SwitasLiên hệ

Nghiên cứu định lượng (Quantitative Research)

Nghiên cứu định lượng là việc thu thập và phân tích thống kê dữ liệu số về hành vi người dùng, dùng để đo quy mô, tần suất và mức ý nghĩa của các xu hướng trên một tập lớn người dùng chứ không phải để giải thích động cơ của từng cá nhân. Trong bối cảnh UX và tối ưu hóa chuyển đổi, các phương pháp định lượng phổ biến gồm báo cáo phân tích web, phân tích phễu, thử nghiệm A/B và đa biến, theo dõi nhấp chuột và cuộn trang được tổng hợp qua nhiều phiên, và khảo sát có cấu trúc với câu hỏi đóng cho ra dữ liệu phù hợp để so sánh thống kê, chẳng hạn điểm Net Promoter Score hoặc thang đo System Usability Scale. Đặc trưng của nghiên cứu định lượng là kết luận của nó được diễn đạt bằng các thuật ngữ đo lường được, như tỷ lệ chuyển đổi, mức tin cậy thống kê hoặc kích thước hiệu ứng, có thể so sánh một cách khách quan giữa các giai đoạn hoặc các biến thể. Đây là lĩnh vực trọng tâm của tối ưu hóa tỷ lệ chuyển đổi vì nó cung cấp bằng chứng cần thiết để xác thực liệu một thay đổi đề xuất có thực sự cải thiện kết quả hay chỉ đơn giản là cảm giác cải thiện đối với đội ngũ thực hiện. Nếu không có xác thực định lượng, các quyết định thiết kế và marketing dựa vào ý kiến, chính trị nội bộ hoặc sở thích chủ quan, vốn theo các nghiên cứu cho thấy tương quan kém với hành vi thực tế của người dùng. Thử nghiệm A/B, phương pháp định lượng phổ biến nhất trong CRO, đòi hỏi phải đạt cỡ mẫu được tính trước và một mức tin cậy thống kê, thường là 95 phần trăm, trước khi một kết quả được coi là đáng tin, và các thử nghiệm thường được chạy tối thiểu từ một đến hai chu kỳ kinh doanh đầy đủ, thường là hai đến bốn tuần, để tính đến biến động hành vi theo ngày trong tuần và theo kỳ lĩnh lương vốn sẽ làm sai lệch kết quả của các thử nghiệm ngắn ngày. Ngoài các thử nghiệm có đối chứng, nghiên cứu định lượng còn bao gồm phân tích quan sát dữ liệu hành vi hiện có, chẳng hạn phân đoạn tỷ lệ chuyển đổi theo nguồn lưu lượng, loại thiết bị hoặc địa lý để xác định nơi hiệu suất khác biệt đáng kể, và phân tích nhóm (cohort), theo dõi cách một nhóm người dùng cụ thể, chẳng hạn tất cả những người đăng ký trong một tháng nhất định, hành xử trong các tuần hoặc tháng tiếp theo, thường được dùng để đo xu hướng giữ chân và giá trị vòng đời. Các khái niệm thống kê trọng tâm của nghiên cứu định lượng vững chắc gồm tính cỡ mẫu, xác định cần bao nhiêu quan sát để phát hiện một hiệu ứng có ý nghĩa ở một mức tin cậy cho trước, và tránh vấn đề so sánh bội (multiple comparisons problem), trong đó việc kiểm tra đồng thời nhiều chỉ số làm tăng khả năng tìm thấy một kết quả có ý nghĩa giả hoàn toàn do ngẫu nhiên. Một quan niệm sai lầm thường gặp là dữ liệu định lượng vốn khách quan nên không cần diễn giải cẩn thận; trên thực tế, kết quả định lượng có thể gây hiểu lầm nếu việc thu thập dữ liệu nền tảng có sai sót, chẳng hạn do lưu lượng bot làm phồng số lượng khách truy cập, mã theo dõi kích hoạt không đúng trên một số thiết bị, hoặc một thử nghiệm bị nhiễm bởi một chiến dịch marketing không liên quan chạy đồng thời. Một cạm bẫy phổ biến khác, đôi khi được gọi là ngụy biện tỷ lệ cơ sở (base rate fallacy) trong bối cảnh này, là chỉ tập trung vào thay đổi phần trăm tương đối mà không xét đến số lượng chuyển đổi tuyệt đối, vì mức tăng 50 phần trăm được báo cáo dựa trên chỉ một số ít chuyển đổi tổng cộng có độ tin cậy thống kê thấp hơn nhiều so với mức tăng 10 phần trăm đo được trên hàng nghìn chuyển đổi. Trong công việc tư vấn CRO và tăng trưởng, nghiên cứu định lượng vừa cung cấp điểm khởi đầu chẩn đoán, xác định cơ hội lớn nhất và đáng tin cậy nhất về mặt thống kê nằm ở đâu trong phễu, vừa là lớp xác thực cuối cùng, xác nhận liệu một giả thuyết được tạo ra qua nghiên cứu định tính có thực sự mang lại kết quả kinh doanh đo lường được khi triển khai hay không. Các đơn vị tư vấn trưởng thành thường duy trì chỉ số tốc độ thử nghiệm và tỷ lệ thắng trên mọi thử nghiệm đã chạy cho khách hàng, dùng kết quả định lượng lịch sử để liên tục tinh chỉnh loại giả thuyết nào đáng ưu tiên trong các vòng tối ưu hóa tiếp theo. Để minh họa cụ thể, giả sử một trang thanh toán hiện có tỷ lệ chuyển đổi 3,2 phần trăm và một đội ngũ muốn phát hiện liệu một biểu mẫu được thiết kế lại có cải thiện tỷ lệ đó tương đối 15 phần trăm, lên khoảng 3,7 phần trăm hay không. Một phép tính cỡ mẫu tiêu chuẩn ở mức tin cậy 95 phần trăm và năng lực thống kê 80 phần trăm có thể cho thấy mỗi biến thể cần hàng chục nghìn khách truy cập trước khi thử nghiệm có thể kết luận một cách đáng tin cậy. Nếu trang chỉ nhận được vài nghìn khách truy cập mỗi tuần, sự chặt chẽ định lượng đòi hỏi đội ngũ hoặc phải chấp nhận thời gian thử nghiệm kéo dài nhiều tuần, hoặc nhắm tới kích thước hiệu ứng kỳ vọng lớn hơn, hoặc chuyển nỗ lực thử nghiệm sang một trang có lưu lượng cao hơn trong phễu nơi có thể đạt kết quả có ý nghĩa nhanh hơn, thay vì chốt sớm một thử nghiệm thiếu năng lực thống kê và đối mặt nguy cơ kết luận sai.

Thêm thuật ngữ bắt đầu bằng Q

Hãy cùng xây dựng sản phẩm tiếp theo.

Liên hệ