您是否有过参与手游相关调研问卷填写的经历？
是，参与过3次及以上
是，参与过1-2次
否，从未参与过
在您参与过的手游调研中，是否遇到过疑似非真实用户填写的情况？
您认为以下哪些行为属于问卷代填的典型表现？
同一IP短时间内提交大量重复问卷
所有题目作答时长明显低于正常阅读时间
开放题回答内容与问题无关或高度雷同
前后逻辑题答案明显矛盾
填写的手游相关经验与实际用户特征不符
您认为问卷代填现象对手游调研样本数据质量的影响程度如何？（1分=几乎无影响，5分=严重影响数据有效性）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
您认为手游样本收集过程中，容易出现数据质量问题的环节有哪些？
调研渠道投放不精准，非目标用户进入
样本激励设置过高，吸引职业填答群体
问卷题目设置过长，导致用户随意作答
缺乏答题过程行为数据监测
样本筛选规则设置过于宽松
您是否了解当前行业内针对问卷代填的常见识别手段？
非常了解，接触过相关防控机制
有一定了解，知道部分识别方法
听说过但不了解具体内容
完全不了解
您认为以下哪些方式可以有效降低问卷代填带来的数据偏差？
设置答题时长阈值，过滤过快作答样本
加入测谎题/逻辑校验题，识别矛盾答案
通过设备指纹、IP地址识别重复提交
开放题设置内容相关性校验
针对手游用户设置专属经验甄别题
在您参与过的手游调研中，主办方是否设置了甄别题来筛选真实目标用户？
每次都设置
大部分时候设置
偶尔设置
从未设置
没有留意
您认为设置手游专属行为甄别题（如近期游戏时长、核心玩法熟悉度等）对防范无效样本的效果如何？（1分=效果极差，5分=效果极好）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
您认为职业问卷填答群体通常会瞄准哪些类型的手游调研？
激励金额较高的付费调研
题目简单、题量较少的短问卷
新游上线前的用户意向调研
游戏体验满意度类常规调研
样本招募门槛较低的调研
您认为当前手游样本收集的数据质量整体处于什么水平？
质量很高，基本都是真实有效反馈
质量较好，仅存在少量无效样本
质量一般，无效样本占比不容忽视
质量较差，大量样本存在代填或随意作答情况
如果在调研中发现疑似问卷代填的样本，您认为主办方应如何处理？
直接剔除所有疑似样本，不纳入分析
对疑似样本进行二次核验，确认无效后剔除
保留所有样本，在分析时标注数据偏差风险
不确定如何处理
您认为答题过程中的行为数据（如页面停留时长、选项修改次数、鼠标轨迹等）对识别无效样本的重要性如何？（1分=完全不重要，5分=非常重要）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
除了问卷代填，您认为手游样本收集还存在哪些影响数据质量的问题？
用户为获取激励刻意迎合主办方预期作答
样本结构偏差，某类用户占比过高
题目表述有引导性，导致回答不客观
问卷投放周期过短，样本覆盖不全面
数据清洗规则不统一，有效样本被误删
您是否接触过利用技术手段自动生成问卷答案的“机器填答”情况？
经常接触，这类情况占比较高
偶尔接触，存在少量此类情况
听说过但没实际遇到过
完全没听说过
您认为定期更新样本库、剔除职业填答用户对提升手游调研数据质量的作用有多大？（1分=几乎无作用，5分=作用非常大）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
您认为手游调研在设置样本激励时，以下哪些做法更有利于保障数据质量？
激励金额设置在合理区间，避免过高吸引职业填答者
设置阶梯式激励，完成全部有效作答才可获得全额奖励
增加抽奖类非固定激励，降低职业群体参与动力
针对高价值样本单独设置额外激励，精准触达目标用户
不设置任何激励，完全依靠用户自愿参与
您认为在手游玩家社群中投放调研问卷，相比泛流量渠道，是否更能降低问卷代填风险？
是，社群用户匹配度更高，代填风险明显更低
有一定效果，但仍存在少量代填情况
效果不明显，和泛流量渠道差异不大
反而风险更高，社群内容易出现组团代填情况
结合您的经验，您对手游样本收集过程中防范问卷代填、提升数据质量还有哪些其他建议？