Zurück
Single Selection Questions: Design Rules, die Bad Data verhindern
SmartInterview Team
Die kurze Antwort
Eine Single-Select-Frage ermöglicht es einem Befragten, genau eine Option aus einer Liste auszuwählen. Diese einzige Einschränkung ist das, was die Daten sauber macht: Jeder Befragte liefert genau eine Antwort, die Prozentsätze summieren sich auf 100 und die Variable kann direkt als Segmentierungsfilter oder Cross-Tab-Banner ohne spezielle Anpassung verwendet werden.
Die wichtigsten Design-Regeln:
Verwenden Sie Radio Buttons, wenn die Liste auf den Bildschirm passt. Verwenden Sie ein Dropdown-Menü nur für lange, natürlich geordnete Listen wie Land, Jahr oder Bundesland.
Machen Sie die Optionen überschneidungsfrei (mutually exclusive) und erschöpfend (exhaustive). Keine Überschneidungen, keine Lücken, keine doppelten Fragestellungen (double-barreled).
Wählen Sie niemals eine Standardantwort vorab aus. Ein Default-Wert wird zu einer Antwort, die Sie nicht verdient haben.
Randomisieren Sie die Reihenfolge der Optionen, um dem Primacy Bias entgegenzuwirken, aber verankern Sie Optionen wie Sonstiges, Keine, Weiß nicht, und randomisieren Sie niemals eine Skala.
Entscheiden Sie bewusst, ob Sie eine Opt-Out-Option anbieten. Das Entfernen von Weiß nicht schafft kein Wissen, sondern verbirgt lediglich dessen Fehlen.
Wenn ein Befragter ehrlicherweise mehr als eine Option wählen kann, benötigen Sie stattdessen eine Multiple-Choice-Frage. Eine einzelne Antwort bei einer Frage zu erzwingen, die eigentlich mehrere Antworten zulässt, führt zu scheinbar verlässlichen Daten ohne Aussagekraft.
Single Select Formate im Vergleich
Single Select ist ein Datenregel-Prinzip, kein Widget. Verschiedene Controls setzen es um, und sie verhalten sich nicht alle gleich. Hier ist ein Vergleich der gängigsten Formate.
Format | Sichtbare Optionen | Mobile Experience | Haupt-Bias-Risiko | Am besten geeignet für |
|---|---|---|---|---|
Radio List | Alle auf einmal | Gut, wenn die Liste kurz ist; Scrollen beeinträchtigt lange Listen | Primacy-Effekt bei visuell dargestellten Listen | Die meisten Single-Answer-Fragen mit etwa 2 bis 7 Optionen |
Dropdown / Select | Einzeln nacheinander, der Rest ist ausgeblendet | Nativer Picker, erfordert jedoch einen Tap zum Öffnen und einen Tap zur Bestätigung | Ausgeblendete Optionen werden seltener gewählt; Anchoring-Effekt auf dem, was zuerst angezeigt wird | Lange geordnete Listen: Land, Jahr, Bundesland, Berufsbezeichnung aus einer Taxonomie |
Button Group / Tiles | Alle auf einmal | Hervorragend, große Klickflächen | Visuelle Gewichtung der ersten oder größten Kachel | Zwei bis fünf kurze Optionen, insbesondere Ja/Nein oder einfache Verzweigungen |
Slider | Ein Kontinuum, keine Liste | Mit dem Daumen etwas fummelig, leichtes Abrutschen möglich | Anchoring-Effekt an der Startposition des Reglers | Fragen nach geordneten Größenordnungen, bei denen ein Startpunkt vermieden werden kann |
Multi Select (Checkboxes) | Alle auf einmal | Gut, aber Tabellen (Grids) ermüden schnell | Under-Reporting: Befragte hören auf zu klicken, sobald sie das Gefühl haben, fertig zu sein | Echte Multi-Answer-Fragen, nicht Single Select |
Das Muster in dieser Tabelle zeigt: Je mehr Optionen Sie ausblenden, desto stärker beeinflusst das Interface selbst Ihre Daten. Das ist das Hauptargument gegen Dropdowns bei kurzen Auswahllisten.
Radio Buttons vs. Dropdowns
Wenn die Liste auf den Bildschirm passt, sollten Sie Radio Buttons verwenden. Dies ist eine der wenigen fast konsensfähigen Positionen im Interface-Design von Surveys, und es läuft darauf hinaus, was die Befragten tatsächlich sehen können.
