目录
提升参与率、同时降低数据失真的奖励机制设计
奖励（Reward）是促进问卷参与最有效的方式之一。
但如果奖励机制设计不当，
就容易引发重复作答、模式化回答等问题，
从而严重降低数据质量。
因此，奖励政策的设计，
必须与“数据质量管理策略”一起统筹考虑。
The Brain 基于大量实际运营经验，
总结出设计高效奖励机制的 5 个核心标准。
1️⃣ 明确告知发放规则
参与者最大的流失原因，往往来自“不确定感”。
示例说明：
“完成问卷即可 100% 获得手机礼品券”
“剔除不认真作答后发放奖励”
当条件被透明公开，
可以显著提升应答者的信任感与稳定性。
2️⃣ 平衡作答成本与奖励金额
如果奖励过高，
容易吸引“只为奖励而来”的低质量应答者。
推荐参考标准：
3–7 分钟问卷：约 1,000 韩元
10–15 分钟问卷：2,000 韩元以上
与时间成本相匹配的奖励水平，
对“参与率”和“数据质量”都有正向影响。
3️⃣ 必须配置防止重复参与的系统
设备 / Cookie / IP 追踪
账号认证机制
参与记录自动拦截
这是奖励型问卷的基础防线。
“奖励不仅是提高参与率的工具，更是质量管理的工具。”
4️⃣ 奖励发放时间要“即时”或“可预期”
最理想的是即时发放。
若需要经过人工或系统审核，
必须明确告知发放时间。
示例：
“审核完成后 24 小时内发放”
“剔除不认真作答后，于每周固定日期统一发放”
信任，来自于“可预期的运营方式”。
5️⃣ 预留冗余样本（Over Collection）
剔除无效样本后，
实际可用样本数可能不足。
因此建议：
在目标样本基础上，额外多收集 20% 以上
示例：
目标 150 人 → 实际收集 180–220 人
奖励机制，
必须与“流失率”和“剔除率”一并考虑。
结语
奖励机制，是参与者与数据之间的“平衡设计”
明确发放规则
→ 合理奖励金额
→ 防重复系统
→ 发放时间透明
→ 冗余样本策略
遵循这 5 项原则，
才能同时实现“高参与率”与“高数据质量”。
The Brain
基于奖励运营平台与 AI 质量管理系统，
帮助研究者只获取真正可信的数据样本。
