先建编码框架，再逐条编码
编码框架（codebook，编码表）列出每个主题的名称和含义，最好附上应归入与不应归入的例句。先通读一批回答或借助词频浏览常见说法，再确定主题；主题之间要尽量互斥、合起来能覆盖大部分回答，难以归类的内容可以设“其他”。
多选题式编码最常见：一条回答可以同时提到“配送迟到”和“配送费太高”，就同时计入两个主题。若研究问题只需要一个主要原因，则选择“每条回答一个主题”。这两种模式会影响后面百分比的解释，应在报告中说明。
- 主题名称：简短、具体，避免“服务问题”这类过宽的类别。
- 主题说明：写清边界，供第二位编码员使用。
- 无效回答：“没有”“不知道”和空白应单独统计，不计入主题百分比的分母。
示例：外卖服务改进建议（合成数据）
本站的合成外卖反馈样本（程序生成的示例数据，不是真实受访者）共有 480 条记录，题目是“你认为我们的外卖服务最需要改进的一点是什么？”。其中 16 条为空白，34 条是“没有”“不知道”这类无效回答，430 条回答可以编码；生成设计已知每条回答的主题，下面的数字就是按十个主题正确编码时的结果。
430 条有效回答中有 160 条（37.2%）同时提到两个主题，共 590 次提及。提及最多的是“配送迟到”72 条（16.7%）、“餐厅选择少”69 条（16.0%）和“配送费和服务费”67 条（15.6%）。按回答者计算的十个主题百分比加起来是 137.2%，超过 100%，这正是多主题编码的正常结果。
编码完成后，主题变量就能与客户类型交叉：新客户中有 32/133 = 24.1% 提到“配送费和服务费”，会员中只有 8/113 = 7.1%。原始文字本身做不到这种比较。
审核、批准、应用与撤销
在 Crosstabs 中，编码运行先处于草稿状态。你可以在人工分配矩阵中逐条勾选主题，每项决定都会记录审核人与时间；确认审核完成并批准编码表后，“添加编码变量”会为每个已批准的主题生成一个 0/1 变量，作为项目变量参与交叉表。
应用前，工具会核对来源回答是否在建立编码表之后被修改，若已修改则拒绝应用。撤销会删除这些编码变量并恢复应用前的数据指纹；如果应用之后数据又有其他修改，撤销会被拒绝，以免覆盖后续工作。应用和撤销都会写入编码表的审计记录。
- 已批准的编码表可在下一波追踪调查中复用，保留稳定的主题 ID，便于比较各波次主题占比。
- 编码结果是项目变量，可以像其他分类变量一样做交叉表和显著性检验。
- 不适用：在未保存为本地项目的快速分析中编码；请先保存项目。
可选的 AI 编码：只在确认后发送
如果启用了 AI 功能，你可以让 AI 根据最多 300 条均匀抽取的回答建议主题，或按当前主题为回答提出编码。每次发送前都会弹出确认，说明将发送哪一道题的多少条回答；只发送这一道题的回答文本，经 crosstabs.com 服务器发给 OpenAI，并要求不存储（store: false）。回答中写入的姓名、邮箱等个人信息也会随之发送，请先自行判断。
一次 AI 运行最多编码 2,000 条回答，每条回答最多取前 2,000 个字符，每日 AI 编码也有上限；其余回答保持未编码，可以人工完成。AI 提出的只是提案：应用时如仍有未逐条审核的 AI 提案，需要你明确接受，审计记录会写明有多少条 AI 提案按批准的编码表被应用。
报告开放题编码结果
报告时写清分母：是全部受访者、作答者还是有效回答者；说明每条回答可编入一个还是多个主题，以及多主题时百分比总和会超过 100%。附上编码框架和每个主题的典型原话，让读者理解主题含义。
重要研究建议抽取一部分回答由两位编码员独立编码，用 Cohen's kappa 检查一致性；一致性低时先修订主题说明，再完成全部编码。主题定义、分配覆盖、批准和解释始终由研究者负责。