Warum Radio Buttons bei kurzen Listen gewinnen
Jede Option ist sichtbar. Die Befragten bewerten das gesamte Set, bevor sie eine Auswahl treffen, anstatt Option für Option zu entdecken.
Weniger Interaktionen. Ein Fingertipp. Ein Dropdown erfordert mindestens ein Öffnen, ein Scrollen und ein Auswählen.
Die Antwort bleibt lesbar. Nach der Beantwortung steht die gewählte Option im Kontext mit den abgelehnten Optionen, was bei der Überprüfung und der Zurück-Navigation hilft.
Besser auf Mobilgeräten. Native Dropdown-Picker verdecken auf vielen Smartphones den Fragentext, sodass die Befragten eine Auswahl treffen, während die Frage auf dem Bildschirm nicht mehr sichtbar ist.
Wann ein Dropdown gerechtfertigt ist
Dropdowns haben ihre Berechtigung, wenn die Liste lang ist und eine natürliche Reihenfolge aufweist, die den Befragten bereits bekannt ist. Land, Geburtsjahr, US-Bundesstaat, Währung, Monat. In diesen Fällen vergleichen die Befragten keine Optionen, sondern suchen gezielt nach einer. Ein Dropdown mit Auto-Suggest-Suche für 195 Länder schlägt eine Radio-Button-Liste mit 195 Zeilen jedes Mal.
Die bekannten Kosten versteckter Optionen
Alles, wofür Befragte scrollen müssen, wird seltener ausgewählt als eine gleichwertige Option am Anfang. Dies zeigt sich consistently in der Methodik der Markt- und Meinungsforschung und ist bei Dropdowns noch gravierender, da der verborgene Teil standardmäßig ausgeblendet ist und nicht nur unter dem Seitenumbruch (below the fold) liegt. Zwei praktische Konsequenzen:
Verwenden Sie kein Dropdown für eine ungeordnete Einstellungsliste. Sie erhalten sonst eine Verteilung, die teilweise durch die Scroll-Position der einzelnen Optionen beeinflusst wird.
Lassen Sie niemals eine echte Option als Standardwert im Dropdown vorausgewählt. Beginnen Sie mit einem neutralen Platzhalter wie „Bitte auswählen“, damit das Element die Antwort nicht beeinflusst (Anchoring-Effekt).
Wann Single Select besser ist als Multi Select
Single Select ist nicht nur die kleinere Version von Multi Select. Es erfüllt eine gänzlich andere Aufgabe.
Es erzwingt einen Trade-off
„Was davon ist Ihnen bei der Auswahl einer Bank am wichtigsten?“ liefert Ihnen eine Priorität. Die Multi-Select-Version derselben Frage liefert Ihnen eine Liste von Dingen, die Menschen angenehm finden. Fast alles klingt wünschenswert, wenn das Setzen des Häkchens keinen Aufwand kostet. Wenn Ihre Business-Fragestellung das Wort am meisten, primär oder erstens enthält, benötigen Sie ein Single-Select-Format oder eine Rank-Order-Frage.
Es liefert sauberere Segmentierungsvariablen
Banner-Variablen, Quoten-Zellen und Filter setzen alle einen einzigen Wert pro Antwortendem voraus. Eine Single-Select-Frage lässt sich direkt in eine Kreuztabelle (Cross-Tab) überführen. Eine Multi-Select-Frage muss erst in eine Binärvariable pro Option aufgeteilt werden, bevor sie auf dieselbe Weise genutzt werden kann, und die resultierenden Spalten überschneiden sich, sodass die Basisgrößen in der Summe nicht mehr Ihrer Stichprobengröße (sample size) entsprechen.
Es vermeidet das Under-Reporting bei Checkboxen
Bei langen Checkbox-Listen neigen Befragte dazu, einige plausible Optionen anzukreuzen und fortzufahren, anstatt jeden Punkt einzeln zu bewerten. Das Ergebnis ist ein systematisches Under-Reporting im unteren Bereich der Liste. Eine Single-Select-Frage hat keine solche Abbruchregel: Es gibt genau eine Aufgabe zu erledigen, und der Befragte erledigt sie.
