近年來，汽車市場研究中越來越多地應用到定性的方法。定性方法能夠史加深入和準確地抓住消費者的真實特點和行為背後的真實原因，相對定量方法而言有其突出的優勢。如果説定量研究解決“是什麼”的問題，那麼定性研究解決的是“為什麼”的問題。尤其在大數據時代，定量的抽樣調查而臨挑戰，而定性研究的優勢史加凸顯出來。因此，汽車市場研究中定性方法的應用越來越常見。有的是與定量方法匹配使用，有的則是單純依靠定性研究。但是，樣本量的問題也越來越多地困擾着研究人員。從汽車市場研究的項目來看，有的只做幾場FGD(焦點小細或十幾個深訪，有的則動輒兩二百個深訪。那麼，在定性研究中，究竟做多少個樣本量才足夠?定性調查究竟該怎樣設定樣本量才能夠達到研究精度與時問、金錢成本的最優組合效果?究竟有沒有一個萬能的公式，就像定量調查測算不同置信區間下的樣本量一樣，來給出具有説服力的解釋?
定性研究的概念及與定量研究的區別
要解決這個問題，我們有必要先來看一下什麼是定性研究以及定性研究和定量研究的區別。
定性研究(qualitative analysis），是以研究者本人作為研究工具，在自然情境下采用多種資料收集方法對社會現象進行整體性研究，使用歸納法分析資料和形成理論，通過與研究對象互動對其行為和意義構建獲得解釋性的一種活動。從定義可以看出，定性研究一般情況下使用歸納法的思維邏輯，注重與研究對象的互動以解釋現象的因果關係等。而定量研究(quantitative analysis，則是一種對事物可以量化的部分進行測量和分析，以檢驗研究者自己關於該事物的某些理論假設的研究方法。定性研究和定量研究在諸多方面存在本質的不同(。
定性研究對研究人員的要求更高，探測性更強，而且分析類型本身就是主觀性的和解釋性的。與定量相比，它是一個開放的過程，研究和分析就在調查的過程當中進行。同時把人當作一個完整的、社會的人來進行研究，較定量研究更加深入和生動。同時，由於這種研究的複雜性，定性研究的樣本量是相對較小的。這在汽車市場研究界也得到了一致的認可。但是，樣本量要小到什麼樣的程度暱?我們試圖從學術界來尋找答案。
我們發現，樣本量的問題在社會科學界也同樣困擾着學者們。在當今不少社科研究領域的專家同樣面臨挑戰:是否有必要按照定量研究的基本法則來設定定性研究的基本標準?是否需要探究研究的個案是不是具有“代表性”representative、自己的研究能不能概括其他相似個案的情況generalized的問題?定性研究的學者在代表性問題的態度上出現了兩種極端。一種是受定量思維的影響，他們使用了一些定量的術語來迎合定量研究者的口味，甚至主張強化定性研究的“信度”和“效度”。另一種就是認為“定性研究不需要解決外推的問題”，將實際操作中確實存在的問題迴避掉了。
定性研究與定量研究有不同的邏輯，不能用定量的思維來要求定性研究
芝加哥大學的Mario Small教授看到了定性研究者在努力讓自己的研究能夠代表總體的過程中存在的諸多問題。比如:足夠友好來接受一個陌生人邀請的人，他們可能和別的人羣有不同的看法。定性研究中牽涉了複雜的因果關係和許多待研究的變量，要推斷總體中這些變量的相關機制可能需要的是比定量研究更大樣本的調查研究survey，深度訪談本身的樣本量肯定是不夠的。
Mario Small教授認為在定性研究法上強加“代表性”的評判準則本身就是錯誤的。為此，他探討了定性研究和定量研究的不同邏輯，澄清了兩個概念—
“統計顯著性”與“社會顯著性”。他認為定性研究“見微知著”地探知到更廣的社會結構對其的影響。探究的不是“統計顯著性”(即帶有相似特徵的總體的特徵，而是“社會顯著性”，即這個個案中告訴了我們多少有關社會結構的信息。研究者可以通過使用特殊或極端個案來驗證既往理論。個案研究並不能告訴我們某個個案是不是能夠在統計上代表總體。舉例來説:我們無法在個案研究中推斷出“所有和A組織處於同一類別的組織都有a特徵”，但是定性研究能幫助我們瞭解“在X情況下，Y現象是否出現和W因素有關”。
