扎根理论在营销研究中的应用探讨

扎根理论在营销研究中的应用探讨

王汪帅;张新安;刘慧华

【摘 要】扎根理论是一种重要的定性研究方法,最早诞生于社会学,后在许多社会科学领域得到应用.使用扎根理论之前需要阅读大量文献以培养理论敏感度.而在数据处理方面,扎根理论主要依赖于编码技术,包括主轴编码、开放式编码以及选择性编码.需要注意的是扎根理论不等同于内容分析.在未来的营销学研究中,扎根理论应该更广泛地被应用于面对新话题时的理论构建、进行可重复性研究、过程模型问题以及涉及多变量的复杂问题.

【期刊名称】《北京航空航天大学学报（社会科学版）》

【年(卷),期】2018(031)006

【总页数】9页(P60-68)

【关键词】扎根理论;定性研究法;理论构建;营销学;自然主义

【作 者】王汪帅;张新安;刘慧华

【作者单位】上海交通大学安泰经济与管理学院,上海200030;上海交通大学安泰经济与管理学院,上海200030;上海交通大学安泰经济与管理学院,上海200030

【正文语种】中 文

【中图分类】C93-03

一、引言

扎根理论（grounded theory）最早从社会学研究中发展出来，经过不断的演化，其应用范围已经扩展到社会学之外的诸多领域，成为一种非常重要的定性研究方法。［1］近些年，采用扎根理论的研究论文越来越多地出现在营销学研究领域的顶级期刊上。然而，在这些研究中，学者们对于扎根理论的使用却不像定量研究方法那样有章可循，由于缺乏标准化的程序和具体实施步骤，对扎根理论研究步骤的描述总是给人一种语焉不详的感觉，甚至经常会发现不同论文中相互矛盾的情况，在很大程度上制约了采用这种方法所得出结论的可靠性。

文章对扎根理论的起源发展、适用范围和研究步骤进行了详细的介绍，在澄清相关的核心概念之后，梳理了采用扎根理论作为研究方法的文献，分析了这些文献在使用扎根理论时的共性和差异，分析了一些常见的误解，并讨论了使用扎根理论进行营销学研究时所需要遵循的规范以及所需要注意的事项。

二、扎根理论的发展

扎根理论最早是由两位社会学家Glaser和Strauss（1967）在研究医院里濒临死亡的病人时所撰写的Awareness of Dying一书中提出的。他们将扎根理论定义为：“从社会研究中获取数据，并通过系统的方法分析数据从而发现理论”的一种研究方法。［2］1—245这一定义给学者们理解扎根理论究竟是什么留下了很大的不确定性。有趣的是，Glaser和Strauss也在这一问题上产生了意见分歧，Strauss于1987年单独撰写了Qualitative Analysis for Social Scientists一书［3］1—336，在 1990年同 Corbin又一道出版了 Basics of Qualitative Research：Grounded Theory Procedures and Techniques一书［4］1—272，对扎根理论究竟是什么进行了全新的诠释，这也引发了他们与Glaser之间的学术争议。这次争辩过程后来被形容为一场“夸张的摔跤”。［5］相对而言，原始版本提供了更为全面的研究范式，特别强调理论的自然呈现；Strauss和Corbin则提供了更规范化的编码技术，试图为相对随意的编码过程提供严谨规范的操作步骤，因此更偏向于是一种对定性数据的处理方法。［6］然而，也有学者认为这两者已经是被撕裂的关系，可近似地看作是完全不同的理论架构。［7—10］

扎根理论在多个不同的学科内得到了广泛的应用。作为一种发展理论的工具，它在很多方面都具有突出的优势。

首先，作为一种“自然（naturalistic）”研究方法，扎根理论强调理论的自然呈现，这和实证主义研究（positivism）中先做假设再搜集数据进行验证的思路恰好相反，扎根理论认为一切皆为数据，要求的是从数据入手，进行自下而上的归纳分析。［11—13］这样的研究设计有一个显著的优点：可以防止研究者被自己固有的观点引导，戴着有色眼镜进行数据收集和分析，被普遍认为是最适合用来为目前所知尚少的领域构建理论的研究方法。［14—17］

其次，扎根理论深受符号互动论（symbolic interactionism）的影响，主要关注的是社会主体之间的互动过 程［18—19］，即 社 会 过 程 （social process）分析［20—21］。因此，过程模型的研究就非常适合运用扎根理论的方法。过程模型如图1所示，从中可见，过程通常是比较复杂的，一个过程可能会包含多个阶段，扎根理论在处理这样的多阶段问题时可以游刃有余，但一些常用的定量方法却无法起到很好的效果。如营销学研究中常用的实验方法，就很难操纵多阶段的自变量；而调查问卷则不善于明确过程模型研究特别强调的因果关系。

图1 过程模型

最后，扎根理论还适合于研究变量较多、关系复杂的模型。［22］在定量研究中，研究者常常会碰到这样的问题：三个及以上自变量的交互作用往往很难通过统计检验；自变量和因变量复杂的非线性关系无法处理等。但在定性研究中，并没有对效应的普遍性提出具体的要求，也不用通过数学方法建立量化模型。这使得研究者可以聚焦一些个案从而获得有趣的发现，并且能够分析变量之间的复杂关系。当然，这并不是扎根理论独有的特性，它也适用于其他大多数定性研究方法。