Wo Multi Select weiterhin richtig ist
Verhaltens-Inventare („Welche dieser Medien haben Sie im letzten Monat genutzt?“), Brand-Awareness-Sets und die Kanalnutzung sind von Natur aus Multi-Answer-Szenarien. Diese in ein Single-Select-Format zu zwingen, führt zum Verlust realer Informationen und frustriert die Befragten, was wiederum ein eigenes Problem für die Datenqualität darstellt. Wenn Sie unsicher sind, welches Format Sie wählen sollen, fragen Sie sich, wofür das Ergebnis gedacht ist: Eine Priorität für Handlungsentscheidungen erfordert eine einzige Antwort; eine Bestandsaufnahme zur Ermittlung von Marktgrößen benötigt alle Antworten.
Praktische Design-Regeln
Überschneidungsfrei und erschöpfend (Mutually exclusive and exhaustive)
Jeder Befragte darf genau in eine Option passen. Zwei Fehler treten häufig auf: Sich überschneidende Bereiche („18–25“ und „25–35“ ordnen eine 25-jährige Person zwei Kategorien zu) und fehlende Fälle (eine Einkommensliste, die bei „unter 30.000 €“ beginnt, ohne Option für Personen ohne Einkommen). Testen Sie Ihre Liste, indem Sie versuchen, drei
Forced Choice vs Opt-Out
Die folgenreichste Entscheidung bei einer Single Select Frage ist, ob Sie ein Hintertürchen offenlassen – und hierauf gibt es keine universell richtige Antwort. Es gibt nur einen bewussten Abwägungsprozess, den Sie gezielt eingehen sollten.
Was das Entfernen von „Don’t know“ tatsächlich bewirkt
Das Weglassen des Opt-Out verwandelt uninformierte Befragte nicht in informierte. Es drängt sie vielmehr zu inhaltlichen Antworten. Einige werden basierend auf dem Wortlaut der Optionen raten, manche wählen den Midpoint, andere wiederum den ersten plausiblen Punkt. Die Verteilung summiert sich immer noch auf 100 Prozent und sieht völlig unbedenklich aus. Genau darin liegt die Gefahr: Das Rauschen lässt sich nun nicht mehr vom Signal unterscheiden.
Was Sie das Beibehalten kostet
Ein leicht zugängliches Opt-Out ist auch ein einfacher Ausstieg. Befragte mit einer echten, aber schwach ausgeprägten Meinung werden es nutzen, da das Auswählen von „Don’t know“ weniger Mühe kostet als das Abrufen und Abwägen einer tatsächlichen Ansicht. Bieten Sie es zu großzügig an, verlieren Sie wertvolle, entscheidungsrelevante Präferenzdaten, und Ihre effektive Fallzahl schrumpft bei den Fragen, die Sie am ehesten analysieren wollten.
Der machbare Mittelweg
Passen Sie das Opt-Out an den Fragentyp an. Wissens- und Faktenfragen benötigen eines. Wenn ein Befragter ein Produkt noch nie benutzt hat, grenzt das Erzwingen einer Meinung an reine Fiktion.
Screening statt Opt-Out. Fragen Sie zuerst nach Bekanntheit oder Nutzung und leiten Sie nur qualifizierte Befragte zur Meinungsfrage weiter. Das ist sauberer als ein Opt-Out, weil Sie genau wissen, warum Daten fehlen.
Eher dezent platzieren statt löschen. Platzieren Sie das Opt-Out visuell getrennt von den inhaltlichen Optionen am Ende der Liste, sodass es als Ausnahme und nicht als gleichwertige Option wahrgenommen wird.
Vorsicht bei Pflichtfragen. Ein hartes Antwortgebot erhöht zwar die Abschlussrate pro Item, treibt jedoch einige Befragte zu zufälligen Antworten und andere zum kompletten Abbruch. Dies trägt wesentlich zu den Trends bei, die unter why survey response rates are crashing diskutiert werden.
Die Neutral Midpoint Debatte
Ein Midpoint auf einer ungeraden Skala ist nicht gleichbedeutend mit einer einzigen Bedeutung. Er fängt mindestens drei verschiedene Typen von Befragten auf:
Der wirklich neutrale Befragte, der beide Seiten abgewogen hat und in der Mitte landet.
Der ambivalente Befragte, der gleichzeitig starke Meinungen in beide Richtungen vertritt.
