JTBD 访谈样本饱和度
解决什么问题
做定性用户访谈时,团队常纠结"到底要访谈多少人才算数",容易陷入"要做到统计显著性"的误区,导致访谈成本失控或迟迟不敢下结论。
核心内容
Bob Moesta 给出具体数字:从"因果机制/集合论(causal mechanism / set theory)"的角度看,推力-拉力-焦虑-习惯这些"集合"的模式通常在访谈到第 7-8 个人时就开始重复出现。他实际操作中一般做 10 个,最多不超过 12 个一轮。如果需要更大样本,他宁可做两轮各 12 人(共 24 人,但分两批验证),也不会一次性做 24 人的单轮访谈——因为分轮可以让第二轮验证、修正第一轮的聚类假设。
背后的逻辑:统计显著性的抽样逻辑只在"随机"场景下才需要(比如你不知道市场分布,只能靠大样本覆盖不确定性);但如果你已经了解市场构成(例如知道 50% 客户在 30 岁以上、50% 在 30 岁以下),就可以用"设计实验(design experiments)"的方式做有代表性的小样本抽样,而不必依赖大样本堆量。
适用边界
这个数字基准建立在"访谈者具备一定的市场分布认知、且访谈技巧到位(见 jtbd-customer-interview-technique)"的前提下;如果访谈技巧不到位、问不出真实故事,样本量再大也无法达到饱和,反而会得到噪音而非模式。
关键引述 · 原话
"From a causal mechanism perspective and from a set theory perspective... it starts to repeat around seven or eight. And I usually do 10, no more than 12. And I would rather do two rounds of 12 interviews than do 24 interviews." — Bob Moesta
关联卡片
与《jtbd-customer-interview-technique》配套使用,是回答"该访谈几个人"这一常见执行疑问的具体数字依据。
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2