基於這些問題，本文以網易某產品app中某頁面的可用性測試為例，介紹研究中定性研究工具Atlas.ti的使用技巧和業務用途，讓大家知道如何通過工具的使用更有效地找到產品中的痛點和潛在用戶需求。
我們在日常生活中接觸到的大部分信息都是以定性數據(即定性資料)的形式存儲的，比如文本、多媒體資料等。可以說，定性數據包含了豐富的信息，價值很高。在用戶研究方面，獲取定性數據的形式和渠道豐富而可觀:
在獲得這些數據並完成預處理後，我們將開始定性分析的分析過程，狹義的定性研究也將從這裏開始。
壹般來說，定性數據的處理要經歷壹個開放編碼、軸向編碼、選擇性編碼的循序漸進的過程，從最初的簡單編碼到編碼簇與編碼之間關聯的建立，再到核心編碼的確認。通過壹步壹步的深化和壹步壹步的凝練過程，從最初的原始材料中得到定性的結論，最後得到結論的報告或可視化展示。
然而，長期以來，定性研究似乎總是不如定量研究受歡迎，即使在學術領域，定性研究也只受到少數學者的青睞。究其原因，我們認為可能是因為這些:
質性研究的數據分析過程是任何人都很頭疼的事情——數據復雜，程序繁瑣，耗時長，所以工具的選擇對於質性研究來說就變得非常必要，不僅讓我們的工作更加便捷，也讓我們的研究結果更加可靠。
目前成熟常用的質性研究工具有很多，本文以Atlas.ti？比如7.5版本會先引入Atlas.ti？7.5，然後通過壹個可用性測試案例說明如何通過Atlas.ti挖掘數據。
以2016年初網易某app的可用性測試為例，為了案例描述的簡潔，我們選擇了本次可用性測試的壹部分來介紹App的投資理財頁面的本地可用性測試。
在這個可用性測試中，我們關註兩個部分。第壹部分是用戶對App頁面信息結構認知的心理模型，第二部分是用戶對頁面中不同區塊之間信息結構差異的感知。
在用戶篩選方面，我們根據產品的業務特點和產品使用場景特點，選取了理財、支付、支付+理財、遊戲支付四大類用戶。
在前期的用戶調研工作中，我們已經發現用戶在移動端選擇互聯網理財產品的心理模型是先了解所有理財產品類別，然後確定目標理財產品類別，最後在確定的類別中選擇具體的理財產品。所以在這個頁面的可用性測試中，我們根據這個行為模型設計了壹系列的任務讓用戶完成，希望能夠發現我們產品的壹些可用性問題。
Atlas.ti作為定性研究的常用工具之壹，最初是由德國學術研究者在大約1990年以研究為目的開發的。目前該工具已經升級到7.5版本，最新的8代即將到來。自問世以來，Atlas.ti逐漸被廣泛應用於語言學、心理學、計算機等領域的學術研究。
外觀，Atlas.ti？7.5版本和壹般的圖形界面工具區別不大，同樣包含了菜單欄、工具欄、工作區等控件。值得關註的是Atlas.ti？7.5中幾個重要的快捷功能區域，了解這些區域對於後面的使用和案例介紹是非常必要的，所以這裏簡單介紹壹下:
當我們完成數據收集後，我們通常需要對數據進行簡單的整理。這個過程是通過“文檔管理器”完成的——點擊Atlas.ti第壹個快捷方式管理器的“P-Doc”按鈕
在文檔管理器中可以看到，Atlas.ti支持多種定性材料，如文本(txt、doc、pdf等。)、富媒體素材(音頻、視頻、圖片)、谷歌地圖文件等。當然，實際研究中經常用到的開放式問卷(excel文件)也可以直接導入Atlas.ti如下圖所示，本文使用的案例只涉及doc、txt、圖片三種材料，共有7個文件。
文檔管理除了重命名、寫備忘錄等最基本的操作之外，最重要的是對文檔進行分組——在Atlas.ti中稱為“文檔族管理”，在下圖所示的界面區域左側，是根據本文使用的案例中的用戶類型和性別建立的六個“文檔族”。
