ลองถามลูกค้าว่า: “คุณเห็นด้วยหรือไม่ว่าสินค้ารุ่นใหม่ของเราสะดวกและคุ้มค่ากว่ารุ่นเดิม?”
หากคนส่วนใหญ่ตอบว่า “เห็นด้วย” เราได้รู้จริง ๆ หรือไม่ว่าสินค้าใหม่ดีกว่า?
ยังไม่แน่
เพราะคำถามนี้มีทั้งคำว่า “สะดวก” และ “คุ้มค่า” อยู่ในข้อเดียว และยังตั้งกรอบไว้ล่วงหน้าว่ารุ่นใหม่ “ดีกว่า” รุ่นเดิมด้วย ผู้ตอบอาจเห็นด้วยกับเรื่องหนึ่งแต่ไม่เห็นด้วยกับอีกเรื่อง หรืออาจถูกภาษาของคำถามผลักไปในทิศทางใดทิศทางหนึ่ง
นี่คือเหตุผลที่ Questionnaire Design ไม่ใช่เพียงงานเขียนประโยคให้เข้าใจง่าย แต่เป็นส่วนหนึ่งของ Measurement Design โดยตรง

Sample ดีแค่ไหนก็ช่วยไม่ได้ หากคำถามพาผู้ตอบไปหาคำตอบบางแบบตั้งแต่ต้น
Questionnaire ที่ดูเข้าใจง่ายในมุมของคนเขียน อาจไม่ได้ถูกตีความแบบเดียวกันโดยผู้ตอบ
จุดที่ควรตรวจเป็นพิเศษ ได้แก่:
1. Leading Question  มีถ้อยคำที่ชี้นำคำตอบหรือไม่?
2. Double-barreled Question  ถามสองเรื่องแต่ให้ตอบครั้งเดียวหรือไม่?
3. Ambiguous Question  มีคำกว้าง เช่น “บ่อย”, “ปกติ”, “ราคาเหมาะสม” โดยไม่กำหนดความหมายหรือไม่?
4. Assumptive Question  สมมติว่าผู้ตอบมีประสบการณ์หรือทำบางอย่างทั้งที่อาจไม่จริงหรือไม่?
5. Unbalanced Response Options  ตัวเลือกเปิดพื้นที่ให้ด้านหนึ่งมากกว่าอีกด้านหรือไม่?
6. Question Order Effect  คำถามก่อนหน้ากำลังสร้าง Context ให้คำถามถัดไปหรือไม่?
7. Social Desirability  วิธีถามทำให้ผู้ตอบรู้สึกว่ามีคำตอบที่ “ควรตอบ” หรือไม่?
เป้าหมายไม่ใช่ทำให้ Survey ไม่มี Error เลย แต่ลดความเสี่ยงที่ วิธีถามจะกลายเป็นส่วนหนึ่งของคำตอบ

คำถาม Survey สามารถสร้าง Bias ได้อย่างไร?

Survey ไม่ได้วัดความคิดเห็นหรือพฤติกรรมของลูกค้าแบบตรง ๆ
สิ่งที่เกิดขึ้นจริงคือ: สิ่งที่เราต้องการรู้ → คำถามที่เราเขียน → สิ่งที่ผู้ตอบเข้าใจ → คำตอบที่ผู้ตอบเลือก → ข้อมูลที่เรานำไปตีความ
Error สามารถเกิดได้ทุกช่วง
Pew Research Center ระบุว่าความแตกต่างเพียงเล็กน้อยใน Question Wording สามารถเปลี่ยนคำตอบได้ และคำถามที่ถามก่อนหน้าก็สามารถมีอิทธิพลต่อคำตอบของคำถามที่ตามมาได้
ดังนั้นผล Survey ที่ต่างกันไม่ได้แปลเสมอว่าลูกค้าเปลี่ยนความเห็น บางครั้ง วิธีถามเปลี่ยน

