{"slug":"how-many-focus-groups-do-you-need-2026","title":"焦点小组需要做多少个？2026 年实证依据","description":"证据显示 2-3 个焦点小组即可呈现 80% 的主题，3-6 个达到 90%。附样本量决策矩阵、饱和报告清单，以及 AI 主持的定位。","keywords":"焦点小组需要做多少个,焦点小组样本量,焦点小组饱和,主题饱和,定性研究样本量论证,AI 主持焦点小组,焦点小组与访谈对比","date":"2026-08-14","author":"Qualitati 研究团队","category":"焦点小组","readTime":"10 分钟阅读","content":"<p><strong>简答。</strong>实证证据表明，所需的焦点小组数量比多数经验法则建议的更少。Guest、Namey 与 McKenna（2017）发现，超过 80% 的主题在两到三个焦点小组内即可被发现，90% 在三到六个小组内出现。三个小组即可覆盖全部最高频主题。请按每个细分人群规划三到六个小组，而不是按整个研究规划。</p>\n\n<h2>焦点小组需要做多少个？看证据，而不是行规</h2>\n\n<p>问五位研究者需要做多少个焦点小组，你会得到五个都很自信的答案：\"三到五个\"、\"做到饱和为止\"、\"每个细分人群一个再加一个备用\"。这些多数是沿袭下来的惯例，而非实测结论。而\"<strong>焦点小组需要做多少个</strong>\"这个问题其实已被实证检验过，答案比行规更有用。</p>\n\n<p>本文梳理已发表证据的结论，解释为什么\"按研究\"是错误的规划单位，并给出一个决策矩阵——当利益相关方想把你的样本砍掉一半时，你可以用它来据理力争。</p>\n\n<h3>核心要点</h3>\n\n<ul>\n  <li>超过 80% 的主题在两到三个焦点小组内出现；90% 在三到六个小组内出现（Guest、Namey 与 McKenna，2017）。</li>\n  <li>相比一对一深度访谈，焦点小组达到主题饱和所需的<em>数据收集场次</em>更少——达到 80% 饱和的中位数为 3 场，而访谈为 8 场（Namey 等，2016）。</li>\n  <li>规划单位是<strong>细分人群</strong>，而非整个研究。三个小组分别覆盖三个不同人群，等于每个人群只有一个小组，那不构成对任何人群的饱和。</li>\n  <li>作为反身性主题分析的停止规则，饱和本身存在争议（Braun 与 Clarke，2021）。请把它当作规划启发式，而非完备性的断言。</li>\n  <li>高频主题出现得早，低频主题与少数派视角则不然。如果你的研究问题关注的是边缘，基于常见主题推导的样本量计算会让你吃亏。</li>\n</ul>\n\n<h2>饱和研究究竟测量了什么</h2>\n\n<p>最常被引用的实证答案来自 Greg Guest、Emily Namey 与 Kevin McKenna 于 2017 年发表在 <em>Field Methods</em> 上的研究。他们分析了北卡罗来纳州达勒姆市关于非裔美国男性求医行为的 40 个焦点小组语料，逐一测量每增加一个小组后累计出现了多少主题。</p>\n\n<p>主要结果是：完整数据集中超过 80% 的主题在两到三个小组内即可被发现，90% 在三到六个小组内出现。三个焦点小组足以识别出全部<em>最高频</em>主题。作者明确指出，这些数字低于许多传统建议。</p>\n\n<p>Namey、Guest、McKenna 与 Chen 在 <em>American Journal of Evaluation</em>（2016）上发表的配套研究，在同一语料上比较了焦点小组与深度访谈的成本效率。达到 80% 饱和所需数据收集场次的中位数，焦点小组为 3 场、访谈为 8 场；达到 90% 时则分别为 5 场与 16 场。按场次计，焦点小组推进得更快——这对\"访谈总是更严谨的默认选择\"这一假设是一个有益的制衡。</p>\n\n<h3>关键的限定条件：主题频次</h3>\n\n<p>饱和曲线前陡后平是有原因的。多数受访者共有的主题几乎立刻就会出现。而少数人持有的主题——无障碍使用的边缘场景、只有资深用户才会提的异议、某个亚群体特有的文化框架——则位于长尾。停在三个小组的研究能可靠捕捉主流，却无法可靠捕捉边缘。</p>\n\n<p>落到实操上就是：<strong>让小组数量匹配你的研究问题究竟关注人群的中心还是边缘。