文檔分組(建立文檔族)讓我們了解這個研究項目的整體情況。例如，這個用戶研究項目* * *涉及四種類型的用戶。同時也可以在此基礎上比較不同群體之間定性分析結果的差異，使我們的結論更加深入和具體，比如理財用戶和支付用戶對界面架構的感知差異，這是本文後面分析的壹個重點。
根據定性分析流程，在獲得文檔和初步管理後，可以開始分析流程，定性分析通常從材料的編碼開始。由於應用研究中獲得的定性數據形式多樣，下面介紹的文檔編碼分析也將根據數據類型的不同進行詳細說明。
開放式問卷也是實踐研究中經常見到的壹種數據收集方法。其獨特性在於，它不僅包含開放式問題，還包含性別、收入水平、受教育程度等各種量化數據。
但在處理開放式問卷時，Atlas.ti還有壹個突出的優勢，那就是它不僅可以解讀開放式問題的答案，還可以根據量化指標建立分組(類似於文檔管理器中的“創建新文檔族”)，讓我們更深入地了解不同分組中開放式問題答案的差異。
通過以上操作對所有資料進行編碼後，我們就可以在Atlas.ti的“代碼管理器”中查看所有的代碼，如下圖所示。在這種情況下，我們得到13個壹級碼。
如上圖所示，我們發現在這個測試app中，由於現有的理財產品分類方式，用戶無法直觀了解所有理財產品的類別的問題最為突出(踩下墻角紅色字體)，對應的用戶期望(潛在解決方案)是“直接提供理財產品排列的子導航欄”。另外，點擊代碼會彈出壹個新的對話框，裏面列出了代碼對應的原文材料，方便我們快速查看原始記錄。
編碼雲只能讓我們知道問題點的情況。為了進壹步了解每個問題的細節，比如問題產品的結果，我們需要為每個編碼建立壹個語義網絡。建立網絡視圖的基本步驟如下:
通過語義網絡分析，我們發現“不容易看到完整的理財產品分類”的問題導致了“用戶認為理財產品的選擇很麻煩”和“直接跳過下級理財產品”兩個問題。同時也看到兩個用戶的期望，包括“用戶希望直接給出壹個金融分析的子導航欄”和“以直觀易學的方式排列金融產品”。
如圖，我們在可用性測試中發現的壹個問題可能對應多個解決方案，那麽如何決定哪個解決方案更受用戶期待呢？這個問題不僅是用戶在研究中需要回答的問題，也是產品優化的必要答案。這裏需要用Atlas.ti的分析功能來回答這個問題。
通過* * *列表，我們發現用戶更傾向於“直接提供理財產品排列的子導航條”作為解決不容易看到理財產品所有類別的解決方案。
通過編碼* * *分析，我們回答了每個問題應該選擇哪個用戶期望或解決方案的問題。但我們也註意到，這個可用性測試涉及四種不同類型的用戶，其中“理財”和“理財+支付”用戶有理財經驗，“支付”和“遊戲支付”用戶沒有理財經驗。換句話說，這個可用性測試涉及老財務用戶和新財務用戶。他們在可用性測試任務中遇到的問題有什麽不同嗎？
接下來我們將通過代碼-文檔* * *分析來挖掘這個問題的答案，而完成這個分析的前提就是前面提到的“文檔族”。
通過上述壹系列的分析過程，我們了解到了測試產品中存在的壹些問題，問題的優先級，不同用戶群之間的差異，以及壹些潛在的解決方案。
本文以網易某產品app特定頁面的可用性測試為例，介紹了如何通過atlas.ti7.5的使用，從大量的定性數據中發現有價值的結論，不可忽視的是，工具的使用是根據項目的需求來決定的，項目的特定目的決定了我們要使用什麽工具。本文中的Atlas.ti只是定性數據分析工具之壹，各有利弊。下表列出了以Rost CM6為代表的文本分析工具和以Atlas.ti為代表的執行分析工具的區別，可以作為工具選擇的壹些參考。
在研究工作中，以Rost CM6為代表的工具適用於案例數量多、單個案例內容少的文本材料，可以有效完成分詞、語義網絡、情感分析等工作。以Atlas.ti為代表的工具適用於各種體積有限、物質形態多樣但挖掘深度和精度較高的定性數據。