Nghiên cứu định tính

Nghiên cứu định tínhTrong bối cảnh UX và tối ưu hóa chuyển đổi, nghiên cứu định tính là việc thu thập và phân tích dữ liệu phi số về hành vi, động cơ và thái độ của người dùng, nhằm trả lời câu hỏi tại sao người dùng lại hành động như vậy chứ không phải là có bao nhiêu người dùng làm như vậy. Các phương pháp định tính phổ biến bao gồm phỏng vấn người dùng, các buổi kiểm thử khả năng sử dụng, phản hồi khảo sát mở, ghi âm phiên sử dụng và bài tập phân loại thẻ. Không giống như nghiên cứu định lượng, dựa vào cỡ mẫu lớn để tạo ra các con số đại diện về mặt thống kê, nghiên cứu định tính thường chỉ cần một số lượng nhỏ người tham gia, thường từ năm đến tám người dùng là đủ để phát hiện ra phần lớn các vấn đề về khả năng sử dụng trong một quy trình nhất định theo các nghiên cứu về khả năng sử dụng được trích dẫn rộng rãi, và ưu tiên chiều sâu hiểu biết hơn là phạm vi bao quát.

Nghiên cứu định tính rất quan trọng vì dữ liệu định lượng đơn thuần, chẳng hạn như báo cáo phễu cho thấy tỷ lệ bỏ ngang 40% ở bước thanh toán, chỉ cho nhóm nghiên cứu biết rằng vấn đề tồn tại chứ không phải nguyên nhân gây ra nó. Tỷ lệ chuyển đổi giảm có thể bắt nguồn từ nhãn biểu mẫu khó hiểu, chi phí vận chuyển bất ngờ được tiết lộ quá muộn, sự thiếu tin tưởng vào phương thức thanh toán hoặc chỉ đơn giản là sự cố kỹ thuật trên một thiết bị cụ thể, và chỉ có quan sát trực tiếp người dùng khi thực hiện tác vụ hoặc lời giải thích của chính họ về sự do dự mới có thể phân biệt một cách đáng tin cậy giữa các khả năng này. Vai trò chẩn đoán này là lý do tại sao nghiên cứu định tính thường được đặt ở giai đoạn đầu của quy trình tối ưu hóa chuyển đổi, được sử dụng để tạo ra các giả thuyết có cơ sở vững chắc, sau đó được xác thực trên quy mô lớn thông qua thử nghiệm định lượng như thử nghiệm A/B.

Trên thực tế, nghiên cứu định tính trong bối cảnh CRO hoặc UX được áp dụng thông qua một số kỹ thuật có cấu trúc: kiểm thử khả năng sử dụng có người điều phối, trong đó người điều phối quan sát người tham gia thực hiện các tác vụ thực tế trên giao diện trực tiếp hoặc nguyên mẫu trong khi suy nghĩ thành tiếng; kiểm thử từ xa không có người điều phối, trong đó người tham gia hoàn thành các nhiệm vụ một cách độc lập và màn hình cũng như giọng nói của họ được ghi lại để phân tích sau này; ghi lại phiên truy cập và phân tích bản đồ nhiệt của khách truy cập trang web thực tế, giúp tiết lộ các cú nhấp chuột giận dữ, nhấp chuột không hoạt động và các kiểu cuộn bất thường trên quy mô lớn mà không cần tuyển dụng người tham gia; và các cuộc khảo sát tại chỗ mở hoặc thăm dò ý định thoát trang để nắm bắt lý do mà khách truy cập nêu ra khi rời đi mà không chuyển đổi. Phân tích thường bao gồm việc xác định các chủ đề lặp đi lặp lại hoặc các điểm gây khó khăn trong các phiên truy cập thay vì coi trải nghiệm của bất kỳ người dùng nào là đại diện cho chính nó.

Một quan niệm sai lầm phổ biến là nghiên cứu định tính vốn dĩ kém chặt chẽ hoặc đáng tin cậy hơn nghiên cứu định lượng vì quy mô mẫu nhỏ hơn; trên thực tế, hai phương pháp này trả lời những câu hỏi khác nhau về bản chất và bổ sung cho nhau chứ không phải cạnh tranh, trong đó nghiên cứu định tính cung cấp chiều sâu giải thích mà dữ liệu định lượng về mặt cấu trúc không thể có được. Một sai lầm thường gặp là khái quát hóa quá mức từ một vài phiên nghiên cứu định tính như thể chúng đại diện về mặt thống kê cho toàn bộ cơ sở người dùng, hoặc ngược lại, bác bỏ những phát hiện định tính nhất quán vì chúng không được rút ra từ một mẫu lớn, trong khi một điểm khó khăn được quan sát lặp đi lặp lại trong năm hoặc sáu phiên độc lập thường là một tín hiệu mạnh mẽ, có thể hành động được chứ không phải là nhiễu.

Trong lĩnh vực tư vấn tối ưu hóa tỷ lệ chuyển đổi (CRO) hoặc tăng trưởng, nghiên cứu định tính thường là nền tảng của giai đoạn khám phá trong một dự án, được thực hiện trước khi xây dựng lộ trình thử nghiệm. Bởi vì các thử nghiệm dựa trên sự hiểu biết về những khó khăn hoặc do dự thực tế của người dùng có khả năng tạo ra sự cải thiện đáng kể hơn so với các thử nghiệm chỉ dựa trên phỏng đoán về kinh nghiệm thực tế hoặc so sánh với đối thủ cạnh tranh. Các chuyên gia tư vấn thường đối chiếu các phát hiện định tính với dữ liệu định lượng về phễu chuyển đổi để ưu tiên những vấn đề về khả năng sử dụng nào đủ phổ biến và đủ ảnh hưởng để biện minh cho chi phí của một thử nghiệm hoặc thay đổi thiết kế.

Một cách hữu ích để hiểu mối quan hệ giữa nghiên cứu định tính và định lượng là thông qua một phép so sánh đơn giản thường được sử dụng trong cộng đồng nghiên cứu: dữ liệu định lượng cho bạn biết điều gì đang xảy ra trên bản đồ và quy mô của nó, trong khi dữ liệu định tính cho bạn biết điều gì thực sự đang xảy ra ở đó và tại sao. Một báo cáo về quy trình thanh toán có thể cho thấy người dùng di động bỏ ngang với tỷ lệ gần gấp đôi so với người dùng máy tính để bàn, một phát hiện định lượng, nhưng chỉ cần xem một vài bản ghi phiên sử dụng trên thiết bị di động hoặc tiến hành một vài bài kiểm tra khả năng sử dụng dành riêng cho thiết bị di động thường sẽ tiết lộ nguyên nhân thực sự, chẳng hạn như trường thanh toán khó chạm chính xác trên màn hình nhỏ, biến một khoảng cách thống kê mơ hồ thành một vấn đề thiết kế cụ thể, có thể khắc phục được.