焦点小组 vs 深度访谈：证据究竟怎么说

Qualitati 研究团队 · 2026-07-17 · 9分钟阅读

简短回答：在焦点小组与深度访谈之间做选择时，要问披露风险来自谁，而不是话题有多敏感。当参与者共享同一种污名时，小组会引出更多敏感内容（Guest et al., 2017）。当风险恰恰来自房间里的其他人时，小组会把这些内容彻底压制掉（Namey et al., 2023）。若按人均计算，访谈仍能产出更宽的内容广度。

最后更新：2026年7月17日。

焦点小组 vs 深度访谈：人人都在用的那条法则其实是错的

问大多数研究者何时该用焦点小组而非访谈，你会得到同一条法则的各种版本：敏感话题就做一对一。它写在教科书里，写在培训课件里，也是日程紧张时方法选择讨论默认退守的答案。

这条法则很符合直觉。它同时也被该问题上极少数随机化比较研究之一所推翻——又被另一项得出相反结论的严谨研究所证实。两项都是好研究。二者之间的矛盾正是这一文献中最有价值的东西，因为化解它能产出一条真正具有预测力的法则。

本指南将梳理关于焦点小组 vs 深度访谈的证据、两项标志性研究为何相互矛盾，以及当 AI 主持消除了过去默认决定这一问题的成本论据之后，情况发生了什么变化。

核心要点

在一项针对 350 名男性的随机化研究中，多种类型的敏感披露在焦点小组中更容易出现——而没有任何一个敏感主题在访谈中更常见。
在海地开展的一项系统性比较中，结论恰好相反：涉及性暴力的主题只在访谈中浮现，在焦点小组中完全没有出现过。
这两项发现并不冲突。区分它们的关键在于：小组究竟是共享了这种污名，还是本身就是社会风险的来源。
按人均计算，个体访谈稳定地产出更宽的内容范围。焦点小组只有在场次层面——即通过把许多人汇总起来——才能与之持平。
在默认选择任何一种方法之前，先跑一遍下文的「披露风险测试」。
AI 主持让成本不再是有力的决胜因素，这意味着方法选择必须重新回到数据层面来论证。

随机化证据究竟发现了什么

目前可得的最强比较来自 Greg Guest、Emily Namey、Jamilah Taylor、Natalie Eley 与 Kevin McKenna 于 2017 年发表在《International Journal of Social Research Methodology》上的一项随机化研究。其设计异常干净：北卡罗来纳州达勒姆市的 350 名非裔美国男性被随机分入焦点小组组或个体访谈组，并被问及关于就医求助行为的同一批开放式问题（Guest et al., 2017）。

有两项发现值得关注。

第一，关于广度：在场次层面，焦点小组与访谈在自由列举任务中产出的独特条目数量相近。但按人均计算，个体访谈的产出更高。焦点小组之所以能跟上，只是因为把八人左右汇总进了一场讨论——每个人的贡献都少于其单独受访时的水平。

第二，与教科书法则相反：多种类型的敏感与私人披露在焦点小组情境中更容易出现，有些敏感主题甚至只出现在焦点小组里。值得注意的是，没有任何敏感主题在访谈中出现得更频繁。作者还指出，这些披露是未经询问的——参与者是主动提供私人信息，而非在回答关于该信息的直接提问。

而那项相互矛盾的研究发现了什么

现在把它与 2023 年发表在《Evaluation and Program Planning》上的一项系统性比较放在一起看。该研究在海地一项 USAID 司法研究中检验了不同方法引出敏感信息的表现，依照同一份引导提纲对比了 16 场焦点小组讨论与 46 次个体访谈（Namey et al., 2023）。

结果与 Guest 等人的发现完全相反。个体访谈的参与者在统计上更可能提出与性别暴力相关的主题，而围绕性暴力、经济维度与恢复性司法的敏感主题在焦点小组中完全没有出现。作者由此得出结论：对社会敏感话题而言，优先采用访谈可能更为合适。

