När blev data endast kvantitativ?

Frida Morberg

Data är grunden till allt vi gör inom CRO. Det är vår kärna.

Men då och då hör vi någon säga: “Det där är bara ett användningstest, du har ingen riktig data”. Just denna kommentar är en missuppfattning som vi känner att vi behöver uppmärksamma, då den många gånger hindrar oss från att göra det arbete som krävs för att skapa en bra upplevelse som skapar värde och konverterar.

Kvantitativ vs Kvalitativ

Det finns olika typer av data: kvantitativ och kvalitativ. De är olika till sin natur och används för olika former av research, men båda är data.

Kvantitativ data är den som du vanligtvis ser på dashboards eller som brukar diskuteras lite extra i ledningsgrupper. Det är numerisk data eller data som kan översättas till någon form av statistik och tas fram från en större population. Om du arbetar med antal konverteringar, NPS eller antal användare som svarade “Jag instämmer” i senaste enkäten, då är det kvantitativ data.

Exempel på kvantitativa metoder är webbanalys i verktyg såsom Google Analytics eller Adobe Analytics, clickmaps samt polls och enkäter med s.k. stängda svar (dvs att användaren endast kan svara utifrån en mängd förutbestämda svarsalternativ). Även intervjuer kan utformas kvantitativt om du stänger frågorna och inte tillåter användarna att utveckla sina svar.

Kvalitativ data används i huvudsak för explorativ research. Den gräver i behov, åsikter och motivationer och utforskar det där som inte riktigt går att sätta ett värde på. Vanligtvis används ett mindre antal datapunkter och utkomsten är ofta i form av beskrivningar av insikter om användarens tankar och beteenden.

Exempel på kvalitativa metoder är semi-strukturerade eller ostrukturerade intervjuer, användningstester samt polls och enkäter med öppna svar. Du kan absolut kvantifiera insikter från kvalitativa studier men för det krävs ytterligare research. Resultatet från kvalitativ research med små populationer kan inte skalas upp för att representera en hel användarbas. Det kommer inte vara representativt på ett kvantitativt sätt. Men insikterna som resultatet består av är fortfarande data.

Vad avgör vilken data som bör användas?

Kvantitativ data är utmärkt för att besvara frågor som “Hur många användare gör X?”, följa trender över tid eller mäta effekt och uplift. När du genomför kvantitativa studier får du reda på vad användarna gör. Användarna köpte en produkt, lade något i varukorgen eller klickade på en knapp. Men varför de gjorde eller inte gjorde något behöver du använda kvalitativa metoder för att ta reda på. Så för att få hela bilden klar för dig behöver du i regel kombinera dessa olika typer av data. Du kan inte använda dig av ”vad” utan att ha ett ”varför och vice versa.

Du kan inte använda dig av ”vad” utan att ha ett ”varför” och vice versa.

När man är i färd med att genomföra research sätter man i regel upp en researchfråga. Det är ett sätt att rama in fortsatt arbete så att det får en tydlig riktning och avgränsning. Att ha en välformulerad researchfråga kommer att vägleda dig kring vilka metoder som bör användas.

Så låt oss ta ett exempel

Om du vill utforska vad nästa steg är för din sajt eller produkt skulle researchfrågan kunna vara någon i stil med:

Vilka osäkerheter har användarna som hindrar dem från att gå med på en testperiod när de browsar på sajten?

Att utforska osäkerheter innebär att man gräver i känslor och motivation, så ett relevant upplägg för att besvara denna fråga skulle kunna vara:

  • Poll. Sätt upp en poll (öppen fråga) på sajten som frågar användarna vad som hindrar dem från att avsluta flödet.
    → Resultat: Vad användarna säger hindrar dem från att komma till avslut
  • Användningstest. Låt användarna genomföra ett par vanliga scenarion som tar dem genom hela funneln. Undersök hur de använder sajten och om de fastnar någonstans.
    → Resultat: Både vad användarna säger hindrar dem från att gå vidare, men också insikter kring specifika beteenden som indikerar att de blir distraherade eller inte hittar.
  • Funnel och händelser. Genom att studera vart användarna faller ur funneln och spåra specifika händelser och interaktioner lär du dig mer om vad användarna gör på sajten.
    → Resultat: Vad användarna gör, hur de rör sig på sajten och i vilka steg de verkar ha mer problem.

 

För att få hela bilden klar för sig och besvara researchfrågan kan man egentligen inte ta bort någon av dessa metoder. Man kan ersätta en eller flera med andra metoder, men problemställningen behöver fortfarande utforskas från olika perspektiv.

  • Utan pollen får du inte insikter från en större grupp användare och riskerar att missa något viktigt.
  • Utan användningstesterna kommer du inte kunna studera vad användarna faktiskt gör, dvs de där sakerna som de själva inte är medvetna om att de gör.
  • Utan att gräva i Analytics och djupdyka i funneln och händelser kommer du inte veta om det finns specifika områden som har större problem än andra eller om det är något beteende som driver eller dödar konverteringen på sajten.

Triangulera data

Att kombinera metoder och olika typer av data kallas att triangulera. Enkelt förklarat innebär det att man ser på ett problem från olika perspektiv för att på så sätt få en mer heltäckande bild. Det behöver inte vara svårt. Det handlar i huvudsak om att fortsätta bedriva research från olika håll för att se om datan berättar samma historia oavsett hur man ser på den.

Enkelt förklarat innebär det att man ser på ett problem från olika perspektiv för att på så sätt få en mer heltäckande bild.

Visst händer det att man genomför någon form av studie och resultatet visar något helt annat än du tänkte dig. I dessa fall är det bara att fortsätta gräva och ta reda på varför det ger ett avvikande resultat just denna gång. Det behöver inte alls betyda att studien är felaktigt genomförd (se upp för confirmation bias!) utan det kan vara så enkelt som att du bara inte har hela bilden klar för dig än. Så fortsätt göra researchen och triangulera datan!

Dags att summera

Har du testat allt men du fortfarande inte får någon uplift? Du kan ha all nödvändig spårning på plats och du har indikationer på var på sajten problemet ligger. Du har testat alla övertygandeprinciper från alla möjliga böcker men inget verkar ge ett resultat.

Släpp siffrorna för en stund och testa en annan infallsvinkel.

  • Fundera på vad du vill undersöka. Vad är problemet du står inför som du nu behöver djupdyka i
  • Sätt upp en plan för din research med både kvantitativa och kvalitativa metoder som ger dig störst möjlighet att ta reda på orsaken till problemet.
  • Genomför researchen och summera all data från din studie. Vad säger datan? Vet du både vad som händer och varför?

Härifrån kan du ta projektet vidare. Genomför ett A/B-test, redesigna sidor, ändra copy på produktsidorna. Vad problemet än må vara så har du nu belyst det tillräckligt väl för att kunna ta nästa steg.

Lycka till med researchen!

Läs även