一、定性数据分析面临哪些困难？

　　二、定性研究的目标是什么？

　　三、好的定性数据分析结果长什么样？

　　四、四步搞定定性数据分析

　　五、小贴士

　　访谈中作为一个非常基础的的研究方法，依然有许多坑。今天就分享其中一个坑：

　　定性数据收集完以后，如何分析？

　　一、定性数据分析面临哪些困难？

　　通过访谈、观察等定性研究方法获得的数据具有以下的一些特点：

来源多

　　看到、听到、感受到的信息都可以作为我们的数据，开奖，这很容易就造成数据过载，让人望而生畏。

形式杂

　　访谈中常见的记录方式有纸笔、录音、录像和照片等，使收集到的数据处于一种杂乱的零散的状态

逻辑乱

　　获取的数据是一些零星、非结构化的行为、观点和态度，中间的逻辑关系混乱。

　　定性数据的这些特点，使得定性数据分析变得困难，变的似乎没有一个标准的流程，使定性数据分析更像一门艺术。

　　二、定性研究的目标是什么？

　　定性研究作为一个基础的研究方法，依然活跃在社会科学中。

　　它的理论依据是：

　　虽然用户的行为的影响因素有很多很多，但是用户的一些底层的基本的模式是类似的，如基本认知、需求、态度、价值观等，这些模式可以且适合通过深入的定性研究获取，这样使得从小样本窥见模式成为可能。

　　定性研究的目标：

　　找出这些个体与产品、环境交互时候的模式即人－机－环，然后产生能够启发产品设计和产品运营的分析，最后形成一个问题－原因－解决方案的完整的研究结果。

　　三、好的定性数据分析结果长什么样？

　　平常在写定性研究报告的时候，相信各位宝宝经常有这么一种感觉：感觉已经使出洪荒之力，但是报告依然是空白的。这主要原因是不知道一个好的定性报告的组成。

　　一个好的定性数据分析结果分为两个部分：

模式／框架／模型

　　即针对研究的用户或者研究的产品，得出一个专门的模式／框架／模型，提出新的理论（下文会介绍相关的模型）。

证据链

　　即针对该模式／框架／模型，提出相关的证据链，可以是故事，可以是引用，让这个新的理论更加有理有据，有血有肉。

　　四、四步搞定定性数据分析

　　终于...到最核心的地方了。

　　定性数据分析的过程基本上可以分为编码、亲和图、形成模型、填充引用四个部分。

　　1.编码

　　编码就是将文本（非文本类转录为文本）的各个片段进行简单直接的描述，通过这个描述来直观的区分每组的不同定义。

　　这个描述的词就可以称为：代码。这种代码的获取方式既可以自上而下的，也可以自下而上的。

　　自上而下：编码的时候大部分的编码项是在编码之前就已经有了，即事先构建一个代码库。这个代码库其实就是研究预期，预期从此次访谈中获取哪些内容。

　　自下而上：编码的时候所有的代码是从原始材料中提取出来的。

　　如何挑选合适的编码方式呢？

　　个人的使用建议：采用结合自上而下和自下而上的编码方式。

　　原因是研究员在做研究的时候的，肯定有假设，根据这个假设可以预估可能会收集到的的某些信息。这个时候就可以根据这些假设获取预先进行编码项的编制，即自上而下，从而更好的把握我们的研究过程，而且更加结构化，更加油目的性。

　　而对于定性研究来说，它和定量研究相比最大的优点是其在研究的过程中能够发现研究员之前不知道的一些信息，这个时候可以增加新的编码项，即自下而上。

　　2.亲和图分析

　　编码完成以后就需要对这些描述进行亲和图分析以重新组织材料了。

　　亲和图分析就是把数据做成小卡片，进行归类，使得数据可视化，从而更好的找出数据之间的逻辑关系。

　　什么是逻辑，逻辑就是指描述事物之间的关系，即先后关系、因果关系、时间关系，空间关系、相关关系等等。

　　图片来源于网络，侵删

　　3.形成模型

　　对编码的数据进行亲和图归纳分类，我们就可以得出相关的模式／框架／模型了。

　　常见的一些模型有：

线性流程图

　　使用场景：概念之间存在因果关系和时间关系，并且在重要决策点上有多个选择。如找货流程。

循环流程图

　　使用场景：概念之间存在因果关系和时间关系，并且前后反复影响。如产品体验流程。

网状图

　　使用场景：一个核心概念引发的多个不同层次的概念，并且概念之间的关系比较复杂。如概念图。

韦恩图

　　使用场景：所有的核心概念两两都相关，互相影响。如常见的三边关系。

2*2矩阵图

　　使用场景：数据间可以通过一些核心的维度进行分类，可通过这种分类展示其中的可能的因果关系。如业务梳理。

空间地图

　　使用场景：概念之间存在空间关系的。如服务的触点盘点。

分类系统图

　　使用场景：当概念的关系存在并列和包含的关系的时候。如网站的架构图。

　　4.填充引用

　　对核心的数据形成模型以后，定性数据分析最核心就完成了。接下去做的就是将这个模型填充，变得有理有据，有血有肉。

　　这样做的原因有两个：

　　1.使模型更加丰满具备吸引力

　　2.使模型更加具有说服力

　　常见的一些填充引用的方法有：

用户画像

故事版

　　图片来源于网络，侵删

用户原话引用

　　用户：这个软件我用着很方便，因为xxxx