今天的企业，比任何时候都更接近消费者。
点击率、转化率、复购率、问卷结果、销售曲线……这些数字每天都在刷新。我们可以看到他们点击了什么、购买了什么、停留了多久、复购了几次。但数字往往只能告诉我们“发生了什么”，却很难解释“为什么会这样发生”。
消费者为什么这样选择？
他们在什么情境下做出决定？
他们的消费行为，究竟是在满足功能需求，还是在表达身份、回应压力、寻找归属？
2026年5月23日、5月30日和6月6日，PSB巴黎商学院工商管理博士《定性数据分析》课程在线上举行。
Dr.Ons Belaid教授从深度访谈、焦点小组、观察法、文献研究等方法出发，引导博士学员重新理解消费者：他们不仅是购买者，也是家庭成员、社群参与者、身份表达者和社会文化中的行动者。
对于工商管理博士学员而言，定性数据分析帮助管理者看见：消费者的语言背后有动机，行为背后有模式，选择背后有价值观，而这些，正是企业战略、品牌定位和产品创新真正需要回答的问题。
定性研究不是“收集观点”，而是读懂行为背后的逻辑
提到“定性研究”，很多人会自然联想到“做访谈”、“开焦点小组”、“收集一些主观意见”。
但在巴黎商学院的博士课堂里，定性研究首先被拆解成一个更具体的问题：
你想通过消费者的语言和行为，看见什么？
●如果是深度访谈，研究者要听的不只是主观表态，而是受访者在讲述中的犹豫、强调、转折，以及那些没有直接说出口的部分。课堂中，教授特别强调，访谈不是照着问题清单提问，而是要通过开放式问题、澄清、复述和追问，逐步接近受访者真实的想法与处境。
●如果是焦点小组，重点也不只是“大家说了什么”，而是观察不同观点如何在群体中被提出、被质疑、被补充。一个人为什么同意？为什么沉默？为什么在别人的发言之后改变表达？这些互动本身，就是理解社会规范、消费态度和群体心理的重要线索。
讲到观察法，课堂的重点又进一步转向“消费者未必能说清楚的行为”。
有些消费者会说自己理性消费，但在真实购物场景中，却可能被季节性陈列吸引；有些人说自己只是随便看看，却会在不同礼盒之间反复比较；有些购买行为看似普通，却发生在节日、家庭聚会、纪念日等特定情境中。
在这些细节里，研究者看到的就不只是“买了什么”，而是视觉吸引、决策不确定性、仪式性消费等更深层的消费逻辑。
课堂中，教授还把文献研究纳入定性研究的视野。企业报告、新闻报道、官网内容、广告、社交媒体帖子、消费者评论、视频、播客……这些早已存在的材料，都可能成为理解品牌叙事、消费文化和社会趋势的入口。换句话说，定性数据不只来自访谈录音，也存在于消费者每天接触、转发、评论和相信的内容里。
这也让博士学员意识到，定性研究并不是“数据不够时的补充”，而是帮助管理者走进消费者真实世界的一种方式。
它看见的不仅是主观回答，而是语言、行为、情境和文化共同构成的复杂线索。
AI能处理文本，但研究者要建立判断依据
课堂上，教授也提醒学员，“Qualitative data analysis is not only about methods,but also about interpretation,perspectives,and the encounters between different experiences.（定性数据分析不是只关于方法，更关于解释、视角和不同经验之间的碰撞。）”
因此，她多次开展分组讨论，引导学员围绕具体问题交换观点：
你选择研究的消费者趋势是什么？
它与你的生活经验有哪些关联？
你会用什么定性方法研究它？
你准备收集什么样的数据？
这种方法能揭示哪些其他方法可能看不见的内容？
在一次次的讨论中，博士学员们从个人经验、行业观察和企业经营场景出发，尝试解释消费者行为背后的变化。
有学员提出：“今天AI已经可以帮助研究者分析公开数据、整理文本材料，甚至总结消费者评论中的规律。”
这个问题很快把课堂带到一个更有现实感的层面：
如果AI已经能够分析大量文字材料，研究者还需要做什么？
教授并没有否认AI的价值，“AI can help researchers organize a large amount of material and improve the efficiency of text processing.However,the real challenge in qualitative research is not simply to identify patterns,but to understand the meanings behind those patterns.Consumers’contradictions,hesitations,emotions,identities,and the meaning of a behavior within a specific life context cannot be answered by AI automatically.（AI可以帮助研究者整理大量材料，提高文本处理效率。但定性研究真正困难的部分，不只是找到规律，而是理解规律背后的意义。消费者的矛盾、犹豫、情绪、身份认同，以及一个行为放在具体生活情境中的含义，不能只靠AI自动生成答案。）”
这也让课堂讨论从“AI能不能用”，进一步走向“研究者如何判断”。
对于博士学员来说，这正是定性数据分析真正训练思维模式的地方：不是只掌握定性研究方法，而是学会从复杂、零散、甚至不完整的材料中，建立自己的研究判断。
课堂中的思考在继续生长
课程结束后，不少学员提到，教授并不是单向输出知识点，而是在讲授、分组、讨论和答疑之间不断切换。
有学员说，教授会主动加入小组讨论，针对大家的观点进行指导，也让大家在不同经验和行业视角的碰撞中，把问题想得更深。
也有学员表示，相比单纯听课，这样的课堂参与感更强，学习状态更好。尤其是当课程内容涉及访谈、焦点小组、观察法、文献研究等不同方法时，只有真正进入讨论，才能体会到定性数据分析并不是抽象概念，而是和自己的研究问题、企业实践、消费者洞察紧密相关。
为了帮助学员在课后进一步梳理课程内容，班主任也根据三节课程重点，整理并分享了《定性数据分析》课程思维导图，将课堂中涉及的核心方法、分析路径和应用场景进行系统归纳，方便大家复习回顾，也为后续论文研究和企业实践提供参考。
当消费者行为越来越复杂，市场趋势越来越多变，管理者真正需要掌握的，不只是更多数据，而是能够从数据、语言、行为和情境中，看见背后意义的能力。
这也正是《定性数据分析》这门课带给博士学员的重要启发：
在复杂现实中，学会追问；
在零散材料中，建立判断；
在消费者的表达与行为之间，找到真正值得关注的线索。
