开放式问题与封闭式问题

调查中的每一个问题都可归入两大类之一：邀请受访者用自己的话作答的开放式问题，以及提供一组固定选项的封闭式问题。在二者之间做出选择——或者更好地说，将二者巧妙结合——是调查设计中最具影响力的决策之一。它决定了你的数据有多丰富、你分析数据有多快，以及你依据结果采取行动时有多大把握。本指南将对二者加以比较，并就何时使用各类问题给出实用的指导。

定义与示例

封闭式问题将答案限定在预先设定的选项之内。它们包括选择题、是/否、评分量表、排序题和下拉菜单题。示例："您对我们的结账流程有多满意？"，采用 1 到 5 的量表。受访者作出选择；他无法展开阐述。

开放式问题让受访者用文字（或语音）自由作答。示例："在结账过程中，有什么让您感到不满的地方（如果有的话）？"受访者可以随心所欲地书写，用自己的话，写自己想写的长度。

这种区别无关乎重要性——两者都不可或缺——而在于它们所产出的数据类型。封闭式问题产出可供计数和绘图的定量数据；开放式问题产出富含细微差别和意外细节的定性数据。有一个记住这种取舍的好办法：封闭式问题对受访者容易、对你也容易，开放式问题对受访者更难、对你也更难，而两端的这份额外付出，恰恰换来了唯有开放式问题才能提供的更深层理解。两大类都并非默认之选；正确的搭配完全取决于你想了解什么，以及你的研究进展到了哪一步。

封闭式问题：优点与缺点

封闭式问题在规模和速度上大放异彩。它们让受访者作答迅速，从而提升完成率，而且分析起来简单到近乎轻而易举——你可以即时算出百分比、平均值和趋势，并在成千上万名受访者之间或跨越不同时段进行比较。它们把答案标准化，使每位受访者都按同一把尺子衡量，这对于长达数月地追踪某项指标至关重要。

它们的缺点在于僵化。受访者只能从你预先设想的选项中挑选，因此你可能会错过一些自己从未想到过的原因。设计糟糕的选项列表——遗漏的选项、彼此重叠的类别、没有"其他"这一出口——会迫使受访者给出不准确的答案。而且，封闭式问题揭示的是人们想什么，却很少揭示为什么。像NPS 调查这样的标准化指标之所以依赖 0 到 10 的封闭式量表，正是因为这种一致性让你能够可靠地对得分进行基准比较和趋势追踪。

开放式问题：优点与缺点

开放式问题在探索发现方面表现卓越。它们能揭示你未曾预料到的动机、情绪和问题，捕捉受访者本人的用词（这对营销文案和产品命名而言价值连城），并为那个意想不到、最终却举足轻重的边缘情况发声。在研究的早期阶段，当你尚不了解全部可能答案的全貌时，它们是理想之选。

其代价便是付出——而且是双方的付出。写一段深思熟虑的回答需要更多时间，因此开放式问题可能会拉低应答率和完成率，尤其是在过度使用时。分析也很耗费人力：回答必须先经过阅读、编码为主题并加以量化，你才能对其进行汇总。而且自由文本会招致含糊或离题的答案，从而增加噪声。实用的原则是，节制而有目的地使用开放式问题。

何时使用各类问题

在以下情形使用封闭式问题：当你需要可衡量、可比较的数据时；当你已经知道现实中可能出现的答案范围时；当样本量很大时；以及当你想跨时段一致地追踪某项指标时。它们是满意度追踪、细分以及任何将报告百分比的研究的支柱。

在以下情形使用开放式问题：当你在探索一个全新的问题领域时；当你想要受访者真实的推理过程时；当你在深究某个封闭式问题得出的意外结果时；或者当受访人群小到足以逐条阅读每一个回答时。探索性研究——例如，在你理解SaaS 初创公司的工作流程之前，与它们进行的早期探索性访谈——就在很大程度上依赖开放式问题。

结合二者以获得更丰富的洞察

最强大的调查会把二者融合起来。一种行之有效的模式是封闭式问题后紧跟一个开放式追问：先请对方评分，再问原因。"您向他人推荐我们的可能性有多大？"（0—10）之后紧接"给出该评分的主要原因是什么？"，这样你既得到一个可追踪的数字，又得到其背后的叙述。这正是为什么即便是严格的定量框架，也会包含一个开放式追问。

另一种模式是在各研究阶段中先开放，再封闭：先用开放式问题开展一项小规模的定性研究以摸清局面，用由此浮现的主题来撰写有据可依的封闭式选项，然后再投放一份大规模的定量调查，以衡量每个主题有多普遍。一份结构化的市场调研问卷往往正是遵循这一顺序。开放阶段确保你的封闭式选项既穷尽无遗又彼此互斥；封闭阶段则告诉你每一项发现究竟有多普遍。

分析开放式回答

要把自由文本转化为可用的洞察，就得对它进行编码。阅读一批具有代表性的回答，识别出反复出现的主题，并构建一本编码手册——一份附有清晰定义的类别清单。为每个回答标注一个或多个代码，然后统计各代码出现的频次，以量化这些定性数据。保留逐字引用，为报告增添生动色彩；数字能够说服人，但一句犀利的客户原话会让发现令人难忘。包括人工智能辅助文本分析在内的现代工具，能够对大量开放式回答进行聚类和汇总，但在信任之前，请务必将机器给出的类别与原始文本逐一抽查核对。

优秀的编码手册有几个共同特征。类别应当足够互斥，使编码者极少要为某个回答该归入何处而苦恼；同时又要足够穷尽，使"其他"这一类别保持很小。当两个人对同一批回答进行编码时，他们之间的一致程度——有时会以评分者间信度这一形式加以正式衡量——会告诉你这本编码手册是清晰的，还是类别本身含混不清。如果一致程度偏低，解决办法通常是更清晰的定义外加每个代码几个示例回答，而不是增派更多编码者。请依据对真实回答的第一遍梳理来构建编码手册，而不要强加你事先臆想出来的类别，因为开放式问题的全部意义，正在于捕捉那些你未曾预料到的主题。

撰写有效的开放式问题本身就是一门小小的手艺。含糊的提示，如"还有其他意见吗？"，招致含糊的回答；具体的提示，如"若要让结账变得更容易，我们能改变的那一件事是什么？"，则能集中注意力并产出可供编码的回答。把受访者锚定在一个具体的时刻或决定上，避免一次询问两件事，并让提示保持简短。一个瞄得准的开放式问题，往往在单单一个字段中产出的可用洞察，就比三个啰嗦冗长的问题还要多——这也是节制使用、并用心撰写它们的又一个理由。

常见问题

开放式问题和封闭式问题哪个更好？并没有哪一个放之四海皆更优；它们回答的是不同的问题。封闭式问题能高效地提供可衡量、可比较的数据，而开放式问题则揭示数字背后的推理与意外。最好的调查会有意识地兼用两者。

一份调查应该包含多少个开放式问题？应节制使用——通常每份调查一到三个——因为它们作答起来需要付出精力，并且可能拉低完成率。一种常见的最佳做法是，在一个关键的封闭式问题之后设置单独一个开放式追问。

我该如何大规模地分析开放式回答？用一本编码手册把文本编码为主题，然后统计各主题的频次以量化结果。人工智能辅助文本分析能够对大量内容进行聚类和汇总，但你应当将其类别与原始回答加以核验。

开放式问题会损害应答率吗？有可能，尤其是在数量较多或出现得较早时。把单独一个明确标注为可选的开放式问题放在靠近结尾处、排在较容易的封闭式问题之后，可将其对完成率的影响降到最低。