如何對定性人物角色進行定量驗證

首先,要對定性研究、定量研究做一個簡單的定義:

定性研究是指從小規模的樣本量中發現新事物的方法,例如用戶訪談、可用性測試、焦點小組等;​​

定量研究是用大量的樣本來測試和證明某些事情的方法,例如問卷調查、網站流量/日誌文件分析等。

然後,為什麼在得到定性人物角色後還要進行定量研究呢?目的有以下兩個:

1,用大量的樣本來驗證定性研究中得到的分類變量以及人物角色類型

2,獲得定性研究(小規模的樣本量)時無法得到的數據,例如各類用戶的產品使用情況、人口統計學指標,可以幫助產品方更方便的辨認各類用戶,判斷各類用戶的活躍程度、佔比等

那麼,我們應該何時進行定量驗證呢?視具體情況而定:

1,在定性研究完成之後,何時進行均可;

2,也可以在得到定性人物角色類型後就立即進行定量研究,具體如下圖所示:

最後,我們該如何進行定量研究來驗證定性人物角色呢?下面將要分享的是問卷調查後用聚類分析進行驗證的一般步驟以及一些心得:

第1步,進行問卷調查:獲得數據

問卷需要測量以下兩部分變量:

(1)定性研究中得到的分類變量(a,b,c…),用於對分類變量、人物角色類型進行驗證。所謂分類變量​​就是在定性研究中我們用於定義人物角色的關鍵差異(他們的明確的目標、行為和觀點)。我們需要設計觀測變量(a1-an,b1-bn, c1-cn…)來對每個分類變量(a,b,c…)進行測量,每個觀測變量和一個問卷題目或選項對應。觀測變量主要是根據定性研究進行設計的,因此定性研究的研究人員最好參與此過程。

以下以消費者對某公司業務的滿意度為例來說明分類變量和觀測變量:

(2)產品使用情況、人口統計學指標等其他變量,用於獲得定性研究(小規模的樣本量)時無法得到的數據,也可以用於在分類後對各個類別進行描述。

對於產品使用情況,我們一般都會考慮如下變量:使用年限、登錄頻率、功能偏好等

對於人口統計學指標,我們一般都會考慮如下變量:性別、年齡、學歷、職業、行業、收入等

在此步,產品人員可能會提很多他們關心的產品問題,我們需要根據情況進行取捨,有一些問題並不適合在定量驗證人物角色時進行調查,例如用戶是否會使用快捷鍵等,就需要和產品人員進行溝通留待以後的研究中加以解決

第2步,對變量聚類:對觀測變量的有效性進行檢驗

此步是後面的分析的基礎,是為了回答這個問題:這些觀測變量(a1-an,b1-bn, c1-cn)能否有效的對分類變量(a,b,c…)進行測量?

解決的方法為:將觀測變量(a1-an,b1-bn,c1-cn…)作為聚類變量,對變量進行聚類,若聚類結果得到的變量分類(1,2,3 …)和分類變量(a,b,c…)基本一致,也就是說a1-an聚為變量分類1,b1-bn聚為變量分類2,c1-cn聚為變量分類3等,則說明這些觀測變量可以用於測量分類變量。

需要說明的是,雖然在檢驗測量的信度和效度上有著更為嚴謹、科學的方法,但出於操作上的複雜性以及對產品的實際價值較小,我們僅僅是用對變量進行聚類來檢驗這些觀測變量的有效性。

第3步,對用戶聚類:對人物角色進行驗證

此步通過回答如下兩個問題來對人物角色進行驗證:

(1)用這些分類變量可以把用戶分為幾類?得到的分類和人物角色類型是一致的嗎? —-解決的方法為:用分類變量對用戶進行聚類

(2)這些分類變量中的哪些變量可以有效的區分幾類用戶? —–解決的方法為:檢查不同分類在各分類變量上的差異的顯著性

在用分類變量對用戶進行聚類時,有兩種選擇:

