SwitasOta yhteyttä

Määrällinen tutkimus (Quantitative Research)

Määrällinen tutkimus tarkoittaa käyttäjien käyttäytymistä koskevan numeerisen datan keräämistä ja tilastollista analysointia, jonka avulla mitataan ilmiöiden laajuutta, yleisyyttä ja merkitsevyyttä suuressa käyttäjäjoukossa yksittäisten motiivien selittämisen sijaan. UX:n ja konversio-optimoinnin yhteydessä yleisiä määrällisiä menetelmiä ovat verkkoanalytiikan raportointi, suppiloanalyysi, A/B- ja monimuuttujatestaus, useista sessioista koottu klikkaus- ja vierityseuranta sekä rakenteelliset kyselyt suljetuin kysymyksin, jotka tuottavat tilastolliseen vertailuun soveltuvaa dataa, kuten Net Promoter Score- tai System Usability Scale -arvioita. Määrällisen tutkimuksen määrittävä piirre on, että sen johtopäätökset ilmaistaan mitattavina lukuina, kuten konversioasteena, tilastollisena luottamustasona tai vaikutuskokona, joita voidaan vertailla objektiivisesti ajanjaksojen tai varianttien välillä. Osa-alue on keskeinen konversio-optimoinnille, koska se tuottaa todisteet siitä, parantaako ehdotettu muutos tuloksia todella vai tuntuuko se vain parannukselta sen tekevälle tiimille. Ilman määrällistä validointia suunnittelu- ja markkinointipäätökset nojaavat mielipiteisiin, sisäiseen politiikkaan tai subjektiivisiin mieltymyksiin, joiden tutkimus on johdonmukaisesti osoittanut korreloivan heikosti todellisen käyttäjäkäyttäytymisen kanssa. A/B-testaus, CRO:n yleisin määrällinen menetelmä, edellyttää ennalta lasketun otoskoon ja tilastollisen luottamustason, tyypillisesti 95 prosentin, saavuttamista ennen kuin tulosta pidetään luotettavana. Testit ajetaan yleensä vähintään yhden tai kahden täyden liiketoimintasyklin ajan, usein kahdesta neljään viikkoa, jotta viikonpäivä- ja palkkapäiväkohtainen käyttäytymisvaihtelu, joka vääristäisi lyhytkestoisia tuloksia, tulee huomioitua. Kontrolloitujen kokeiden lisäksi määrälliseen tutkimukseen kuuluu myös olemassa olevan käyttäytymisdatan havainnoiva analyysi, kuten konversioasteen segmentointi liikenteen lähteen, laitetyypin tai maantieteen mukaan sen tunnistamiseksi, missä suorituskyky vaihtelee merkittävästi. Siihen kuuluu myös kohorttianalyysi, joka seuraa, miten tietty käyttäjäryhmä, esimerkiksi kaikki tietyssä kuussa rekisteröityneet, käyttäytyy seuraavien viikkojen tai kuukausien aikana, ja jota käytetään yleisesti asiakaspysyvyyden ja elinkaariarvon trendien mittaamiseen. Perusteellisen määrällisen tutkimuksen keskeisiin tilastollisiin käsitteisiin kuuluvat otoskoon laskenta, joka määrittää, kuinka monta havaintoa tarvitaan merkittävän vaikutuksen havaitsemiseen tietyllä luottamustasolla, sekä monivertailuongelman välttäminen, jossa useiden mittarien samanaikainen testaaminen kasvattaa todennäköisyyttä löytää virheellisesti merkitsevä tulos pelkästään sattumalta. Yleinen väärinkäsitys on, että määrällinen data olisi luonnostaan objektiivista eikä vaatisi huolellista tulkintaa. Todellisuudessa määrälliset tulokset voivat johtaa harhaan, jos taustalla oleva datankeruu on puutteellista, esimerkiksi bottiliikenne paisuttaa kävijämääriä, seurantakoodi laukeaa virheellisesti tietyillä laitteilla tai testiin vaikuttaa samanaikaisesti pyörivä, aiheeseen liittymätön markkinointikampanja. Toinen yleinen sudenkuoppa, jota tässä yhteydessä kutsutaan joskus perusosuusharhaksi (base rate fallacy), on keskittyä suhteellisiin prosenttimuutoksiin ottamatta huomioon konversioiden absoluuttista määrää. Raportoitu 50 prosentin nousu, joka perustuu vain kourallisen kokonaiskonversioita, on tilastollisesti paljon epäluotettavampi kuin 10 prosentin nousu, joka on mitattu tuhansien konversioiden joukosta. CRO- ja kasvukonsultoinnissa määrällinen tutkimus tarjoaa sekä diagnostisen lähtökohdan, joka tunnistaa, missä suppilon kohdassa suurimmat ja tilastollisesti luotettavimmat mahdollisuudet ovat, että lopullisen validointikerroksen, joka vahvistaa, tuottaako laadullisen tutkimuksen synnyttämä hypoteesi toteutettuna mitattavan liiketoimintatuloksen. Kypsät konsultointikäytännöt ylläpitävät tyypillisesti testausnopeuden ja voittoprosentin mittaria kaikille asiakkaalle ajetuille kokeille ja käyttävät historiallisia määrällisiä tuloksia jatkuvasti hienosäätääkseen, minkä tyyppiset hypoteesit kannattaa priorisoida tulevilla optimointikierroksilla. Konkreettisena esimerkkinä oletetaan, että kassasivu konvertoi nyt 3,2 prosentin asteella ja tiimi haluaa selvittää, parantaako uudistettu lomake tätä 15 prosentin suhteellisella parannuksella, noin 3,7 prosenttiin. Tavallinen otoskoon laskenta 95 prosentin luottamustasolla ja 80 prosentin tilastollisella voimalla voi osoittaa, että kukin variantti tarvitsee kymmeniä tuhansia kävijöitä ennen kuin testi voidaan luotettavasti päättää. Jos sivu saa vain muutaman tuhannen kävijän viikoittain, määrällinen tarkkuus edellyttää, että tiimi joko hyväksyy usean viikon testiajan, tähtää suurempaan odotettuun vaikutuskokoon tai siirtää testausponnistelut suppilon runsasliikenteisemmälle sivulle, jossa merkitseviin tuloksiin päästään nopeammin. Tämä on parempi kuin päättää heikkotehoinen testi etuajassa ja riskeerata virheellinen johtopäätös.

Lisää kirjaimella Q alkavia termejä

Rakennetaan seuraava.

Ota yhteyttä