Кількісний чи якісний? Що краще?

Сьогодні є як якісні, так і кількісні дані. Незалежно від того, що розмова вмикається, суперечки про те, які дані найкращі, здається, завжди є. Більше зараз, коли здається, що кількісне стає мірилом "майже всієї" можливої ​​реальності. Більше того, здається, що спроба виміряти все стала нав'язливою ідеєю, як розповідає Даніель Інерність у цій статті, опублікованій в Ель-Паїсі, яку я нещодавно обговорював із Сальвою. Все повинно вимірюватися у формі "балів, рейтингів, рейтингів, впливів, показників, оцінок" подобається ", зірочок, балів, ставок, індексів" ... Чи потрібно нам все кількісно оцінювати? Чи варто щось кваліфікувати?

якісних даних

Відповідь на це питання може лежати посередині (як це зазвичай роблять чесноти). Я думаю, що це не питання вибору між кількісний або якісний правильно, а скоріше, щоб знайти ідеальний баланс між обома перспективами, у трикутнику, використовуючи як квантові, так і кваліфіковані дані. (Настільки, що моя докторська дисертація точно обирає змішаний підхід, який триангулює результати та висновки як з кількісних, так і з якісних даних. Я буду говорити як приклад у майбутньому щодо дизайну продуктів чи послуг для клієнтів, але аналогія з вимірюванням варіації культури інновацій або будь-якого аналітичного процесу для прийняття бізнес-рішень.

Істина, що лежить в основі концепцій

Щоб зрозуміти необхідність справедливого балансу, спочатку слід визначити, що вони точно означають окремо. Визнайте їхні відмінності, і перш за все, важливо застосовувати правильні аналіз даних результати яких є продуктивними.

У суспільстві, де все вимірюється, і тому його можна кількісно визначити, цифри стають важливими інструментами для упорядкування інформації. Його велика перевага полягає в простоті його розуміння, цифри просто зрозуміти об’єктивно, і їх можна прийняти без подальших суперечок.

Ось чому, коли йдеться про кількісні дані, ви стикаєтесь з великою правдою, що майже все можна класифікувати чисельно, або за рейтингами, оцінками чи рейтингами, якістю товару, популярністю бренду або конкурентоспроможністю самих компаній.

Отже, кількісні дані можна визначити як інформацію, яку ми можемо виміряти за допомогою цифр. Номери прозорі, через них буде визначено, скільки разів веб-сторінка була відвідана, або кількість завантажень програми.

Незалежно від того, використовуються вони для науки, політики чи ринків, цифри виконують функцію соціального вимірювання, стандартизовану мову, що характеризується точністю, чіткістю та неупередженістю. Їх можна зібрати за допомогою метрик додатків, опитувань та A/B тестів.

Навпаки, ландшафт повністю змінюється, коли йдеться про що якісний. Говорячи про якісні дані, це інформація, яку неможливо виміряти, і яка на відміну від якої кількісний, це суб'єктивно. Якщо це стосується контексту дизайну товару чи послуги, це стосується даних, зібраних із досвіду споживачів щодо певних продуктів.

Ці дані можна отримати під час дзвінків, електронних листів, інтерв’ю чи навіть неформальних бесід чи спостережень, етнографій тощо.

Навіщо використовувати обидва?

Як тільки ви зрозумієте, як їх застосовувати, ви зможете побачити, наскільки протилежними є їх основи. Об’єктивність проти суб’єктивності, точність проти неточності. Однак у цілому, і якщо у вас є необхідні знання для її реалізації, результати поєднання (або триангуляції) конкретної та кількісної інформації, разом із гнучкою та якісною інформацією, можуть запропонувати результати великої продуктивності.

Ключ до успіху в бізнесі полягає в рівновазі, точніше, прийнятті зважених рішень. Отже, для досягнення цього потрібні обидва типи даних.

Причина, яку я висунув за цим, обмежується тим, що обидва вони можуть надати інформацію про реальну поведінку людей. Те, що досягається при його змішаному використанні, виходить далеко за рамки фіксованих даних, оскільки послідовні дані отримуються з двох різних точок зору.

І навіть точність цих даних може зрости після того, як поведінка людей буде виміряна та вивчена. Отримуються як кількісні, так і якісні дані, скільки клієнтів роблять ...? для першого, а для другого - даних, що забезпечують контекст та нюанси їх думок. Коментарі щодо продуктивності веб-сайту або характеристик, що заважають роботі продукту, позначте до і після в аналіз даних як такий.