</strong></p>\n\n<h2>为什么\"按研究\"是错误的规划单位</h2>\n\n<p>上述饱和数字是在单一、相对同质的人群内部计算出来的。它们并不允许你在三个不同市场各做三个小组，然后宣称达到了饱和。</p>\n\n<p>请按细分人群规划。细分人群指任何你有理由预期讨论内容会显著不同的分组——角色、市场、司龄、产品档位、语言或照护场景。然后在<em>每个</em>细分人群内部套用小组数量。</p>\n\n<h3>Qualitati 焦点小组样本量决策矩阵</h3>\n\n<table>\n  <thead>\n    <tr><th>你的情形</th><th>每个细分人群的小组数</th><th>理由</th></tr>\n  </thead>\n  <tbody>\n    <tr><td>探索性摸底；只需要主导主题</td><td>2&ndash;3</td><td>覆盖 80% 以上的主题及全部高频主题</td></tr>\n    <tr><td>支撑设计或战略决策的常规探索研究</td><td>3&ndash;4</td><td>在细分人群内接近 90% 的主题覆盖率</td></tr>\n    <tr><td>研究问题指向少数派观点、边缘场景或异议</td><td>5&ndash;6+</td><td>长尾主题需要更多小组才会浮现</td></tr>\n    <tr><td>跨细分人群的比较性结论（\"A 与 B 不同\"）</td><td>每个细分人群 3+ 个，至少 2 个细分人群</td><td>每个细分人群只有一个小组时，无法把小组效应与人群效应分离</td></tr>\n    <tr><td>在群体中会抑制自我披露的敏感话题</td><td>重新考虑方法</td><td>此时一对一访谈通常优于小组</td></tr>\n    <tr><td>高风险、面向发表或受监管的研究</td><td>规划 4&ndash;6 个，并监测与报告饱和曲线</td><td>评审期待一个明确陈述且有证据支撑的理据</td></tr>\n  </tbody>\n</table>\n\n<p>一个简单的测算公式：<strong>总小组数 = 细分人群数 &times; 每个细分人群的小组数</strong>。三个市场每个做三个小组就是九个小组，而不是三个。如果九个负担不起，诚实的做法是削减细分人群，而不是削减每个细分人群的小组数——后者会悄悄摧毁你对任何一个细分人群下结论的能力。</p>\n\n<h3>饱和报告清单</h3>\n\n<ul>\n  <li>说明细分人群的定义，以及每个细分人群内实际执行了多少个小组。</li>\n  <li>报告新主题在第几个小组之后停止出现——而不只是断言\"已达到饱和\"。</li>\n  <li>区分<em>编码</em>饱和（不再出现新编码）与<em>意义</em>饱和（对既有编码不再产生新理解）。</li>\n  <li>点明只出现过一次的主题。它们是后续追踪的候选对象，而非应被丢弃的噪声。</li>\n  <li>如果你是因预算或排期原因停止的，就如实说明。一个明确陈述的约束条件，比一个从未被测量过的饱和断言更可信。</li>\n  <li>注明是否有某个小组被一两位发言者主导，这会虚高表观饱和度。</li>\n</ul>\n\n<h2>你应当了解的方法论异议</h2>\n\n<p>Virginia Braun 与 Victoria Clarke 在 <em>Qualitative Research in Sport, Exercise and Health</em>（2021）中主张，把饱和作为反身性主题分析的样本量理据在概念上是不自洽的。他们的论点是：在该传统中主题是通过诠释生成的，而不是躺在数据里等待被清点、被发现的。如果主题是建构出来的，就不存在一个固定总数可供作分母，\"我们找到了 90% 的主题\"因而是一种范畴错误。</p>\n\n<p>这并不使 Guest 等人的数字失去价值，但它改变了你引用这些数字的方式。请把饱和证据当作<em>规划</em>启发式——为初始小组数量与预算提供可辩护的依据——而不是当作事后宣称分析已经完备的凭据。如果你的研究明确采用反身性主题分析，请遵循 Braun 与 Clarke 的建议，改以信息效力（information power）与研究设计来论证样本量。</p>\n\n<h2>Qualitati 的定位</h2>\n\n<p>Qualitati 是一个面向产品、UX 与客户洞察团队的 AI 用户研究平台。其中有两部分与小组数量直接相关。</p>\n\n<p>第一，AI 主持的焦点小组改变了成本曲线。传统小组单场成本高昂，这正是\"砍到三个吧\"始终存在诱惑的原因。