Når ble data bare kvantitative?

Frida Morberg

Data er grunnlaget for alt vi gjør i CRO. Det er kjernen vår.

Men fra tid til annen hører vi noen som sier: «Det der er bare en brukertest, du har ingen skikkelige data». Dette er en misforståelse som vi kjenner at vi trenger å oppklare, siden den ofte hindrer oss i å gjøre det arbeidet som kreves for å skape en god opplevelse som igjen skaper verdi og konverterer.

Kvantitativ vs. Kvalitativ

Det finnes ulike former for data: Kvantitativ og kvalitativ. De er ulike i sin natur og brukes i ulike former for forskning, men begge er data.

Kvantitative data er de vi vanligvis ser på dashboards, eller som pleier å diskuteres litt ekstra i ledergrupper. Det er talldata eller data som kan oversettes til en form for statistikk, og som kommer fra et større utvalg. Om du jobber med antall konverteringer, NPS eller antall brukere som svarte «Jeg er enig» i den siste undersøkelsen, så er det kvantitative data.

Eksempler på kvantitative metoder er webanalyse i verktøy som Google Analytics eller Adobe Analytics, clickmaps samt polls og undersøkelser med såkalte lukkede svar (dvs. at brukeren bare kan svare basert på et utvalg forhåndsbestemte svaralternativer). Til og med intervjuer kan utformes kvantitativt dersom du lukker spørsmålene og ikke lar brukerne utforme sine egne svar.

Kvalitative data brukes hovedsakelig i utforskende forskning. Dette går på behov, meninger og motivasjon og utforsker det som ikke helt går an å sette en fast verdi på. Vanligvis benyttes et mindre antall datapunkter, og utfallet kommet ofte i form av beskrivelser av innsikt i brukernes tanker og oppførsel.

Eksempler på kvalitative metoder er semi-strukturerte eller ustrukturerte intervjuer, brukstester samt polls og undersøkelser med åpne svar. Du kan absolutt kvantifisere innsikter fra kvalitative studier, men dette krever videre forskning. Resultatet fra kvalitativ forskning med små utvalg kan ikke oppskaleres for å representere en hel brukerbase. Det kommer ikke til å være representativt på en kvantitativ måte. Men de innsiktene som resultatet består av er likevel data.

Hva avgjør hvilke data som bør benyttes?

Kvantitative data er egnet til å svare på spørsmål som «Hvor mange brukere gjør X?», følge trender over tid eller måle effekt og uplift. Når du går gjennom kvantitative studier får du svar på hva brukerne gjør. Brukerne kjøpte et produkt, la noe i handlevognen eller klikket på en knapp. Men hvorfor de gjorde noe eller ikke gjorde noe trenger du kvalitative metoder for å finne ut av. Så for å få hele bildet klart for deg trenger du som regel en kombinasjon av disse ulike formene for data. Du kan ikke benytte deg av «hva» uten å ha et «hvorfor» og vice versa.

«Du kan ikke benytte deg av «hva» uten å ha et «hvorfor» og vice versa»

Når man er i ferd med å gjennomføre forskning setter man som regel opp et forskningsspørsmål. Det er en måte å ramme inn videre arbeid på, slik at det får en tydelig retning og avgrensning. Å ha et velformulert forskningsspørsmål kommer til å veilede deg med tanke på hvilke metoder som bør benyttes.

La oss ta et eksempel

Hvis du vil utforske hva neste skritt er for din nettside eller ditt produkt, kan forskningsspørsmålet være noe slikt som:

Hvilke usikkerheter har brukerne som hindrer dem i å bli med på en testperiode når de surfer på nettsiden?

Å utforske usikkerheter innebærer at man graver i følelser og motivasjon, så en relevant tilnærming for å kunne besvare dette spørsmålet kan være:

  • Poll. Sett inn en poll (åpent spørsmål) på nettsiden som spør brukerne hva som hindrer dem i å avslutte “flyten”. → Resultat: Det brukerne sier hindrer dem i å komme til en konklusjon
  • Brukertest. La brukerne gjennomføre et par vanlige scenarier som tar dem gjennom hele funnelen. Undersøk hvordan de bruker nettsiden og om de stopper opp noe sted. → Resultat: Både hva brukerne sier at hindrer dem i å gå videre, men også innsikt rundt spesifikk atferd som indikerer at de blir distrahert eller ikke finner frem.
  • Funnel og hendelser. Gjennom å studere hvor brukerne faller ut av funnelen og spore spesifikke hendelser og interaksjoner lærer du deg mer om hva brukerne gjør på nettsiden. → Resultat: Hva brukerne gjør, hvordan de beveger seg på nettsiden og i hvilket trinn de ser ut til å ha utfordringer

https://conversionista.com/wp-content/uploads/2019/04/qual-300x228.png

For å få hele bildet klart for seg og besvare forskningsspørsmålet kan man egentlig ikke ta bort noen av disse metodene. Man kan erstatte en eller flere med andre metoder, men problemstillingen trenger fortsatt å belyses fra ulike perspektiver.

  • Uten pollen får du ikke innsikter fra en større gruppe med brukere og risikerer å gå glipp av noe viktig
  • Uten brukertestene kommer du ikke til å kunne studere hva brukerne faktisk gjør, dvs. det de ikke selv er klar over at de gjør
  • Uten å grave i Analytics og dypdykke i funnelen og hendelser kommer du ikke til å vite om det er spesifikke områder som har større problemer enn andre, eller om det er en atferd som driver eller dreper konverteringen på nettsiden

https://conversionista.com/wp-content/uploads/2019/04/poll-300x288.png

Triangulere data

Å kombinere metoder og ulike former for data kalles å triangulere. Enkelt forklart innebærer det at man ser på et problem fra ulike perspektiver, for på den måten å få et mer helhetlig bilde. Det trenger ikke å være vanskelig. Det handler i all hovedsak om å fortsette forskningen i ulike retninger, for å se om dataene forteller samme historie uansett hvordan man ser på dem.

«Enkelt forklart innebærer det at man ser på et problem fra ulike perspektiver, for på den måten å få et mer helhetlig bilde.»

Såklart skjer det at man gjennomfører en form for studie, og resultatet viser noe helt annen enn du så for deg. I slike tilfeller er det bare å fortsette og grave, og finne ut hvorfor det gir et avvikende resultat akkurat nå. Det trenger på ingen måte å bety at studiene er gjennomført på feil måte (pass på confirmation bias!). Det kan være så enkelt som at du bare ikke har hele bildet klart for deg enda. Så fortsett forskningen, og trianguler dataene!

På tide å oppsummere

Har du testet alt, men fortsatt ikke fått noen uplift? Du kan ha all nødvendig sporing på plass, og du har indikasjoner på hvor på nettsiden problemet ligger. Du har testet alle overbevisningsprinsipper fra alle mulige bøker, men ingenting ser ut til å gi resultater.

Legg fra deg tallene for en stund og test en annen innfallsvinkel.

  • Tenk på hva du vil undersøke. Hva er problemet du trenger å dypdykke i?
  • Sett opp en plan for forskningen din med både kvantitative og kvalitative metoder, som gir deg størst sjanse til å finne årsaken til problemet
  • Gjennomfør forskningen og legg sammen alle dataene fra studien din. Hva sier dataene? Vet du både hva som skjer, og hvorfor?

Herfra kan du ta prosjektet videre. Gjennomfør en A/B-test, redesign sider, endre innhold på produktsidene. Hva enn problemet er, så har du nå belyst det godt nok til å kunne ta neste skritt.

 

Lykke til med forskningen!

 

Se også disse blogginnleggene