1. Leading Question: คำถามกำลังชี้ทางให้ตอบหรือไม่?

Leading Question คือคำถามที่ใช้ภาษา หรือวาง Context ในแบบที่ผลักผู้ตอบไปทางคำตอบหนึ่งมากกว่าอีกทาง
ตัวอย่าง (ไม่แนะนำ)
“คุณเห็นด้วยหรือไม่ว่าบริการ Delivery ที่รวดเร็วของเราช่วยให้ชีวิตสะดวกขึ้น?”
คำว่า “รวดเร็ว” และ “ช่วยให้ชีวิตสะดวกขึ้น” ใส่ Evaluation ไว้ในคำถามแล้ว
ลองแก้เป็น (แนะนำมากกว่า)
“โดยรวม คุณให้คะแนนประสบการณ์ Delivery ของเราระดับใด?”
แล้วค่อยถามแยก: “คุณพึงพอใจกับระยะเวลาในการจัดส่งเพียงใด?”
AAPOR แนะนำให้ใช้คำถามที่เป็นกลาง และหลีกเลี่ยงภาษาที่ผลักผู้ตอบไปยังคำตอบบางด้านหรือเสนอเพียงด้านเดียวของประเด็น

ระวังคำชมที่ซ่อนอยู่ในคำถาม

เช่น: “Feature ใหม่ที่ใช้งานง่ายนี้มีประโยชน์กับคุณมากเพียงใด?”
คำว่า “ใช้งานง่าย” ถูกกำหนดเป็น Fact ไปแล้ว
หากต้องการรู้ว่าใช้ง่ายจริงหรือไม่ ควรถามแยก: “คุณคิดว่า Feature นี้ใช้งานง่ายหรือยากเพียงใด?”

2. Double-barreled Question: ถามสองเรื่อง แต่ให้ตอบครั้งเดียว

ตัวอย่าง: “คุณพอใจกับราคาและคุณภาพสินค้าของเรามากน้อยเพียงใด?”
ถ้าลูกค้าพอใจคุณภาพ แต่ไม่พอใจราคา จะตอบอย่างไร?
AAPOR แนะนำว่าคำถามควรถาม หนึ่ง Concept ต่อหนึ่งคำถาม เพื่อให้รู้ว่าคำตอบกำลังอ้างถึงเรื่องไหน
ควรแยกเป็น: “คุณพอใจกับคุณภาพสินค้าเพียงใด?” และ “คุณพอใจกับราคาสินค้าเพียงใด?”
ปัญหาของ Double-barreled Question คือ ต่อให้ได้ Score 7/10 เราก็ไม่รู้ว่า 7 นั้นเกิดจาก Price หรือ Quality

คำว่า “และ” หรือ “หรือ” เป็นสัญญาณให้ตรวจ

ไม่ได้หมายความว่าทุกคำถามที่มี “และ” จะผิด
แต่หาก Question มี:
ราคา และ คุณภาพ
รวดเร็ว และ สะดวก
สินค้า และ บริการ
Application และ Website
ควรตรวจว่าเรากำลังพยายามวัดสอง Construct ด้วย Score เดียวหรือไม่

3. Ambiguous Question: คนแต่ละคนกำลังตอบคำถามเดียวกันจริงหรือไม่?

ลองถาม: “คุณซื้อสินค้าของเราบ่อยแค่ไหน?”
คำว่า “บ่อย” หมายถึงอะไร?
ทุกสัปดาห์?
ทุกเดือน?
ปีละ 3 ครั้ง?
หรือ:
“โดยปกติคุณใช้จ่ายกับอาหาร Delivery เท่าไร?”
“ปกติ” หมายถึงต่อครั้ง ต่อวัน หรือต่อเดือน?
Questionnaire ที่ดีควรทำให้ Reference Period และ Unit ชัด
เช่น: “ในช่วง 30 วันที่ผ่านมา คุณสั่งอาหารผ่าน Delivery Platform กี่ครั้ง?” หรือ “โดยเฉลี่ย คุณใช้จ่ายต่อหนึ่ง Delivery Order ประมาณเท่าไร?”
Pew แนะนำให้ Survey Questions มีความชัดเจนและ Specific เพื่อให้ผู้ตอบตีความสิ่งที่ถูกถามในทิศทางเดียวกันมากที่สุด