Der Satisficing-Befragte, der nicht nachdenken möchte und den optisch sichersten Punkt wählt.
Alle drei verschmelzen zu einem einzigen Wert, und nichts in den Daten lässt sie unterscheiden. Das ist das ehrliche Argument gegen den Midpoint.
Das Plädoyer für den Midpoint
Entfernen Sie den Midpoint, verschwinden diese Befragten nicht einfach. Sie werden auf die eine oder andere Seite gedrängt, bei kundenorientierten Umfragen meist mit einer leichten Tendenz zur positiven Seite. Sie haben dadurch keine Präzision gewonnen, sondern eine Richtung künstlich erzeugt. Für eine vollständige Betrachtung von Skalenlänge und Labeling siehe Likert scale design.
Die unumstößliche Regel
Ein Midpoint ist kein „Don’t know“. „Weder noch“ bedeutet, dass der Befragte eine Meinung hat und diese ausgewogen ist. „Don’t know“ bedeutet, dass es keine Meinung gibt, über die berichtet werden kann. Den Midpoint als „Don’t know“ oder „N/A“ zu deklarieren, vermischt eine Einstellung mit dem Fehlen einer solchen und verfälscht unbemerkt jeden Mittelwert, den Sie aus dieser Skala berechnen. Wenn Sie beide benötigen, sind es zwei separate Positionen: Der Midpoint liegt innerhalb der Skala, das Opt-Out außerhalb.
Order Bias und wie man ihn kontrolliert
Die Reihenfolge Ihrer Optionen verändert Ihre Ergebnisse. Dies ist eine der stabilsten Erkenntnisse in der Survey Methodology, und die Richtung des Effekts hängt davon ab, wie die Befragten die Liste wahrnehmen.
Primacy-Effekt in visuellen Listen
Wenn Optionen auf einem Bildschirm oder Papier gelesen werden, werden weiter oben stehende Optionen überproportional häufig ausgewählt. Der Befragte verarbeitet die Liste von oben, und sobald eine Option akzeptabel erscheint, wird die Suche meist abgebrochen. Spätere Optionen erhalten weniger Aufmerksamkeit und weniger kognitive Auseinandersetzung.
Recency-Effekt in Read-Aloud- und Voice Surveys
Wenn Optionen gehört statt gesehen werden, kehrt sich der Effekt um. Bei Telefoninterviews, IVR und Voice Surveys werden spätere Optionen überproportional häufig ausgewählt, da sie sich bei der Beantwortung noch im Arbeitsgedächtnis befinden. Die ersten Antwortoptionen verblassen bereits wieder.
Dies hat direkte Konsequenzen für das Design: Eine Listenlänge, die auf dem Bildschirm völlig in Ordnung ist, kann bei Audio-Surveys unbrauchbar sein. Acht visuelle Optionen sind gut lesbar; acht gesprochene Optionen sind ein Gedächtnistest. Wenn dasselbe Instrument über verschiedene Modi hinweg eingesetzt wird, sollten Sie entweder die Liste für die Audio-Version kürzen oder akzeptieren, dass die beiden Modi nicht streng vergleichbar sind. Dies ist einer der konkreteren Unterschiede, die in voice surveys vs traditional surveys behandelt werden.
SmartInterview führt Voice Surveys durch, bei denen die Optionsliste gehört statt gesehen wird. Daher halten wir gesprochene Single-Select-Listen kurz und nutzen ein AI-Follow-up, um zu ermitteln, warum der Befragte diese Wahl getroffen hat. Dieses Nachfragen ist genau deshalb nützlich, weil es die Fälle aufdeckt, in denen die Wahl ein Artefakt des Gedächtnisses und keine echte Präferenz war.
Regeln für die Randomization
Randomisieren Sie ungeordnete Optionslisten: Marken, Features, Gründe, Attribute. Randomization beseitigt den Order Bias für einen einzelnen Befragten nicht, sondern verteilt ihn gleichmäßig über das Sample, sodass er keine systematisch verzerrte Darstellung einer bestimmten Option mehr darstellt.
Am Ende anheften (Anchor to the bottom) und von der Randomisierung ausschließen: Sonstiges, Keine der genannten, Weiß nicht, Keine Angabe. Dies sind strukturelle Optionen, keine inhaltlichen, und sie in die Mitte der Liste zu mischen, verwirrt die Befragten.
