简短回答：用户访谈中的诱导性问题，是指措辞暗示了你期待的答案的问题——预设某种感受、嵌入某个前提，或只给出你偏好的选项。它会放大认同、制造虚假的信心。解决方法是：去掉预设，询问过去的具体行为而非观点，并用受访者自己的原话进行中立追问。
最后更新：2026 年 9 月 21 日
\n\n用户访谈中的诱导性问题，是毁掉一项昂贵研究的最廉价方式。一句话的措辞就能把探索性访谈变成确认练习，而直到功能上线后无人问津，才有人察觉。本指南介绍六种常见的诱导性问题、每种的改写方法，并讨论一个新问题：当访谈者是 AI 主持人时会发生什么。
\n\n诱导性问题是包含预设、肯定或隐含偏好答案的问题。Nielsen Norman Group 将其描述为把我们想听到的答案放进了问题本身，使受访者很难表达不同意见。
\n\n这种效应不只出现在粗心的访谈者身上。问卷方法学研究长期记录了默认偏差（倾向于同意）和措辞效应。近期研究显示，回答问卷的大语言模型也表现出部分相同的措辞敏感性，见 Tjuatja 等人发表于 Transactions of the ACL（2024）的论文。无论是真人还是合成受访者，措辞都很重要。
\n\nQualitati 研究团队在审阅访谈提纲时使用以下分类。每一行都将一种模式与中立改写配对。
\n\n| 类型 | 诱导版本 | 中立改写 |
|---|---|---|
| 预设感受 | “结账过程有多让人沮丧？” | “请带我回顾一下你上一次结账的过程。” |
| 嵌入前提 | “你为什么更喜欢新版仪表盘？” | “你使用仪表盘的方式有没有变化？如果有，是怎样的？” |
| 倾向性用词 | “我们简单的新手引导为你节省了多少时间？” | “你使用产品的第一周发生了什么？” |
| 封闭式确认 | “你会使用导出到 Excel 的功能吗？” | “你在这里看到这些数据之后会怎么处理？” |
| 虚假选择 | “价格是太高还是差不多合适？” | “你做决定时是怎么考虑价格的？” |
| 叠加提问 | “它好用吗？节省时间了吗？你会推荐吗？” | 每轮只问一个问题，然后追问。 |
关于未来使用的假设性问题会招来礼貌的“会”，而这对受访者毫无成本。它们听起来像验证，所以常常出现在产品路线图的汇报里。询问对方上周实际做了什么更难伪装，也更能预测他们接下来会怎么做。
\n\n去掉所有预设，把问题锚定在具体的过去事件上，让受访者先说出评价性的词语。
\n\n在实地访谈前用这份五项审查表检查访谈提纲，并在最初几场访谈后检查三到五份真实访谈记录。每个“是”记一分；得分达到 2 分或以上的问题需要改写。
\n\n| 检查项 | 要问自己的问题 | 警示示例 |
|---|---|---|
| 感受 | 问题是否提到了受访者尚未表达的感受或评价？ | “你最喜欢……的哪一点？” |
| 前提 | 问题是否预设了尚未确认的事实？ | “你为什么从……换过来？”（对方还没说过自己换了） |
| 确认 | 一个“是/否”回答是否就能直接确认你的假设？ | “这有帮助吗？” |
| 选项 | 给出的选项是否排除了受访者的真实答案？ | “更好还是更差？” |
| 叠加 | 问题里是否包含不止一个问题？ | “怎么、为什么、什么时候……” |
对访谈记录的审查最为关键。提纲通常是干净的；诱导往往出现在即兴追问中——当访谈者疲惫、或对某个假设过于兴奋时。
\n\nAI 主持人消除了一些人为的失误——它不会疲惫，也不会爱上某个功能点子——但也带来了新的问题。被调校得过于随和的语言模型可能会模仿受访者的语气、用受访者从未表达过的解读来复述回答（“听起来你觉得价格不公平？”），或者夸赞回答。这些都是诱导行为。
\n\n研究者已经开始直接研究这一问题。Zhang、Liu、Guan、Cai 和 Carroll 于 2026 年 6 月 29 日在 arXiv 发布了一项“绿野仙踪”式研究：在 17 位访谈者进行的真实访谈中引入 GPT-4o 生成的追问，并由一位人类协同访谈者在提问前编辑每个问题。作者指出了五类担忧——有害语言、尊重、参与不平等、问责和隐私——并呼吁建立设计与治理层面的保障。
