AI 访谈把单场成本压得很低之后，「再多做几场」几乎成了零阻力的选择，于是「到底多少场才算够」变成每个项目都要当场回答的问题。靠「感觉主题快饱和了」回答不了它：同一批访谈交给两个研究者，往往会得到两个不同的停止点，而且谁也无法证明自己那一个更站得住。更可复核的方式是事先写死一条停止规则——用前几场锁定主题池，之后每追加固定场次就重算一次新增主题占比，跌破预设阈值就停——把「感觉」换成一个能被同事复算、也能写进方法部分的计算过程。
停止规则只回答「什么时候停」，不回答「起点该定多少」。起点由信息功效决定：研究目标越聚焦、样本越同质、可用的理论框架越明确、单场对话质量越高、分析策略越收敛，需要的场次就越少。可行的顺序是三步：先做信息功效判断定出预期区间，再按批次滚动计算饱和比，最后用诊断清单排除「伪饱和」——尤其是 AI 访谈里那种由追问套路化和摘要层造成的假信号。
先分清两个不同的判断：起点定多少，什么时候停
这两件事常被合并成一句「做到饱和为止」，但它们用的证据并不一样。起点是设计阶段的规划问题，依据是研究目标、人群同质性、理论准备和分析计划；停止是执行阶段的监控问题，依据是编码后真实的主题增长曲线。把两者混在一起的后果很具体：事前没有规划，招募就会一路加码；事后没有计算，报告里的「已达饱和」就无法被检查。
对质性研究的系统分析也印证了这一点：在一项覆盖 15 年、三个学科期刊的研究中，多数论文对样本量的说明要么缺失，要么只是笼统地引用「饱和」和「现实条件」，并且常常只是事后把样本量标注为「偏小」了事。这说明「饱和」这个词在实践中已经被当作免于说明的理由，而不是一个需要交代参数与计算过程的判断。
把两件事写进同一张表，项目执行时的分歧会少很多：
| 判断 | 在哪一步做 | 用什么证据 | 需要写下来的内容 |
|---|---|---|---|
| 起点定多少 | 招募前 | 研究目标、人群同质性、理论框架、对话条件、分析策略 | 预期区间与依据，以及为什么取区间下限或上限 |
| 什么时候停 | 执行中按批次 | 编码后的新增主题数与其占比 | 基准池场次、计算窗口、阈值，以及每一轮的实测值 |
| 停下来之后 | 分析前 | 未覆盖的主题与未回收的样本 | 哪些结论不受停止影响，哪些只能算待验证假设 |
信息功效：决定起点样本量的五个参数
「信息功效」的提法把样本量从「多少个够」改写为「这批人能提供多少与本研究相关的信息」。它由五个参数共同决定，任何一个参数变化都会推动场次增减，因此讨论场次之前先把五个参数各写一句话，比争论「12 场还是 20 场」更有用。
| 参数 | 把场次往下推的取值 | 把场次往上推的取值 | 方案里怎么写 |
|---|---|---|---|
| 研究目标 | 窄而具体，例如「新用户第二周流失前的最后一个触发点」 | 宽而开放，例如「了解用户与产品的关系」 | 一句话说明本研究只回答哪一个决策问题 |
| 样本特异性 | 受访者都亲自经历过被研究的行为，经历高度同质 | 人群分散，只能间接了解该行为 | 写清资格条件，并说明同质性来自哪里 |
| 既有理论 | 有成熟框架可直接组织提问与编码 | 需要从零归纳，概念边界未知 | 列出借用或检验的框架及其局限 |
| 对话质量 | 追问到位，能拿到具体经过与反例 | 回答笼统，或追问偏离主题目标 | 说明追问规则和审计方式 |
| 分析策略 | 跨案例聚焦少数主题，编码标准明确 | 需要细致的话语或叙事分析，还要多案例对比 | 写明是先有代码本还是开放式编码 |
经验基准可以作为起点区间的参照，但不能直接当答案。对 23 项实证研究的系统综述发现，在人群相对同质、目标界定较窄的研究中，访谈通常在 9 至 17 场之间达到饱和，焦点小组在 4 至 8 组之间；而那些跨国、需要生成元主题、或要求「含义饱和」的离群研究需要明显更大的样本。更早一项针对 60 场深度访谈的逐步主题分析也给出了类似的形状：114 个主题中有 70% 在前 6 场就已经出现，12 场覆盖到 92%。这两组数字说明的是主题增长的曲率，而不是「12 场」这条及格线——把它当作固定门槛，恰恰是把上面五个参数全部忽略。
一批一批算：可复算的饱和计算
把饱和变成计算，需要先定义三个量：基准池（前多少场用来统计已知主题）、计算窗口（每次比较连续多少场）、新增信息阈值（新增主题占基准池的比例降到多少就算够）。三个量都必须在开始编码前写定，执行时只做计算，不再调整。
下面是一份标注为示意的算例，用来演示计算流程，数字不代表任何真实项目。某品牌研究新用户第二周流失的触发点，人群是三个月内注册并已流失的城市白领用户，目标单一，因此按信息功效判断预期 12 至 16 场。设定基准池 4 场、计算窗口 2 场（窗口每次向后平移一场，相邻窗口重叠）、阈值 5%：
| 窗口 | 本轮新增主题 | 基准池主题数 | 新增占比 | 判断 |
