线上问卷，跳题后空白数据怎样区分没有问与没有答？

线上问卷导出后出现空白单元格，可能是题目没有展示，也可能是受访者看见后没有回答。如果把两种情况都算作缺失，服务覆盖和回答质量就会被混淆。问卷研究需要保留作答路径，让数据人员知道每个人实际有机会回答哪些问题，再决定各项指标的统计范围和解释方式。

设计时先画出关键筛选与跳转关系，明确哪些答案会进入哪个模块。以售后满意度为例，没有使用售后的人应跳过体验题，他们的空白属于结构性不适用；进入模块后主动不答，则是另一种状态。系统若能导出展示或路径信息，应在测试阶段确认可用字段，不能等正式回收结束才发现无法区分这些情况。

预发布测试应构造不同路线，包括全部符合、部分符合、中途退出和返回修改筛选答案。逐一核对页面实际展示与导出结果，检查旧答案是否在路径变化后仍然保留。保留旧答案可能有技术原因，但分析规则必须明确是否仍然有效。测试使用模拟数据并标记清楚，避免试填记录混入正式样本，造成虚假的完成量和模块覆盖率。

清洗时建立简明的数据字典，分别标示未展示、拒答、不清楚和技术异常等可确认状态。不能为追求完整表格把所有空白统一填零，因为零分或零次数本身有业务含义。也不应根据研究员猜测补齐答案。对无法恢复原因的空白，保留未知并说明限制；分组比较时检查各组实际展示人数，避免用不同机会范围的回答直接比较。

交付应同时说明模块进入人数、有效作答人数和统计分母，让业务团队理解某项比例代表谁。后续追踪若改变跳题条件，需要标注可比范围。路径信息看似是执行细节，却决定数据是否被正确解读。把没有问与没有答分清，能够让线上问卷既减少受访负担，又保持分析透明，不让便捷的跳题功能成为统计中的隐藏误差。