“抽樣邏輯”與“個案邏輯”。在抽樣邏輯中，樣本數是能通過計算預先設定的，樣本要有統計代表性，所有個體都有可能被抽中，所有的被訪者可能都面對的是同一份標準化問卷。如果研究過程被嚴格執行，我們能從樣本特徵中推斷出總體特徵。當然，這也是在一定的抽樣誤差範圍中。這種研究的目的是要確保樣本在某一特徵上的分佈和總體分佈大致相似。而個案邏輯卻全然不同。在這種邏輯中，每一個個案都能幫助我們一點點，一步步更準確瞭解我們的研究問題。在這種邏輯中，我們不到研究結束是不能夠確定我們所需要的個案數量的。個體不需要有代表性，其被抽中的概率也不需要一樣。與定量調查不同，在定性研究中不同的被訪者或許會被問到不同的問題。前一個個案中的結果會幫助我們提出在下一個個案中我們所要問的'問題。所以説定性的訪談是“序貫訪談”，也就是有時問順序的訪談法。我們所要達到的目標就是“飽和”,saturation，即對於某一個問題有全面的瞭解。
Mario Small教授的觀點在業界引起了廣泛的共鳴。國內的潘綏銘教授也持同樣的觀點。他認為定性調查與定量調查在“代表性”上的區別，並不是“能夠在多大程度上代表”，而是“究竟要去代表什麼”。潘教授認為，定性調查希望代表的是“與研究主題相關的所有潛在信息”，而不是定量調查中的“總體中的所有個體”。也就是説，定性調查所代表的是研究主題之內的差異性的相對窮盡與其質性特徵的歸納，而不是定量調查中樣本與總體之間人口社會特徵的分佈的匹配。所以在定性調查中，不是調查多少人才能達到量的要求，而是調查到的信息多麼豐富才足以反映出調查目標的質。定性調查絕對不是因為做不到才不去抽樣的，而是因為兩者的目標不一樣。定量調查中那些尋求“推斷總體總量或總體均值”的隨機抽樣方法，對於旨在“收集研究主題相關的所有潛在信息”這一定性調查的目標來説，不僅不適用，往往會適得其反。
潘教授認為，凡是使用或者試圖使用隨機抽樣方法的調查，都不是定性調查，而僅僅是開放式問卷調查。説到底，定性調查的目標是要反映研究主題相關的最多信息的整體性質，而不是要去代表調查到的那些對象，更不是其總體。因此，定性調查根本就不應該使用“代表性”這樣的定量調查的專用術語，而是應該申明自己所追求與所獲得的是“最大差異的信息飽和”的程度，以及由此獲得的“研究主題的歸納程度”。
“信息飽和原則”是定性研究樣本量設定的基本原則
那麼，回到我們最初的問題上來，定性調查中究竟應該如何選擇調查對象，選擇多少個調查對象才是足夠的?潘綏銘教授認為:“調查了多少個人毫無意義，唯一的價值在於最終發現了多少種不同的情況。它們之間的差異越多越好，越大越好。到沒有新的信息出現的時候，調查就終比了，即一般所説的求異法”。
“求異法”的一般操作程序:(1)按照研究者自己的調查主題，確立對象選擇的起點，選定第一人進行訪談;(2)應用持續對比分析法(CCM)梳理從第一人得到的信息的指向與信息的充分程度;(3)根據梳理結果，衡量信息飽和程度，確立新的“理論抽樣”標準，選擇最可能(最大差異法)提供不同指向或者更加充分信息的第二人;(4)從第二人起，反覆進行上述的梳理。如果信息仍未飽和，則繼續調查第三人、第四人，依此類推;(5)在任何一個被訪者那裏，如果不再有新的信息，則理論上調查到此為比;(6)為了保險起見，研究者不妨再多訪談一個或者多個對象，如果確信再無新信息，即可終止調查;否則就繼續調查下去。
這就是定性調查的“信息飽和原則”。有國內學者描述為“理論飽和”，即窮盡了某類現象的所有相關屬性和維度。在這裏，個案成為理論或理論命題得以抽象出來的載體。而能夠承擔開發某種理論的功能的個案，就具有了“典型性”。斯特勞斯和科賓所説的“概念的代表性”，以及紮根理論所説的“理論抽樣”都是同樣的意思。也就是説，不能用“樣本量”的概念來評價定性研究的效果，只能衡量它所獲得的信息是否已經飽和。而信息是否飽和的標準，要從被訪者和研究者兩個角度來衡量。從被訪者的角度，他已經把話説完，或者已經無可表述。從研究者的角度，他(她)認定所獲得信息已經足夠分析自己的研究目標，那麼就是信息飽和了。
