| 文章描述：用户问卷调查是一个比较常用的用研方法。方法本身有着一定的科学性，这个毋庸置疑。只是我们在审视或挖掘问卷结果时，尤其是用户的对于某个对象或事物的态度时，希望和其他客观数据结合，如：产品运营数据等。这样，我们得到的结论也许能够更接近于用户的真实情况。 |
大家是否对用户问卷的结果有过困惑。通过简单的问卷调查，我们无法根据用户对产品的态度结果去准确地预测用户如果在真实环境中的行为。
我们先来看一个案例：
当 Sony 引入 Boom Box 概念的时候，他们召集了一些潜在的消费者，组成焦点小组来讨论这个新产品应该是什么颜色的：黑色或黄色。经过这一组潜在购买者的讨论之后，每个人都认为消费者应该更倾向于黄色。这次会议以后，组织者对小组成员表示了感谢，并告诉他们在离开前每个人可以免费带走一个 Boom Box 作为回报。那里有两堆Boom Box：黄色和黑色。
结果是每个人拿走的都是黑色！用户出现了言行不一的情况。此前对态度的评估竟然不能预测个人真实的行为。
用户说的和做的可能完全不一样，因为他们很多时候意识不到自己行为的真相，所以需要我们对他们的所说的、所做的两个方面有清楚的认识。
在心理学发展的早期，有一个未经验证的假设，即一个人的态度与行为之间是一致的。这个假设也可以解读成一个人对某对象（人或事物）的态度将会影响其对待该对象的行为。因此，心理学家和社会学家通常都先用问卷来测量被试的态度，并预测当被试真的遇到需表明态度的对象时，已测量的态度就会在其行为上反映出来。
在19世纪30年代，美国心理学家 Richard LaPiere 意识到这个假设可能存在问题。他便做了这样一个研究。通过研究去验证人们口头表达的态度并不能预测其真实的行为。
研究背景：
当时，美国存在严重的种族偏见与歧视。这种带有歧视的行为非常普遍且被人广泛接受。例如：一些旅馆、餐馆常有拒绝为一些种族或少数民族的人提供服务的规定。LaPiere 将他的研究分为了两部分进行。第一部分着重观察真实的行为，第二部分是用问卷评估与其相关的假设性态度。
研究过程：
在观察阶段，LaPiere和他的中国朋友开车两次沿太平洋海岸线周游美国。在1930-1933年间，他们共住过67家旅社、汽车旅馆和“旅行者之家”。共在184家饭店和咖啡馆用餐。他对旅馆接待员、服务生等各类工作人员对中国夫妇的态度与行为进行准确而详细的记录。
在他们曾光顾过的旅馆和参观中，他们只受到过1例因异族所带来的冷遇。除了这次不愉快的经历外，他们在其他地方都受到了中等或中等以上的待遇。尽管待遇有变化，也是因为人们对中国夫妇的好奇心所致。在1930年，除了太平洋沿岸地区、芝加哥和纽约外，大部分美国人几乎没有与亚洲人在一起的经历，也许他们从未见过亚裔人。
LaPiere对他们所受到的服务等级评定
在随后的日子里，LaPiere向那些他们曾经访问和未层访问过的地方邮寄调查问卷。几乎所有的他们到过的地方，有超过90%的店家表示他们将不会接待中国人。另外，那些他们未曾访问过的地方所得到的回答，其分布状况与访问过的的一样。这就说明，不论他们是否曾经接待过中国人，对于接待中国人的态度是一致的。
具体数据如下：
有效问卷的数据统计“你愿意在自己旅馆或餐馆接待中国客人吗？”
如果我们仅根据问卷结果，我们会得出这样的行为预测。“如果中国人去访问这些旅馆和餐馆，那么他们会被绝大多数的店家所拒绝。”但实际呢？却截然相反。
LaPiere 得出这样一个结论：如果你想预测一个人在面对某一真实的特定情景或特定人物时将如何表现的话，对假设性情景的口头回答（即态度问卷）是远远不够的。
那么什么时候，测量态度才能成功地预测行为呢？曾有心理学家进行过研究挖掘，得出一些导致态度与行为一致的因素。（参见 Taylor，Peplau & Sear，1997）
1、态度的强度 你对某人或某种情境的感受越强烈，你就越有可能在真正遇到他们时按你的感受去行动。另一方面，微弱或矛盾的感受对行为产生的影响不大或不产生任何影响。
2、态度的稳定性 这个因素解决态度如何随时间而改变的问题。稳定的态度比那些随时间而变化的态度能更好地预测行为。最好的方法是在同一时间测量态度和行为。
3、行为与态度的相关 态度测量的问题应该与实际行为应该存在关联。例如，我们不能通过某人对体育运动的态度，来预测他会多久参加一次运动，其准确性会很差。
4、态度的显著性 如果你对某个人或某件事的态度非常明确，那么它便具有显著性、重要性，容易从记忆中提取。态度越明确，它就越能预测个体的行为。
5、情景的压力 在某种特殊的情景中外在压力很大，以至于使人们的内心想法对行为丝毫不产生任何影响。例如：对酒驾的态度，可能因为严格的法律制裁，而使得大家的行为趋于一致。
写在最后，用户问卷调查是一个比较常用的用研方法。方法本身有着一定的科学性，这个毋庸置疑。只是我们在审视或挖掘问卷结果时，尤其是用户的对于某个对象或事物的态度时，希望和其他客观数据结合，如：产品运营数据等。这样，我们得到的结论也许能够更接近于用户的真实情况。