Nghiên cứu định lượng

Nghiên cứu định lượng Nghiên cứu định lượng là việc thu thập và phân tích thống kê dữ liệu số về hành vi người dùng, được sử dụng để đo lường quy mô, tần suất và tầm quan trọng của các mô hình trên một lượng lớn người dùng, thay vì giải thích động cơ cá nhân. Trong bối cảnh tối ưu hóa trải nghiệm người dùng (UX) và chuyển đổi, các phương pháp định lượng phổ biến bao 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 trên nhiều phiên, và các khảo sát có cấu trúc với các câu hỏi đóng tạo ra dữ liệu phù hợp để so sánh thống kê, chẳng hạn như điểm Net Promoter Score hoặc xếp hạng System Usability Scale. Đặc điểm xác định của nghiên cứu định lượng là các kết luận của nó được thể hiện bằng các thuật ngữ có thể đo lường được, chẳng hạn như tỷ lệ chuyển đổi, mức độ tin cậy thống kê hoặc kích thước hiệu ứng, có thể được so sánh một cách khách quan giữa các khoảng thời gian hoặc biến thể.

Phương pháp định lượng đóng vai trò trung tâm trong tối ưu hóa tỷ lệ chuyển đổi vì nó cung cấp bằng chứng cần thiết để xác thực xem một thay đổi được đề xuất có thực sự cải thiện kết quả hay chỉ đơn thuần là cảm giác cải thiện đối với nhóm thực hiện. Nếu không có sự xác thực định lượng, các quyết định về thiết kế và tiếp thị sẽ dựa vào ý kiến ​​cá nhân, chính trị nội bộ hoặc sở thích chủ quan, điều mà các nghiên cứu luôn cho thấy có mối tương quan kém với hành vi thực tế của người dùng. Thử nghiệm A/B, phương pháp định lượng phổ biến nhất trong CRO, yêu cầu đạt được kích thước mẫu được tính toán trước và mức độ tin cậy thống kê, thường là 95%, trước khi kết quả được coi là đáng tin cậy, và các thử nghiệm thường được chạy trong tối thiểu một đến hai chu kỳ kinh doanh đầy đủ, thường là từ hai đến bốn tuần, để tính đến sự biến động hành vi liên quan đến ngày trong tuần và ngày trả lương, nếu không sẽ làm sai lệch kết quả trong thời gian ngắn.

Ngoài các thí nghiệm có kiểm soát, nghiên cứu định lượng còn bao gồm phân tích quan sát dữ liệu hành vi hiện có, chẳng hạn như phân khúc tỷ lệ chuyển đổi theo nguồn lưu lượng truy cập, loại thiết bị hoặc vị trí địa lý để xác định nơi hiệu suất thay đổi đáng kể, và phân tích nhóm người dùng, theo dõi hành vi của một nhóm người dùng cụ thể, chẳng hạn như tất cả những người đăng ký trong một tháng nhất định, trong những tuần hoặc tháng tiếp theo, thường được sử dụng để đo lường xu hướng giữ chân người dùng và giá trị trọn đời của họ. Các khái niệm thống kê quan trọng đối với nghiên cứu định lượng hiệu quả bao gồm tính toán cỡ mẫu, xác định số lượng quan sát cần thiết để phát hiện ra một hiệu ứng có ý nghĩa ở mức độ tin cậy nhất định, và tránh vấn đề so sánh đa bội, trong đó việc kiểm tra nhiều chỉ số cùng một lúc làm tăng khả năng tìm thấy kết quả có ý nghĩa sai lệch hoàn toàn do ngẫu nhiên.

Một quan niệm sai lầm phổ biến là dữ liệu định lượng vốn dĩ khách quan và do đó không cần phải diễn giải cẩn thận; trên thực tế, kết quả định lượng có thể gây hiểu nhầm nếu quá trình thu thập dữ liệu bị lỗi, ví dụ như do lưu lượng truy cập của bot làm tăng số lượng khách truy cập, mã theo dõi hoạt động không chính xác trên một số thiết bị nhất định hoặc một thử nghiệm bị ảnh hưởng bởi một chiến dịch tiếp thị không liên quan đang chạy đồng thời. Một sai lầm phổ biến khác, đôi khi được gọi là sai lầm về tỷ lệ cơ sở trong ngữ cảnh này, là tập trung vào sự thay đổi phần trăm tương đối mà không xem xét số lượng chuyển đổi tuyệt đối liên quan, vì mức tăng 50% được báo cáo dựa trên chỉ một số ít tổng số chuyển đổi có độ tin cậy thống kê thấp hơn nhiều so với mức tăng 10% được đo lường trên hàng nghìn chuyển đổi.

Trong công việc tư vấn tối ưu hóa tỷ lệ chuyển đổi (CRO) và tăng trưởng, nghiên cứu định lượng cung cấp cả điểm khởi đầu chẩn đoán, xác định vị trí nào trong phễu bán hàng có cơ hội lớn nhất và đáng tin cậy nhất về mặt thống kê, và lớp xác thực cuối cùng, khẳng định liệu giả thuyết được tạo ra thông qua nghiên cứu định tính có thực sự tạo ra kết quả kinh doanh đo lường được sau khi triển khai hay không. Các công ty tư vấn giàu kinh nghiệm thường duy trì tốc độ thử nghiệm và tỷ lệ thắng trong tất cả các thử nghiệm được thực hiện cho khách hàng, sử dụng kết quả định lượng trong quá khứ để liên tục tinh chỉnh loại giả thuyết nào đáng được ưu tiên trong các vòng tối ưu hóa tiếp theo.

Để minh họa cụ thể, giả sử trang thanh toán hiện tại có tỷ lệ chuyển đổi là 3.2% và nhóm muốn tìm hiểu xem liệu việc thiết kế lại biểu mẫu có cải thiện tỷ lệ đó thêm 15%, xuống khoảng 3.7% hay không. Một phép tính cỡ mẫu tiêu chuẩn với độ tin cậy 95% và độ mạnh thống kê 80% có thể cho thấy mỗi biến thể cần hàng chục nghìn lượt truy cập trước khi có thể kết luận chắc chắn về kết quả thử nghiệm. Nếu trang chỉ nhận được vài nghìn lượt truy cập mỗi tuần, tính chính xác về mặt định lượng đòi hỏi nhóm phải chấp nhận thời gian thử nghiệm kéo dài nhiều tuần, nhắm đến hiệu quả mong muốn lớn hơn, hoặc chuyển hướng nỗ lực thử nghiệm sang một trang có lưu lượng truy cập cao hơn trong phễu bán hàng, nơi có thể đạt được kết quả có ý nghĩa nhanh hơn, thay vì kết luận sớm một thử nghiệm thiếu độ mạnh thống kê và có nguy cơ đưa ra kết luận sai.