4. Assumptive Question: อย่าสมมติว่าผู้ตอบทำสิ่งนั้นอยู่แล้ว

ตัวอย่าง: “อะไรคือเหตุผลหลักที่คุณใช้ Mobile Banking ของธนาคารเรา?”
คำถามนี้สมมติว่าผู้ตอบใช้ Mobile Banking อยู่แล้ว
ถ้าผู้ตอบไม่เคยใช้ เขาอาจ:
เลือกคำตอบใกล้เคียง
ตอบแบบเดา
หรือออกจาก Survey
‍
ควรมี Screener หรือ Routing ก่อน เช่น: “ในช่วง 3 เดือนที่ผ่านมา คุณเคยใช้ Mobile Banking ของธนาคารเราหรือไม่?”
หาก Yes → ถามเหตุผลใช้
หาก No → ไปชุดคำถาม Barrier / Awareness
อีกตัวอย่าง:
“ทำไมคุณถึงคิดว่า Brand A มีราคาสูงเกินไป?”
คำถามนี้สมมติว่าผู้ตอบคิดว่า “แพงเกินไป”
ควรถามก่อน: “คุณมองระดับราคาของ Brand A อย่างไร?”
แล้วจึง Probe ตามคำตอบ

5. Response Options ก็สร้าง Bias ได้

ปัญหาไม่ได้อยู่แค่ประโยคคำถาม ตัวเลือกคำตอบเองก็มีผล
Pew ระบุว่าทั้ง จำนวนตัวเลือก ลักษณะตัวเลือก และลำดับตัวเลือก สามารถมีผลต่อคำตอบของ Closed-ended Questions ได้
ตัวอย่าง: “คุณพอใจกับบริการระดับใด?”

• พอใจมาก
• พอใจ
• ค่อนข้างพอใจ
• ไม่พอใจ

Scale นี้มีคำตอบด้าน Positive มากกว่าด้าน Negative เวอร์ชันที่สมดุลกว่า เช่น:

• พอใจมาก
• ค่อนข้างพอใจ
• ไม่พอใจหรือพอใจพอ ๆ กัน
• ค่อนข้างไม่พอใจ
• ไม่พอใจมาก

ทั้งนี้ การมี Neutral Point หรือไม่ควรขึ้นกับ Measurement Objective ไม่ใช่ใส่หรือเอาออกเพียงเพื่อบังคับให้ผู้ตอบ “เลือกข้าง”

ตัวเลือกต้อง Mutually Exclusive และ Exhaustive

ตัวอย่าง Age Group:
18–25
25–35
35–45
อายุ 25 จะเลือกข้อไหน?
ควรเป็น:
18–24
25–34
35–44
และ Closed-ended Questions ควรมีตัวเลือกที่ครอบคลุม Reasonable Responses ตามโจทย์ เช่น “ไม่ทราบ”, “ไม่ได้ใช้” หรือ “อื่น ๆ” เมื่อจำเป็น AAPOR แนะนำให้ Response Categories ไม่ซ้อนกันและครอบคลุมคำตอบที่สมเหตุสมผล