\n\n实际启示是：评判 AI 主持人要看它的追问，而不是它的脚本。无论面对哪家供应商（包括我们），都应询问当受访者回答简短或含糊时模型被要求怎么做，并在信任结果之前阅读真实的访谈记录。
\n\nQualitati 是面向产品、UX 和客户洞察团队的 AI 用户研究平台。它的 AI 访谈员支持文字和语音访谈，其行为准则正是针对上述问题制定的：每轮只问一个问题；措辞开放、中立，不使用诱导性问题或预设感受；用中立回应代替夸赞；基于受访者原话进行追问。一个独立的监督模型会在访谈过程中审阅对话，可以标记诱导性追问、遗漏的追问以及值得探讨的矛盾之处。
\n\n这种设计降低了风险，但不能替代人工审阅。Qualitati 保留完整的访谈记录，方便你对真实访谈运行诱导性问题审查；ThemeLens 主题分析会把主题与受访者引文关联起来，便于你核查某个发现究竟来自受访者还是来自问题本身。你可以免费注册并获得 30 个积分，无需信用卡，也可以查看透明的按积分计价。
\n\n本指南适用于开展探索性、可用性、流失或概念测试访谈的 UX 研究者、产品经理、创始人和洞察团队。对于经过验证的量表，它的相关性较低——这类量表的措辞由开发者确定，不应随意改写。
\n\n“你有多喜欢新的新手引导？”预设了喜欢。中立版本是：“讲讲你使用产品的最初几天。”
\n\n不是。确认事实的封闭式问题没有问题。当它们要求受访者确认你的解读或偏好答案时，才变成诱导。
\n\n会。语言模型可能模仿语气、给出解读或夸赞回答。请检查主持人的追问规则，并审阅真实访谈记录。
\n\n问出去的问题无法收回。在分析时标记受影响的回答，降低其权重，并避免把它们引用为支持问题中所含前提的证据。
\n\n每项研究审查三到五份早期访谈记录，然后在实地访谈过程中抽查。诱导习惯通常在最初几场访谈中就会显现。
\n\n在用户访谈中避免诱导性问题，归结为三个习惯：询问过去的行为，不要自己说出评价性的词语，用受访者的语言追问。不仅要审查提纲，更要审查访谈记录——并用同样的标准要求 AI 主持人。免费注册获得 30 个积分，运行一次 AI 主持的访谈，或阅读我们的半结构化访谈指南和开放式访谈问题。
\n\n人工审阅说明：本文的分类和审查表是 Qualitati 研究团队的编辑框架，并非经过验证的测量工具。请根据你的研究设计进行调整。
\n","related":[{"slug":"what-is-laddering-interview-technique-2026","title":"什么是阶梯访谈法？2026 年手段—目的链访谈指南","description":"阶梯访谈法引导受访者从产品属性上升到个人价值观。本文讲解 ACV 方法、2026 年的 AI 实证，以及一份五项标准的阶梯质量评分表。","category":"访谈技巧","date":"2026-08-22","readTime":"10 分钟阅读","author":"Qualitati 研究团队"},{"slug":"open-ended-interview-questions","title":"访谈中的开放式问题：50 个示例及提问方法","description":"精选 50 个按类别整理的定性研究开放式访谈问题，涵盖开场、探索、追问、反思与收尾五类，并提供措辞、排序与常见错误规避的实用技巧，帮助学术、UX 与市场研究者避免引导性与双重问题，获得更丰富、更深入的定性访谈数据。","category":"访谈技巧","date":"2026-02-28","readTime":"13分钟阅读","author":"Qualitati 研究团队"},{"slug":"interview-questions-framework","title":"如何设计质性访谈问题：15 个示例 + 一套框架","description":"一套用于设计高质量质性访谈问题的实操框架，附 15 个带批注的示例，涵盖不同问题类型、提问顺序策略与预访谈测试要点。","category":"访谈技巧","date":"2026-02-15","readTime":"13分钟阅读","author":"Qualitati 研究团队"}]}