Niemals eine geordnete Skala randomisieren. Zustimmungsskalen, Frequenzskalen, Zufriedenheitsskalen und jede numerische Progression müssen ihre Reihenfolge beibehalten. Ein Mischen zerstört das mentale Modell, auf das sich der Befragte verlässt, und macht die Antworten uninterpretierbar.
Erwägen Sie das Reversen statt Mischen bei geordneten Skalen. Die Präsentation der Skala in der einen Richtung für die Hälfte des Samples und in der anderen Richtung für die andere Hälfte ist das Äquivalent der Randomization für geordnete Listen, bringt jedoch eigene Skaleneffekte mit sich.
Speichern Sie die präsentierte Reihenfolge bei jeder Antwort. Wenn Sie nicht erfasst haben, was der Befragte tatsächlich gesehen hat, können Sie im Nachhinein nicht überprüfen, ob die Position Ihre Ergebnisse beeinflusst hat.
Checkliste für häufige Fehler
Gleichen Sie diese Liste mit jeder Single-Select-Frage ab, bevor sie live geht.
Optionen überschneiden sich, sodass für denselben Befragten zwei Antworten vertretbar sind.
Die Optionen sind nicht erschöpfend, sodass einige Befragte keine ehrliche Antwort finden und die am wenigsten falsche wählen.
Eine Option bündelt zwei verschiedene Ideen, sodass die Auswahl nicht interpretiert werden kann (Double-Barreled Question).
Ein Default ist vorausgewählt, sodass Unaufmerksamkeit fälschlicherweise als Absicht registriert wird.
Ein Dropdown wird für eine kurze, ungeordnete Liste verwendet, wodurch weiter unten stehende Optionen stillschweigend untergehen.
Der Mittelpunkt ist mit „Weiß nicht“ beschriftet, sodass eine neutrale Haltung und das Fehlen einer Meinung denselben Wert teilen.
Die Opt-out-Option wurde zufällig in die Mitte der Liste gemischt.
Eine geordnete Skala wurde randomisiert.
Die Frage ist eigentlich eine Multi-Answer-Frage und wurde künstlich in eine einzige Auswahl gezwungen.
Die Optionsliste ist lang und die Befragung findet per Audio statt, wo niemand neun gesprochene Optionen im Gedächtnis behalten kann.
Die Frage ist optional, aber die Radio-Buttons können nach dem Anklicken nicht mehr deaktiviert werden.
Die präsentierte Reihenfolge wird nicht gespeichert, sodass Reihenfolgeeffekte niemals überprüft werden können.
Für praktische Beispiele von Single-Select-Fragen innerhalb eines gesamten Instruments – einschließlich der Kombination mit Skalen und offenen Follow-ups – schauen Sie sich an, wie diese sich neben Skalen, Matrizen und offenen Nachfragen in einem vollständigen Fragebogen verhalten, und behalten Sie die obigen Formulierungsregeln beim Entwerfen im Hinterkopf.
Beispiele für Single-Response-Fragen (Single Select)
Kopieren Sie diese und passen Sie den Wortlaut an die Sprache Ihrer Zielgruppe an. Jedes Beispiel ist bewusst als Single-Response konzipiert: Die Optionen schließen sich gegenseitig aus, nichts ist vorausgewählt und die strukturellen Optionen (Sonstiges, Keine, Keine Angabe) bleiben unten fixiert, anstatt in der Liste randomisiert zu werden.
Demografie
Wie alt sind Sie?
Unter 18
18 bis 24
25 to 34
35 to 44
45 to 54
55 to 64
65 oder älter
Die Altersspannen überschneiden sich nicht. „18–25“ gefolgt von „25–35“ ist der häufigste Fehler bei Single-Select-Fragen und ordnet jeden 25-Jährigen zwei Kategorien gleichzeitig zu.
Welche Beschreibung trifft am besten auf Ihren aktuellen Beschäftigungsstatus zu?
Vollzeit beschäftigt
Teilzeit beschäftigt
Selbstständig
Vollzeit-Student/in
Derzeit nicht erwerbstätig
Im Ruhestand
Keine Angabe
„Keine Angabe“ ist ganz unten verankert und von der Randomization ausgeschlossen. Beachten Sie, dass sich diese Kategorien im echten Leben nicht immer ausschließen. Nutzen Sie daher Formulierungen wie „Welche Beschreibung trifft am besten zu“, um den Befragten anzuleiten, wenn mehrere Optionen passen würden.