6. Question Order: คำถามก่อนหน้าอาจเปลี่ยนความหมายของคำถามถัดไป

ลองจินตนาการว่า Survey ถาม:
1. “ในเดือนที่ผ่านมา คุณพบปัญหาการส่งสินค้าช้ากี่ครั้ง?”
2. “โดยรวม คุณพึงพอใจกับ Brand มากน้อยเพียงใด?”
หลังจากผู้ตอบเพิ่งนึกถึงปัญหา Delivery โดยละเอียด คะแนน Brand Satisfaction อาจได้รับอิทธิพลจาก Context นั้น
นี่เรียกว่า Question Order Effect
Pew พบในการทดลอง Survey หลายครั้งว่า คำถามที่มาก่อนสามารถเปลี่ยน Context ที่ผู้ตอบใช้ตอบคำถามถัดไป และแนะนำให้พิจารณา Question Order อย่างระมัดระวัง รวมถึง Randomization ในกรณีที่เหมาะสม
สำหรับ SME วิธีง่าย ๆ คือ ถาม General ก่อน Specific เมื่อไม่ต้องการ Prime คำตอบ
เช่น: Overall Satisfaction
ก่อน Satisfaction with Delivery / Staff / Price / Product
ไม่ใช่ให้ผู้ตอบ Review ปัญหา 20 ข้อก่อน แล้วค่อยถาม Overall Satisfaction

7. คำถามเกี่ยวกับอดีตไกลเกินไป ทำให้ได้ Recall Error

ลองถาม: “ในรอบ 12 เดือนที่ผ่านมา คุณซื้อกาแฟนอกบ้านทั้งหมดกี่ครั้ง?”
สำหรับคนส่วนใหญ่ การจำจำนวน Transaction ทั้งปีแทบเป็นไปไม่ได้ ผู้ตอบอาจประมาณ กะคร่าว ๆ หรือใช้เหตุการณ์ล่าสุดเป็นตัวแทน
การตั้ง Recall Period ควรสัมพันธ์กับ:

• ความถี่ของ Behavior
• ความเด่นของเหตุการณ์
• ความสามารถที่ผู้ตอบน่าจะจำได้

เช่น หาก Behavior เกิดบ่อย:
“ในช่วง 7 วันที่ผ่านมา...”
หรือ
“ในช่วง 30 วันที่ผ่านมา...”
อาจตอบง่ายกว่า 12 เดือน
ถ้าธุรกิจมี Transaction Data อยู่แล้ว บางคำถามไม่จำเป็นต้องถามความจำของลูกค้าเลย

8. Absolutes ทำให้คนตอบยากเกินจริง

คำ เช่น:
เสมอ
ไม่เคย
ทุกครั้ง
ทั้งหมด
อาจทำให้คำถามสุดโต่งเกินไป
ตัวอย่าง “พนักงานของเราให้บริการคุณอย่างสุภาพทุกครั้งหรือไม่?”
ลูกค้าที่เจอ 9 ครั้งดี 1 ครั้งไม่ดีควรตอบอะไร?
เปลี่ยนเป็น: “จากประสบการณ์ของคุณ พนักงานให้บริการอย่างสุภาพบ่อยเพียงใด?”แล้วให้ Frequency Scale ที่เหมาะสม
คำถามควรสะท้อนระดับความเป็นจริงที่ผู้ตอบสามารถประเมินได้ ไม่ใช่บังคับให้เลือก Absolute Position โดยไม่จำเป็น

9. Agree / Disagree ใช้ง่าย แต่ต้องระวัง Acquiescence

ตัวอย่าง “ฉันคิดว่า Brand X เป็นแบรนด์ที่น่าเชื่อถือ”
คำตอบ Strongly agree → Strongly disagree
รูปแบบนี้ใช้ได้ แต่ผู้ตอบบางกลุ่มมีแนวโน้มตอบ Agree มากขึ้นโดยไม่พิจารณาเนื้อหาเต็มที่ ซึ่งเรียกว่า Acquiescence Bias
หาก Concept สำคัญ อาจถามตรงกว่า: “คุณมองว่า Brand X น่าเชื่อถือหรือไม่น่าเชื่อถือเพียงใด?”
Very trustworthy → Not at all trustworthy
คำถามตรงช่วยลดภาระที่ผู้ตอบต้องแปลงความคิดเห็นเป็นการ “เห็นด้วยกับประโยคของผู้วิจัย”

