定性内容分析:您的客户真正的意思是什么?

定性内容分析是一种使用编码框架帮助您总结定性数据含义的方法。它帮助您将大量信息浓缩为最重要的核心，而它只选取不同的概念(相互排斥)，并涵盖数据中出现的所有方面(总体上详尽无遗)。定性内容分析是对数据进行精简和总结，区别于其他旨在丰富或解释数据的定性方法。

定性内容分析的第一个主要优势是它可以应用于广泛的数据:歌曲、演讲、社交媒体帖子、图片、采访、报纸文章、日记条目等。第二个主要优点是它可以帮助您将定性数据转换为定量数据，以便您可以应用统计分析。在解决只需要核心信息的特定问题时尤其有用，特别是在市场营销、人力资源、品牌管理、产品开发、质量管理和质量标杆等领域。

应用与影响:总结其核心含义

定性内容分析可以用于所有需要总结大量信息到其核心的领域，从分析技术到分析自己的公司如何在公众中被感知。定性内容分析的主要限制是数据的可用性，因为理想情况下，您需要广泛和大量的数据来一致地应用它。下面是一些可以应用它的例子:

市场和销售:理解客户的意思

• 顾客购买某种产品的原因是什么?
• 客户看重哪些产品特性?

人力资源部:弄清楚员工看重什么

• 让我们的员工留在公司的最重要的因素是什么?
• 根据Glassdoor上的评论，你是如何看待我们公司的?

品牌管理:了解你的公司是如何被感知的

• 用什么形容词来描述我们的品牌?
• 我们的品牌和其他品牌有什么不同?

竞争和定性基准:
将你的品牌与其他品牌进行质量上的比较

• 我们的简介如何与行业相适应，又有何不同?
• 在客户眼中，我公司与其他公司的区别是什么?

产品开发:分析专家对最重要趋势的意见

• 某种技术，如人工智能，是如何影响业务的，有什么样的应用潜力?
• 客户对我们现有产品的主要抱怨是什么?

贵公司的公众形象如何

• 报纸上对我们公司的报道是什么?报道的频率是多少?
• 关于我的新产品用了哪些形容词和动词?

质量管理:
将客户反馈归结为核心

• 为了改进产品，我们的客户提出了什么建议?哪些方面是最常被提及的?
• 在网上(比如亚马逊)的评论中，我们的产品提到了哪些方面?

步骤:详细的一步一步的指南

进行定性内容分析包括7个步骤，包括粗略地使用编码框架、生成类别定义、将材料分割为编码单元，以及区分试验阶段和分析的主要阶段。在你开始之前，有一个明确定义的研究问题是非常重要的。此外，请记住，定性方法不像定量方法那样直接和容易获得信度和效度。因此，结果的质量是通过其他方法来评估的，例如一致性和系统的方法。他们确保你的结果是有效的，可靠的，特别是，可信的。

步骤1:收集数据

在你制定了一个清晰的研究问题后，第一步是收集数据，理想地反映你的研究主题的多样性。您还需要明确是要使用一种形式的数据，例如仅使用报纸文章，还是使用多种形式的数据，例如视频和书籍。我的一般建议是，你试着专注于一种形式的数据，因为它将更一致，更容易在后面分割材料。但是，根据关注点的不同，您也可能更关注数据源的多样性，而不是一致性。举个例子，如果我必须分析亚马逊上关于苹果IPhone X的产品评论，我会选择我能在亚马逊上找到的最简单的材料，而不是关注其他来源，因为研究问题将是确定IPhone X在亚马逊的评论中是如何被感知的。

步骤2:构建编码框架

构建有效可靠的编码框架是整个分析中最关键和最棘手的部分。编码框架是任何定性内容分析的核心，它指定了您希望在分析中捕获和区分的所有不同含义。因此，在这里谨慎行事并做出正确的决定尤为重要。

编码框架由至少一个主类别和至少两个子类别组成。它们可以在复杂性上有所不同，由任意数量的主类别组成，包含几个层次级别，甚至子类别中的子类别。然而，由于主要目标通常是理解和交流定性内容分析的结果，我建议它保持简单，并避免在子类别中添加更多的子类别。

