“定性访谈做15个人够不够？”这个问题缺少三个决定答案的条件：要支持什么决定、需要覆盖哪些差异，以及怎样分析。十次高度相关、深入且有对照的访谈，可能足以解释一个很窄的流程故障；三十次方便抽样的泛泛聊天，也可能一直重复最容易找到的用户，仍然看不见关键反例。
定性访谈没有脱离研究设计的合格人数。合理做法是先给出可执行的初始范围和预算上限，同时写明目的抽样格、分析单位、分批复核点、继续招募的证据缺口和停止条件。最终充分性由样本为当前问题提供的“信息力”与分析进展共同判断，不由一个事后声明的“已饱和”决定。
先说清楚访谈要交付哪一种证据
若目标是发现新用户首次导出失败的具体路径，研究需要覆盖不同任务结果、经验和设备，并还原事件顺序。若目标是比较四类客户如何建立对报告的信任，每一类都要有足以理解内部差异和反例的材料。若目标是发展一套关于组织采购的理论，抽样还会被分析中新出现的概念关系推动。三种任务即使都叫“半结构访谈”，停止逻辑也不同。
先写一句限制也很重要：目的抽样访谈可以揭示经历、含义、机制与反例，不能用少量访谈估计总体比例。听到八位参与者中的六位提到价格，只能描述这批被如何选择、如何被提问的人，不能写成“75%的用户因价格流失”。若决策需要发生率，应把访谈形成的清晰假设转为问卷、日志或其他适合的量化设计。
“饱和”必须带宾语和分析方法
Saunders 等人的方法论文梳理出理论饱和、归纳主题饱和、先验主题饱和和数据饱和等不同用法。它们关注的是理论类别是否充分发展、是否还出现新代码或主题、既定类别是否有足够实例，或材料是否开始冗余。把这些都压成“后面没听到新东西”，会隐藏研究者究竟停止了什么。
代码不再增加，也不代表含义已经理解。团队可能在前几场就建立“审批慢”“找不到入口”“权限不清”三个标签，但后续访谈才会解释：谁有权审批、参与者怎样判断权限后果、哪种绕行在什么组织条件下成立。前者接近代码覆盖，后者追求概念的维度、关系、边界和反例，所需材料通常更多、更有针对性。
有些方法并不把饱和当作合适目标。聚焦个人生命史、独特案例或反思性主题分析时，分析价值未必来自重复出现；研究者需要按其认识论和分析框架说明样本充分性。不能先选择一种不以饱和为质量门槛的方法，最后又用“达到饱和”包装人数。
用五个信息力问题估算起步规模
Malterud、Siersma 与 Guassora 提出的信息力模型不提供一条计算 N 的公式，而是要求持续评估五项条件。可以在立项时把它们写成下表，并在每批分析后更新：
| 判断维度 | 信息力较高的迹象 | 需要更多或更换样本的迹象 |
|---|---|---|
| 研究目的 | 问题窄，事件、对象和决定明确 | 同时探索多类人、多阶段和多种结果 |
| 样本特异性 | 参与者真实经历与问题高度相关，并保留关键差异 | 方便样本经验稀薄，重要角色或失败案例缺席 |
| 理论与已有知识 | 已有框架帮助提出可检验的概念关系 | 领域陌生，现有框架不适用，需要广泛探索 |
| 对话质量 | 能获得具体事件、顺序、理由、结果和反例 | 回答抽象、追问诱导、记录缺失或敏感主题无法展开 |
| 分析策略 | 少数案例的纵向深描，或很窄的组内问题 | 跨组比较、寻找广泛变异或发展复杂理论 |
不要给五项打分后相加成“信息力指数”。它们会互相制约：目标很窄，但唯一能招到的人并未亲历关键事件；访谈很深入，但计划比较的一个群体只有方便样本；已有理论很强，却可能把大纲锁死，听不到挑战理论的材料。表的作用是暴露下一步行动，不是制造一个新的阈值。
一个分批招募的说明性方案
假设产品团队想解释“为什么新客户第一次导出研究报告会成功或失败”。他们预先确定两个最可能改变路径的维度：是否有分析经验、任务是否成功，由此形成四个目的抽样格。初始计划每格3人，共12场；另留预算用于补招。这只是该项目的说明性起点，不是“定性研究应做12人”的行业建议。
前12场结束后，团队不先数主题总量，而是逐格查看证据：有分析经验且成功的3人都使用旧模板；无经验且失败的3人都卡在字段解释；无经验但成功的3人中，两人得到同事帮助；有经验但失败的一格却只有1人完成，另外两人从未真正执行导出。此时总体主题似乎已重复，样本结构仍然失败。下一批应优先招募“有经验且真实失败”的案例，并寻找没有模板仍成功、理解字段仍失败等反例，而不是平均再加四个人。