三、扎根理论的程序 （一）文献的使用

扎根理论要求研究者在研究开展之前不要持有预先设定的假设，这很容易被理解成不需要在研究前阅读和回顾文献，以免受文献影响而被预设倾向。事实上恰恰相反，扎根理论非常重视研究前的文献阅读，它强调说研究者需要预先大量阅读文献以培养充分的理论敏感度（theoretical sensitivity）。［23］扎根理论认为，理论敏感度是研究者能否从数据中提炼理论的关键。如果研究者不具备理论敏感度，他们只能对数据做浅层解释，难以深入发掘其背后蕴含的丰富信息，构建理论当然也无从谈起。扎根理论也同样强调避免持有先入为主的倾向，从而使理论最大限度地反映数据中的信息，但在使用扎根理论时，对信息的客观全面解读不应该建立在牺牲理论敏感度的基础上。

（二）抽样原则

和实证研究中常用的抽样方法不同，扎根理论采用理论抽样方式，即根据理论发展的需要选择合适的样本。［24］这意味着在采用扎根理论时，抽样不是一次性完成，而是多阶段、动态发展、有反复的过程。研究者首先抽取最有可能提供信息的样本来收集数据；然后根据对第一次抽样数据的分析结果，判断理论还有哪些方面需要进一步完善，以此为依据抽取第二次样本，收集新的信息，进一步丰富和完善理论。这样的重复抽样过程将一直持续到新的样本再也不能提供更多的信息，即理论已经达到饱和时为止。［25］例如：Maclaran和 Brown考察了消费者对于节日集市的体验，为了形成、发展和完善理论，作者们总共进行了三次抽样。其中，第一次抽取的样本对象是首次来参加集市的新顾客和已经数次参与的老顾客，作者们认为这样的样本最能提供他们需要的信息。在分析完这批样本之后，他们进一步地发现18～40岁年龄段的消费者是集市的主力军，因此，在第二次抽样时，就有意识地选择了符合该年龄要求的样本。最后，因为前两次的样本没有提供销售者视角的信息，所以第三次抽样的对象就是集市中的商贩。作者通过这三个相互补充的样本，构建了内涵丰富的理论体系。［26］类似的，费显政和肖胜男运用扎根理论，研究了人们对内疚诉求广告反应的过程，以及内疚诉求广告的作用机理。他们在最后一步抽样，即抽取用于检验理论饱和度的样本量占到了总样本的1／3，以确保理论已经饱和，无需进行进一步的抽样。［27］可见，这样一个持续、动态的抽样过程，有助于研究者有的放矢地搜集所需信息，充分体现了理论抽样的特点和优势。正因如此，理论抽样也被认为是扎根理论标志性的关键策略。［28］

在操作的过程中，理论抽样通常依据的是最大化组间差异和最小化组内差异的原则［29］，组间差异最大化是为了让抽取的新样本提供尽可能多的新信息。一旦新样本无法提取出新的信息而与旧样本重复，那就将这两个样本归属同组，最小化组内差异。

（三）数据来源

扎根理论对数据来源没有明确的限制，它鼓励研究者走进被研究对象的实际情景，面对面收集有关他们工作和生活行为的第一手信息。这意味着扎根理论也适用于诸如观察以及访谈等很多目前常用的定性数据收集方式。为提高信息的质量，扎根理论鼓励综合运用多种方式进行数据收集。［30］

（四）数据分析

1．概述

扎根理论的数据分析过程主要依赖于编码技术（coding）。虽然Glaser的早期版本也提到了编码过程（分为两阶段：实质编码和理论编码）［2］39—46，但鉴于Strauss和Corbin版本建议的步骤更为细致和严密，文章主要介绍后者的编码方法［4］106—116。编码过程共分为三步，分别是开放式编码（open

coding）、主轴编码（axial coding）以及选择性编码（selective coding）。在编码的过程中，研究者需要一直保持理论敏感度，并通过不断对比（constant

comparison）将数据归纳为范畴，并尝试理清不同范畴之间的关系，进而为理论的形成铺平道路。

2．开放式编码

开放式编码是“旨在把信息发展成范畴的程序。”［4］1—272范畴的内涵比人们通常所说的概念更加宽泛，有时，一个范畴可能会包含多个概念［31］，因而可近似地将概念视作范畴的维度或单元。因此，如果难以直接归纳为范畴的话，可以先形成概念，再通过概念的整合来得到范畴。范畴区别于原始信息的本质特征就在于其概念化和抽象性。因此，在生成范畴的过程中，切忌只做表层的现象描述，而是需要对其进行深层次的理论提炼。例如，对于Chan等的这段观察记录：“服务员只提供了食物却没有提供饮料，交涉之后，服务员才补上了饮料但没有做任何的解释或者表达歉意”［32］，可以将其所属的范畴命名为“社会性服务失败”，而不是“饮料遗漏”或者是“服务缺乏礼貌”。

在开放式编码的过程中，需要遵循的首要原则是上文提及的不断对比：这同时适用于范畴生成之前和之后这两个阶段。在生成范畴之前，研究者需要不断对比数据，以准确地定义范畴；而在范畴生成之后，对比过程将扩展为两个层次：一是范畴内的对比；二是范畴间的对比。通过双向检查的过程，可以发现范畴的不足或不妥之处并进行修改和完善，使得编码过程的有效性得到充分的保证。在开放式编码中，研究者需要汇报范畴是否重复出现，以及重复出现的频率百分比［33］83—101［34］，因为这些信息能够直接反映范畴的普遍性和重要程度。例如：Bendapudi和Leone研究了供应商公司更换重要联系人对其客户关系影响的应对策略，通过对访谈数据的分析，研究者生成了一些范畴。又如，分享文化、业绩评价与奖励机制、信任与承诺、技术、组织结构。作者同时汇报了这些范畴的出现次数，最高的是文化分享——在104位受访者中，多达59位都提及了这一范畴的相关内容，频率高达57%，这表明供应商公司如果拥有良好的分享文化，将非常有助于降低重要联系人更替对于客户关系的影响。［33］83—101