在被訪者的選擇上，潘教授建議用“信息量最大法”選擇第一人，用某些社會特徵上的“差異最大法”選擇第二人。如果研究中發現第二人與第一人的信息並不存在顯著的差異，則需要重新選擇劃分的社會特徵，依然按照差異最大法來選擇第三人。定性調查在選擇對象的時候，唯一的標準是對方的“信息最豐富”，而不是定量調查中那種“樣本的特徵與總體相匹配”。定性調查選擇對象的理想狀態是實現“最大差異的信息的飽和”，而不是定量調查中的實現隨機性。中國汽車市場研究中的實踐和經驗性探索
“信息飽和原則”的要點是説，定性研究沒有，也不需要任何確定不變的“樣本量”，也許一個人就足矣，也許一百個人還不夠。研究者事先根本無法知道要調查多少人，至多根據經驗來估計。但是，這對於商業性的汽車市場研究而言，顯然不具可操作性。商業性項目一般提前都有明確的預算和研究時問的界定。這種“邊做邊看”的方式可能更適合於科研項目。市場研究更看重可操作性和可重複性，需要有更詳細的經驗值來告訴研究人員和客户方，究竟被訪者達到多少個，才能實現信息的飽和。
在汽車市場研究的實踐當中，影響定性研究樣本量的因素還有很多，比如研究目標的明確性、調研的性質、調查對象的類型、總體指標的變異程度、調研的精度、項目經費和時問要求等。此外，還有重要的一項:定性研究是單獨使用還是和定量匹配使用。如果是匹配使用，是用在項目的什麼階段?如果是單獨使用，一般要收集的信息就要多一些，可以多訪談一些被訪者，直到研究者有足夠的把握信息已經飽和再終止調查;如果是匹配使用，則收集的信息相對少一些，研究者對所研究的問題形成了基本印象，得到了基本假設即可。總之，需要對所研究的問題做最大化的區隔，保證每個區隔能夠形成假設或結論。此外還要考慮所涉及領域的熟悉度和項目成熟度，新領域或不熟悉的項目，就需要多設計樣本量。
筆者曾經對中國農村的汽車市場進行研究。由於這個研究在汽車界較為超前，這個領域相對複雜和陌生，就使用了定性研究和定量研究匹配的方法。研究的前期進行探索性的定性研究，幫助定量問卷開發、擔當定量問卷的調查工具、形成初步的研究假説。後期進行驗證性的定性研究，為定量調查揭示出來的問題尋找深入的答案。
以前期的定性研究為例，筆者從地理位置、地區富裕程度、家庭富裕程度、有車無車四個維度進行了考慮，最終選取了4個城市，做了16個探訪樣本。事實證明，這個設計得到了很好的效果。
對於市場研究行業的新手和想要更多參考的人來説，也有相關的數據給你更多的信息。比如，有研究人員通過“無提示品牌知名度”進行了多次結果的比較。他們以一項調查項目的總樣本數(<4450樣本為母體樣本，從中分別隨機抽取5樣本，10樣本，20樣本，30樣本，50樣本，80樣本，100樣本，200樣本，300樣本來比較其結果，為了充分了解每種樣本量的抽樣結果，每種樣本量重複抽取30次。最終發現，5樣本的調查僅能拿到一半的答案，10樣本獲得七成的答案，15樣本可得到80%的答案，而30樣本是拐點，在得到90%的答案後，再增加樣本量對答案獲得率的幫助不大。 也就是説，定性研究最低需要巧個樣本或2組座談會(8人組)的量，才能獲得大部分的答案並覆蓋到主要的答案。如果需要對比研究細分羣體，則每個細分羣體也應該最少是2組座談會方可保證效果。
業內也流傳着一種説法:定性和定量分析的樣本量分野是32剛好是4組座談會的量。雖然這些説法在學術上還不夠嚴謹，但確實能夠給毫無經驗者一些參考。
結束語
對於汽車市場研究的從業者來説，學術界關於定性研究樣本量的研究結論，給我們提供了很好的依據。正如文中所説，定性研究要追求的是“社會顯著性”而非“統計顯著性”;追求的是得到了多少信息，而非調查多少人。我們可以根據“信息飽和”原則確定我們所做的研究是否己經足夠達到目標，也可以用來説服一味貪圖大樣本量的客户，避免小必要的資金和時間的浪費。避免出現動輒做幾百個深訪的情況。同時，“個案邏輯”而非“抽樣邏輯”也提醒汽車市場研究的從業人員，我們所做的定性工作是邊收集信息邊分析，而小是像定量一樣，做完全部樣本才開始分析。
文學範文吧
