Focusgroep verslag maken in 2026: deelnemers, thema's en citaten ordenen

Het lastigste aan een focusgroep zit niet in wát mensen zeggen, maar in wíe het zegt en hoe de groep elkaar onderweg beïnvloedt. Bij een 1-op-1 interview heb je twee stemmen en een rechte lijn; bij een focusgroep heb je zes tot tien deelnemers die elkaar onderbreken, bijvallen, tegenspreken en stilletjes van mening veranderen omdat iemand anders het hardop zei. Precies die dynamiek is de meerwaarde van de methode — en precies die dynamiek maakt het verslag tot een vak apart. Een transcript waarin alle uitspraken op één hoop liggen, gooit weg wat je focusgroep nu juist opleverde: het verschil tussen een gedeelde mening en één luide deelnemer.

In dit artikel kijken we naar de aanpak die specifiek hoort bij meerdere deelnemers tegelijk: hoe je acht stemmen betrouwbaar uit elkaar houdt, hoe je de groepsdynamiek vastlegt zonder erin te verdrinken, en hoe je losse uitspraken ordent tot thema’s met citaten die je conclusies dragen. De basislijn voor elk onderzoekstranscript — transcriptieniveau, anonimiseren, tijdcodes — staat in de hub interview transcriberen; hier bouwen we daarop voort voor het groepsgesprek.

🔑 In het kort

• Sprekers uit elkaar houden is hier de kernuitdaging. Met zes tot tien stemmen valt of staat je verslag bij wie wat zei — los dat op tijdens het opnemen, niet achteraf.
• De groepsdynamiek is data, geen ruis. Wie iemand bijvalt, wie van mening verandert en wat onbesproken blijft, vertelt vaak meer dan een losse uitspraak.
• Orden thematisch, niet chronologisch. Een focusgroepverslag volgt thema’s, niet de volgorde van het gesprek.
• Onderscheid consensus van een uitschieter. Eén overtuigende deelnemer is geen groepsmening; markeer hoe breed een standpunt werd gedeeld.
• Citaten dragen je conclusies. Selecteer per thema enkele sprekende, herleidbare quotes — met spreker-id en tijdcode.

Waarom een focusgroep een ander verslag vraagt dan een interview

Een focusgroep onderzoekt niet alleen wat individuen vinden, maar hoe meningen ontstaan en schuiven in interactie. Dat is de reden om mensen samen aan tafel te zetten in plaats van na elkaar te interviewen. Het gevolg voor je verslag is ingrijpend: je legt niet alleen uitspraken vast, maar ook de relaties tussen uitspraken — instemming, weerstand, de wending na een tegenwerping, de stilte die volgt op een gevoelig onderwerp.

Dat maakt twee dingen zwaarder dan bij een gesprek met één respondent. Ten eerste het uit elkaar houden van de sprekers: bij een 1-op-1 interview is elke beurt vanzelf van “de respondent”, maar in een groep moet je bij elke zin weten of het deelnemer 3 of deelnemer 7 was — anders kun je later geen patroon over personen heen leggen. Ten tweede de ordening: een interviewtranscript kun je nog chronologisch laten staan, maar een groepsgesprek springt heen en weer tussen onderwerpen, en pas als je het thematisch herordent, wordt het analyseerbaar.

Hoor je hier het 1-op-1 onderzoeksinterview in terug, of doe je gebruikersonderzoek met losse sessies? Dan ben je beter af bij de hub of de zustervorm. Dit artikel blijft strikt bij de groep: meerdere deelnemers, één tafel, één gesprek.

De kernuitdaging: zes tot tien stemmen uit elkaar houden

Automatische sprekerherkenning komt in een 1-op-1 interview meestal een heel eind, maar loopt in een groep tegen grenzen aan. Stemmen lijken op elkaar, mensen praten door elkaar, iemand zit verder van de microfoon — en dan klopt de toewijzing niet meer. De oplossing zit grotendeels vóór en tijdens het gesprek, niet in de opschoonronde erna.