当增加一个小组的主持成本更低时，完整执行\"细分人群 &times; 每个细分人群小组数\"的方案就变得现实，你也就负担得起少数派主题所需的额外小组。Qualitati 的 AI 主持人会追问、引入沉默的声音、检验共识并对抗群体思维——后两点尤为重要，因为被单一声音主导的小组会产生虚假平缓的饱和曲线。</p>\n\n<p>第二，ThemeLens 让饱和变得可观察，而不只是被断言。它在最多 100 份访谈记录上运行 map-reduce 主题分析，将编码映射到你的研究问题，并综合出带受访者原话锚定的主题。这让你能够查看每个主题在各小组中首次出现的时点，从而报告一条真实曲线，而不是一句断言。</p>\n\n<p>Qualitati 支持 10 种语言的研究，并公开按 credit 计费的用量费率，因此多细分人群的方案可以在投入前先行核算成本。<a href=\"/signup\">免费开始，赠送 30 credits</a>，无需信用卡。</p>\n\n<h2>局限与不适用的场景</h2>\n\n<p>当话题带有污名、涉及法律敏感，或受访者有职业理由要在同行面前管理自身形象时，根本就不要使用焦点小组。群体披露规范恰恰会压抑你真正需要的材料。此时一对一访谈才是正确的工具。</p>\n\n<p>不要把两到三个小组这一数字当作普适结论。它来自一份语料、一个人群、一个主题领域。同质小组讨论窄话题饱和更快；异质小组讨论宽话题饱和更慢。</p>\n\n<p>不要把小组数量当作唯一的质量杠杆。六个使用诱导性讨论提纲的糟糕小组，产出不如三个主持得当的小组。样本量无法挽救工具设计上的缺陷。</p>\n\n<p>最后，如果你使用 AI 主持或 AI 辅助分析，请在主题建构环节保留人工把关。自动主题抽取是很强的第一遍，却是很差的最终裁决者——尤其是对那些促使你多做几个小组的低频主题而言。</p>\n\n<h2>常见问题</h2>\n\n<h3>典型的 UX 研究需要做多少个焦点小组？</h3>\n<p>每个明确的细分人群做三到四个小组，是探索性研究可辩护的默认值。依据 Guest、Namey 与 McKenna 2017 年的发现，这一区间在细分人群内接近 90% 的主题覆盖率，同时仍在可承受范围内。</p>\n\n<h3>三个焦点小组真的够吗？</h3>\n<p>在单一同质细分人群内，三个小组能可靠地呈现最高频主题。但如果你需要少数派视角、需要跨细分人群比较，或你的人群本身异质，那就不够。</p>\n\n<h3>每个焦点小组应该有多少人？</h3>\n<p>惯例做法是六到八位受访者，以在人均发言时长与视角广度之间取得平衡。这是一种惯例，而非实证推导出的最优值；面向专业或专家人群时，更小的小组也很常见。</p>\n\n<h3>焦点小组与访谈，哪个更快达到饱和？</h3>\n<p>按数据收集场次计，是焦点小组。Namey 及其同事（2016）在同一语料上报告，达到 80% 饱和的中位数为 3 个焦点小组对 8 个访谈。若按受访者人数计，这一比较对小组则不那么有利。</p>\n\n<h3>我在成稿中还应该宣称达到饱和吗？</h3>\n<p>请报告证据而非断言。展示新主题何时停止出现，界定你所谓的饱和是什么，并说明你的约束条件。如果你做的是反身性主题分析，可考虑改以信息效力来论证样本量。</p>\n\n<h3>AI 主持的焦点小组会改变我需要的数量吗？</h3>\n<p>不会改变底层的主题涌现曲线——那是人群与话题的属性。改变的是可负担性：更低的单场成本，使你的设计所要求的完整小组数量更容易落地。</p>\n\n<h2>结论</h2>\n\n<p>焦点小组需要做多少个？按每个细分人群三到六个来规划，乘以你的细分人群数量；当研究问题关注的是少数派观点而非主流观点时，取该区间的上限。把已发表的饱和数字当作预算启发式，测量并报告你自己的主题涌现曲线，并且绝不要让\"每个细分人群一个小组\"冒充比较性结论。</p>\n\n<p>想在不被单场成本逼着妥协的前提下多做几个小组？<a href=\"/signup\">免费开始，赠送 30 credits</a>，或<a href=\"/pricing\">查看透明定价</a>。延伸阅读：<a href=\"/blog/focus-groups-vs-interviews-evidence-2026\">焦点小组与访谈：证据怎么说</a>、<a href=\"/blog/dominant-participants-focus-groups-2026\">焦点小组中的主导型受访者</a>，以及 <a href=\"/blog/ai-moderated-focus-groups-guide\">AI 主持的焦点小组：2026 指南</a>。