什么是定性数据？类型、例子和分析方法

什么是定性数据？

定性数据描述的是「性质」而不是「数量」，用文字、图像、音频、视频或类别记录：顾客在聊天里写了什么、用户为什么放弃表单、访客选了哪个套餐。它回答「为什么」「怎么样」；定量数据回答「有多少」「有多大」。

漏斗能告诉你：从结账到支付流失了 46% 的买家。定性数据能告诉你原因：运费到最后一步才显示出来。

一张表看定性与定量

两者的完整对比和使用场景，见定性数据与定量数据。

定性数据的类型

按结构分：

• 定类数据：没有顺序的标签，比如国家、浏览器、套餐名、取消原因。
• 定序数据：有顺序但间隔不相等的标签，比如「很不满意」到「很满意」、衣服尺码、优先级。
• 二元数据：只有两类，比如是 / 否、已订阅 / 未订阅。
• 非结构化数据：还没归类的自由文本、音频、视频、图片。大多数定性研究都从这里开始。

定类和定序的划分来自 S. S. Stevens 1946 年提出的测量尺度。定序评分常被换算成数字来汇总，但各档之间的间隔并不相等，求平均要谨慎。

定性数据的例子

• 访谈和可用性测试记录（「找不到导出按钮」）
• 问卷里的开放题回答
• 在线客服聊天记录、工单
• 应用商店评价、社交媒体帖子
• 真实访问的会话回放和热图
• 日记研究、照片、截图
• 销售通话记录、丢单原因

怎样收集定性数据

聊天记录这类「现成」的材料常被低估：没有人引导顾客怎么说，用词最真实。

怎样分析定性数据

最常用的是主题分析法，Braun 和 Clarke（2006）把它分成六步：

1. 熟悉材料：先完整读一遍，不急着打标签。
2. 生成初始编码：给有意义的片段打上简短标签，比如「运费意外」「优惠码无效」。
3. 寻找主题：把相关的编码归到一起。
4. 复核主题：回到原始材料检查，每个主题站不站得住，两个主题是不是其实是一个。
5. 定义并命名主题：写清楚，换一个人也能照着用。
6. 成文：每个主题写明出现次数，附两三句代表性原话。

如果两个人一起编码，先让两人各自给同一批 20 条打标签再对比。意见不一致，通常说明某个编码定义得不清楚。

示例：给客服聊天记录编码

示例数据：某网店一个月内 120 条售前聊天记录，按访客发起咨询的主要原因编码。

接下来做两件事。一是把占比最高的主题变成定量假设：运费超过 10 美元的订单，结账到支付的流失是不是更高？二是把主题占比变成每月跟踪的指标：如果在商品页提前显示运费后，「运费」类咨询从 28% 降到 12%，说明改动起作用了。

常见误区

• 只挑符合预期的原话。先计数，再引用。
• 访谈和问卷里用引导性问题，比如「你有多喜欢……」。
• 把 8 个访谈写成百分比。「8 人中有 5 人」是结论；「62.5% 的用户」暗示了你并没有的精度。
• 编码含义在分析过程中漂移。每个编码都写一句定义。
• 忽略沉默的大多数。在聊天里抱怨的人不能代表全部顾客，要和行为数据对照着看。

在 TapCub 里能用的定性数据

TapCub 不提供访谈和问卷。它提供的定性来源，和数字放在一起：

• 客服聊天记录：在 客服 › 客服工作台 查看，侧栏能看到访客浏览过的页面和来源；客服 › 客服报表 里的热门页面显示咨询从哪些页面发起。
• 从历史对话生成问答草稿：知识库会把已解决对话里的访客问题和客服回答合并成草稿，可以当作常见主题的初筛。
• 会话回放（默认关闭，开启后按抽样比例录制），以及热图和狂点，用来查看漏斗某一步流失时用户实际做了什么。

一个好用的习惯：在漏斗里找到流失最多的一步，读这一步的 20 条聊天、看 10 段录像，编码归类，再用数据验证占比最高的主题。

资料来源

• Braun, V. and Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101.
• Stevens, S. S. (1946). On the Theory of Scales of Measurement. Science, 103(2684), 677–680.
• 美国国家医学图书馆网络（NNLM），数据术语表：定性数据。