您所在的机构类型是？
外卖平台运营方
第三方调研机构
高校/科研院所
餐饮品牌商户
咨询服务公司
其他
您是否参与过外卖行业相关的问卷回收工作？
是，主导过相关项目
是，参与过部分环节
否，但了解相关流程
否，完全没有接触过
您认为外卖行业问卷回收最核心的难点是什么？
目标用户触达率低
问卷填写完成率低
无效样本占比过高
样本代表性不足
数据回收周期过长
其他
您在外卖行业调研中常用的数据收集渠道有哪些？
平台内弹窗推送
外卖餐品附卡引流
骑手社群分发
社交媒体投放
线下商圈拦截
第三方样本库合作
其他
您通常设定的问卷回收有效样本量区间是？
100份以下
100-500份
500-2000份
2000-5000份
5000份以上
请您对当前常用的问卷回收渠道的整体效率进行评分（1分最低，5分最高）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
您在数据收集阶段会采用哪些质量控制手段？
设置逻辑校验题
限制同一设备/IP重复填写
设置最短填写时长
人工抽查无效问卷
设置答题奖励门槛
其他
您认为激励措施对提升问卷回收效果的影响程度如何？
影响极大，是核心因素
影响较大，有明显提升
影响一般，仅起辅助作用
影响较小，几乎无作用
不确定
您常用的问卷激励形式有哪些？
外卖红包/优惠券
现金红包
积分兑换权益
实物抽奖
无激励
其他
您在外卖行业调研中，无效问卷的平均占比大概是多少？
10%以下
10%-20%
20%-30%
30%-50%
50%以上
您判定无效问卷的主要标准有哪些？
答题时长过短
答案前后逻辑矛盾
连续多题选择同一选项
关键信息缺失
IP/设备异常
其他
您最常使用的数据分析方法是？
描述性统计分析
交叉分析
回归分析
聚类分析
文本语义分析
其他
您认为外卖行业问卷数据主要应用在哪些场景？
用户消费偏好研究
配送服务体验优化
商家经营策略调整
平台功能迭代
行业趋势研判
其他
请您对当前外卖行业问卷回收数据的整体可信度进行评分（1分极不可信，5分非常可信）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
您是否会采用分层抽样方法来提升样本代表性？
每次都会
大部分时候会
偶尔会
几乎不会
完全不了解该方法
您在问卷回收过程中遇到过哪些常见的偏差问题？
样本结构偏差（如年轻用户占比过高）
幸存者偏差（仅满意/不满用户愿意填写）
回忆偏差（用户无法准确回忆过往体验）
社会期望偏差（用户刻意选择“正确”答案）
未遇到明显偏差
其他
您认为技术工具（如在线问卷系统、AI质检）对提升问卷回收效率的作用如何？
作用非常显著
作用比较显著
作用一般
作用较小
没有作用
您认为当前外卖行业问卷回收及数据分析流程中，最需要优化的环节是什么？请简要说明
如果您有提升外卖行业调研数据质量的实操经验，欢迎分享您的建议