</p>\n\n<h3>参考来源</h3>\n<ul>\n  <li>Guest, G., Namey, E., &amp; McKenna, K. (2017). How Many Focus Groups Are Enough? Building an Evidence Base for Nonprobability Sample Sizes. <em>Field Methods</em>, 29(1). <a href=\"https://journals.sagepub.com/doi/abs/10.1177/1525822X16639015\" target=\"_blank\" rel=\"noopener noreferrer\">链接</a></li>\n  <li>Namey, E., Guest, G., McKenna, K., &amp; Chen, M. (2016). Evaluating Bang for the Buck. <em>American Journal of Evaluation</em>. <a href=\"https://journals.sagepub.com/doi/abs/10.1177/1098214016630406\" target=\"_blank\" rel=\"noopener noreferrer\">链接</a></li>\n  <li>Braun, V., &amp; Clarke, V. (2021). To saturate or not to saturate? <em>Qualitative Research in Sport, Exercise and Health</em>, 13(2). <a href=\"https://www.tandfonline.com/doi/abs/10.1080/2159676X.2019.1704846\" target=\"_blank\" rel=\"noopener noreferrer\">链接</a></li>\n  <li>Gandy, K. (2024). How many interviews or focus groups are enough? <em>Evaluation Journal of Australasia</em>. <a href=\"https://journals.sagepub.com/doi/10.1177/1035719X241266964\" target=\"_blank\" rel=\"noopener noreferrer\">链接</a></li>\n</ul>\n\n<p><em>最后更新：2026 年 8 月 14 日。本文是对公开研究的独立编辑性综述；引用前请对照原始论文核实关于具体研究的方法论表述。</em></p>","related":[{"slug":"focus-group-questions-questioning-route-2026","title":"焦点小组问题怎么写：提问路线设计指南（2026）","description":"如何编写焦点小组问题：从开场到结束的五段式提问路线、示例、评分量表，以及适用于 AI 主持焦点小组的模板。","category":"焦点小组","date":"2026-09-18","readTime":"9 分钟阅读","author":"Qualitati 研究团队"},{"slug":"async-ai-focus-groups-vs-live-2026","title":"异步 AI 焦点小组 vs 现场访谈（2026）","description":"异步 AI 主持焦点小组换来的是思考时间与规模，现场场次换来的是群体互动。附 2026 年决策矩阵、就绪清单与研究证据。","category":"焦点小组","date":"2026-08-28","readTime":"8 分钟阅读","author":"Qualitati 研究团队"},{"slug":"dominant-participants-focus-groups-2026","title":"焦点小组中的主导型受访者：2026 指南","description":"主导型受访者会扭曲焦点小组数据。本文讲清发言时长主导与议题框架主导的区别，提供六项发言公平性审计，以及真正有效的设计修正。","category":"焦点小组","date":"2026-08-07","readTime":"9 分钟阅读","author":"Qualitati 研究团队"}]}