SwitasKapcsolat

Kvantitatív kutatás

A kvantitatív kutatás a felhasználói viselkedésre vonatkozó numerikus adatok gyűjtése és statisztikai elemzése, amelynek célja a minták nagyságának, gyakoriságának és szignifikanciájának mérése a felhasználók nagy populációjában, nem pedig az egyéni motivációk magyarázata. Az UX és a konverzióoptimalizálás kontextusában gyakori kvantitatív módszerek a webanalitikai riportok, a tölcsérelemzés, az A/B és multivariációs tesztelés, a sok munkamenetre összesített kattintás- és görgetéskövetés, valamint a zárt kérdéses, strukturált felmérések, amelyek statisztikai összehasonlításra alkalmas adatokat állítanak elő, például a Net Promoter Score vagy a System Usability Scale értékelések. A kvantitatív kutatás meghatározó jellemzője, hogy következtetéseit mérhető fogalmakkal fejezi ki – például konverziós ráta, statisztikai megbízhatósági szint vagy hatásméret –, amelyek objektíven összehasonlíthatók időszakok vagy változatok között. A terület központi jelentőségű a konverziós ráta optimalizálásában, mert megadja azt a bizonyítékot, amely szükséges annak igazolásához, hogy egy javasolt változtatás ténylegesen javítja-e az eredményeket, nem pedig csupán javulásnak érződik a változtatást végző csapat számára. Kvantitatív validálás nélkül a tervezési és marketingdöntések véleményre, belső politikára vagy szubjektív preferenciára támaszkodnak, amelyek a kutatások következetes tanúsága szerint gyengén korrelálnak a tényleges felhasználói viselkedéssel. Az A/B tesztelés – a CRO leggyakoribb kvantitatív módszere – előre kiszámított mintanagyság és statisztikai megbízhatósági szint (jellemzően 95 százalék) elérését követeli meg, mielőtt az eredményt megbízhatónak tekintenék, a teszteket pedig általában legalább egy-két teljes üzleti cikluson át futtatják, gyakran két-négy héten át, hogy figyelembe vegyék a hét napjaihoz és a fizetésnapokhoz kötődő viselkedési ingadozást, amely egyébként torzítaná a rövid időtartamú eredményeket. A kontrollált kísérleteken túl a kvantitatív kutatás a meglévő viselkedési adatok megfigyeléses elemzését is magában foglalja, például a konverziós ráta szegmentálását forgalmi forrás, eszköztípus vagy földrajzi hely szerint annak azonosítására, hol tér el jelentősen a teljesítmény, valamint a kohorszelemzést, amely azt követi, hogyan viselkedik a felhasználók egy adott csoportja – például mindenki, aki egy adott hónapban regisztrált – a következő hetekben vagy hónapokban; ezt gyakran a megtartás és az ügyfélérték trendjeinek mérésére használják. A megalapozott kvantitatív kutatás központi statisztikai fogalmai közé tartozik a mintanagyság-számítás, amely meghatározza, hány megfigyelés szükséges egy érdemi hatás kimutatásához adott megbízhatósági szinten, valamint a többszörös összehasonlítás problémájának elkerülése, ahol sok mutató egyidejű tesztelése növeli annak valószínűségét, hogy pusztán véletlenül hamisan szignifikáns eredményt találunk. Gyakori tévhit, hogy a kvantitatív adat eleve objektív, ezért nem igényel gondos értelmezést; valójában a kvantitatív eredmények félrevezetők lehetnek, ha a mögöttes adatgyűjtés hibás – például botforgalom felfújja a látogatószámot, a követőkód egyes eszközökön hibásan fut le, vagy a tesztet egy független, egyidejűleg futó marketingkampány szennyezi. Másik gyakori buktató, amelyet ebben a kontextusban néha alapráta-tévedésnek (base rate fallacy) is neveznek, hogy a relatív százalékos változásokra összpontosítanak az érintett konverziók abszolút számának figyelembevétele nélkül, mivel a mindössze néhány összes konverzión alapuló, jelentett 50 százalékos javulás jóval kisebb statisztikai megbízhatóságot hordoz, mint a több ezer konverzión mért 10 százalékos javulás. A CRO- és növekedési tanácsadói munkában a kvantitatív kutatás egyszerre adja a diagnosztikai kiindulópontot – azonosítva, hol vannak a tölcsérben a legnagyobb és statisztikailag legmegbízhatóbb lehetőségek – és a végső validálási réteget, amely megerősíti, hogy a kvalitatív kutatásból született hipotézis a megvalósítás után ténylegesen mérhető üzleti eredményt hoz-e. Az érett tanácsadói gyakorlatok jellemzően az ügyfélnek futtatott összes kísérletre vonatkozóan tesztelési sebességet (testing velocity) és nyerési arányt (win rate) követnek, és a korábbi kvantitatív eredményekkel folyamatosan finomítják, milyen típusú hipotézisek érdemelnek prioritást az optimalizálás következő köreiben. Konkrét szemléltetésként tegyük fel, hogy egy fizetési oldal jelenleg 3,2 százalékos arányban konvertál, a csapat pedig azt szeretné kimutatni, hogy egy újratervezett űrlap 15 százalékos relatív javulást, vagyis nagyjából 3,7 százalékra emelkedést hoz. A 95 százalékos megbízhatóságú és 80 százalékos statisztikai erejű szokásos mintanagyság-számítás azt jelezheti, hogy minden változatnak több tízezer látogatóra van szüksége a teszt megbízható lezárásához. Ha az oldal csak heti néhány ezer látogatót kap, a kvantitatív szigor azt követeli, hogy a csapat vagy elfogadja a több hetes tesztidőtartamot, vagy nagyobb várt hatásméretet célozzon, vagy a tesztelési erőfeszítést a tölcsér egy nagyobb forgalmú oldalára irányítsa át, ahol érdemi eredmények gyorsabban érhetők el – ahelyett hogy egy alulméretezett tesztet korán lezárna, és hamis következtetés kockázatát vállalná.

További Q betűvel kezdődő kifejezések

Építsük meg a következőt.

Kapcsolat