není vidět spokojenost zákazníků.
nelze vidět použitelnost.
neexistuje teploměr, který by přímo měřil něčí inteligenci.
i když můžeme mluvit o spokojených zákaznících, použitelných produktech nebo chytrých lidech, neexistuje přímý způsob, jak měřit tyto abstraktní pojmy.
a jasně se tyto pojmy liší. Všichni jsme měli zkušenosti, díky nimž jsme se cítili nespokojeni nebo naopak velmi potěšeni. Také jsme měli náš podíl produktů, které byly frustrující k použití, a další, které byly překvapivě snadno použitelné.
Když nemůžeme změřit tyto zkušenosti přímo, je tyto skryté a proměnlivé pojmy, které často potřebujeme měřit a záleží nejvíce.
proměnné
od útlého věku se seznámíme s konceptem proměnné. V algebře máme rovnice jako:
2x = 4
v rovnici je X proměnná.
v počítačovém programování proměnná ukládá hodnotu, stejně jako v matematice. Například, PHP proměnné $username ukládá hodnotu uživatelské jméno člověk zadá do formuláře:
$username = $_POST;
Ve výzkumu, proměnné jsou věci, které změnit, a mohou být kontrolovány a měřeny. Například v testu A / B, pokud polovina účastníků vidí červené tlačítko a polovina vidí modré tlačítko na stránce darování, proměnná je barva tlačítka.
Nezávislé vs Závislé Proměnné
Více konkrétně, tlačítko barva se označuje jako nezávislá proměnná, a je ten, který je obvykle manipulovat ve studii. Naproti tomu závislá proměnná je počet kliknutí na tlačítko (počítáno jako konverzní poměr).
nezávislé i závislé proměnné jsou pozorované proměnné. Můžeme spočítat počet kliknutí, a jako výzkumník, vidět rozdíl v barvách tlačítek.
pozorované vs latentní proměnné
mnoho proměnných ve výzkumu UX je pozorováno. Věci jako odpovědi na otázky průzkumu, standardizované stupnice hodnocení, čas na úkol, úspěch úkolu a problémy s použitelností jsou pozorovatelné (zatímco použitelnost sama o sobě není pozorovatelná).
Ale to je často proměnné, které nemůžeme vidět nebo přímo opatření, které chceme vědět o, jako je loajalita zákazníků nebo použitelnost. Tyto skryté proměnné jsou označovány jako latentní (což je latina pro skryté). Otázka Net Promoter Score (NPS) a 10 položek v měřítku použitelnosti systému (sus) měří pozorované proměnné (stupnice hodnocení, čas na úkolu a další) jako způsob, jak odhadnout nepozorované proměnné loajality zákazníků a použitelnosti.
Jak Měřit Latentní Proměnné
i Když nemůžeme měřit latentní proměnné přímo, můžeme měřit nepřímo, pomocí pozorovaných proměnných. Je to podobné technice hledání planet obíhajících vzdálené hvězdy. Exoplanety nejsou přímo vidět (jsou příliš slabé), ale mohou být pozorovány nepřímo tím, jak gravitace zakolísání, které mají na jejich mateřské hvězdy, a malé množství světla, které blokují z pohledu, jak se projít mezi hvězdou a naše dalekohledy.
podobně pro měření latentních proměnných ve výzkumu používáme pozorované proměnné a matematicky odvodíme neviditelné proměnné. K tomu používáme pokročilé statistické techniky, jako je faktorová analýza, analýza latentní třídy (LCA), modelování strukturálních rovnic (SEM) a Raschova analýza. Tyto techniky se spoléhají na vzájemné korelace mezi proměnnými.
například, identifikovali jsme latentní proměnné použitelnost v našich 2009 papíru pomocí typu faktorové analýzy (PCA) porovnáním pozorovaných proměnných, času (měření efektivity), dokončení sazby (měření efektivity), a self-hlášeny odpovědí na dotazník (míra spokojenosti) odhalit latentní proměnné použitelnosti.
Když jsme vyvinuli SUPR-Q jako měřítko kvality webové stránky, uživatelské zkušenosti, zmapovali jsme pozorovali položek (8 položek uživatelé reagovat) na latentní konstrukty proměnné UX, UX kvalita, vzhled, použitelnost, věrnost a důvěru pomocí strukturální rovnice modelování (SEM).
když provádíme segmentační analýzu, chceme odhalit neviditelné shluky zákazníků. Žádáme účastníky velkého průzkumu, aby odpověděli na mnoho položek. Bereme pozorované odpovědi a pomocí latentní analýzy tříd identifikujeme základní klastry.
Když provádíme na kartu seřadit, aby pochopili, jak uživatelé informace skupiny a položky, jsme se pozorovaný počet, kde účastníci místo položky, které chcete odvodit latentní proměnnou skupiny.
Závěr
Latentní nebo skryté, proměnné liší od pozorovaných proměnných v, které nejsou měřeny přímo. Místo toho používáme pozorované proměnné a matematicky odvodíme existenci a vztah latentních proměnných. Toto je základní metoda za mnoha výkonnými technikami, jako je
- faktorová analýza: Najít základní konstrukce
- Cluster analysis: porozumět vztahům pomocí třídění karet
- analýza latentní třídy: seskupit zákazníky do segmentů
- strukturální modelování rovnic (SEM): ověřit opatření