10. Social Desirability: บางคำตอบดู “ดีกว่า” ทางสังคม

คำถามเช่น “คุณใส่ใจสิ่งแวดล้อมหรือไม่?”
คนจำนวนมากรู้ว่าคำตอบที่ดูดีคือ “ใส่ใจ” แต่คำตอบนั้นไม่ได้บอกว่าพฤติกรรมจริงเป็นอย่างไร
Pew ระบุว่าพฤติกรรมหรือความคิดเห็นบางเรื่องมี Social Desirability Bias และ Mode ของการเก็บข้อมูลก็สามารถมีผล โดยเรื่อง Sensitive บางประเภทอาจตอบต่างกันเมื่อมี Interviewer เทียบกับ Self-administered Survey
หากต้องการเข้าใจพฤติกรรม ลองถามให้ Specific ขึ้น: แทนที่จะถาม: “คุณใส่ใจสิ่งแวดล้อมหรือไม่?” ถาม: “ในช่วง 30 วันที่ผ่านมา คุณเลือกซื้อสินค้าที่มี Refill Packaging กี่ครั้ง?”
แต่ก็ยังต้องจำไว้ว่า Stated Behavior ไม่ใช่ Observed Behavior หากมี Sales หรือ Transaction Data ควรนำมาใช้ประกอบ

11. Loaded Question: ใส่ภาษาเชิงอารมณ์ลงไปในสิ่งที่ต้องการวัด

ตัวอย่าง: “คุณกังวลเพียงใดกับค่าธรรมเนียมที่สูงเกินไปของบริการนี้?”
คำว่า “สูงเกินไป” กำหนด Judgment ไว้แล้ว
เปลี่ยนเป็น: “คุณมองค่าธรรมเนียมของบริการนี้อย่างไร?”

• ต่ำมาก
• ค่อนข้างต่ำ
• เหมาะสม
• ค่อนข้างสูง
• สูงมาก

หากต้องการรู้ว่า Fee เป็น Barrier จริงหรือไม่ จึงค่อยถามต่อว่ามีผลต่อ Purchase Decision อย่างไร
หลักคือ: อย่าใส่ Conclusion ที่เราต้องการวัด เข้าไปใน Question Wording

ตัวอย่าง: Survey เดียวกัน เปลี่ยนแค่คำถามก็เปลี่ยนความหมายของข้อมูล

สมมติ SME อยากรู้ว่าลูกค้ามองร้านใหม่อย่างไร

Version A

“คุณคิดว่าร้านโฉมใหม่ที่ทันสมัยและสะดวกขึ้นของเราดีขึ้นจากเดิมเพียงใด?”
ปัญหา:

• Leading
• ใส่คำว่า “ทันสมัย”
• ใส่คำว่า “สะดวกขึ้น”
• ตั้งสมมติฐานว่า “ดีขึ้น”
• รวมหลาย Attribute

Version B

“โดยรวม คุณประเมินประสบการณ์ใช้บริการร้านโฉมใหม่อย่างไร?”
จากนั้นถามแยก:
“คุณประเมินความสะดวกในการใช้บริการอย่างไร?”
“คุณประเมินบรรยากาศและการออกแบบร้านอย่างไร?”
“เมื่อเทียบกับร้านรูปแบบเดิม ประสบการณ์โดยรวมเป็นอย่างไร?”
Version B ไม่ได้การันตีว่าจะไม่มี Bias แต่ทำให้เรารู้ชัดขึ้นว่า Metric แต่ละตัวกำลังวัดอะไร

Pretest ก่อน Fieldwork ช่วยเจอปัญหาที่คนเขียนมองไม่เห็น

Questionnaire ที่ดูดีใน Excel หรือ Word อาจมีปัญหาเมื่อคนจริงตอบ
Pew ระบุว่า Pretesting เป็นขั้นตอนสำคัญของ Questionnaire Design เพื่อดูว่าผู้ตอบตีความคำถามและแบบสอบถามอย่างไร โดยเฉพาะคำถามใหม่
ก่อน Launch Survey จริง ลองให้คนใกล้เคียง Target ตอบแล้วถามต่อว่า:

• คุณเข้าใจคำถามนี้ว่าอะไร?
• คำไหนไม่ชัด?
• คิดอย่างไรก่อนเลือกคำตอบ?
• มีคำตอบของคุณอยู่ใน Options หรือไม่?
• มีข้อไหนรู้สึกว่าถูกชี้นำ?
• มีข้อไหนตอบไม่ได้?
• Survey ยาวหรือซ้ำตรงไหน?

