作者详细介绍了开放式卡片分析和封闭式卡片分析的定量分析方法。
在进行信息架构的决策时，通常会用到一种用研方法-——卡片分类（card-storing）。
这种方式在《用户体验度量》（Tom Tullis著）中提到了这种分类方式的定量分析方法。
卡片分类有两种方式：
- 开放式卡片分类：只给参与者提供用于分类的卡片，参与者需要自己来定义这些卡片所属的组别。
- 封闭式卡片分类：给参与者提供既提供卡片和也提供组别名称。
开放式卡片分类是最常见的，其中一种研究开放式分类的方法是：卡片分类距离矩阵——就是把所有卡片两两之间的“感知距离”组成矩阵，分析卡片间距离的矩阵。
举例：假设要对十种水果进行信息架构（苹果、桔子、草莓、香蕉、桃子、李子、西红柿、梨、葡萄、樱桃）。给每一位参与者这十种水果的卡片，让用户把十种水果进行分组，并让参与者说明它们分组的标准及每个组的大概组名。
比如某位用户按形状和大小，把大且圆的水果分在一组，里面包含苹果、桔子、桃、西红柿。
之后，根据用户的分类结果，研究人员制作距离矩阵。
如果将某一对水果放在同一组，它们之间的距离就是0。
如果用户将某一对水果放在不同组中，它们之间距离就是1。
因为自己和自己不需要距离感知，所以在相同的水果距离上打了x标示，这样就按对角线将矩阵分为上下两部分，它们是一模一样的，桔子和草莓的距离和草莓与桔子的距离是同一个距离，所以只需要填写一种就可以。
之后总结出所有参与者的总体矩阵。例如这次用户调研一种有20位参与者参加，那总体距离矩阵，理论上每两种水果的距离结果会在0-20之间，所有参与者都把它们分在一组得分为20，所有参与者都不把它们放一起得分为0。图表如下图所示：
用层级聚类分析卡片分类得到的数据：层级聚类的目的是建立一个距离感知的树状图，研究中被参与者视为最相似的卡片会被放在相似的支节中。如下图，是上面图表的聚类后的结果。
层级卡片分类的关键是要看任何一对卡片结合在一起的点在哪里。
比如桃子和桔子的结合点、樱桃和葡萄的结合点就比较靠前，红色点是结合点（如下图）。
