質化研究介紹

💡什麼是質化研究?

質化研究是一種依據認知心理學相關理論去挖掘現象背後的原因的一種研究方法,常為使用者體驗研究員所使用。在商業上使用者體驗研究員通過觀察、訪談等手段,通過小量的樣本,搜集用戶的特徵,呈現該族群的見解,通過同理心以在產品的功能或設計上進行優化。
質化研究因為其試圖了解使用者觀點的特質,故合宜使用在發想或獲得量化無法反映的觀點與問題為之尋求解答,而少用於作為商業決策的最終結果。

💡為何該使用質化研究?

質化研究的目的是探索現象發生的根本原因,讓研究者了解「為什麼」、「如何」?從現有的資料中建立假設,藉由質化研究進行證明。與量化研究相反的是,量化研究客觀的以數據呈現象之「什麼」、「多少」、「頻率」等事實。

故質化與量化屬於兩套體系,兩者可以是相斥或互補的一種研究方式。

相斥與互補的研究方法

🔹互斥
質化分析是指通過如訪談、觀察、分析、可用性研究等手段對調查範疇內的事實進行詮釋,從用戶的看法中找出行為背後的認知心理。量化分析指的是採用統計檢定形式來對現象進行系統性觀察與歸結呈現具有普遍性意義的調查解果

🔹互補
在於當對於現象或原因不明確時,通過質化和量化的方法能夠拼湊於更趨近於事實的研究結果。

生活上常見的一些質化研究情景

1.日常生活

🔹人類學研究

例如:進入場域進行田野調查,通過像是游擊式訪談、參與式觀察法等等的描述紀錄進行資料分析。

🔹介面設計

例如:Spotify通過用研人員招募使用者以日記方式紀錄用戶收聽行為,以日記研究了解感知體驗。

🔹服務設計

例如:在進行服務設計時的探索和定義階段,會對利益相關人進行訪談以定義現有的服務缺口。

2.商業應用

🔹藉由技術直接從用戶端錄製使用者的操做,去提供分析人員研究消費者行為。

例如:HotjarGoogle OptimizeMicrosoft Clarity

👉「A/B Test流程與Google Optimize使用基礎」 搶先試閱,深入了解!

而無論是在日常生活或是商業應用,常通過以下工具方法獲取內容

  • 訪談研究法
  • 參與式觀察法
  • 焦點團體研究法
  • ….

上述的不同種方法所搜集來的文本內容,將可以通過以下過程找出脈絡提取洞見:

1.提取文本關鍵的資訊

訪談當中,受訪者會對不同提問進行回答。每個訪談對象針對各自體驗陳述其觀點。將受訪者陳述的內容視為分析文本,提取文本中的關鍵訊息。

2.相似概念的集合

承接上述研究者提取了眾多不片段的關鍵訊息。而此眾多片段通過研究者將相似概念進行相似,可以在一文本裡面抽取出多個概念。研究者提取的某概念能夠回應某主題,方法是將一個個概念牽引成論點。在這裡研究員可以根據您所要研究的內容進行分類,像是:服務流程、用戶痛點…等。

3.創造洞見

在研究者找出洞見前,研究者需要通過多次的概念排列、抽取或置換,以組織文本間的關聯性,激盪一個議題下的可能性,以挖掘根本原因和需求。在需求中找出商業機會點。

🔹NOTE

在進行質性研究時,研究內容的定義是需要被事先釐清與界定。被清楚定義的研究內容有助於在後續分析、轉化需求為機會點的過程後,你的產出能夠真正幫助你解決你所真正要解決的商業問題。

💡何時該使用質化研究?

小範圍的瞭解用戶群體,呈現該族群的觀點。以在產品設計時能夠瞭解產品的使用者樣貌,從用戶的體驗去進行產品設計與優化。


🔹NOTE

  • 不同用戶會有不同的需求,一個產品通過質性和量化研究所製作的某功能特徵,仍不一定能夠滿足所有用戶。
  • 由於在質性研究上在樣本數量上的限制性,該方法應該要回歸到做此分析最初的設定命題去釐清想要探索的“原因”,而非基於人數下的某族群比例之看法。所以在結果的陳述上更重要的是將聽眾帶入該情境下的建立和形塑同理心。
  • 質性研究偏差的可能性。

會產生偏差有以下可能:

  • 抽樣偏差 ( Sampling Bias ) :抽取樣本可能為取樣範圍的極端值,並不能代表總體樣本的真實情形。
  • 研究者偏差 ( Observer Bias ):研究者偏見是由於每個人思考脈絡差別,每個人可能在初始命題、在資料上,就有的先驗觀點
  •  解釋偏差 ( Interpretation Bias ):像是因為個人因素而對某事件、訊息等,起了訊息處理的偏差。例如:可能對討厭的人之行為,無論對方是否帶有惡意,容易產生帶有敵意的傾向。
  • 確認偏差 ( Confirmation Bias ) : 以對先有的信念、先入為主的想法、相關訊息對其產生的解釋傾向。

故在質性研究上,通過量化資料的引用,諸如:市場報告、趨勢報告等。能夠規避該風險以提升可信度,和主觀詮釋的疑慮。

進階內容參考行銷工程知識訂閱