|---|---|---|---|---|
| 第 1 至 4 场 | — | 21 | — | 作为分母，不参与判断 |
| 第 5 至 6 场 | 5 | 21 | 23.8% | 高于阈值，继续 |
| 第 6 至 7 场 | 3 | 21 | 14.3% | 高于阈值，继续 |
| 第 7 至 8 场 | 2 | 21 | 9.5% | 高于阈值，继续 |
| 第 8 至 9 场 | 1 | 21 | 4.8% | 低于阈值，可在第 9 场后停止 |
计算只用到两个数：本轮窗口内第一次出现的主题数、以及基准池的主题总数。把每一次新增主题都记录下来而不是只记数，还有一个附带好处——当有人质疑「为什么第 9 场就停」时，可以立刻展示新增的那 1 个主题是什么、它是否触及一个新的决策分支，从而判断该停在该场还是再补两场做确认。
同一份记录，换一组参数停止点就移动
上面停在 9 场，但这不是「唯一正确」的停止点，而是参数选择的结果。换一组同样常见的参数，结论会移动：把基准池改成 6 场（对应 26 个主题）、计算窗口改成 3 场，其余不变，则第 7 至 9 场新增 3 个主题（11.5%）、第 8 至 10 场新增 2 个（7.7%）、第 9 至 11 场新增 1 个（3.8%），要到第 11 场才跌破阈值。如果把阈值收紧为「零新增」，则需要连续窗口都无新增主题，这个示例里要到第 12 场才达标。9 场、11 场、12 场对应的是同一份访谈记录，差别只在事先声明了哪一组参数。
这正是停止规则必须在编码开始前写定的原因：如果参数可以在看到结果之后再挑，总能挑到一个「刚好够」的组合，饱和就从判断变成了叙事。还有一个容易被忽略的技术细节——分母不能取全部已收集的数据。用完整数据集当分母时，新增主题数会随着访谈增加而趋近分母，饱和度被机械拉高，最终必然「饱和」，这种算法无法用来做执行中的决策；基准池的意义正是给分母一个固定的参照点。
三种伪饱和，AI 访谈更容易踩
停止规则给出的是一个数字，数字是否可信取决于主题从哪来。以下三种情况会让新增主题数因为测量方式而下降，而不是因为信息真的穷尽，它们在 AI 访谈里出现得更频繁。
- 追问套路化制造的主题重复。生成式模型倾向于在相似的回答上提出相似的问题，于是同一个话题在每个受访者身上都被问出来，主题池看起来早早停止增长。2026 年一项对六个主流模型作为访谈员的对照评测显示，不同模型在「该不该追问」上表现差异明显，需要由专家按必要性、上下文相关性、是否该跳过等逐条标注来审计追问行为，并且模型还存在输出格式不稳定的操作风险。这说明追问质量不能默认合格，必须抽查：随机抽取一定比例的追问，判断它是在补受访者证据里的缺口，还是把话题拉回模型自己的脚本。
- 用摘要层替代原文做编码。若主题编码建立在模型生成的访谈摘要上，「没有新主题」可能只是摘要的压缩能力到顶了。可行的做法是让编码回到原始片段，摘要只当索引用，并在每个主题下保留至少一条原文证据，便于复核该主题的依据强度。
- 单一渠道带来的渠道饱和。二十场访谈全部来自同一个招募渠道，主题不增长只说明这个渠道里能问出来的话问完了。招募前应写下覆盖矩阵，把人群按关键差异（使用频率、地域、角色）分层，并在每层分别观察增长，而不是只看总量。
还有一种与之相邻的误读：把「没有新增主题」当成「没有反例」。主题不再新增和证据已经足够支撑结论是两回事，前者说的是主题清单，后者说的是每个主题下的证据是否具体、是否存在与主结论相反的案例。因此停止判断之后还应做一次反向检查：为主结论找出至少一个反例或边界条件，如果没有找到，说明样本可能过于同质。
把停止规则写进方案与报告
参数只有在被写出来之后才有约束力。方案阶段需要写明基准池、计算窗口、阈值三个数值及其理由，并给出预期场次区间与上限——上限的作用是在主题持续增长时提供一个停止招募的时点，让项目不至于失控。执行阶段按批次记录新增主题数与占比，并注明每次编码的分析者；多人和 AI 混合编码时，还要记录分歧如何解决。
报告阶段至少交代四件事：实际完成的场次与招募渠道、每一轮的新增主题数与占比、最终为什么在这里停止、以及哪些结论不受停止点影响。质性研究的报告规范（例如面向访谈与焦点小组的 32 项核对清单）也要求把抽样方式、样本量依据与拒访情况写清楚，理由很直接：读者无法回到现场，只能依赖这些参数判断结论的可信边界。未完成饱和的部分不必隐藏，写明「此类受访者仍缺位、相关结论待验证」比含糊的「已达饱和」更有价值。
这套算法什么时候不该用
饱和是质性研究里最常被使用、也最容易被滥用的概念，它并不适用于所有取向，下面几种情况需要换标准：
- 反思性主题分析不把饱和当有效标准。有方法学讨论明确指出，把饱和作为主题分析的样本量理由会与该方法对研究者反身性和主题生成的理解冲突，这类研究的样本量理由更适合从研究问题与分析深度出发来论证。