Wie hoch ist das jährliche Brutto-Haushaltseinkommen insgesamt?
Unter $25.000
$25.000 bis $49.999
$50.000 bis $74.999
$75.000 bis $99.999
$100.000 bis $149.999
$150.000 oder mehr
Keine Angabe
Die Frage nach dem Einkommen führt am häufigsten zum Abbruch einer Umfrage. Bieten Sie immer ein Opt-out an und platzieren Sie die Frage eher gegen Ende statt zu Beginn der Befragung.
Customer Satisfaction (Kundenzufriedenheit)
Wie zufrieden sind Sie insgesamt mit Ihrer jüngsten Erfahrung?
Sehr zufrieden
Zufrieden
Weder zufrieden noch unzufrieden
Unzufrieden
Sehr unzufrieden
Randomisieren Sie diese Frage niemals. Es handelt sich um eine geordnete Skala, und das Mischen macht die Antworten unbrauchbar. Der Mittelpunkt steht für ein ausgewogenes Urteil, nicht für eine unbekannte Haltung.
Wie einfach war es heute, Ihr Anliegen zu lösen?
Sehr einfach
Eher einfach
Weder einfach noch schwierig
Eher schwierig
Sehr schwierig
Ich hatte keinen Kontakt zum Support
Die letzte Option ist ein Ausweg (Escape Hatch), kein Skalenpunkt. Sie steht außerhalb der Skala, ist unten verankert und wird bei der Berechnung des Mittelwerts ausgeschlossen.
Wie wahrscheinlich ist es, dass Sie uns beim nächsten Mal wieder nutzen werden?
Auf jeden Fall
Wahrscheinlich ja
Vielleicht ja, vielleicht nein
Wahrscheinlich nein
Auf keinen Fall
Eine Skala zur Verhaltensabsicht (Behavioral Intent) liest sich hier besser als eine reine Zustimmungsskala. Außerdem umgehen Sie damit das Problem der Akquieszenz (Zustimmungstendenz), das bei Aussagen wie „Ich würde dieses Unternehmen weiterempfehlen“ auftritt.
Product Feedback
Welches einzelne Feature ist für Sie am wertvollsten?
Geschwindigkeit
Preis
Benutzerfreundlichkeit
Kundensupport
Integrationen mit anderen Tools
Zuverlässigkeit
Sonstiges (Bitte angeben)
Dies ist das klassische Fallbeispiel für Single Select gegenüber Multi Select. Bei einer Checkbox-Frage schneidet alles gut ab, weil das Anhaken kostenlos ist. Die Erzwingung einer einzigen Antwort liefert eine Priorisierung, mit der gearbeitet werden kann. Randomisieren Sie die sechs inhaltlichen Optionen und verankern Sie „Sonstiges“ unten.
Wie oft nutzen Sie das Produkt?
Mehrmals täglich
Etwa einmal täglich
Mehrmals pro Woche
Etwa einmal pro Woche
Mehrmals im Monat
Seltener als einmal im Monat
Die Häufigkeitsoptionen müssen erschöpfend sein und dürfen sich nicht überschneiden. Da sie geordnet sind, erfolgt keine Randomisierung. Vermeiden Sie vage Bezeichnungen wie „regelmäßig“, die jeder Befragte anders interpretiert.
Was ist der Hauptgrund, warum Sie Ihr Abonnement gekündigt haben?
Die Kosten waren gemessen am Nutzen zu hoch
Ich habe es zu selten genutzt
Ich bin zu einem anderen Produkt gewechselt
Es fehlte eine Funktion, die ich benötige
Es war zu kompliziert in der Anwendung
Ich hatte eine schlechte Erfahrung mit dem Support
Sonstiges (Bitte angeben)
„Hauptgrund“ signalisiert den Befragten, warum sie nur eine Antwort wählen können. Kombinieren Sie dies mit einer offenen Nachfrage, da der codierte Grund selten die ganze Geschichte erzählt.
Screening und Rekrutierung
Haben Sie in den letzten drei Monaten [Kategorie] gekauft?