主要的类别代表你感兴趣的材料中更抽象的方面。子类别具体涵盖了具体的主类别中实际提到的内容。您可以将主类别想象成统计数据中的一个变量，而子类别则是该变量可以取的值。例如，当我们想要总结人们的身体特征时，发色可能是一个主要类别，相应的子类别可能是褐发、金发或黑色。

编码框架的工作还有三个要求。

1. 互斥:首先，子类别需要相互排斥，这意味着它们所涵盖的内容的各个方面不存在重叠。在一个主类别内，只能将一个子类别分配给一个分析单元。看看下面的例子:你想了解你的竞争对手是什么，因此你的竞争对手是你的分析单位。你有一个主类别“公司类型”，包括子类别“IT”，“初创”，“制造”和“中型”。如果您遇到一个IT-Startup，您将需要分配子类别“Startup”和“IT”，这违反了互斥性的要求。糟糕的编码框架!
2. 一维的:从第一个需求的例子可以引出第二个需求。一个主类别应该只涵盖材料的一个方面。在前面的例子中，“公司类型”将涵盖两个方面，即行业和公司阶段。因此，您需要将您的主要类别划分为这两个类别，以满足此标准。
3. 集体详尽:总的来说，主要类别必须涵盖材料中出现的所有方面。首先，这意味着对于每个分析单元(在我们的例子中是指公司)，您可以在每个主要类别中找到一个合适的子类别。其次，这意味着文本中的所有方面都包含在主要类别中。在我们的例子中，我们可以认为“行业”和“公司阶段”的新编码框架仍然不完整，因为还有其他重要的方面，例如“产品类型”(服务或产品)、“位置”和“员工人数”。您可以很容易地引入剩余类别。然而，引入太多的剩余类别可能会告诉你，你的编码框架不够有效，你应该重做它。如果子类别非常相似，最好将它们折叠。

如果您满足了这些要求，那么您就为一个好的编码框架打下了第一块基石。一个好的编码框架是可靠有效的。可靠意味着即使其他人也可以理解和应用您的编码框架，并在理想情况下重新创建您的结果。有效意味着你的编码框架捕获了你材料的所有重要方面，这样你的材料的所有相关部分都可以分配到一个主类别或子类别。构建一个编码框架并不困难，它也包含三个基本步骤:

步骤1 -选择材料:你可以选择材料的一部分(例如50%左右)，理想情况下选择最多样化的部分，用于构建编码框架。这样你就可以确保你的编码框架完美地涵盖了所有重要的方面。我的建议是不要尝试一次构建整个编码框架。一次只关注一个方面可能是有意义的。通过这种方式，您将确保不遗漏任何重要的方面，并构建一个一致的编码框架。

步骤2 -创建类别:当你创建类别时，你有三种可能的开始方式，这取决于你决定以数据驱动的方式，概念驱动的方式，还是两者的混合:

• 数据驱动的方法:你开始时没有任何预先确定的类别，你让编码框架完全从材料中显现出来。如果您非常想知道书中提到了哪些方面，或者不清楚书中涉及了哪些方面，那么数据驱动的方式可能会特别有趣。
• 概念驱动方式:你对所涵盖的方面有明确的想法，你会找到关于你的研究问题的具体信息，所以你从一个完全定义的编码框架开始，其中包含从有效理论推导出来的预先确定的类别和子类别。您基本上跳过了开发编码框架的部分。
• 混合的方法:完全概念驱动的方法的问题是，你对类别的最初想法实际上可能与材料中实际呈现的内容有所不同，因此，会漏掉部分材料。这将使您的编码框架无效，甚至可能更不可靠。因此，混合方式经常被应用，在这种情况下，您对材料中的方面有一个初步的想法，但您允许编码框架适应材料。

如果您决定以数据驱动或混合的方式工作，您将再次有几个关于如何从材料开发类别的策略。两种最常用的策略将帮助你系统地推导出主类别和子类别，它们是包容和渐进总结。

• 包容:在设置了主类别之后，这种方法非常有效地以数据驱动的方式生成子类别。你基本上是一个接一个地检查你的材料段落，并通过以下步骤迭代。首先，你通读材料，直到遇到相关的概念。其次，检查是否已经创建了包含所遇到的概念的子类别。如果这个概念是新的，就创建一个涵盖这个概念的新子类别。第三，继续阅读，直到遇到下一个相关概念。你基本上可以继续这些步骤，直到你觉得你的编码框架达到了一个饱和点，例如，你没有遇到任何新的概念。
• 进步的总结:当你想以数据驱动的方式开发包括主类和子类在内的整个编码框架时，这种方法是非常强大的。使用这些方法，你基本上是转述相关段落，删除这些段落中任何看起来不必要的东西，并不断总结类似的转述。最后，在转述它们几次之后，它们就会变成范畴和子范畴。