Moment	Wat je doet	Waarom het helpt
Vooraf	Maak een deelnemerslijst met een vast id per persoon (D1–D8), eventueel met stoelnummer	Je koppelt een stem aan een vaste code in plaats van aan een naam
Bij de start	Laat iedereen zich kort introduceren, één voor één	Geeft je per stem een ijkmoment om later op terug te luisteren
Tijdens	De moderator noemt af en toe een naam (“En jij, Karin?”)	Markeert de overgang naar een andere spreker hoorbaar
Bij de uitwerking	Loop het transcript na met de deelnemerslijst en de introducties ernaast	Corrigeert verkeerd toegewezen beurten vóór de analyse

Gebruik in het verslag pseudonieme codes (D1, D2 …) en bewaar de sleutel die ze aan personen koppelt apart en versleuteld — dat is dezelfde anonimiseringslogica als in de hub, maar hier extra belangrijk omdat één lijst meerdere mensen bevat. Een veelgemaakte fout is namen door elkaar gebruiken met codes; kies één systeem en houd het vol over alle focusgroepen van je studie heen, zodat D3 in groep 1 niet ineens iets anders betekent dan in groep 2.

📌 Eén persoon erbij die alleen luistert Bij een focusgroep loont een tweede onderzoeker die níét modereert maar meeschrijft: wie spreekt, wie knikt, wie zich terugtrekt. Die observatienotities, gekoppeld aan tijdcodes, zijn goud waard bij het uit elkaar houden van stemmen en het duiden van de dynamiek — dingen die een audio-opname alleen niet vangt.

De groepsdynamiek vastleggen zonder erin te verdrinken

Hier ligt de echte meerwaarde, en ook de valkuil. Je wilt vastleggen hoe de groep zich gedraagt, maar je wilt geen verslag dat verzandt in “en toen zei D4, waarop D2 reageerde dat …”. De truc is om naast de inhoud een beperkt aantal dynamiek-signalen te noteren die er voor je onderzoeksvraag toe doen:

• Instemming en bijval — wanneer een uitspraak meerdere knikken of “ja precies” oproept, want dat tilt een individuele mening richting een gedeelde.
• Weerstand en tegenspraak — waar de groep verdeeld raakt, zit vaak je interessantste materiaal.
• Wendingen — iemand die zichtbaar van standpunt verandert nadat een ander iets inbracht; dat is interactie-effect in zuivere vorm.
• Dominantie en stilte — wie de ruimte neemt en wie afhaakt; een mening die door één persoon wordt gedragen is iets anders dan een groepsbeeld.
• Het onbesprokene — een onderwerp dat de moderator aansnijdt en dat de groep snel laat vallen, zegt soms net zoveel als wat wél wordt besproken.

Je hoeft niet álles te noteren — dat is precies de verdrinkingsval. Kies vooraf welke signalen relevant zijn voor je vraagstelling en negeer de rest bewust. Een korte notatie volstaat: [bijval, 3x] of [D5 verandert standpunt na D2] in de kantlijn van je transcript, gekoppeld aan een tijdcode, is genoeg om er in de analyse op terug te komen.

Van transcript naar thematisch verslag

Een focusgroepverslag is geen chronologisch verslag. Het gesprek springt heen en weer, en jouw taak is het te herordenen rond de thema’s die ertoe doen. De werkbare route loopt in vier stappen.

1. Codeer per thema, dwars door de sprekers heen. Markeer in het transcript welke fragmenten over welk thema gaan, los van wie het zei. Eén deelnemer kan in drie verschillende fragmenten over hetzelfde thema iets zeggen — die horen bij elkaar.
2. Breng per thema de spreiding in kaart. Wie dacht wat, en hoe breed werd het gedeeld? Noteer expliciet of een standpunt door één, enkele of vrijwel alle deelnemers werd gedragen. Dit is de stap die consensus van een uitschieter scheidt.
3. Selecteer dragende citaten. Kies per thema enkele quotes die het beeld het scherpst verwoorden — inclusief, waar relevant, een citaat dat de tegenstem laat horen. Elk citaat krijgt een spreker-id en een tijdcode, zodat het herleidbaar blijft.
4. Schrijf het thema uit met de dynamiek erin. Beschrijf niet alleen het standpunt, maar ook hoe het in de groep ontstond: viel men elkaar bij, ontstond er discussie, kantelde het beeld? Daar zit de interactie-informatie die een reeks losse interviews je niet geeft.