Ja
Nein
Nicht sicher
Ein Screener sollte faktenbasiert und schwer auszutricksen sein. Halten Sie das Zeitfenster für die Erinnerung kurz und spezifisch. Leiten Sie „Nein“ und „Nicht sicher“ direkt aus der Umfrage heraus (Screen-out), anstatt anzunehmen, dass sie dasselbe bedeuten.
Welche Beschreibung trifft am besten auf Ihre Rolle bei der Software-Auswahl für Ihr Team zu?
Ich treffe die endgültige Entscheidung
Ich bin einer von mehreren Entscheidungsträgern
Ich empfehle, entscheide aber nicht selbst
Ich habe einen gewissen Einfluss
Ich bin nicht daran beteiligt
Das klassische B2B-Qualifizierungsmerkmal. Schließen Sie Befragte bei den unteren Optionen aus oder taggen Sie diese, anstatt sie unkommentiert aus der Befragung zu nehmen. So können Sie später die Inzidenzrate (Incidence Rate) korrekt ausweisen.
Arbeiten Sie oder jemand in Ihrem Haushalt in einer der folgenden Branchen?
Marktforschung
Werbung oder Marketing
Journalismus oder Medien
Keine der genannten
Diese Frage wird herkömmlicherweise als Single Select aufgesetzt, obwohl mehrere Branchen zutreffen könnten, da Sie nur wissen müssen, ob ein Screen-out erforderlich ist. Wenn Sie ein vollständiges Bild benötigen, wählen Sie stattdessen Multi Select. „Keine der genannten“ bleibt unten verankert.
Brand Research (Markenforschung)
Welche dieser Marken nutzen Sie am häufigsten?
Marke A
Marke B
Marke C
Marke D
Ich nutze mehrere gleichermaßen
Ich nutze keine dieser Marken
Randomisieren Sie die Markenliste jedes Mal. Positionseffekte sind bei Markenlisten so stark, dass sie verzerren können, welche Marke scheinbar führt. Speichern Sie die Reihenfolge, die jeder Befragte gesehen hat.
Wenn Sie heute kaufen würden, welche Marke würden Sie wählen?
Marke A
Marke B
Marke C
Marke D
Eine andere Marke
Ich würde in dieser Kategorie nichts kaufen
Fragen nach Präferenzen müssen als Single Select konzipiert sein. Eine Multi-Select-Variante misst lediglich die Akzeptanz, was eine andere und weitaus weniger nützliche Metrik ist.
Welche Aussage beschreibt am besten, wie Sie zu Marke A stehen?
Sie ist meine erste Wahl
Ich würde sie in Betracht ziehen
Ich kenne sie, würde sie aber nicht in Betracht ziehen
Ich habe nur den Namen schon einmal gehört
Ich habe noch nie von ihr gehört
Eine in eine einzige Single-Select-Frage komprimierte Funnel-Frage. Sie funktioniert, weil die Optionen eine echte Hierarchie bilden, sodass jeder Befragte genau eine ehrliche Position einnimmt. Randomisieren Sie ein solches geordnetes Set nicht.
Eine übergeordnete Regel gilt für alle fünfzehn Beispiele: Wenn ein Teilnehmer wahrheitsgemäß zwei Optionen wählen könnte, ist die Frage nicht für Single-Select geeignet, und kein noch so feiner Wortlaut in der Anleitung wird das beheben. Ändern Sie das Format in eine multiple choice question oder fügen Sie das Wort am meisten in die Fragestellung ein.
Frequently Asked Questions
What are some examples of single response questions?
Häufige Beispiele sind Altersgruppen, der Erwerbsstatus, die Gesamtzufriedenheit auf einer fünfstufigen Skala, die Häufigkeit der Nutzung, der Hauptgrund für eine Kündigung, die Entscheidungsrolle in einem B2B-Screener und die Frage, welche Marke man am häufigsten nutzt. Was jede dieser Fragen zu einer Single Response macht, ist die Tatsache, dass sich die Antwortmöglichkeiten gegenseitig ausschließen: Kein Respondent kann ehrlicherweise zwei Optionen wählen. Der obige Abschnitt enthält fünfzehn ausgearbeitete Beispiele mit ihren Antwortmöglichkeiten.
What is a good example of a single select screening question?
