В практике качественных исследований не разработан полноценный аналог ста­тистических программ, применяемых в исследованиях количественных. Ре­шением может служить представляемая в статье система категоризации и ката­логизации качественных данных на примере контент-анализа информационной среды. В статье даны описание принципов построения карт консенсуса на осно­вании семантических и логических связей и общие рекомендации по оценке и аналитической обработке данных в рамках рассматриваемой методологии.

В настоящее время контент-анализ уже не нужда­ется в представлении широкой аудитории, т.к. он применяется повсеместно для решения тех или иных задач. Его различные модификации успеш­но используются в политологии, социологии,ант­ропологии, психологии, PR и, в частности, при проведении маркетинговых исследований.

Не останавливаясь подробно на рассмотре­нии всех этапов данного вида анализа и свойственных им черт, т.к. этому посвящен немалый объем литературы, можно констатировать, что наибольшие сложности возникают при проведе­нии последнего этапа контент-анализа, а именно интерпретации его результатов. И хотя интерпре­тация результатов как часть любого анализа апри­ори связана с серьезными трудностями, зависящими от человеческого фактора, именно в сфере проведения качественных исследований она под­вержена действию этого фактора в наибольшей степени (Табл. 1).

В этой связи особо примечателен тот факт что до настоящего момента полноценного аналога статистическим методам, применяемым в количественных изысканиях, в качественном анализе представлено не было. Так, к примеру, многие аналитики нуждаются в простом и эффек­тивном инструменте, позволяющем приходить к определенной каталогизации и категоризации по­лученных данных не путем построения сложных логических цепей, а с применением некоего мето­да, который поможет наглядно представить изуча­емые данные в удобном для восприятия и анализа виде. Многие из существующих неавтоматизиро­ванных методик весьма неудобны в применении. На этом фоне создание отечественной разра­ботки — системы ВААЛ 2000 — является очень серьезной попыткой представить программу для эффективного структурирования и автоматизи­рования обработки данных в области контент-анализа. Однако она все же вызывает существен­ные разногласия при оценке ее эффективности специалистами и не вполне доступна для многих практиков в силу различных причин.

Общие идеи, послужившие основной методологии

В основу настоящей разработки легли достаточно несложная система, предложенная Эдвардом де Боно [1] в его книге «Водная логика»[2], практические рекомендации построения корреляционных графов по методу, предложенному эстонским математиком Л. Выханду, и теорий, описанные Дж. Залтманом в книге «Как мыслят потребители»[3]. Останавливаясь более подробно на ключевых аспектах, позволяющих изучать возможность построения карт консенсуса как такового, нельзя не сказать о тенденциях и предпосылках, которые мы находим не только в рассматриваемой нами сфере, но и во всей современной науке в целом. Речь идет о том, что со времен И. Ньютона и до наших дней научный прогресс идет путем сегментации знаний и дисциплин на множество отдельных и зачастую мало связанных между собой в рамках научной деятельности фрагментов. Точно также, отражая господствующее направление мышления, шло до настоящего времени и развитие маркетинга. Большинство из нас знают, что такое сегментация, поиск ниши на рынке, таргетинг, позиционирование и пр. понятия, которые в свое время привнесли «новое дыхание» в маркетинговые коммуникации. Однако в дальнейшем развитие данных направлений привело к гиперсегментации, что отличает многие современные, в частности потребительские, рынки. Неудивительно и то, что сейчас аналогичную ситуацию можно наблюдать во многих сферах, где узкая специализация, глубо­чайшая линейная градация знаний и изучаемых дисциплин приводят к оторванности теории от практической сферы. Это служит катализатором частого явления, которое можно охарактеризо­вать одной фразой: «процесс ради процесса», в то время как для реального сектора экономики более релевантным было бы: «процесс ради результата». В то же время ширится круг специалистов, ко­торые, проанализировав сложившуюся ситуацию в маркетинговой и брендинговой сферах, пришли к закономерному выводу, основанному в том чис­ле и на эмпирических данных, что даже в меж­культурном пространстве на более глубоких уровнях различные этносы демонстрируют ско­рее больше сходства, чем различий. Интересен и тот факт, что эти так называемые «универсалии», подробный список которых приводит известный американский антрополог Д. Браун [5], обладают очень высокой устойчивостью к изменениям и разрушению внутренних связей, что позволяет аналитику не только надежно опираться на них в оценках и действиях, но и получать значительно более точные прогнозы и результаты, которые в свою очередь положительно сказываются на биз­нес-деятельности компании и ее прибыли. Стоит заметить, что рост глубины сегментации приводит к разработке и применению весьма дорогосто­ящих программ исследований, тогда как упор на более глубокое понимание предмета, наоборот, сокращает необходимость их использования.