- 目标是估计总体比例时用概率抽样。「有多少比例的用户遇到过这个问题」这样的问题属于定量估计，需要抽样设计和样本量计算，访谈饱和无法替代；两者混用时，访谈场次再多也提供不了总体比例的精度。
- 以少数极端个案为对象的研究。单个或少数极端案例的价值在于其信息密度而非主题覆盖率，停止条件应表述为案例信息的完整性（关键过程、时间线、后果是否都已取证），而不是「不再出现新主题」。
- 理论驱动的验证型访谈。当概念类别由既有理论预先确定时，可以改用「初始分析样本量加停止准则」的方式，例如先分析 10 场确认类别覆盖，再连续 3 场没有新内容即停，这种写法把计划与执行绑定得更紧。
- 为问卷设计而做的访谈。如果访谈的目的是生成题目与选项，停止点应落在「题目池已覆盖所有答案分支与极端情况」，而不是主题重复；此时更该检查的是选项是否穷尽、措辞是否被受访者正确理解。
在问卷派里怎么落地
问卷派的 AI 访谈支持文字、语音与视频三种媒介，并带自动追问与结构化整理，因此上述规则可以直接嵌进执行流程：把主题目标写进访谈设计，按批次导出访谈记录与新增主题，再按事先声明的参数计算饱和比；追问质量则用固定比例的抽样审计来控制，而不是假设机器问的一定到位。若研究还需要知道「多少人有这个问题」，先用问卷建立基线再筛出访谈对象，比用访谈直接推断总体更稳妥，两种方法的衔接见问卷与 AI 访谈的混合设计；量化部分的场次与样本量属于另一套逻辑，可参考样本量计算。提纲本身怎么写决定了后面能不能编码出稳定主题，参见AI 访谈大纲写法；想直接开跑，也可以从用户研究 AI 访谈提纲模板起步。
方法来源与复算说明
- Guest, Namey & Chen (2020), PLOS ONE — A simple method to assess and report thematic saturation in qualitative research（基准池、计算窗口与新增信息阈值的算法及分步算例）
- Hennink & Kaiser (2022), Social Science & Medicine — Sample sizes for saturation in qualitative research: A systematic review of empirical tests（9–17 场访谈、4–8 组焦点小组的经验区间）
- Guest, Bunce & Johnson (2006), Field Methods — How Many Interviews Are Enough?（60 场访谈中主题增长的早期集中规律）
- Malterud, Siersma & Guassora (2016), Qualitative Health Research — Sample Size in Qualitative Interview Studies: Guided by Information Power（信息功效的五个参数）
- Francis et al. (2010), Psychology & Health — What is an adequate sample size? Operationalising data saturation for theory-based interview studies（初始分析样本量与停止准则）
- Vasileiou et al. (2018), BMC Medical Research Methodology — Characterising and justifying sample size sufficiency in interview-based studies（样本量说明在实践中的缺失与事后化）
- Braun & Clarke (2021), Qualitative Research in Sport, Exercise and Health — To saturate or not to saturate?（对饱和作为主题分析样本量理由的质疑）
- Panfilova et al. (2026), Scientific Reports — The AI interviewer: multi-faceted evaluation of adaptive questioning by large language models（模型追问行为的专家标注评测与格式稳定性风险）
- Tong, Sainsbury & Craig (2007), International Journal for Quality in Health Care — COREQ: 32-item checklist for interviews and focus groups（质性研究报告需说明的抽样与样本量信息）