Switas联系我们

定性研究(Qualitative Research)

在 UX 和转化率优化语境下,定性研究是指收集并分析关于用户行为、动机和态度的非数值数据,旨在回答用户为什么会这样行动,而不是有多少用户这样行动。常见的定性方法包括用户访谈、可用性测试、开放式问卷回答、会话录制和卡片分类。与依赖大样本量来得出具有统计代表性数字的定量研究不同,定性研究通常只涉及少量参与者。根据被广泛引用的可用性研究,五到八名用户往往就足以发现某个流程中的大部分可用性问题,因此定性研究更看重理解的深度,而不是覆盖的广度。 定性研究之所以重要,是因为单靠定量数据,例如显示结账步骤流失率为 40% 的漏斗报告,只能告诉团队存在问题,却无法说明问题的成因。转化率下降可能源于表单标签令人困惑、运费揭示得太晚而出乎意料、对支付方式缺乏信任,或是在特定设备上遇到的简单技术障碍,只有直接观察用户尝试完成任务,或者听取他们自己对犹豫原因的解释,才能可靠地区分这些可能性。正是这种诊断作用,使定性研究通常被置于转化率优化流程的早期,用来提出有依据的假设,再通过 A/B 测试等定量测试在大范围内加以验证。 在实践中,CRO 或 UX 场景下的定性研究通过若干结构化技术来开展:有主持人的可用性测试,由主持人观察参与者在真实或原型界面上尝试完成实际任务,同时让其边操作边说出想法;无主持人的远程测试,参与者独立完成任务,其屏幕和声音被录制下来以供日后分析;对真实网站访客的会话录制和热力图分析,无需招募参与者就能大规模发现愤怒点击、无效点击和异常滚动模式;以及开放式的站内问卷或离开意图弹窗调查,用来获取访客未转化就离开的自述原因。分析通常是在多次会话中找出反复出现的主题或摩擦点,而不是把任何单个用户的体验当作具有代表性。 一个常见的误解是,由于样本量较小,定性研究天然不如定量研究严谨可靠。实际上,两种方法回答的是本质上不同的问题,是互补而非竞争的关系,定性研究提供的解释深度是定量数据在结构上无法提供的。一个常见的陷阱是,把寥寥几次定性会话的结果过度推广,仿佛它们对整个用户群具有统计代表性;或者反过来,因为一致的定性发现并非来自大样本就予以忽略,而实际上,一个摩擦点哪怕只在五六次独立会话中反复出现,往往也是强有力、可执行的信号,而非噪声。 在 CRO 或增长咨询实践中,定性研究通常构成项目发现阶段的基础,在构建测试路线图之前进行,因为基于对用户实际困惑或犹豫的理解而设计的实验,比单纯基于最佳实践猜测或竞品对标的实验,更有可能带来有意义的提升。顾问通常会把定性发现与定量漏斗数据相互印证,以确定哪些可用性问题既足够普遍又影响足够大,值得为之投入实验或设计变更的成本。 理解定性与定量研究之间关系的一个有用方式,是研究界常用的一个简单类比:定量数据告诉你地图上哪个位置正在发生什么、规模有多大,而定性数据告诉你那里究竟发生了什么,以及为什么会发生。结账漏斗报告可能显示移动端用户的放弃率几乎是桌面端用户的两倍,这是定量发现,但通常只有观看少量移动端会话录制,或开展几次针对移动端的可用性测试,才能揭示真正的原因,例如在小屏幕上难以准确点按的支付字段,从而把一个模糊的统计差距转变为一个具体、可修复的设计问题。

更多以 Q 开头的术语

让我们一起打造 下一个项目。

联系我们