นี่คล้าย Cognitive Pretesting แบบง่าย ๆ และมักช่วยเจอปัญหาที่ทีมเขียน Questionnaire ไม่เห็นเอง

Checklist ก่อนกด Send Survey

ลองอ่านทุกข้อแล้วถาม:

1. คำถามนี้วัดเรื่องเดียวหรือหลายเรื่อง?
2. มีคำที่ผลักผู้ตอบไปทาง Positive หรือ Negative หรือไม่?
3. เราแอบสมมติอะไรเกี่ยวกับผู้ตอบหรือไม่?
4. ช่วงเวลาและ Unit ชัดหรือไม่?
5. ผู้ตอบทั่วไปเข้าใจศัพท์นี้เหมือนทีมเราหรือไม่?
6. Response Options ครอบคลุมและไม่ซ้อนกันหรือไม่?
7. Scale สมดุลหรือไม่?
8. คำถามก่อนหน้าสามารถ Prime คำตอบนี้หรือไม่?
9. ผู้ตอบมีโอกาสจำข้อมูลที่เราถามได้จริงหรือไม่?
10. หากได้คำตอบแล้ว เรารู้ว่าจะใช้ Decision อะไรหรือไม่?

ข้อสุดท้ายช่วยตัดคำถามจำนวนมากที่ “น่าสนใจ” แต่ไม่ได้ใช้ในการตัดสินใจออกจาก Survey

Sample ใหญ่ไม่ได้แก้คำถามที่ลำเอียง

หาก Survey ถาม 5,000 คนด้วย Leading Question เราอาจได้คำตอบที่มี Precision สูงขึ้น
แต่สิ่งที่วัดยังอาจผิด Concept อยู่
นี่คือความแตกต่างระหว่าง:
Sampling Error  ความไม่แน่นอนจากการใช้ Sample กับ Measurement Error  ความคลาดเคลื่อนจากวิธีวัด เช่น Question Wording, Interpretation หรือ Response Process
การเพิ่ม Sample Size ช่วยเรื่อง Sampling Error บางส่วน
แต่ไม่ได้ทำให้ Leading Question กลายเป็น Neutral Question
BEE Research Knowledge จึงให้ความสำคัญทั้ง Sample ที่เหมาะสมและ Valid Questions + Neutral Wording พร้อมกัน

สรุป: อย่าถามแค่ว่า “Survey มีคนตอบกี่คน” ให้ถามด้วยว่า “เราให้เขาตอบอะไร?”

Survey ที่ดีไม่ได้เริ่มจาก Sample Size อย่างเดียว
ก่อนเชื่อ Percentage, Average Score หรือ Ranking ที่ได้ ลองย้อนกลับไปดูคำถามว่า:
เป็นกลางหรือไม่?
ถามทีละเรื่องหรือไม่?
Definition ชัดหรือไม่?
Response Options สมดุลหรือไม่?
Question Order มีผลหรือไม่?
ผู้ตอบสามารถตอบจากประสบการณ์จริงได้หรือไม่?
เพราะบางครั้งตัวเลขที่ดูชัดมาก เช่น: “82% ของลูกค้าเห็นด้วย” อาจไม่ใช่เพียงเสียงของลูกค้า แต่อาจมีเสียงของ Questionnaire Design ปะปนอยู่ด้วย
เป้าหมายของการเขียน Survey Question ที่ดีจึงไม่ใช่ทำให้ลูกค้า “ตอบง่ายในสิ่งที่เราอยากรู้”
แต่คือทำให้เขาสามารถ ตอบสิ่งที่เขาคิดหรือทำจริง โดยไม่ถูกคำถามของเราพาไปก่อน