步骤3 -定义类别:

在定性内容分析中，非常重要的是，你的类别即使对其他人也很清楚，你应该清楚给定的类别指的是什么。这对于你的编码框架的可靠性是非常重要的，因为当你对一个给定的类别的意思不清楚时，人们将无法理解你的编码框架，并倾向于将文章分配到与你不同的子类别中。这是一个很大的问题，不仅因为你的结果很难呈现，而且如果这些结果被别人反复误解，它们也会变得不那么可信。

这就是为什么要为每个主类别和子类别编写定义。对于主要类别，定义可以很短，但对于子类别，它们应该更广泛。定义应始终包括以下元素:

• 标签:一个直观和直接的类别名称
• 描述:一篇简短的文章，解释你的名字是什么意思，以及一篇文章应该意味着什么标准，以便被分配到这个类别
• 例子:理想情况下，一个例子或引用(如果你的材料是基于文本的)来说明类别和分配它的过程
• 决策规则:一个决策规则，以防它仍然不是100%清楚如何处理给定的类别

在这里，您应该确保一个主类别中的子类别确实是相互排斥的。特别是对于这种需求，决策规则可能非常有用。

您应该记住，编码框架的开发不是一个线性过程。如果你在总结的时候没有成功，这可能意味着你需要回到前面的步骤。从我个人经验来看，知道你的研究问题是什么是至关重要的。例如，如果你分析数字转型如何影响公司，那么你会发现同样的研究问题可能会导致非常不同的编码框架，这取决于你如何解释这个问题。请看以下两个例子:

在这里，你用可能非常相同的材料用完全不同的两种编码框架回答了非常相同的问题。因此，你应该清楚自己的目标是什么。

第三步:划分你的材料

当你划分你的材料时，你把它分成几个块，也称为编码单元。细分对于编码来说尤其重要，因为你需要从每个主要类别中分配一个子类别到你的每个分析单元，这是以后两个不同的人编码时进行比较的基础。您需要选择分析单元，以使它们能够以相对于子类别的有意义的方式进行解释。

<概述文本段落，代码，编码表>

例如，为了分割几张图像，您可以简单地将每张图像作为分析单元。如果你的材料是由报纸组成的，你可以将每一篇报纸文章作为一个片段。为了正确地对材料进行分段，可能需要定义一个标准，指定分段何时开始、何时结束。这种标准有两种类型。

1. 正式的标准:正式的标准是基于你材料的结构。简单地说，如果你有一本书作为材料，那么你可能会决定每个章节可能是一个分析单元，或者每个段落应该是一个分析单元，甚至每一页。您基本上可以根据规则的结构来定义规则。
2. 主题的标准主题标准可能通常更有用，包括在主题变化时找到合适的位置。在主题标准中，分析单位对应一个主题。例如，你的材料可能是客户对你产品的反馈。在这种情况下，当客户在第一个单元的编码中谈论产品的外观，然后在下一个单元的编码中转到他们如何使用产品时，每当采访的主题发生变化时，你就将材料进行分割。

形式标准是否优于主题标准，反之亦然?明确。主题标准的优点是，一个编码单元将对应于一个特定的主题，并取决于材料的结构。它可能会使你的材料更加有效，例如，当正式的标准将材料以这样的方式分割，一个分析单元涵盖几个主题。这可能会产生冲突，因为一个编码单元非常适合一个主类别中的两个子类别。主题性标准将较少地避免这些信息，并确保你的编码框架更能代表材料。此外，有时你的研究问题只是倾向于主题标准。如果您对某本书中的冲突感兴趣，那么根据正式的标准来组织这本书是没有意义的。

另一方面，正式标准有其优点，即它们清晰、可理解和快速。根据正式的标准来划分你的材料是非常容易的，而且它几乎不含糊。这意味着，即使其他人要分割你的材料，他们也会得到相同的编码单元。同样地，对于主题编码，一些研究问题已经倾向于正式的标准，比如一本书中的章节之间有什么不同，或者我的客户在产品评论中最经常提到的方面是什么。

