Määrällinen data ilman laadullista dataa jättää sinut sokeaksi sille, miksi. Laadullinen data ilman määrällistä dataa jättää sinulle anekdootteja kaavojen sijaan. Tehokkain analytiikka yhdistää molemmat. Mittari näyttää konversion laskevan. Se on määrällistä. Mutta miksi se laskee. Istuntotallenteet näyttävät, että kävijät luopuvat lomakkeella. Se on laadullista. Yhdessä ne tunnistavat ongelman ja ohjaavat ratkaisuun. Tiimit, jotka hallitsevat tämän yhdistelmän, optimoivat nopeammin ja älykkäämmin kuin ne, jotka luottavat vain yhteen datatyyppiin.
Tässä artikkelissa kerrotaan, miten yhdistät määrällisen ja laadullisen datan tehokkaasti.
Käytä määrällistä dataa ongelmien tunnistamiseen
Määrällinen data on ongelmien ilmaisimesi. Mittari muuttuu. Konversio laskee. Poistumisprosentti nousee. Nämä luvut kertovat, että jokin on vialla. Ilman määrällistä dataa toimit sokeana. Et tiedä, mitä tutkia.
Luvut kertovat, mihin katsoa. Konversio alas kassasivulla. Katso sinne. Poistumisprosentti ylös etusivulla. Tutki etusivua. Liikenne alas maksetusta hausta. Tarkista maksettu haku. Luvut osoittavat ongelmiin.
Ota seuranta käyttöön. Hälytä, kun mittarit muuttuvat odottamattomasti. Kun hälytys laukeaa, tiedät, että jotain pitää tutkia. Tämä tehokkuus pitää sinut keskittyneenä olennaiseen.
Käytä laadullista dataa ongelmien ymmärtämiseen
Kun määrällinen data on tunnistanut ongelman, laadullinen data selittää sen. Kassalta luopuminen on korkeaa. Miksi. Katso istuntotallenteita. Näet sen. Ehkä kävijät eivät ymmärrä lomaketta. Ehkä toimitus hämmentää heitä. Ehkä he epäilevät maksua. Tallenteet näyttävät todellisen ongelman.
Laadullinen data menee syvälle. Se näyttää paitsi sen, että ongelma on olemassa, myös sen, mikä ongelma on. Tämä tarkkuus antaa sinun korjata oikean asian. Ilman laadullista dataa saatat korjata oireita syiden sijaan.
Tutkimusprosessi
Aloita määrällisestä datasta. Mittari muuttui. Jokin on vialla. Käytä sitten laadullista dataa tutkimiseen. Katso tallenteita vaikutuksen kohteena olleista käyttäjistä. Lue tukipyyntöjä. Hanki palautetta. Ymmärrä ongelma.
Tämä prosessi on iteratiivinen. Löydät ongelman datalla. Ymmärrät sen laadullisella tutkimuksella. Muodostat hypoteesin. Testaat sen. Luvut näyttävät, toimiko testi. Tämä kierto ajaa parantamista.
Validoi hypoteesit datalla
Laadullinen data voi johtaa harhaan. Katsot viisi tallennetta ja muodostat teorian. Mutta ehkä nuo viisi ovat poikkeamia. Validoi teoriasi määrällisellä datalla. Jos epäilet lomakkeen sekavuuden aiheuttavan luopumista, testaa lomakkeen selkeyttä. Paraneeko konversio. Luvut kertovat, oliko hypoteesi oikea.
Luvut ilman laadullista kontekstia voivat myös johtaa harhaan. Mittari parani, mutta et tiedä miksi. Laadullinen data selittää miksi. Niiden yhdistäminen pitää sinut rehellisenä.
Segmenttianalyysi useilla ulottuvuuksilla
Määrällinen data antaa segmentoida. Mobiili ja tietokone. Uudet ja palaavat. Maksettu ja luonnollinen. Jokaisella segmentillä on eri mittarit. Laadullinen data lisää näihin segmentteihin syvyyttä. Miksi mobiilikäyttäjillä on matalampi konversio. Katso mobiilitallenteita. Miksi uusilla käyttäjillä on korkeampi poistumisprosentti. Lue heidän palautettaan.