Принципы построения карт консенсуса на основе семанических и логических связей

Общий принцип построения карт консенсуса на основе семантических и логических связей в целом аналогичен построению корреляционных графов с одной оговоркой: если корреляцион­ные графы строятся на основании результатов корреляционного анализа количественных дан­ных, то качественные данные не подлежат кор­реляционному анализу без присвоения им ран­говых значений, что позволит получить поряд­ковую номинальную шкалу. Далеко не все пред­ставленные в номинальном виде данные подле­жат упорядочиванию по присваиваемым рангам, поэтому общая субъективная составляю­щая анализа качественных данных не может быть полностью исключена, но ее приуменьше­ние может быть достигнуто за счет систематиза­ции обработки.

Однако категоризация в анализе — довольно сложная задача. К примеру, относятся ли знако­мые нам слова «политология» и «социология» к различным категориям при анализе или к некой альтернативной для них группе? А если при этом упомянуть о том, что сами слова и смысловые группы, состоящие из их определенного множес­тва, могут формировать иерархические структу­ры, которые могут иметь связи не только по при­нципу простой подчиненности, но и соподчинен­ности, образования циклических и мультиподчи-ненныхформ?

Все это достаточно часто ставит исследовате­ля в нелегкое положение, вынуждая осущест­влять выбор в пользу того или иного варианта решения. Однако существует и альтернативный путь — построение рассматриваемых нами карт.

Общий принцип их построения можно про­следить на частном примере исследования, кото­рое было проведено в целях определения клю­чевых эмоционально-когнитивных вербальных значений, характеризующих, как воспринимает существующая и потенциальная читательская аудитория личность Татьяны Огородниковой и как, учитывая это восприятие, читатели относят­ся к ее произведениям.

В начале анализа проводился мониторинг информационной контекстной среды (интернет-порталы и сайты, интервью, опубликованные в СМИ, отзывы об авторе, рецензии на опублико­ванные произведения автора, биографические данные автора, находящиеся в открытом доступе, и др.), в результате чего был получен следующий перечень вербальных значений: fashion, азарт, бизнес-леди, богема, ведение домашнего хозяйства, естественность любви, интеллект, красота, кре­атив, материнство, провокация, развитие, рос­кошь, самоуверенность, семейственность, сила, уверенность, ум, успешность, участие, феминизм, эгоизм, эмоции, эпатаж.

После этого каждой выделенной лексеме бы­ло присвоено некое номинальное значение и установлена ее логическая и/или семантическая связь с другим значением из перечисленного списка с последующей визуализацией и трактов­кой полученных конструктов (рис. 1).

Здесь читатель может заметить, что представ­ленные графы являются частным восприятием интерпретатора, но:

1)как мы уже оговорили ранее, любой анализ качественных данных есть субъективная точка зрения на рассматриваемую проблему;

2)в ходе эксперимента, который был постав­лен нами для проверки гипотезы, выражающей сомнение в устойчивости получаемых данных, разными исследователями было построено трид­цать карт, основанных на одних и тех же лекси­ческих элементах, и в результате при всей вари­ативности самих построений общее распределе­ние конструктов было устойчивым;

3)представленный рисунок демонстрирует только доминантный граф, однако при проведе­нии анализа не стоит останавливаться исключи­тельно на значениях первого порядка. Опыт по­казывает, что в большинстве случаев целесо­образно построить и субдоминантную (второй по­рядок связей), и третичную (третий порядок свя­зей) модели. Это позволяет не только взглянуть на заявленные в доминантной модели кон­структы более широко и протестировать их на устойчивость (при условии построения сово­купной карты по всем трем уровням), но и рас­ширить их восприятие, показать дополнитель­ные связи и выявить вторичные и, возможно, третичные конструкты, которые могут нести в себе особую ценность для аналитика. В качест­ве примера можно привести тот факт, что при построении субдоминантной карты по приве­денному примеру был обнаружен четко абстра­гированный конструкт, получивший позднее название «Эмпатия». На основе этого был сде­лан вывод: при полном доминировании уже рассмотренных конструктов (что вполне могло следовать из исходных данных, полученных в ходе изысканий) «Эмпатия», представлявшая собой замкнутый цикл «Эмоции — Участие», не была развита у респондентов, т.е., в то время как в немалой степени сами устремления Т. Огородниковой и PR-специалистов были на­правлены на развитие ее имиджа как «способного к глубокому сопереживанию наставника»⁵, в самой информационной среде подтвержде­ния этому практически не было.