当你分割材料时，你通常连续地给每个编码单元分配一个数字。如果你使用形式标准，你可以跳过额外的步骤，将你的材料分割，它可以与编码并行完成。如果你有主题标准，你需要在编码之前先对材料进行分割。此外，在最后，你应该推导一个编码表，你将用来编码你的材料。列包含类别，行包含编码单位，在每个单元格中，您将为各自的主类别和编码单位写下子类别。你的代码表应该是这样的:

	主类别1	主类别2	主类别3	.．.
1号机组
第二单元
.．.

如果你有定量的背景知识，你会意识到你的编码表就像一个只由分类变量组成的数据集。这实际上是定性内容分析帮助您将定性信息转换为定量信息的方法，以便您可以对数据进行统计分析。在您完成以下所有步骤并填写编码表之后，例如，您可以计算不同类别之间的频率或相关系数。

步骤4:尝试你的编码框架

在您开发了编码框架之后，您将需要在与您开发编码框架的材料理想不同的部分材料上进行测试。理想情况下，所选择的材料应该再次涵盖所有类型的数据和你预期在数据中发现的所有方面。在这一步中，您希望在开始将编码框架应用于整个数据之前评估它的质量。因此，您需要检查编码框架的可靠性和有效性。这将在下一步中完成。

步骤5:评估和修改编码框架

评估编码框架的可靠性

可靠性描述了你的编码框架在多大程度上是可复制的和可推广的。为了评估可靠性，您需要使用相同的编码框架对材料进行双重编码。这意味着，首先找到第二个可以帮助您的人，然后在同一时间对相同的数据应用相同的编码框架，彼此独立。如果你需要单独工作。你也可以自己编写两次代码，但是在两次运行之间要有两个星期的间隔。如果子类别的定义足够清楚，并且子类别确实相互排斥，那么编码的单位应该由你和你的伙伴两个人分配给相同的子类别。

在完成双重编码之后，就可以评估编码框架的可靠性了。这可以通过两种方式实现:

1. 非正式地:你的搭档和你只是交换了把某些编码单元分成不同类别的理由。这样你就会发现你的编码框架在哪里不够清晰，因为描述不清楚，或者因为子类重叠，以及你的搭档在哪里误解了你使用编码框架的方式。
2. Quantitavely:你可以计算一个同意系数例如简单地计算同意的百分比或kappa。

为了实现可靠性，保持编码框架的复杂性和范围尽可能小是非常重要的。由200多个类别组成的编码框架更容易导致编码双方的错误和分歧。处理更大的编码框架的一种可能性是不要一次编码所有的主要类别，而是连续地进行。

评估编码框架的有效性

效度告诉你你的分类在多大程度上涵盖了材料和材料中出现的相关概念。对于编码框架的数据驱动部分，您可以首先通过检查您的材料的所有编码单元是否适合每个主要类别的一个子类别来评估材料的有效性。其次，看看是否需要引入剩余类别。太多的剩余类别告诉您，您的编码框架不够有效。第三，检查您是否比其他子类别使用得更频繁，以及是否某些子类别根本没有使用过。如果是这样的话，最好将最频繁的类别划分为更小更精确的类别。

第六步:对所有材料进行编码

在你采用并修改了你的编码框架之后，是时候对你所有的材料进行编码了。如果你的编码框架已经被证明是足够有效和可靠的，你可以单独编码所有的材料，而无需重复编码。如果您需要调整您的框架，那么为了确保您新生成的编码框架是可靠和有效的，您必须再次进行双重编码。然而，没有必要对所有内容都进行双重编码。在四分之一的材料上进行双重编码可能就足够了。一般来说，在第5步中需要做的更改越多，就越需要进行双重编码。

最后，还有一个技巧。如果您已经证明了您的编码框架是可靠的，那么您可以将编码单元划分给几个人，并将工作拆分。它是有效的，因为一个可靠的编码框架将产生相同的结果，而不管谁在编码。

步骤7:解释结果

在完成第6步之后，理想情况下，您将得到一个完整的编码表。如果你的目标是分析客户对你产品的评论，那么你的编码表可能是这样的:

	投诉	建议	喜欢
客户1	长时间交货	开店	伟大的品质
客户2	长时间交货	开店	伟大的品质
客户3	太贵了	提供忠诚奖金

在这一点上，取决于你的目标和研究问题，可能有几种处理结果的可能性。一般来说，有三种可能:

1. 给出编码框架:如果定性内容分析的目的只是找出你的材料中有哪些方面，那么你可以简单地用主类别和子类别呈现你的编码框架。展示在您的编码框架中有哪些类别，并解释这些类别对您的客户和他的具体问题意味着什么。
2. 分析编码表:如果您的研究目的是了解模式，您可能需要查看编码表并计算频率。此外，您可以查看并尝试理解为什么特定的编码单元被分配给特定的子类别，以及是否可能存在任何隐藏的模式。
3. 继续进一步分析:定性内容分析通常被用作进一步分析的准备步骤。您可以使用编码表进行更复杂的统计分析。您可能想要将编码单元聚类以识别相似的单元，或者您可能想要比较编码单元以找出它们的不同之处。根据编码框架和编码表，您可以做很多事情。

优势-严格的规则确保客观性

定性内容分析是一种非常灵活的方法，具有以下优点:

• 将定性数据转化为定量数据:它是一种将定性数据转化为定量数据的方法，因此你可以对定性数据进行假设检验
• 可用性的材料:一般来说，找到定性内容分析的材料是相对容易的，因为已经有大量的文本、图片和在线视频。
• 相对客观的:定性内容分析遵循严格的规则，帮助您消除主观性。当你对材料进行双重编码时，它提供了计算可靠性评分的能力。这个可靠性分数也可以被认为是客观性分数。
• 数据准备:在进行了定性内容分析之后，您将得到一个编码框架和一个编码表，可以用于各种进一步的分析:回归分析、聚类、识别模式、定性基准测试。
• 效度和信度评估:定性方法提供评估效度和信度的具体方法是不典型的。这使得定性内容分析非常特别。
• 提取核心内容:这种方法可以帮助你在不添加信息、扭曲信息或丰富信息的情况下，将材料浓缩到最重要的方面。

缺点:有更好的理论建设方法

尽管有这些优点，定性内容分析也有一些明显的缺点:

• 数据还原:该方法的主要功能也是其主要缺点之一。对于定性内容分析，非常重要的是已经有一个明确的研究问题，并在一定程度上对一个主题有经验。即使你有相同的研究问题和相同的材料，你仍然可能结束许多不同的编码框架。
• 经验:尽管它是一种相当直接的方法，具有清晰和有指导的规则，但为了构建可靠和有效的编码框架，它仍然需要一些经验。
• 解读与理论构建:定性内容分析不适合解释材料或推导一个理论，因为它的主要焦点是描述你的材料，而不是理解它。其他方法，如编码或话语分析将更适合于此。
• 奇点:定性内容分析不允许您同时探索几种可能的含义以及这些含义之间的关系。一种更好的方法是符号学。

进一步的联系

如果你想阅读更多关于定性内容分析的理论文章，我建议你看一看参考资料中列出的书籍和文章。这里还有两篇关于定性内容分析如何应用于市场营销的文章。

• https://www.thebalancesmb.com/how-to-analyze-qualitative-market-research-data-2296916
• https://arxiv.org/ftp/arxiv/papers/1505/1505.04401.pdf

第一个是相当理论性的，目的是给你一个概述，而第二个是更实际的，展示定性内容分析如何补充定量分析。

如果你有进一步的问题，批评，你需要帮助或你对如何应用定性内容分析有其他想法，请随时留言或给我写信。

参考文献

SAGE定性数据分析手册- Uwe Flick。

Mayring, Philipp(2010)定性吸入分析:Grundlagen和Techniken。

Berger, Arthur A.(2000)内容分析，在Arthur Berger(编)媒体和传播研究方法。《千橡》:Sage, 173-85页。

许秀芳、陈晓燕、陈晓燕(2005):“三种定性内容分析方法”，《质量与健康研究》，第15期:1277-88。

Krippendorff, Klaus(2004)《内容分析:介绍其方法论》。加州千橡市:Sage (1^圣版,1980)。

Schreier, Margrit(2012)实践中的定性内容分析。伦敦:圣人。