1. 定性分析的定义及本质内涵
按照北京大学出版社《社会研究方法》（第五版）的权威定义，定性分析又叫做质性研究，它是社会科学领域里用非数据化资料作为主要载体，探究现象背后隐藏的动因、主观感受以及隐性规律的研究分析范式，它的主要目的并不是统计样本所占的比例，而是还原出某个场景中行为主体真实的决策逻辑以及意义建构的过程。该定义正好对应着处于认知启蒙阶段的用户所提出的基本问题，不需要跳转到其他资源就可以形成对于定性分析的第一层正确认识。
定性分析的底层逻辑与量化研究的假设-验证路径完全不同，它并不追求得到精确的统计显著性数字结论，而是集中于对事物的属性、特征以及长期发展逻辑进行质性的解释，从而得出适合于某个具体情境的深刻见解，而不是一般性的泛化统计结果。从发展脉络来说，定性分析最早出现在19世纪的人类学田野调查中，后来逐渐被社会学、传播学、教育学等传统的人文社科领域所吸收，2000年以后，伴随着互联网用户研究、商业品牌调研的兴起，它又延伸到了互联网、快消、公共政策评估等各个领域，成为了与定量分析并重的主流研究范式。
该流程包含5个标准的落地步骤，即场景锚定、资料搜集、编码整理、洞察提取和结论输出，全过程没有强制要求使用统计工具，各个环节都是以还原真实场景意义为目标来开展工作。
2.定性分析的典型特征
与大众认知中“随便找几个人的观点就叫定性分析”的错误认识不同，符合学术规范的定性分析有五个明确的基本特征，也是新手自检调研是否合规的主要判断标准。
1. 资料来源的非结构化特性：涵盖访谈逐字稿、现场观察笔记、用户社交平台原生内容、影像素材、行业口述日志等各种非标准化资料类型，所有的原始素材都保持着完整的语境信息，没有被提前切割成孤立的数字标签。
2. 分析路径的归纳导向性：从零散的一手资料中逐渐提炼出共性逻辑，完全可以支持研究过程中动态调整分析方向，不需要在研究开始之前就预设固定的待验证假设，适合探索性研究的主要需求。
3. 研究视角的沉浸式特点：要求分析者深入到调研场景中去了解对象真实的生存状况，完全避免脱离语境的外部观察者片面的判断，在做城中村租客行为研究的时候，调研者要走进社区参与日常互动，而不是在办公楼里依靠二手资料来推导结论。
4. 结论适配的场景专属特性：定性分析得出的洞察不需要追求覆盖所有的样本群体，但是必须100%适合调研所处的场景，不能把局部规律强行放大成全体通用的结论。
5. 迭代修正的动态特性：分析过程中如果出现新的核心变量，可以随时补充采集相应的资料，不需要像定量研究那样严格按照事先确定的样本量和变量边界来进行，研究弹性更大。
新手入门自检清单
所有用户可以直接对照以下5项可落地标准，快速检验自己过去所做的调研是否属于规范的定性分析，只有5项全部达标才符合基础入门的要求。
- ▢ 所有的分析素材都保留着完整的语境，没有被人为地切割成孤立的统计数字
- ▢ 没有在调研开始之前就确定好必须要验证的固定结论，允许新的观点从资料中自然产生
- ▢ 调研过程中你和研究对象有面对面或者深度的语境互动，不是完全依靠第三方二手汇总资料来得出结论
- ▢ 最终输出的核心结论不是“多少比例的人持有什么观点”，而是解释“这个观点背后的形成原因是什么”
- ▢ 你可以清楚地说出每一个核心洞察所对应的原始素材来源，不需要依靠统计显著性来证明结论的有效性
3. 入门常见的定性分析主流方法
目前学界和产业界常用的5种核心定性分析方法，各有其应用范围、适用场景和入门操作准则，并且整理出经典定性分析入门方法适配场景及执行要点汇总表，供新手快速找到适合自己的研究主题的方法。
定性分析常用方法适用场景分布占比（示意）
从应用分布数据可知，扎根理论在人文社科学术研究中使用得最多，焦点小组访谈是市场营销领域中最常用的方法，内容分析法在新媒体与传播研究中所占的比例超过70%，田野调查是人类学、社会学类研究的主要方法。
这里可以补充新传专业硕士一年级林同学的真实入门经历，她刚开始做校园短视频内容偏好调研的时候，直接把零散收集到的20多条朋友圈随手留言当作定性分析素材，既没有统一的访谈引导提纲，也没有对发言者的身份进行分层覆盖，最后提交的课程作业被导师打回，结论没有学术说服力。后来她严格按照规范流程挑选出8名不同年级、不同内容偏好的同学进行焦点小组访谈，然后将2万多字的访谈逐字稿按照三级编码规则进行内容编码，只用了两周时间就得到了符合课程学术要求的严谨研究结论，最终作业得分排在专业前10%。