Основные аспекты анализа полученных данных

При анализе результатов, помимо того что исследователь может делать свои частные выво­ды, следует придерживаться следующих общих правил.

1.В первую очередь, получив некие конструкты, в целях облегчения дальнейшего анализа следует присвоить им определенные смысловые значения.

2.При построении доминантных, субдоминант­ных и третичных карт желательно проводить по­строение совместной карты, на которой необходи­мо отметить каждый из уровней связи, что позво­лит более тщательно изучить взаимоотношения между картами в общем контексте и отдельными конструктами в частности.

3. В целом все виды получаемых построений, как сами конструкты, так и их составляющие, можно описать следующим образом:

■ циклы — замкнутые структуры, которые мо­гут возникать не только вследствие образования замкнутых связей многоэлементных построении, но и вследствие соподчиненности двух лексем. Первые из этих структур в большинстве случаев проявляют наибольшую устойчивость от рас­смотрения к рассмотрению как при проведении анализа различными специалистами, так и при проведении многоуровнего анализа; 

■ точки влияния — те лексические единицы, ко­торые не являются подчиненными другим лексемам нив одном из уровней построения. Поиск точек влияния следует производить только при сопостав­лении как минимум двух уровней картирования;

■ точки консолидации влияния — элементы графа, на которые приходится наибольшее коли­чество доминирующих над ними связей. Из всех точек можно выделить преимущественно два типа: точки консолидации и перераспределения и точки направленной консолидации;

■последовательные цепи — обычно наи­менее значимые в анализе инструменты из-за легкой изменчивости структуры их связей и невысокой устойчивости к разрушению, кото­рые тем не менее могут достаточно хорошо структурировать иерархические связи в кон­структе (рис. 2).

Рассмотренная методика кажется крайне про­стой, но несмотря на это ее сильной стороной является универсальность применения и эффек­тивность (при невысоких трудозатратах позволя­ет получать достаточно устойчивые конструкции практически в любой сфере применения) при условии глубокого анализа получаемых данных и детальной проработки изучаемого предмета. Безусловно, построение подобных карт не пана­цея и, даже если заинтересованный читатель со­вершит все вышеперечисленные действия, он не получит исчерпывающие данные, не требующие дальнейшей обработки. Многие из наиболее час­то используемых прикладных методик, которые могут быть применены маркетологом (например, матрица Ансоффа, матрицы таких компаний, как Boston Consulting Group и McKinsey (последняя разработана совместно с GE), методики SWOT-, ABC- и XYZ-анализов, не менее универсальны и просты в своей реализации и дают не менее субъективные результаты в подавляющем боль­шинстве случаев.

Стоит упомянуть о том, что описанная система позволяет любому маркетологу, бренд-менеджеру, аналитику и т.д. не только обогатить свой арсенал исследовательского инструментария, но и полу­чить в результате очень гибкую и, что немаловаж­но, простую и эффективную систему анализа. И по­жалуй, не стоит ограничивать применение данно­го инструмента только рамками контент-анализа или качественного исследования, ее вполне мож­но использовать при принятии определенных управленческих решений, а также в рамках других видов аналитической деятельности.

Литература

1.       Блэкуэлл Р., Миниард П., Энджел Дж. Поведение потребителей. — СПб.: Питер, 2007. — 944 с.

2.    Боно Э. де. Водная логика. — Минск: Попурри, 2006. — 240 с.

3.    Залтман Дж. Как мыслят потребители. То, о чем не скажет потребитель, то, чего не знает ваш конкурент. — М.: ОЛМА-ПРЕСС, 2005. — 224 с.

4.    Шалак В.И. Контент-анализ. Приложения в области: политологии, психологии, социологии, культурологии, экономики, рекламы / РАН, Ин-т философии. — М.: Омега-Л, 2004. — 272 с.

5.    Brown D.E. (1991). Human Universal. McGraw-Hill, Inc., New-York.