1.定性分析的基础定义和核心内涵
定性分析就是用非量化的数据来挖掘主观动因、行为逻辑的质性研究方法。
按照国内多所高校社会学、新闻传播学通用的《社会研究方法》教材的定义，定性分析属于质性研究的主要研究方法之一，它的主要研究逻辑与量化导向的分析路径完全不同，它不再把统计数值的量化推导作为主要目的，而是以非结构化的质性数据为基础，去挖掘出现象背后的意义、群体的主观体验以及隐形的关联逻辑。
定性分析的核心目的并不是要达到大规模样本下的普遍规律覆盖，而是集中于三个方面的产出上，即：
1.还原出某个场景下真实的行为脉络和决策过程
2.挖掘出研究对象没有被显性表达出来的主观动机和深层认知
3.解读出小众、细分场景下特有的行为逻辑和文化内涵
不少高校社会学低年级本科生在第一次接触定性分析方法的时候，会把它当作“随便找几个人聊天写感想”，但实际上规范的定性分析有标准化的落地执行链路，不需要依靠复杂的统计工具就可以得到符合学术规范的结论。以某高校社会学系大二年级社会研究方法课程小作业为例，学生只需要提前准备好半结构化访谈提纲，对6位受访者进行深度用户访谈之后，通过内容编码提炼出核心观点，就可以完成定性分析类课程任务，全程不需要处理任何量化统计数据，最后获得课程92分的高分。这个真实的入门案例也可以很好地体现定性分析对于新手的友好性，它没有要求使用者事先掌握复杂的统计模型工具，主要的能力要求就是问题的提炼、信息的捕捉和经验的归纳分析。
2.定性分析的主要特点
定性分析的核心特点完全围绕着它的“深度解读意义”这一主要目的来构建，与量化研究的特性有着明显的区别，主要可以概括为以下三点：
2.1 数据形态的非结构化
定性分析处理的原始数据大多是非标准化的非量化内容，即访谈逐字稿、沉浸式观察的田野笔记、用户在社交媒体上发布的原生观点、历史文献手稿、音视频记录片段等，这些数据没有统一的录入格式，也不能直接导入统计工具进行批量计算，需要研究者人工解读、内容编码来完成信息提取，因此定性分析的数据价值不能用“样本量大小”来作为唯一的评判标准。
2.2 研究过程的动态灵活性
与定量分析在研究开始之前就必须确定好调研维度、采样规则、统计口径不同的是，定性分析的研究框架可以随着研究的进展而进行调整，例如在深度用户访谈中，如果受访者反复提到某个前期预设提纲中没有包含的新变量，那么研究者就可以立即改变后续访谈的提问方向，对这个新变量进行深入的挖掘，而不必严格按照最初的计划来执行，这样的灵活性使得定性分析更加适合于探索性未知的研究场景。
2.3 结论导向的深度优先原则
定性分析并不追求样本量的多少，而是在一定的样本量范围内进行信息的饱和式挖掘，扎根理论的落地过程中，当新采集的样本不再产生新的核心概念的时候，就可以判定为理论饱和，停止采样。由于定性分析具有“深挖不追广”的特点，所以它的结论常常可以触及到很多定量分析所不能涉及的隐性动机，从而产生出比大样本问卷类研究更为深刻的结论。
3. 常见的经典定性分析方法介绍
定性分析体系下经典的方法都有明确的定位和适用范围，没有通用的“万能方法”，每一个方法都对应着不同的研究场景需求，以下是社科领域通用的5类核心定性分析方法的标准操作逻辑
为了便于入门用户对不同的方法适用场景进行快速区分，本文整理出各种定性分析方法的优点和不足对比表
3.1 扎根理论法
扎根理论法属于定性分析体系中非常典型的理论构建类方法，它最明显的特点就是完全从原始访谈、观察数据中自下而上地提炼理论，而不需要事先设定好研究假设。在整个研究过程中，研究者会将采集到的原始数据进行逐行开放式编码、关联式编码、核心式编码这三个层次的拆解工作，从而把零散的原生信息转化为核心概念，进而构建起一套全新的、完全依靠真实数据支撑的理论体系，这与传统的“用预设假设去寻找数据支持”的研究方法有着根本的区别。
3.2 深度用户访谈
