定性定量结合分析方法（用户研究 2）

在大模型应用中，可以使用这个组合能力，特别强调把"定性的访谈"和"定量的数据"接起来用：定性先发现"是什么、为什么"，定量再验证"有多少、多严重"，两者互相印证、互相纠偏。

方法介绍

定性管"为什么"，定量管"有多少"，合起来才是完整结论。
核心是一个反馈环 + 两条整合策略 + 一套冲突处理：

1. 定性→定量→定性 反馈环：先定性发现"是什么、为什么"并生成假设 → 再定量验证"有多少、多严重" → 若定量出现意外，再回到定性深挖。
2. 两条整合策略：用定量给定性排优先级；用定性解释定量的异常。
3. 来源冲突处理：定量和定性讲不同故事时，把它当"信号"而不是"错误"，查清原因、如实报告。

在什么场景用

场景	你的状态
访谈和数据对不上	访谈说"难用"，数据却显示流失没变化，想搞清到底信谁
访谈结论不知道重不重要	一个主题被访谈反复提到，但不知道它影响多少人
数据掉了一块，不知道原因	留存掉了是个数字，但不知道背后是为什么
想给结论"上量"	访谈是"故事"，想用数据把它变成"有规模的问题"

不适合的场景：

• 只有定性、或只有定量
• 想用数据完全替代访谈，两者是互补，不是谁替代谁

适合谁用

职能	为什么适合
产品经理	做决策时，既要"为什么"又要"有多少"
用户研究员	把定性发现用数据验证、把数据异常用定性解释
数据分析师	补上"定性解释定量"这一半
创始人	判断机会大小时，别只看数据或只信访谈

立刻上手，将思维框架用作提示词

用定量给定性发现排优先级：

复制已复制 ✓访谈里大家反复说"上手难"，帮我用后台数据看看这到底影响多少人，够不够格优先做。

用定性解释定量异常：

复制已复制 ✓这个月留存掉了 5%，帮我结合最近的访谈，挖一下背后的原因是什么。

分析"来源冲突"，查人群、查行为差异、查问题是否问错：

复制已复制 ✓访谈说好用、但数据显示用户根本不用这个功能，帮我查查怎么回事，别让我瞎猜。

让证据更有说服力

复制已复制 ✓用户调研发现一个结论是有47%用户报告产品使用困难数据，请从访谈资料中解释为什么。不硬选原因，而是查清矛盾来源。

实操：把“用户研究”写入 agent skill

下面对三个知识点，我逐个详细解释：1. 应该掌握的核心思维和专业洞察。 2. 你可以用来教 AI 的方法。3. 提示词 Prompt

可复制方法指令，可以作为Skill的一部分

• 提示词可复制，分析方法可作为prompt使用，连同任务一起交给AI，
• 如果需要这些分析方法，可以按需写入 Agent Skill，作为处理相关任务的方法和步骤。你还可以结合具体工作，补充相关资料、输出要求等。

方法 ①：定性定量反馈环

1. 应该掌握的核心思维和专业洞察：

1. 先定性：访谈告诉你"用户在流失，是因为上手太难"。这只是个假设。
2. 再定量：数据验证"流失的里有多少是因为上手问题"，把假设变成结论。
3. 回定性：如果数据又冒出个意料之外的异常（比如某类用户反而涨了），再回访谈深挖为什么。

2. 你可以用来教 AI 的方法：
告诉大模型"定性 + 定量怎么配合"的底层节奏是一个循环。
不是"定性一次、定量一次就完事"，而是两者反复交替，越转越清楚。

3. 提示词 Prompt：

复制已复制 ✓### 定性定量反馈环

- **先定性**：访谈和观察揭示"正在发生什么"和"为什么"。它们生成假设。
- **定量验证**：问卷和分析数据揭示"有多少"和"多少量级"。它们在大规模上检验假设。
- **定性深挖**：回到定性方法，去理解那些意料之外的定量发现。

原文：

复制已复制 ✓### The Qual-Quant Feedback Loop
- **Qualitative first**: Interviews and observation reveal WHAT is happening and WHY. They generate hypotheses.
- **Quantitative validation**: Surveys and analytics reveal HOW MUCH and HOW MANY. They test hypotheses at scale.
- **Qualitative deep-dive**: Return to qualitative methods to understand unexpected quantitative findings.

方法 ②：两条整合策略

1. 应该掌握的核心思维和专业洞察：
基于大模型应用，非常适合"把定性和定量分析两者拧成一股"的做法。

2. 你可以用来教 AI 的方法：
一个原则“互帮互助”。 用定性解释定量异常，用定量给定性排优先级。

3. 提示词 Prompt：

复制已复制 ✓### 整合策略

- 用定量数据给定性发现排优先级。如果使用数据表明一个访谈主题影响了大量用户，那这个主题就更重要。
- 用定性数据解释定量的异常。留存率下降是一个数字；访谈揭示这是因为一个让人困惑的新用户引导改动。
- 呈现组合证据："47% 的受访用户报告在 X 上有困难（问卷），而访谈揭示这是因为 Y（定性发现）。"

原文：

复制已复制 ✓### Integration Strategies
- Use quantitative data to prioritize qualitative findings. A theme from interviews is more important if usage data shows it affects many users.
- Use qualitative data to explain quantitative anomalies. A drop in retention is a number; interviews reveal it is because of a confusing onboarding change.
- Present combined evidence: "47% of surveyed users report difficulty with X (survey), and interviews reveal this is because Y (qualitative finding)."

方法 ③：来源冲突怎么办

1. 应该掌握的核心思维和专业洞察：：
如果访谈和数据出现矛盾，请先查2个检查点：人群范围差异，问题方向差异。

2. 你可以用来教 AI 的方法：
通常大模型看到不一致的，会自动理解是冲突或者错误。所以这里需要告诉大模型，这是一种信号。

3. 提示词 Prompt：

复制已复制 ✓### 当来源不一致时

- 定量和定性来源可能讲不同的故事。这是信号，不是错误。
- 检查不一致是否因为测的是不同的人群
- 检查陈述偏好（问卷）是否和实际行为（分析数据）不同
- 检查定量问题是否捕捉到了你以为它捕捉的东西
- 诚实地报告这个不一致，并进一步调查，而不是只选一个来源

原文：

复制已复制 ✓### When Sources Disagree
- Quantitative and qualitative sources may tell different stories. This is signal, not error.
- Check if the disagreement is due to different populations being measured
- Check if stated preferences (survey) differ from actual behavior (analytics)
- Check if the quantitative question captured what you think it captured
- Report the disagreement honestly and investigate further rather than choosing one source

联系与支持

编号05.4.7
本篇基于 Anthropic knowledge-work-plugins （开源库）与 04_skill_md_series （我的内部资料）的研读系列

想继续看其他能力/职能，或对本系列有反馈，
请联系顾问：程老师
微信号：kciagent