Щодо цього, Естебан Гарсія Перес, керуючий директор Hydra Social Media, пояснює, що для того, щоб по-справжньому зрозуміти, що вимагають клієнти, необхідно використовувати якісні та кількісні дані для досягнення категоризації та сегментації покупців, а також для розробки більш позитивного та задоволеного досвіду для них.

Ці незмінні дані, які не можуть змінити те, що в них імпліцитно, мають велику цінність, вони вказують на істину, яку не можна заперечувати, і свідчать про певні показники, але в той же час ті дані, що стосуються мислення, почуттів і дій людей, є такими ж цінний. Як зазначає Пабло Сейбелт, який очолює команду з обробки даних в Auth0, люди є суб'єктивними, а не роботами, і усвідомлення їх суб'єктивності призведе до кращих результатів.

Якщо вам потрібні приклади того, як обидва типи даних можуть працювати в повній гармонії та, як наслідок, успішно, ви можете проаналізувати наступний приклад: Якщо для визначення кольору інтерфейсу веб-сторінки пропонується A/B-тест, колір буде виявляється, якщо серед варіантів використовуються кількісні дані, однак кількісні дані не мають більш динамічних та суб’єктивних деталей, таких як дані, надані контекстом.

Чому один колір віддають перевагу іншому? Це тому, що це плутається з дизайном іншої веб-сторінки? Це асоціація чи преференція? Чому ти маєш таку перевагу? Причин може бути безліч, і це потрібно знати, щоб отримати ефективні та практичні рішення.

І хоча можна вважати, що справа обертається без потреби, правда полягає в тому, що під час виявлення конкретних відповідей на цю деталь, людина полягає у здатності вивести спосіб мислення людей. Вам слід не просто дотримуватися кількісних даних, а йти далі і знаходити пояснення після вибору.

Коли ви почнете зі збору якісних даних та підтримуєте безпосередній контакт із клієнтом, його уподобання та мотивація будуть повністю виявлені. Навіть ці уподобання та мотивації можуть бути використані в інших контекстах.

Якісні дані повинні бути протиставлені кількісним і навпаки, завжди прагнучи знати, ким є наші клієнти за допомогою поглибленого дослідження ринку. Так, каже Марія Хосе Паес, маркетинговий консультант InboundCycle.

Ще однією важливою інформацією для підтримки належної уваги є цілі, яких потрібно досягти, хоча вони залежать від бізнесу, компанії чи бренду, в якому ви працюєте, ви також повинні досягти зв’язку з клієнтом, де не лише отримуєте кількісні дані, але якісний.

Вони повинні бути зосереджені на розумінні справжніх проблем клієнтів. Чому це актуально? Оскільки за якісними ви можете підійти до правильних питань, нарешті зрозуміти, що замовник думає більш-менш і що насправді для нього важливо, так каже Сергій Шевлягін, менеджер групи в Zillow.

Варіант перший: починайте з якісних даних

Потреба в суміші якісний з чим кількісний для досягнення цілком задовільних результатів, але з чого з цього почати. Чи варто вибрати для початку кількісні дані? Або з якісними? Чи існує формула пошуку вказаних відповідей? Не. Ні, тому що кожна відповідь залежить від контексту, того, що ви шукаєте, і, звичайно, даних, які ви хочете отримати.

Підхід в якості посилання може бути наданий із використанням, в першу чергу, якісних даних, і все це для визначення типу продукту, який буде побудований у майбутньому, або модифікацій, які бажано внести до існуючого той, що вимагає певних змін.

Проводячи час та спілкуючись із клієнтами чи майбутніми клієнтами, ви дізнаєтесь про їхні проблеми та потреби, що вони думають та що вимагають для задоволення.

Оскільки спілкування з клієнтами часто пов’язане з творчістю, з тими абстрактними елементами. Для повного бачення, більш широкого та ефективного, це необхідно і необхідно, але, не забуваючи про кількісну оцінку, оскільки при маркетингу даних це ще одна невідворотна точка рівняння, як пояснила Каріна Веласкес, науковець з питань комунікацій, яка пише для Marketing4ecommerce.

Отримавши знання, вони використовуються для формулювання гіпотез щодо послуг чи товарів, здатних надати якнайвищу цінність цілі. І це пізніше, коли ми перейдемо до збору кількісних даних для перевірки сформульованої гіпотези.

Як пояснив Брюс Маккарті, засновник UpUp Labs, що працюючи з гнучкими даними, можна задати правильні питання для перевірки гіпотез з кількісними даними.