(1)將觀測變量(a1-an,b1-bn,c1-cn…)作為聚類變量,對用戶進行聚類

(2)將分類變量(a,b,c…)(需要將觀測變量(a1-an,b1-bn,c1-cn…)進行分別加權)作為聚類變量,對用戶進行聚類

兩種方法都可以通過最後得到的用戶分類來驗證定性人物角色,不同的是:第1種方法比較適用於想要了解不同分類在各觀測變量(a1-an,b1-bn,c1 -cn…)上的差異的情況;第2種方法比較適用於想要了解不同分類在分類變量(a,b,c…)上的差異的情況

解釋一下,此處所說的“對用戶聚類”和上一步的“對變量聚類”的差異在於聚類的對像不同,“對用戶聚類”是通過分類變量將用戶細分為幾類,聚類的對像是用戶;“對變量聚類”是將分類變量聚為幾類,聚類的對像是變量。

在分析所得到的用戶分類時,可能會發現一些和定性研究的結論不一樣的情況,一般可以分為以下3種情況:

(1)得到先前定性研究中沒有的人物角色類型。這是很有可能出現的一種情況,因為在定性研究的用戶招募時很容易招到那些使用產品程度較深、對產品十分忠誠的用戶,導致我們可能會忽略某些類型的用戶,例如使用產品程度較淺、動機不強的用戶。此類用戶對於產品來說一般是較不重要的用戶,在報告中加以說明即可;

(2)沒有得到先前定性研究中的某個人物角色類型。這可能是問卷樣本有偏或者在用戶群體中該類用戶數量過少導致的,應該根據這類用戶對產品的重要性來進行取捨;

(3)先前定性研究中的某個人物角色類型需要分拆為幾類。如果在定量驗證中發現分拆後的幾類用戶確實在分類變量上存在較大差異,對於產品來說是屬於幾類有著不同需求的用戶,則需要分拆為幾類用戶。

總之,是否需要增刪某類用戶,都是根據該類用戶對產品的重要性來決定的。對產品是否重要則可以綜合定性研究、定量研究以及和產品人員進行討論後進行判斷。

第4步,對各類用戶進行描述

在進行2、3步驟之後,就已經完成了對定性人物角色的驗證,然後就可以用人口統計學、產品使用情況等變量對幾類用戶進行描述。在確保問卷樣本無偏的情況下,此步驟可以回答我們的如下一些問題:

(1)哪類用戶在用戶中佔比最高? —-解決的方法為:計算各類用戶的人數比例

(2)如何從人口統計學指標來對幾類用戶進行辨認? —-解決的方法為:對各類用戶的人口屬性進行描述,計算各類用戶在人口統計學指標上是否具有顯著差異

(3)如何判斷哪類用戶是我們的活躍用戶? —-解決的方法為:計算各類用戶的產品或重要功能的使用頻率

(4)如何判斷哪類用戶是我們的重要用戶? —-解決的方法為:分析各類用戶的功能使用情況或功能需求後,結合定性研究並與產品人員溝通後進行判斷

。 。 。 。 。 。

這些問題可能是在做定性研究時產品人員就在強調的一些需求,而定量研究可以用大量的數據來幫助我們找到答案。

PS:一個誤解:

和產品人員溝通人物角色報告時,產品人員對於人物角色經常會有如下的誤解:

是否每一個人都可以對應到某一個人物角色?我不知道自己是哪一類,是不是大家都是混合型用戶?

實際上,雖然是通過對用戶分類來驗證定性人物角色,但人物角色並不能和真實的用戶完全對應。因為人物角色只是一個原型,某類人物角色具有一群真實用戶中某些共同的行為模式,而某個真實用戶可能同時具有某幾類人物角色所代表的行為模式。

來源:http://uedc.163.com/4876.html

特別注意:本站所有轉載文章言論不代表本站觀點,本站所提供的攝影照片,插畫,設計作品,如需使用,請與原作者聯繫,文章轉自alibuybuy

Comments are closed.