数字营销课程19｜如何用NVivo对媒体报道进行案例分析？
NVivo是一款流行的质性研究工具，它不仅可以帮助我们对文本进行编码、创建节点，还可以结合案例属性进行交叉分析。
比如说，我们做了20个访谈，对访谈内容进行了文本分析之后，发现人们感兴趣的话题主要可分为政治、科技、娱乐、教育等四个方面。于是我们可以进一步探究，什么样的访谈对象可能对什么类型的话题更感兴趣呢？
这时我们就可以将“感兴趣的话题”和受访者的“性别”、“教育程度”等属性结合起来进行分析，并得出结论。例如：男性是否比女性对政治和科技话题更感兴趣呢？教育程度高的人是否比教育程度低的人更关注教育话题呢？等等。
下面结合一个案例来剖析具体的分析过程。我的研究目的是，探究全世界排行前20的智慧城市对于人脸识别这项技术的态度差异。研究对象可以根据英国市场调研机构 Juniper Research 2018 年 3 月发布的“全球智慧城市 Top 20”榜单来选取。
步骤一：从新闻媒体数据库中收集数据
当然我们也可以使用百度，但是百度这个搜索引擎真是一言难尽，随便搜什么，首页上倒有一大半都是广告。而且，搜出来的信息良莠难辨。所以，还是得找一个专业的新闻数据库。
我理想的数据库是“慧科新闻”，可是我们学校图书馆并没有订购这个数据库，没有使用权限。于是退而求其次，找到了一个“锐研数据平台”，可以注册一下免费试用一个月。
进入中文新闻数据库，以“新加坡+人脸识别”为关键词进行搜索，可以得到1936条数据。
为了简单起见，我以“城市名+人脸识别”为关键词进行搜索，共搜索了20个城市，包括：新加坡、伦敦、纽约、旧金山、芝加哥、首尔、柏林、东京、巴塞罗那、墨尔本、迪拜、巴黎、香港、里约热内卢、阿姆斯特丹、无锡、银川、杭州、北京、上海。对每个城市按“相关度”选取了前20篇报道作为分析样本，保存在文本库里。
进入锐研-云文析平台，可以看到现在我的文本库里共有20个城市的相关报道。
这些报道里不可避免有一些重复的文章，因此需要进行数据清洗。以“巴黎”为例，点击数据，对其进行数据清洗。「清洗字段」选「标题」，「去重」因为两篇文章只要标题一样，基本就可以判断是同一篇文章了。
数据清洗完成后，发现原本20条数据现在只剩下16条了。
最后一步，将数据导出。
可以看一看数据清理后的结果。总计得到299篇相关报道的数据。大功告成了！
步骤二：用NVivo对媒体报道进行数据分析
词频分析、词汇云、情感分析什么的我们就略过了，下面重点讲一下怎么对媒体文本进行编码，并且结合案例属性进行交叉分析。
1、 创建节点
首先，创建一个新文件，命名为“smart city”。在导航区域「数据」下方的「文件」处新建一个文件夹「新闻媒体」，导入之前收集到的文本。为了节省时间，我这里仅仅导入20篇相关的文章。
然后我们开始阅读这些文章，对其进行编码。以「新加坡」为例，这篇文章的标题是《新加坡计划2022年部署人脸识别系统 取代身份证》，我将其编码为「积极部署」。
再来一篇文章。《伦敦警方点赞中国人脸识别技术：恐袭时用上就好了》。我将它编码为「警方点赞」。接下来就是不断的阅读文献和编码的重复过程。
在「代码」下方的「节点」处新建一个节点，命名为「对人脸识别的态度」。下面新建三个子节点「负向」「正向」「中立」，然后逐行阅读，把文章中相关的内容拖入到这些节点之中。这个过程就相当于为我们的分类找到证据。
2、 创建案例和案例节点分类
在「案例节点分类」中「新建分类」，起名为「对人脸识别的态度」。
为 「对人脸识别的态度」新建属性「区域」，在「常规」旁边的「值」窗口，添加「欧洲/美洲/亚洲」。
将所有的文件右键「创建为案例」，分配给分类「对人脸识别的态度」，这样就可以创建案例了。
选中其中任意一个文件，点击「案例分类」，「导入分类表」，将已经准备好的Excel文件“对人脸识别的态度”导入。
3、 利用矩阵编码来进行分析
在「探索」里点击「矩阵编码」，「行」增加「选择项」-「节点」-选择「中立态度」、「正向态度」、「负向态度」，「列」 下面的加号后 「选定属性值」，设定三列的值分别为欧洲、美洲、亚洲，最后「运行查询」。结果如下。
在「单元格内容」中将「编码参考点」改为「已编码的案例」，这样统计的就是案例，而不是参考点了。
4、交叉分析
在「探索」下选择「交叉分析」，先通过编码部分的+号选择节点，右边属性1选「区域」，再点击「运行查询」。可以得到同样的矩阵编码。
注意：矩阵编码是以编码参考点计数；而交叉分析默认以案例计数。此外还可以显示为「列百分比」、「行百分比」，「计数」等。
5、对案例进行交叉分析
如果要对案例进行交叉分析，要先将「属性」改为「案例」，然后在「案例」下面点击+号，选择这20个案例，然后再运行查询，这样就可以得出每个案例分别对应的态度了。
最后总结一下，用NVivo可以分析访谈文件，主要使用的功能是「节点」和「案例」。
- 利用「节点」对访谈内容进行归纳，总结出要点；
- 利用「案例」则可以结合访谈对象本身的属性来分析，看看谁说了什么话。
此外NVivo还可以用来分析问卷，对问卷中的开放式问题的回答进行编码，然后结合封闭式问题对这些内容进行交叉分析。