Segmentointi paljastaa, että ratkaisut eivät ole kaikille sopivia. Mobiilikäyttäjät voivat tarvita eri käyttökokemuksen kuin tietokoneen käyttäjät. Uudet käyttäjät voivat tarvita erilaisen perehdytyksen. Laadullinen data näyttää, mitä kukin segmentti tarvitsee.
Rakenna palautesilmukka
Rakenna järjestelmiä, jotka yhdistävät datan luontevasti. Kun konversio laskee, tiimi tutkii määrällisesti. He katsovat myös tallenteita ja lukevat palautetta. Luvut ja tarinat ravitsevat toisiaan. Tämä luo parempia päätöksiä.
Kojelauta mittareille. Tallenteet käyttäytymiselle. Palautekyselyt kävijän äänelle. Tukipyynnöt ongelmille. Näiden lähteiden yhdistäminen luo täydellisen kuvan.
Dokumentoi yhdistetystä analyysistä saadut oivallukset
Kun yhdistät dataa ja löydät oivalluksen, dokumentoi se. Tästä oivalluksesta tulee organisaation tietoa. Luku muuttui tietystä syystä. Kun sama tapahtuu uudelleen, tiedät miksi.
Dokumentointi auttaa myös viestinnässä. Voit kertoa luvut ja tarinat yhdessä. Konversio laski 15 prosenttia. Tutkimme asiaa ja huomasimme kävijöiden olevan hämmentyneitä hinnoittelusta. Testasimme selkeämpää hinnoittelua ja konversio parani. Tämä kokonainen tarina on vakuuttavampi kuin kumpikaan datatyyppi yksinään.
Usein kysytyt kysymykset
Mikä on paras suhde määrällisen ja laadullisen datan välillä?
Kiinteää suhdetta ei ole. Mutta käytä määrällistä dataa ohjaamaan, mihin kohdistat laadullisen analyysin. Jos mittari viittaa ongelman koskevan 20 prosenttia käyttäjistä, sukella syvemmälle laadullisella datalla näihin 20 prosenttiin. Määrällinen ohjaa tehokkuutta. WEMASY-sivustonrakentajalla voit ottaa tämän käyttöön suoraan verkkosivustollasi.
Pitäisikö toimia määrällisen datan perusteella ennen kuin meillä on laadullisia selityksiä?
Riippuu kiireellisyydestä. Jos konversio juuri romahti, voit toimia heti tutkimisen ohessa. Mutta ongelman ymmärtäminen laadullisella datalla auttaa toimimaan fiksummin. Ihannetilanteessa odotat molempia.
Entä jos laadullinen data viittaa ongelmaan, jota luvut eivät näytä?
Selvitä asiaa. Ehkä ongelma on liian uusi näkyäkseen kokonaisluvuissa. Ehkä se koskee pientä mutta tärkeää segmenttiä. Ehkä mittarisi eivät mittaa sitä, mikä on tärkeää. Laadulliset oivallukset voivat paljastaa mittareidesi sokeat pisteet.
Miten estämme vahvistusharhan, kun yhdistämme dataa?
Etsi ristiriitoja. Jos määrällinen ja laadullinen data ovat ristiriidassa, tutki asiaa sen sijaan, että hylkäisit sen. Esitä skeptisiä kysymyksiä. Voisiko dataa tulkita toisin. Voisiko olla vaihtoehtoisia selityksiä. Haasta oletuksesi aktiivisesti.
Voimmeko automatisoida määrällisen ja laadullisen datan yhdistämisen?
Osittain. Voit automatisoida hälytykset määrällisten kynnysarvojen perusteella. Mutta oivallusten yhdistäminen vaatii ihmisen harkintaa. Tietokone voi näyttää, että mittari muuttui. Vain ihmiset voivat katsoa tallenteita ja ymmärtää miksi.
Mitkä työkalut auttavat yhdistämään molemmat datatyypit?
Käytä yhdistelmää. Analytiikka-alustat määrälliseen. Istuntotallennus laadulliseen. Palautetyökalut kävijän ääneen. Työkalujen yhdistelmä luo täydellisen näkymän. Mikään yksittäinen työkalu ei tavoita kaikkea.