可以为每场访谈维护七列滚动账本：目的抽样格、关键经历、已有代码的新实例、新代码、旧代码新增含义、反例或冲突、对决策的改变。每批复核再记录对话质量、缺失格和下一批招募理由。这样“继续”会指向具体缺口，“停止”也能说明哪些预设差异已有材料、哪些结论仍只适用于单个案例。
停止条件应在看见结果前写成可争论的规则
上例可以预先约定：每个必要抽样格都有真实任务案例；决定性机制至少有不同案例支持且主动寻找过反例；新增材料不再改变机制的条件、边界或行动建议；访谈质量达到预设要求；研究问题没有在分析中扩大。团队还可把最后若干场作为确认批，检查新材料是否只增加相似实例。这里的“若干”应由项目在采集前定义，并随风险说明，不能在预算用完后倒推。
出现以下任一情况则继续或调整，而不是机械加人：关键格空缺；新代码少但旧代码含义仍很薄；高风险反例只有一例且会改变行动；大纲或招募条件中途改版；多名参与者无法理解核心问题；自动转写丢失否定、术语或说话者。若继续访谈仍无法补足，合理决定可能是缩小研究目的、取消组间比较或将结论降为探索性，而不是无限扩招。
经验数字只能校准预算，不能替代本项目论证
Hennink 与 Kaiser 对经验性饱和研究的系统综述纳入23项研究。摘要报告，许多使用经验数据的研究在较窄范围内达到饱和，尤其是目标狭窄、研究人群相对同质、关注代码饱和的项目；多国家、元主题或追求“代码含义”饱和的研究需要更多样本。这个结果可以帮助团队设置初始预算区间，却不能从论文中的人数复制出自己的停止线。
迁移前至少核对：原研究的饱和定义、访谈深度、研究目的、参与者异质性、分组数量、分析方法和研究者经验是否相近。若论文只报告“达到饱和”而没有逐批分析、停止规则和缺口变化，它更不适合作为人数依据。透明的本项目推理，比引用一个看似权威的固定数字更可审核。
AI 访谈能扩展场次，也会改变信息力
问卷派 AI 访谈可按大纲使用文字、语音或视频进行对话和追问，并形成可回溯的访谈材料。统一大纲有助于覆盖共同主题，大规模并发则能更快触达稀有抽样格；但场次增加不会自动提高信息力。如果同一条诱导式追问被复制到所有人、对含糊回答没有补足、某些口音转写质量较差，团队只会更快获得大量同质薄材料。
自动摘要和主题频次可以帮助定位材料，不能独立宣布“饱和”。研究者仍需抽查原始记录，区分参与者自发提出、经中性追问出现和被明确提示后确认；比较各抽样格的对话深度与缺失；追踪新增代码是否真的新、旧代码是否增加了含义或反例。大纲设计可结合AI 访谈大纲与追问方法，访谈与比例估计的分工可参考问卷和 AI 访谈的混合研究。
把最终人数写成过程结论
可复核的方法说明不应只写“共访谈18人，达到饱和”。更有用的写法是：
“本研究为解释首次报告导出的成败路径，按分析经验×任务结果建立四个目的抽样格。先完成12场并同步编码，复核发现‘有经验但失败’格的真实案例不足，随后定向补招并寻找与三项初步机制冲突的案例。最后一批未改变机制的适用条件或行动建议，但仍有一个稀有组织审批情境仅由单一案例支持，因此该情境作为待验证线索，不用于概括总体。最终样本数来自上述覆盖与停止规则，不用于估计发生率。”
报告同时披露邀请、拒绝、完成、媒介、时长、大纲版本、分析方法、研究者角色和自动工具用途。若停止主要来自期限或预算，就如实写成资源边界；资源耗尽不是方法饱和。好的样本量论证让读者看到研究获得了哪些信息、还缺什么、为什么继续访谈不再值得，而不是只看到一个数字。
访谈样本充分性与饱和依据
- Malterud、Siersma 与 Guassora（2016）：Sample Size in Qualitative Interview Studies: Guided by Information Power（访问于 2026-09-11）
- Saunders 等（2018）：Saturation in Qualitative Research: Exploring Its Conceptualization and Operationalization（2017-09-14 在线发表；访问于 2026-09-11）
- Hennink 与 Kaiser（2022）：Sample Sizes for Saturation in Qualitative Research: A Systematic Review of Empirical Tests（2021-11-02 在线发表；访问于 2026-09-11）