Verslagonderdeel	Wat erin hoort
Opzet	Doel, aantal deelnemers, samenstelling, datum, moderator
Per thema	Kernbevinding, spreiding (één/enkele/breed gedragen), dynamiek, 1–3 citaten met id en tijdcode
Tegenstemmen	Standpunten die afweken van de groep — apart benoemd, niet weggemiddeld
Observaties	Dynamiek-signalen die over thema’s heen opvielen (dominantie, vermijding)
Verantwoording	Transcriptieniveau, anonimisering, beperkingen

Het verschil met de hub-aanpak zit hem dus niet in de transcriptie-eisen — die gelden onverkort — maar in de ordeningslogica daarna: thematisch in plaats van chronologisch, en met de groep als eenheid van analyse naast het individu.

Wat AI en Kuno hierin veranderen

De inhoudelijke beslissingen — welke thema’s, hoe breed gedragen, welke citaten dragen je conclusie — blijven mensenwerk; daar verandert AI niets aan, en dat is maar goed ook. Wat verschuift, is het mechanische deel dat bij een groepsgesprek juist zwaar weegt. Een focusgroep van anderhalf uur met acht deelnemers handmatig uittikken kost in de praktijk een veelvoud van de gespreksduur, en het meeste van die tijd gaat zitten in het uit elkaar plukken van wie wat zei.

Met automatische spraakherkenning laat je een ruwe transcriptie genereren, inclusief een eerste sprekerverdeling, en word je redacteur in plaats van typist. Juist bij een focusgroep is dat startpunt waardevol én onaf: de techniek geeft je een voorzet voor de sprekers, maar de definitieve toewijzing — en het corrigeren van de momenten waarop mensen door elkaar praatten — doe je zelf, met je deelnemerslijst en de introducties ernaast. Daarmee verschuift je tijd van urenlang typen naar verifiëren en thematisch ordenen, het werk waar je oordeel telt.

De gevoeligheid die hieraan hangt is bij een groep wezenlijk anders dan bij een interview, en het verschil is niet alleen schaal. Bij een 1-op-1 interview gaat het mis met de gegevens van één persoon; bij een focusgroep staat de opname zelf de groep niet meer toe haar woorden terug te nemen. Acht mensen hebben elkaar gehoord, en wat de één over zijn gezondheid, werk of geloof prijsgeeft, ligt onlosmakelijk verweven met de stemmen van de zeven anderen op dezelfde band. Je kunt zo’n opname niet selectief anonimiseren door één deelnemer eruit te knippen — het is een collectief document. Dat maakt het des te ongemakkelijker als zo’n band wordt verwerkt door een dienst die de audio buiten de EU draait of er modellen mee traint: je geeft dan niet de toestemming van één respondent uit handen, maar het vertrouwen van een voltallige tafel.

Juridisch zitten daar twee dingen aan vast die je uit elkaar moet houden. Je verwerkingsgrondslag voor eigen wetenschappelijk onderzoek is meestal algemeen belang of wetenschappelijk onderzoek (artikel 6 plus de uitzondering van artikel 9 lid 2 sub j AVG) — dat is iets anders dan de verwerkersovereenkomst die je nodig hebt zodra een externe transcriptiedienst de groepsdata namens jou verwerkt. Of je een gesprek waaraan je deelneemt überhaupt mág opnemen, en hoe de CLOUD Act doorwerkt bij verwerking buiten de EU, staat in mag je een gesprek opnemen zonder toestemming. De praktische conclusie voor de focusgroep: de verwerkingslocatie telt hier dubbel, want het gaat niet om één persoon maar om de gegevens van iedereen aan tafel tegelijk. Wie verschillende opnametoestellen en hun gegevensverwerking naast elkaar wil leggen, vindt dat in AI voice recorder kopen (vergelijking).

▶ Een hele tafel opnemen en transcriberen zonder de groepsdata de EU uit te sturen. Kuno is een privacyvriendelijke AI-spraakrecorder die het fysieke groepsgesprek aan tafel opneemt en on-device transcribeert: de audio blijft op het toestel, de verwerking is EU-gehost en je opnames worden nooit gebruikt voor AI-training — wat een verwerkersovereenkomst voor een voltallige focusgroep en je ethische goedkeuring een stuk eenvoudiger maakt. Een zichtbare opname-indicator en een fysieke stopknop laten elke deelnemer zien wanneer er wordt opgenomen, wat past bij geïnformeerde toestemming van de hele groep. Je hebt geen meeting-bot nodig: Kuno vangt juist het gesprek in de kamer — precies de focusgroep aan tafel die Zoom of Teams niet registreren. Eenmalige aankoop van circa €109, zonder abonnement.

