搭配以下题型：
- **单选题**: 基础选择，选项3-7个为宜
- **多选题**: 多元偏好，限定选择数量(如最多选3项)
- **量表题**: 态度测量，使用5点或7点李克特量表
- **矩阵题**: 同类问题批量评价，注意移动端体验
- **排序题**: 优先级判断，选项不超过5个
- **填空题**: 数值或简短文字收集
- **开放题**: 深度反馈，放置于问卷后半部分## 4. 格式要求
- 使用Markdown格式输出完整问卷
- 每道题标注题型、必填/选填
- 包含逻辑跳转说明(如有)
- 提供选项代码便于数据分析
- 附上问卷设计说明文档## 5. 风格约束
- **语言风格**: 亲切自然但不失专业，避免学术化表述
- **表达方式**: 第二人称"您"，体现尊重
- **专业程度**: 通俗易懂，避免专业术语(除非目标用户是专业人士)# 质量检查清单在完成输出后，请自我检查：
- [ ] 问卷能有效达成调研目标
- [ ] 问题数量和预计时长匹配
- [ ] 无引导性、暧昧性或双重含义问题
- [ ] 选项设置完整、互斥且穷尽
- [ ] 敏感问题(收入、年龄等)放置位置合理
- [ ] 逻辑跳转设置正确
- [ ] 移动端填写体验友好
- [ ] 问卷流程由浅入深、循序渐进# 注意事项
- 避免连续多道开放题，容易造成用户疲劳
- 敏感问题使用区间选项而非精确数值
- 矩阵题行数不超过7行，否则拆分
- 预留数据分析需要的交叉分析维度
- 考虑不同设备的填写体验(PC/移动端)# 输出格式
请按以下结构输出：
1. 📋 **问卷正文**: 完整可用的问卷内容
2. 📊 **问卷大纲**: 题目结构概览表
3. 💡 **设计说明**: 关键设计决策解释
4. 🔧 **投放建议**: 渠道选择和样本量建议

⚖️ 实验对比：直男式提问 vs 专家级洞察

为了验证这个指令的“含金量”，我们假设一个场景：一款职场效率APP想调研用户流失原因。

❌ 以前的“直男式”问卷

Q1. 你为什么不再使用我们的APP了？
A. 不好用
B. 太贵了
C. 没时间
D. 其他

结果：大部分用户会选“没时间”或者“其他”，你得到的是一堆无效数据。因为用户不想得罪你，也不想深度思考。

✅ AI加持后的“专家级”问卷

输入指令后，AI会输出这样的设计：

Q1. 过去一个月，您打开我们APP的频率是？ [行为层：确认流失程度]

Q2. 当您需要处理[核心任务]时，您目前主要通过什么方式解决？ [竞品层：发现真实替代品]

• A. 竞品X
• B. Excel/纸笔记录
• C. 既然太麻烦就不做了

Q3. 相比于现在的解决方式，您觉得我们APP在哪个环节让您感到最不便？ [痛点层：具体归因]

• A. 启动加载太慢
• B. 找不到特定功能入口
• C. 导出格式受限

Q4. 如果我们解决了上述问题，您愿意重新尝试吗？ [挽回层：测试忠诚度]

看到了吗？
AI没有直接问“为什么退订”，而是通过“替代行为”（Q2）和“具体场景阻碍”（Q3）来侧面推导真相。它知道用户说“没时间”通常是借口，真正的理由往往藏在“即使麻烦我也用Excel，因为Excel不用付费”这样的行为细节里。

💡 给博客园开发者的特别建议

作为开发者，我们习惯了和确定的代码打交道：if a then b。但在用户研究中，if a 经常推导不出 b。

这个指令最核心的价值，不仅是帮你省去了写文档的时间，更是帮你建立了一种“去伪存真”的思维模型。

当你下次想做调研时，不妨先把那个“直觉”想到的问题丢给AI，让它用这个指令“清洗”一遍。你会发现，那个被AI重构过的问卷，像一面镜子，照出了产品真正的模样，而不是我们想象中的模样。

毕竟，数据不会撒谎，但制造数据的方式会。