Маккарті пояснює, що чим більше знань про кількісні дані, загальним і логічним є починати саме з якісних даних. Якщо йдеться про визначення найкращого способу оптимізації потокової платформи, яка вже забезпечує відмінні відтворення, кількісні дані вже доступні.

Крім того, ці кількісні дані дають можливість показати слабкі місця, тобто поведінку або причини, які роблять цифри не такими хорошими, як вони можуть бути. Але якщо ви бачите, що кількість переглядів зростає і зменшується лише кілька тижнів, ви не матимете конкретних відповідей.

Чому трапляється? Що відбувається? Як ти можеш діяти? Якщо на ці запитання відповідають помилково або на них не дають відповіді, існує можливість отримати неправильні відповіді або запропонувати незадовільні рішення, які не дозволяють вирішити поставлені реальні проблеми.

Без якісних даних можна навіть вирішити неправильну частину правильної проблеми, як коментує Лулу Ченг, менеджер з продуктів у Pinterest.

Варіант другий: починайте з кількісних даних

Подібно до того, як якісні дані можуть дати більш особистий, детальний та гуманний початок аналіз даних, Інший варіант представлений, починаючи з кількісних даних. Як кількісні дані, так і якісні дані не можуть існувати без інших, оскільки вони живляться одне в одному і одночасно доповнюють одне одного.

Якщо ви вирішите почати з кількісних даних, виявлення суттєвих закономірностей послужить для формування коротких і точних профілів про товари, і як тільки ця інформація буде перевірена, настав час розпочати якісні інтерв’ю, щоб повністю зрозуміти контекст, що породив ці специфічні моделі.

Процес співбесіди дуже різноманітний і, як правило, приносить деякі сюрпризи чи одкровення, не пов'язані з тим, що вже відомо. Ось чому під час них легко та вигідно виявити нові підказки.

Тоді слід повернутися до кількісних даних, щоб виміряти їх важливість. Слід зазначити, що в деяких випадках одні й ті ж кількісні дані мають можливість отримати інші кількісні дані, які забезпечать більшу згуртованість отриманих відповідей. Ця ситуація може мати місце і у випадку якісних даних.

Сам по собі пошук як якісних даних, так і кількісних даних повинен бути невтомним для оптимізації товару, оскільки, отримавши більше інформації, зазначений товар може досягти свого максимального потенціалу.

Як би це не було неймовірно, конфігурації одного для його вдосконалення невичерпні, і споживач завжди буде шукати продукти, які краще підготовлені або налаштовані для своїх потреб, тому вони повинні постійно перебувати в стані постійних і успішних змін. І саме тому кількісні та якісні дані слід використовувати разом.

Справа не в виборі

Припущення надзвичайно небезпечні, оскільки можуть призвести до абсолютно неправильних результатів, що призведе до серйозних помилок упередженого тлумачення. Це набуває особливого відтінку, коли справа стосується аналіз даних кількісні та якісні. Якщо у вас є конкретні цифри в метричному режимі, кількісні дані або відповіді на співбесіди, якісні дані, ні в якому разі аналіз одного не повинен бути окремим від іншого.

Оскільки обидва дані можуть бути сумнівними, саме тому вони разом надають більше правдивості та відчуття конкретності, оскільки підтримують один одного.

Він трикутний, і, таким чином, можна виділити два великі типи методологічних триангуляцій. Перший - це чиста конструкція триангуляції, в якій паралельно проектуються одночасно і кількісна, і якісна частини. Методи збору інформації також застосовуються паралельно і аналізуються, щоб отримати спільне тлумачення, сприяючи в обох випадках однаковою важливістю та актуальністю у складанні висновків. Другий тип проектування триангуляції - це так званий інтегрований дизайн або вбудований дизайн, який відрізняється від попереднього тим, що існує субординація або ієрархія між кількісними та якісними стратегіями дослідження. Іншими словами, в інтегрованих розробках одна з двох стратегій підпорядковується іншій з метою посилення та переорієнтації основної стратегії.

На закінчення, коли йдеться про важливіші якісні дані чи кількісні дані? Я думаю, що обоє необхідні. Той, хто хоче приймати рішення на основі аналізу даних, повинен мати можливість розуміти, що будь-яка модель поведінкових даних, яку можна кількісно визначити, впливає на людей, які мають суб’єктивні та непередбачувані думки та реакції.

Тому ідеальним є пошук правильного балансу між обома сторонами, вирівнювання цих даних, тріангуляція результатів та висновків аналізу даних, оскільки в цьому делікатному балансі є ключі до дійсно правильно прийнятих рішень.