Vraag vroege toegang aan →

Veelgemaakte fouten in een focusgroepverslag

• Uitspraken niet aan personen koppelen. Zonder betrouwbare spreker-id’s kun je geen patroon over personen heen leggen — los de toewijzing op tijdens opname en uitwerking, niet als losse opschoonronde.
• Eén luide deelnemer voor de groep aanzien. Markeer altijd hoe breed een standpunt werd gedeeld; consensus en uitschieter zien er in een citaat hetzelfde uit.
• Chronologisch verslag leggen. Een groepsgesprek springt; pas thematische herordening maakt het analyseerbaar.
• De dynamiek weglaten. Wie van mening verandert na een tegenwerping, is je interessantste data — niet iets om glad te strijken.
• Tegenstemmen wegmiddelen. Benoem afwijkende standpunten apart in plaats van ze in een gemiddelde te laten verdwijnen.
• De groepsaudio onnadenkend buiten de EU laten verwerken. Eén band bevat de woorden van acht mensen tegelijk en is niet selectief terug te nemen; kies een verwerking die binnen de EU blijft.

Veelgestelde vragen (FAQ)

Hoe houd ik in een focusgroep de sprekers uit elkaar? Werk met vaste pseudonieme id’s per deelnemer (D1–D8), laat iedereen zich aan het begin kort voorstellen als ijkpunt, en loop bij de uitwerking het transcript na met de deelnemerslijst ernaast. Automatische sprekerherkenning geeft een voorzet, maar de definitieve toewijzing controleer je zelf — zeker op de momenten waarop mensen door elkaar praten.

Hoe verschilt een focusgroepverslag van een interviewverslag? De transcriptie-eisen zijn gelijk — niveau, anonimiseren, tijdcodes, zie de hub over interview transcriberen — maar een focusgroep voegt twee dingen toe: meerdere stemmen uit elkaar houden en de groepsdynamiek vastleggen. Bovendien orden je thematisch in plaats van chronologisch, omdat het gesprek tussen onderwerpen heen en weer springt.

Moet ik een focusgroep chronologisch of thematisch uitwerken? Thematisch. Codeer per thema dwars door de sprekers heen, breng per thema in kaart hoe breed een standpunt werd gedragen, en selecteer dragende citaten met spreker-id en tijdcode. De chronologie van het gesprek zelf is voor het verslag minder relevant dan de thema’s die eruit komen.

Hoe leg ik de groepsdynamiek vast zonder te verdrinken in details? Kies vooraf een beperkt aantal signalen die ertoe doen — bijval, weerstand, standpuntwijzigingen, dominantie, het onbesprokene — en noteer ze kort in de kantlijn met een tijdcode. Je hoeft niet elke reactie vast te leggen, alleen de momenten die voor je onderzoeksvraag betekenis hebben.

Mag ik een focusgroep met AI laten transcriberen? Ja, en het scheelt het meeste typewerk, dat bij een groep juist zwaar is. Kies bij de gevoelige data van meerdere deelnemers wel een oplossing die de audio in de EU verwerkt en je opnames niet voor AI-training gebruikt. Houd daarbij twee dingen uit elkaar: je verwerkingsgrondslag (voor eigen wetenschappelijk onderzoek meestal algemeen belang of wetenschappelijk onderzoek onder artikel 6 plus artikel 9 lid 2 sub j AVG) en de verwerkersovereenkomst die je sluit met een externe dienst die de transcriptie namens jou doet.

Is dit ook geschikt voor UX-onderzoek? Voor groepssessies wel, maar individueel UX-onderzoek met losse gebruikers vraagt een andere aanpak: gesprekken omzetten in inzichten, quotes en aanbevelingen voor het team. Daarvoor is UX-onderzoek interview het passende artikel; dit verslag blijft bij de groep aan tafel.