深度用户访谈属于入门级用户最易掌握的定性分析手段，一般采用半结构化访谈提纲设计，以一对一的交谈方式促使受访者逐渐吐露完整的个人体验、决策过程及真实想法，与标准化的问卷提问逻辑大相径庭。新手入门做深度访谈时要注意两个基本操作要点，第一，不要提前把提纲设置成封闭性的yes/no提问，应该多设计一些引导性的开放式问题；第二，不要在访谈过程中随意打断受访者的表达，以免漏掉有价值的隐性信息。
3.3 焦点小组
焦点小组最大的优势就是利用8到12个同质小群体之间的互动来产生独立深度访谈中难以得到的隐性共性观点。以某类消费产品使用痛点为调研对象，单个访谈受访者时，受访者会零散地说出一些使用不便的场景，但是当把同类型用户集中起来讨论的时候，由于互相补充、观点碰撞，很容易就会发现单个用户不会主动提出的共性隐性需求。
操作焦点小组的核心注意事项就是必须要有一名中立的主持人，全程引导讨论的方向，防止出现个别参与者垄断发言、群体情绪跑偏的现象。
3.4 内容分析法
内容分析法属于典型的非介入式定性分析手段，不需要直接与研究对象接触，只需对已有的文本、音视频内容展开系统的分类标注、内容编码工作，从中提取出目标内容的主要共性特征。以某类社交平台上的1000条用户评论为研究对象，不需要对每一个发布评论的用户进行采访，只需要对评论内容进行分类标注，就可以得出用户集中吐槽的问题维度，整个研究过程不会对研究对象造成任何干扰，研究结果的可复现性也比较高。
3.5 民族志研究
民族志研究属于定性分析体系里对场景沉浸度要求最高的一种方法，需要研究者长时间沉浸式地融入到目标研究场景当中，以参与者的身份去完成日常工作、生活互动，通过不断的沉浸式观察记录来获得一手场景信息，最后达到对特定群体文化、行为逻辑的深入理解。传统民族志研究的田野周期一般为6个月以上，对于一些小众族群的研究项目，其田野周期甚至会达到2年以上，这样的长时间沉浸式调研是其他任何定性分析方法所不能取代的。
4. 定性分析的典型适用场景
定性分析的属性决定了它不适合于追求大量数值规律验证的场景，在以下四种场景中，定性分析的价值是任何定量分析方法所不能取代的
定性分析典型适用场景分布占比
4.1 新产品新赛道的探索阶段
当研究者进入一个完全没有过往参考资料的新领域时，没有成熟的变量、维度可以用来设计定量问卷，此时定性分析就是最高效的探索工具，例如某团队准备研发面向银发群体的智能手机功能，前期没有任何行业成熟数据参考，就可以通过深度访谈10-15位老年用户，挖掘出他们使用手机过程中遇到的真实障碍和潜在需求，完成核心维度梳理之后再进行大样本问卷调研，完全避免了前期无依据预设维度造成的研究偏差。
4.2 复杂社会行为研究场景
对于公共政策落地效果、群体性事件动因、小众群体行为逻辑等复杂社会研究主题，单靠统计数值的波动是无法解释背后深层次逻辑的，只有依靠定性分析的现象解读能力，还原出事件发生的全过程脉络，找出各个参与主体的核心诉求，才能得到符合真实情况的研究结论，这也是社会学、公共管理等学科定性分析的常见应用场景。
4.3 用户体验深度调研场景
互联网行业用户体验研究领域，定性分析属于刚需级别研究手段，很多时候用户对于产品的负面感受不能用标准化的问卷选项来准确地捕捉到，例如用户使用某款APP的时候总是感觉“操作别扭”，但是又无法用标准的文字来描述出具体的问题所在，只有依靠深入的用户访谈、可用性测试过程中观察到的行为，才能发现这些隐性的体验痛点，从而反哺产品的迭代优化。
4.4 历史文化文本研究场景
对于历史文献、非遗口述史、艺术作品等本身就不适合进行量化统计的非量化内容，定性分析是主要的研究方法，研究者可以利用内容编码、经验归纳分析等手段来解读这些文本背后所蕴含的文化内涵、时代特征和群体记忆，而这些研究的主要目的并不是为了得到统计数值的规律，而是要去挖掘深层次的意义价值，因此非常适合定性分析的能力范围。
5.定性分析和定量分析的互补关系
