直接结论：开放题分析不是把几百条回答丢给模型后索要一段总结，而是先决定自己要做哪一种分析，再让每个主题都能回到明确的代码定义、适用分母和原始文本。若目的是估算“多少回答提到了什么”，应采用经过测试的代码本内容分析；若目的是解释人们如何理解一段经历，则可采用更强调研究者反思、语境与矛盾的主题分析。两者都能产生洞察，但证据规则不同，不能一面宣称在探索意义，一面把模糊的自动标签当作精确比例。
先选分析范式，再选工具
常见任务可以拆成三类。第一类是检索：找出涉及退款、交付延误或安全事件的回答，核心是召回是否充分。第二类是代码本分析：按稳定规则给文本贴一个或多个标签，比较不同人群的主题覆盖率，核心是定义、复现和分母。第三类是解释性主题分析：寻找表述背后的意义、关系与例外，研究者的判断本身属于分析过程，核心是反思、论证和上下文。词频、情感得分和摘要只是辅助产物，不能自动替代其中任何一种。
例如“客服很客气，但让我在三个渠道重复解释，七天才退款”至少同时包含服务态度正面、跨渠道信息断裂和退款等待三个代码。单一情感标签会把一个明确的流程问题压成“中性”；只数“客服”一词也无法知道应该由谁采取行动。开始前应把研究问题写成可判定的句子，例如“哪些可修复环节导致退款体验变差”，而不是宽泛地问“用户说了什么”。
建立可执行的文本处理账本
原始文本应只读保存，另建清洗文本、排除标记、排除原因、语言、样本分层、代码版本和编码者字段。空白、复制题干、无法理解的字符和完全答非所问可以从主题分母中排除，但数量必须报告；高度相似的回答不能因为“看起来像刷答”就直接删除，应与答题时长、设备重复和其他质量信号共同判断。姓名、手机号、订单号等不必要标识应在交给分析人员或外部模型前遮蔽，同时保留受控环境中的原始记录和处理映射。
抽取建码样本时，单纯拿最前面的若干条会把投放时间和渠道顺序带入代码本。更稳妥的做法是覆盖主要人群、语言、长短文本、正负体验以及少量疑似异常项。若小群体与严重风险对决策重要，可以有目的地多抽，但建码样本因此不能直接用来估总体占比。分析账本应写清：全量记录数、有效开放题回答数、建码样本如何抽取、哪些文本接受双人编码、每次规则变化影响了哪些记录。
代码本至少要回答六个问题
每个代码都应写明名称、业务定义、纳入条件、排除条件、正例、边界或反例，并注明编码单位。单位可以是一整条回答，也可以是能够独立表达意思的片段。单位太小会割裂否定和因果，单位太大又容易容纳多个相反观点。开放题通常适合多标签：同一回答可以同时命中流程、价格和沟通，不应强迫编码者只选“最主要”主题，除非研究问题确实要求互斥分类。
代码之间还要说明层级和关系。例如“等待过久”是上位问题，“首次响应慢”和“退款到账慢”是不同环节；“态度差”不能作为所有不满的兜底。保留“其他待判断”和分析备忘录，可以捕捉早期代码本未覆盖的新现象。代码变更时使用版本号：若把“响应慢”拆成两个子代码，应重新处理受影响的旧记录，而不是让前半批和后半批使用不同定义。
600 条客服回答的完整算例
假设一项售后调查收回 600 条有效开放回答。团队先按客户类型、渠道和文本长度分层抽取 120 条建立代码本，再从未参与讨论的回答中抽 80 条，由两位编码者独立判断“支持响应延迟”是否出现。编码者甲标为出现 34 条，乙标为出现 30 条；两人都标为出现 26 条，都标为未出现 42 条，其余 12 条存在分歧。
表面一致率为（26＋42）÷80＝85.0%。但两位编码者仅按各自的正负比例随机判断，也会出现一部分偶然一致：甲的正例率为 34÷80＝42.5%，乙为 30÷80＝37.5%；期望一致率为 42.5%×37.5%＋57.5%×62.5%＝51.9%。因此本例 Cohen κ＝（85.0%－51.9%）÷（1－51.9%）≈0.69。这个数不是“质量合格证”：代码很罕见时，κ 会受发生率影响；编码单位不同也会改变结果。团队仍需逐条检查 12 个分歧，发现“已自动回复但两天无人解决”是否算首次响应不清楚，于是把代码改成“首次获得能推进问题的人工作答超过承诺时间”，并在另一批文本上复测。
冻结代码本后处理全部 600 条，得到 198 条提到响应延迟，占有效回答的 33.0%；144 条提到答复不清楚，占 24.0%；其中 96 条同时出现两者，占 16.0%。因为这是多标签，33.0%与24.0%不能相加成互斥的57.0%。更有行动价值的结论是：在提到响应延迟的198条中，96÷198＝48.5%还伴随信息不清，说明仅缩短首响时间可能不够，回复质量也要进入改进方案。
占比能说明什么，不能说明什么
开放题主题占比的分母可能是全部完成问卷者、回答该开放题者，或满足某段经历的人。假设全问卷有 1000 名完成者，只有 600 人填写开放题，“响应延迟”可以报告为有效开放回答的33.0%，也可描述为全部完成者的19.8%；两个数字回答的问题不同。没有主动提及不等于没有经历，题目措辞、开放题位置、手机输入负担和回答者动机都会影响出现率，因此不要把主题占比直接命名为问题发生率。
比较人群时还要同时看未加权基数和抽样设计。若企业客户仅有 25 条有效文本，其中 12 条提到延迟，48%的表面比例不应与几百条消费者回答作同等精度的排名。对极少数但严重的安全、歧视或合规反馈，应设置独立升级路径，而不是因为频次低就在“前五主题”之外消失。引文负责展示语言和机制，不负责证明普遍程度；发布前应去标识并确认它没有组合暴露个人身份。
AI 可以扩展处理量，但不能替代证据链
AI 适合做候选代码建议、按冻结代码本预标全量、聚类相似表达、翻译辅助和定位反例。人应负责确定分析单位与范式、检查代码含义、验证关键比例并阅读原文。生成式模型可能补写原文不存在的因果、语气或引文，因此报告中的每个代表性片段都必须链接回真实记录，模型生成的“典型用户原话”不可当作参与者证据。
验证样本不宜只随机抽总体，因为高频代码会掩盖少数类失败。可以组合随机抽样、每个重点代码抽样、低置信样本和敏感人群过度抽样，分别报告误差。若模型版本、提示词或代码本更新，要冻结运行配置并重跑受影响部分。含个人或敏感信息的文本在进入第三方服务前，还需确认用途、保留期、访问权限和是否被用于训练；做不到时应在受控环境处理或只输入去标识片段。
从主题到行动要经过一次证据拼接
可发布的主题卡应同时包含：研究问题、代码定义、有效分母、加权与否、覆盖数、主要人群差异、代表性原文、反例、与封闭题或行为数据的对应，以及建议采取的下一步。对于本例，建议不是笼统的“优化客服”，而是先检查承诺时间后仍无人推进的工单，区分排队、转接和权限不足；再把“更快首次响应”与“更清晰解决方案”作为两个可测改动，在后续实验中观察解决时长与重复联系率。
若团队还没有稳定的变量、缺失值和版本规则，可先建立问卷数据代码本与数据版本和血缘记录；涉及人群比例比较时，配合交叉分析；最终交付则按可行动洞察报告把频率、语境与决策门槛放在一起。完成这些步骤后，开放题结论才既有人的声音，也有可以复核的边界。