于是：一项严谨研究说小组能引出更多敏感内容；另一项严谨研究说小组会让这些内容消失。两者不可能同时构成关于敏感性的普遍规律。

披露风险测试

以下是我们的解读，它是一种诠释，而非任何一篇论文明确给出的结论：真正发生翻转的变量并不是话题有多敏感，而是披露所带来的社会风险位于何处。

在达勒姆那项研究中，房间里坐满了很可能共享同一经历的同侪。在同样回避看医生的男性面前承认自己回避看医生，并不是一种坦白——而是一种加入。小组在此发挥的是许可的功能。有人率先开口，就降低了所有人的成本，而这正是产生未经询问之披露的机制。

在海地那项研究中，话题是社区情境下的性别暴力。小组并不是一群会把披露正常化的同病相怜者；小组就是那个可能评判、议论或报复的社区。开口的风险由房间里的人所承载。在这样的条件下，沉默不是害羞。它是一种理性判断，再高超的主持技巧也无法把人劝离这一判断。

由此得出的检验标准，比「这话题敏感吗？」有用得多，因为几乎所有值得研究的问题，对某些人来说都是敏感的。

提问	若为「是」→	原因
披露是否会带来来自其他参与者的社会风险（评判、议论、报复、职业暴露）？	访谈	小组本身就是威胁。相关主题不只是被削弱——它们会完全缺席，而你根本不会知道它们不见了。
参与者是否共享同一经历，使得披露读起来像是同盟而非坦白？	焦点小组	同侪给予许可；一次披露会解锁更多披露。这正是小组在敏感内容上胜过访谈的场景。
研究对象本身是否就是互动——规范、共享话语、人们如何相互说服到某个立场？	焦点小组	访谈无法产出那些只存在于人与人之间的数据。
你是否需要每位参与者贡献最大化的内容量（稀缺或昂贵的招募对象、样本量小）？	访谈	人均广度正是访谈稳定取胜之处。
参与者彼此之间是否是同行、竞争对手，或存在汇报关系？	访谈	这是第 1 行的一个特例，而 B2B 研究会不断撞上它。

这项测试是诊断性的，而不是一张计分卡：第 1 行具有一票否决权。如果披露风险就在房间内部，表格下方再多的「是」也救不了焦点小组。

AI 主持改变了什么——又没改变什么

在历史上，方法选择往往在这些讨论开始之前就已经定了。焦点小组是你在预算有限时与 40 个人对话的方式，因为主持人的工时才是那个硬约束。每场八人是算术，不是方法论。

AI 主持削弱了这一约束：会话可以异步并行地进行，因此 40 次访谈不再意味着 40 个主持人工时。诚实的结论并不是焦点小组因此落败——而是你不能再因为另一种方法负担不起而挑这一种了。如果 Guest 那项关于人均产出的发现成立，而访谈又不再被价格挡在门外，那么探索性广度的默认选项可以说正在向访谈倾斜，焦点小组则留给那些「互动本身就是重点」的场景。

AI 没有改变的是：第 1 行中的披露算计。参与者压制信息，是因为在场的还有别人。把主持人自动化，并不能把其他参与者移走。那些声称 AI 主持可以消除社会赞许性偏差的说法应当审慎看待——AI 主持人可以更一致、永远不会疲倦，但在小组情境下，听众依然在场。

Qualitati 的定位

Qualitati 是一个面向产品、UX 与客户洞察团队的 AI 用户研究平台，它被设计成能够胜任这一决策的任意一侧，而不是向你兜售其中某一种。

访谈——文本与语音形式的 AI 主持访谈，可异步进行，使得每位参与者的深度不再受主持人档期配给。
焦点小组——AI 主持的焦点小组，能够追问、引导沉默者发声、检验共识并对抗群体思维。参见我们的AI 主持焦点小组指南。
合成焦点小组——用于探索性工作的多智能体模拟讨论：在正式田野调查前梳理立场光谱、打磨引导提纲。它们不是关于真实人群的证据；参见合成用户 vs 真实参与者。
分析——ThemeLens 主题分析支持最多 100 份转录稿、10 种语言，使得混合设计不会变成分析环节的瓶颈。

