SwitasKontakt oss

Kvantitativ research

Kvantitativ research er innsamling og statistisk analyse av numeriske data om brukeratferd, brukt til å måle omfang, hyppighet og signifikans av mønstre i en stor brukerpopulasjon, snarere enn å forklare enkeltpersoners motivasjon. I en UX- og konverteringsoptimaliseringskontekst omfatter vanlige kvantitative metoder rapportering fra webanalyse, traktanalyse, A/B- og multivariat testing, klikk- og scrollesporing aggregert over mange økter, og strukturerte spørreundersøkelser med lukkede spørsmål som gir data egnet for statistisk sammenligning, som Net Promoter Score eller System Usability Scale. Det som kjennetegner kvantitativ research er at konklusjonene uttrykkes i målbare termer, som konverteringsrate, statistisk konfidensnivå eller effektstørrelse, som kan sammenlignes objektivt over tidsperioder eller varianter. Disiplinen er sentral i konverteringsoptimalisering fordi den gir bevisene som trengs for å validere om en foreslått endring faktisk forbedrer resultatene, i stedet for bare å føles som en forbedring for teamet som gjør den. Uten kvantitativ validering baserer design- og markedsføringsbeslutninger seg på meninger, intern politikk eller subjektive preferanser, som forskning konsekvent viser korrelerer dårlig med faktisk brukeratferd. A/B-testing, den vanligste kvantitative metoden i CRO, krever at man når en forhåndsberegnet utvalgsstørrelse og et statistisk konfidensnivå, vanligvis 95 prosent, før et resultat regnes som pålitelig, og tester kjøres vanligvis i minst én til to hele forretningssykluser, ofte to til fire uker, for å ta hensyn til variasjoner i atferd mellom ukedager og lønningsdager som ellers ville forvrengt resultater fra korte perioder. Utover kontrollerte eksperimenter omfatter kvantitativ research også observasjonsanalyse av eksisterende atferdsdata, som å segmentere konverteringsrate etter trafikkilde, enhetstype eller geografi for å finne ut hvor ytelsen varierer betydelig, og kohortanalyse, som følger hvordan en bestemt gruppe brukere, for eksempel alle som registrerte seg i en gitt måned, oppfører seg de påfølgende ukene eller månedene, ofte brukt til å måle trender i retensjon og livstidsverdi. Statistiske begreper som er sentrale i solid kvantitativ research, omfatter beregning av utvalgsstørrelse, som avgjør hvor mange observasjoner som trengs for å oppdage en meningsfull effekt ved et gitt konfidensnivå, og å unngå problemet med flere sammenligninger, der testing av mange metrikker samtidig øker sannsynligheten for å finne et falskt signifikant resultat rent tilfeldig. En hyppig misforståelse er at kvantitative data i seg selv er objektive og derfor ikke krever nøye tolkning. I virkeligheten kan kvantitative resultater være misvisende hvis den underliggende datainnsamlingen er feilaktig, for eksempel fordi bottrafikk blåser opp antall besøkende, sporingskode utløses feil på enkelte enheter, eller en test forurenses av en urelatert markedsføringskampanje som kjøres samtidig. En annen vanlig felle, i denne sammenhengen noen ganger kalt base rate-feilslutningen, er å fokusere på relative prosentvise endringer uten å ta hensyn til det absolutte antallet konverteringer, siden et rapportert løft på 50 prosent basert på bare en håndfull konverteringer totalt har langt lavere statistisk pålitelighet enn et løft på 10 prosent målt over tusenvis av konverteringer. I CRO- og vekstkonsulentarbeid gir kvantitativ research både det diagnostiske utgangspunktet, ved å identifisere hvor i en trakt de største og mest statistisk pålitelige mulighetene ligger, og det avsluttende valideringslaget, ved å bekrefte om en hypotese generert gjennom kvalitativ research faktisk gir et målbart forretningsresultat når den er implementert. Modne konsulentpraksiser følger vanligvis opp en metrikk for testhastighet og vinnerandel på tvers av alle eksperimenter som kjøres for en kunde, og bruker historiske kvantitative resultater til kontinuerlig å forbedre hvilke typer hypoteser som er verdt å prioritere i senere optimaliseringsrunder. Som en konkret illustrasjon, anta at en kasseside i dag konverterer med 3,2 prosent og et team vil finne ut om et redesignet skjema forbedrer denne raten med relativt 15 prosent, til omtrent 3,7 prosent. En standard utvalgsberegning ved 95 prosent konfidens og 80 prosent statistisk styrke kan vise at hver variant trenger titusenvis av besøkende før testen kan konkluderes på en pålitelig måte. Hvis siden bare får noen få tusen besøkende i uken, krever kvantitativ stringens at teamet enten aksepterer en testperiode på flere uker, sikter mot en større forventet effektstørrelse, eller flytter testinnsatsen til en side med mer trafikk i trakten der meningsfulle resultater kan nås raskere, i stedet for å avslutte en underdimensjonert test tidlig og risikere en falsk konklusjon.

Flere begreper som begynner på Q

La oss bygge den neste.

Kontakt oss