4. 定性分析与定量分析的核心区别
很多入门学习者都会有一个错误的认知，即定性分析不需要使用任何数字，其实不然，定性分析只是不把数据的统计显著性作为得出结论的主要依据，这也是它与纯量化研究的第一个底层逻辑不同。二者的3组核心底层逻辑完全不同，而不是全网常见的“一个用文字一个用数字”的泛泛描述。
1. 研究出发点底层逻辑不同：定性分析是“探索未知”，瞄准的是完全没有成熟结论的新场景、新问题，主要目的是回答“为什么会发生这种现象”；定量分析是“验证已知”，针对已经有了初步判断的成熟问题，主要目的是回答“这个现象发生的范围有多大、占比是多少”。
2. 结论推导依据底层逻辑不同：定性分析所有的结论都锚定在原始素材的语境语义上，每一个洞察都可以追溯到对应的访谈片段、观察记录等原始资料中，不需要依靠统计工具的输出结果来背书；定量分析所有的结论都锚定在数据的统计显著性上，结论的可信度完全由样本量、显著性水平、模型拟合度等量化指标来决定。
3. 成果呈现形态底层逻辑不同：定性分析的成果一般是带有具体场景细节的深度洞察报告、理论建构文本，会包含大量的研究对象原声表述和场景细节，可读性强、落地参考价值高；定量分析的成果一般是统计图表、显著性指标、回归模型结果，呈现的是泛化的群体规律，不涉及具体个体的语境细节。
该对比矩阵从核心目标、资料类型、分析逻辑、适用场景四个方面，分别列出了定性分析和定量分析的不同之处，使用户可以迅速地对二者进行边界区分，读完之后就可以100%准确地判断出任何一个研究项目的范式属性。
5.定性分析的主流应用场景
随着定性分析的普及，它的应用范围已经远远超出了传统的人文社科领域，在很多领域中都有着无法取代的作用。
1. 互联网用户研究场景：挖掘用户真实的使用痛点和潜在的未被满足的需求，很多互联网产品的核心功能迭代决策，并不是直接依靠后台用户行为数据来推导的，而是通过深度定性访谈来挖掘数据背后用户行为的动因，从而避免数据呈现的虚假关联误导产品决策。
2. 市场营销调研场景：探究品牌认知、消费决策背后的主观驱动因素，新消费品牌在推出新产品之前，一般会开展多轮焦点小组访谈，从目标消费者那里获取关于产品口味、包装、定价等各方面的真实想法，从而防止大规模投放之后出现水土不服的情况。
3. 人文社科研究场景：解释社会现象、群体行为背后的文化逻辑，对于青少年亚文化、农民工城市融入等复杂的社会问题，只有依靠沉浸式的田野调查定性分析，才能发现问卷统计数据无法覆盖的隐性行为逻辑。
4. 政策效果评价场景：收集政策受众真实的反馈，评价落地的适配性，很多地方的民生政策在试行阶段，都会采用入户深度访谈、焦点小组等定性调研的方式，收集到一线居民真实的使用体验，及时对政策细节进行调整，避免出现“政策看起来完美落地却走样”的情况。
常见问题
- Q：定性分析与定量分析最根本的区别是什么？ A：定性分析主要是对现象进行质性描述、挖掘深层次的动因和主观意义，依靠文字、影像等非结构化资料进行分析，主要目的是解释“为什么”，定量分析主要是通过数据统计得到可量化的结论，依靠结构化的标准化数据样本进行分析，主要目的是统计“有多少”，两者的主要目的、资料类型和分析逻辑存在本质上的区别，没有谁比谁更高级的说法，只是适应不同的研究场景。
- Q：定性分析只能在学术研究中使用吗？ A：定性分析的应用场景非常广泛，除了社科、教育等学术领域之外，在互联网用户研究、市场品牌调研、用户体验评价、政策效果复盘等商业和公共事务场景中也有很多应用，甚至很多互联网大厂的用户研究岗70%以上的工作都是执行各种定性分析项目。
- Q：做定性分析是否完全不需要用到数字类资料？ A：定性分析的主要成果不是量化的结论，但是分析过程中可以借助基础数据来辅助判断，例如在校园内容偏好研究中，可以先根据后台播放数据确定高互动内容的大致范围，再进行有针对性的深度访谈，而不需要使用复杂的统计模型来推导结果，核心就是从质性资料中提炼出规律和洞察，并不排斥基础数字资料的辅助使用。
- Q：定性分析的结果会不会太主观缺乏可信度？ A：合规的定性分析会用到三角验证、多编码交叉校验、样本饱和度校验等方法来避免主观偏差，只要按照《社会研究方法》中规定的标准研究规范进行定性分析，其结果就具有了严谨性和参考价值，并不是说定性分析就是随便瞎编的。