很多新手刚开始学习定性分析的时候，最容易陷入的认知误区就是把定性分析和定量分析看成是两种互相排斥的研究途径，其实两者的底层定位是完全互补的，并没有绝对的好坏之分。
5.1 二者的底层定位不同
这里可以用入门级的对照维度来清楚地看出定性分析和定量分析的区别：
- 核心分工不同：定性分析负责找原因挖逻辑，定量分析负责测规模验规律
- 研究阶段不同：定性分析大部分用在研究的前期探索阶段，定量分析更多地用在结论验证阶段
- 能力边界不同：定性分析适合发现未知领域的新维度，定量分析适合检验已知维度的普适性
按照社科研究的一般操作规范，最合理的研究流程应该是先进行定性分析来完成探索，找出关键的研究变量和维度，然后进行大量的样本验证，用定量分析来检验这些逻辑是否普遍适用，最后得到有深度和数据支持的完整研究结论。以城市青年职场压力研究为例，先对10位不同行业青年职工进行深度访谈，得出职场压力来源的五个主要方面，然后根据这五个方面设计出大规模的调查问卷，向一千多名受访者发放并回收问卷进行统计分析，这样得到的结果质量比直接拍脑袋设计问卷进行调研的结果要好得多。
5.2 定性分析3大易被混淆认知误区
大部分入门科普内容都不会特意指出定性分析的常见认知偏差，这里整理出新手最容易犯的3个典型错误：
1. 误区1：定性分析的样本量越多越好
很多新手刚开始接触定性分析的时候，会不自觉地用定量分析的样本量标准来要求定性研究，认为只有访谈100个人以上才算是合格的。实际上规范的定性分析只要达到理论饱和标准就可以停止采样，强行追求大样本会使得研究者没有足够的时间去进行深度内容的编码，从而导致结论的深度大大降低。
2. 误区2：定性分析完全不需要提前做研究设计
有些新手认为定性分析的研究过程是完全灵活自由的，不需要提前进行框架设计，随便找几个人聊天就可以完成研究。实际上规范的定性分析在研究开始之前，必须要确定清楚的研究问题边界、采样用户画像、访谈提纲的主要方向，但是不需要像定量分析那样100%固定所有的研究细节，没有边界的随意访谈最后只能得到一堆没有价值的零散信息，根本无法得出有效的结论。
3. 误区3：定性分析结论完全依赖研究者主观判断
规范执行的定性分析有一套成熟的偏差校验机制，即多数据源三角验证、双编码者一致性校验、受访者成员校验等，可以将主观偏差控制在学术规范允许的范围内，合规产出的定性分析结论完全符合科研严谨性的要求，并不是完全主观的个人感想。
5.3 国内高校社科专业定性分析通用入门学习路径
对于零基础入门的用户，这里整理出高校通用的定性分析入门学习路径，新手可以按照以下步骤逐步掌握：
1. 第一步先通读1本通用的《社会研究方法》教材，掌握定性分析的核心底层逻辑，避免一开始就盲目上手操作走弯路
2. 第二步从最简单的内容分析法练手，找100条公开的文本评论内容完成分类编码，熟悉非结构化数据处理的基本流程
3. 第三步尝试设计一份半结构化访谈提纲，完成至少6位受访者的深度用户访谈，整理逐字稿后完成完整的编码分析流程
4. 第四步在掌握基础操作能力之后，再针对性学习扎根理论、民族志等进阶定性分析方法的规范操作流程
常见问题
常见问题
共 4 个问题，点击展开查看答案
-
核心区别在于定性分析侧重现象背后的意义、动机和深层逻辑解读，以非量化的文本、行为数据为基础；定量分析侧重通过数值统计推导普遍规律，核心是可量化的结构化数据与统计模型。
-
规范执行的定性分析会通过三角验证、多数据源交叉校验、编码者一致性校验等方式规避主观偏差，结论可以深度还原场景细节，在挖掘用户潜在需求、解释复杂社会现象时拥有不可替代的参考价值。
-
当需要探索全新未知领域、挖掘用户未被满足的潜在需求、解释复杂社会行为背后的深层动因、对小众细分场景做深度理解时，都可以优先选择定性分析作为核心研究方法。
-
首先要确定研究问题和边界，有针对性地收集非结构化的文本、音视频、行为记录等数据，然后对数据进行清洗和标注编码，再通过分类归纳提炼出核心概念，最后得出对应该现象的解读结论。