„Haben Sie in den letzten drei Monaten [Kategorie] gekauft? Ja / Nein / Nicht sicher.“ Diese Frage ist faktisch, hat ein kurzes und spezifisches Erinnerungsfenster und ist schwer zu erraten. Halten Sie „Nicht sicher“ von „Nein“ getrennt, damit Sie sehen können, wie viel Ihres Screen-outs auf echtes Nicht-Kaufen zurückzuführen ist und nicht auf mangelnde Erinnerung. Deuten Sie zudem in der Fragenformulierung niemals an, welche Antwort den Respondent im Survey hält.
What is the difference between single select and multiple choice?
Single Select erlaubt genau eine Antwort pro Respondent, sodass sich die Antworten gegenseitig ausschließen und die Prozentsätze zusammen 100 % ergeben. Multiple Choice, im Sinne von Checkboxen, erlaubt mehrere Antworten, sodass die Prozentsätze in der Summe mehr als 100 % ergeben und jede Option als eigene binäre Variable analysiert werden muss. Beachten Sie, dass „Multiple Choice“ oft ungenau verwendet wird: Manchmal ist damit einfach „eine Frage mit mehreren Optionen“ gemeint, die dennoch Single-Answer sein kann. Verwenden Sie „Single Select“ oder „Multi-Select“, wenn es auf Präzision ankommt.
Should I use radio buttons or a dropdown?
Radio Buttons sollten immer dann verwendet werden, wenn die vollständige Liste auf den Bildschirm passt. Alle Optionen bleiben sichtbar, es erfordert nur einen Klick und es funktioniert besser auf Mobilgeräten. Nutzen Sie Dropdowns nur für lange Listen mit einer Reihenfolge, die dem Respondent bereits vertraut ist, wie z. B. Land, Bundesland oder Jahr. Optionen, die in einem Dropdown versteckt sind, werden seltener ausgewählt als bei einer offenen Liste.
How many options should a single select question have?
Halten Sie eine ungeordnete Liste auf dem Bildschirm so kurz, dass sie ohne Scrollen lesbar ist, was in der Regel etwa fünf bis sieben inhaltliche Optionen plus eventuell „Sonstiges“ oder „Keines“ bedeutet. Bei Skalen wird die Anzahl eher durch das Skalendesign als durch die Listenlänge bestimmt. Bei Audio- oder Sprachbefragungen sollte die Liste noch kürzer sein, da der Respondent jede Option im Gedächtnis behalten muss.
Should I include a "Don’t know" option?
Fügen Sie sie hinzu, wenn ein Respondent plausiblerweise keine Meinung haben kann. Dies betrifft Wissensfragen, Faktenfragen und Meinungen zu Produkten, die er vielleicht noch nie benutzt hat. Lassen Sie sie weg, wenn jeder in Ihrem Sample zwangsläufig eine Meinung haben muss. Wenn Sie sie weglassen, bedenken Sie, dass Sie damit kein Wissen geschaffen haben, sondern nur die Unfähigkeit, dessen Fehlen zu erkennen. Ein vorheriges Screening der Respondent ist in der Regel sauberer als beide Optionen.
Is it better to have an odd or even number of scale points?
Eine ungerade Zahl bietet einen Mittelpunkt, was für Respondent, die sich tatsächlich in der Mitte befinden, ehrlich ist, aber gleichzeitig Ambivalenz und Low-Effort-Antworten am selben Punkt sammelt. Eine gerade Zahl erzwingt eine Richtung, was Ihnen einen klareren Split liefert, aber für wirklich neutrale Respondent eine Tendenz künstlich erzeugt. Entscheiden Sie danach, ob eine neutrale Position ein realer, sinnvoller Zustand für Ihr Thema ist, und bleiben Sie über verschiedene Wellen hinweg konsistent, damit Ihre Trenddaten vergleichbar bleiben.
Should I randomize the order of answer options?
Ja bei ungeordneten Listen wie Marken, Features oder Gründen, da sich dadurch Positionseffekte über das Sample verteilen, anstatt sich auf die Option zu konzentrieren, die Sie zufällig als erste aufgeführt haben. Nein bei geordneten Skalen, die ihre Reihenfolge beibehalten müssen. Lassen Sie „Sonstiges“, „Keine“ und „Weiß nicht“ immer unten verankert und speichern Sie die Reihenfolge, die jeder Respondent gesehen hat, damit Sie später auf Positionseffekte prüfen können.