定价按积分公开透明，注册即赠 30 积分，无需信用卡。

局限与权衡

在按这套框架行动之前，请先读完本节。

两项研究不构成一片文献。Guest et al.（2017）与 Namey et al.（2023）都是扎实的设计，但它们在国家、话题、抽样与编码方案上都不相同。共享污名这一解释是我们对二者分歧原因的诠释——它与两项研究都相容，但尚未经过正面对照检验。请把它当作一个值得据以设计研究的假设，而非已成定论的结果。
两项研究都没有使用 AI 主持。把 2017 年与 2023 年的发现外推到 AI 主持的会话，前提是小组机制取决于参与者而非主持人。这一假定合理，但未经证实。
达勒姆的发现针对的是未经询问的披露。参与者是主动提供材料，而非回答直接的敏感问题。一份提问尖锐的引导提纲未必能复现这一效应。
缺席是看不见的。这一领域最危险的失败模式正是海地的那种：主题从未出现。一份干净的转录稿并不能证明没有任何内容被隐瞒。
需要人工审核。当话题会给参与者带来真实风险时——暴力、法律暴露、健康污名——方法选择就是一个伦理决定，应当交由人工审核者或伦理委员会把关，而不是一张决策表。

这适合谁，以及什么时候不该用这套方法

本文面向的是那些正在为已完成范围界定的研究选择数据收集方法的研究者、产品团队与洞察负责人。不要用披露风险测试去解决一个你可以低成本验证的问题：如果你能在少量参与者身上同时试跑两种方案，那就直接去试——这套框架是为「无法两边都做预试」的情形准备的。也不要把它用在两种方法都不合适的问题上。如果你需要的是发生率或量级，那你需要的是问卷调查。

常见问题

对敏感话题而言，焦点小组和访谈哪个更好？

作为一条普遍法则，两者都不是——证据是双向的。Guest et al.（2017）发现敏感披露在焦点小组中更可能出现；Namey et al.（2023）则发现性暴力主题只出现在访谈中。要问的是：披露的社会风险是否来自其他参与者。如果是，就做访谈。

焦点小组产出的数据比访谈少吗？

按人均算，通常是的。在 Guest et al.（2017）中，访谈在每人层面产出了更宽的条目范围；焦点小组只有在场次层面、通过把若干参与者汇入同一场讨论，才能与之持平。

我需要做多少场焦点小组？

这取决于饱和度而非某个固定数字，而且计数单位是小组而非参与者。参见我们关于质性研究中的数据饱和的指南。

AI 主持的焦点小组能解决群体思维吗？

它们能抵消一部分——AI 主持人可以始终如一地检验共识、引导沉默者发声而不会疲倦。但小组的在场感依然塑造着人们愿意说什么。我们在AI 焦点小组能减少群体思维吗？一文中梳理了相关证据。

我可以在一项研究中同时使用两种方法吗？

可以，而且这往往是最强的设计：先用焦点小组梳理话语与立场光谱，再用访谈就浮现出来的内容深挖。只是不要让小组阶段来定义哪些主题才是“真实的”——那恰恰是海地那项研究所警示的。

合成焦点小组能取代这两种方法吗？

不能。它们对探索有用——浮现张力、在田野调查前打磨引导提纲——但它们不是关于真实参与者的证据，也不应被当作证据来报告。

结论

焦点小组 vs 深度访谈这一决策长期背负着一条证据并不支持的法则。仅凭敏感性无法告诉你该用哪种方法；披露风险的位置才可以。当参与者共享同一种污名时，小组给予许可并引出更多内容。当参与者本身就是风险时，小组会悄无声息地删除该主题。而按人均计算，访谈依然是更宽的工具——在 AI 主持已使其不再是昂贵选项的今天，这一点更为重要。

在下一项研究开始前跑一遍披露风险测试，并让成本成为最后一个输入项，而不是第一个。

免费开始，赠送 30 积分——无需信用卡——或查看透明定价。在 Qualitati 上运行 AI 主持的访谈、焦点小组、对话式问卷或主题分析项目。