asiakastyytyväisyyttä ei näe.
käytettävyyttä ei näe.
ei ole lämpömittaria, joka suoraan mittaisi jonkun älykkyyttä.
vaikka voidaan puhua tyytyväisistä asiakkaista, käyttökelpoisista tuotteista tai älykkäistä ihmisistä, ei ole suoraa tapaa mitata näitä abstrakteja käsitteitä.
ja selvästi nämä käsitteet vaihtelevat. Meillä kaikilla on ollut kokemuksia, jotka ovat jättäneet meidät tyytymättömiksi tai päinvastoin erittäin iloisiksi. Olemme myös saaneet osamme tuotteista, jotka olivat turhauttavia käyttää, ja muita, jotka olivat yllättävän helppo käyttää.
vaikka emme voi mitata näitä kokemuksia suoraan, meidän on usein mitattava ja välitettävä eniten juuri näistä piilevistä ja vaihtelevista käsitteistä.
muuttujat
muuttujan käsite tulee tutuksi jo varhain. Algebrassa on yhtälöitä, kuten:
2x = 4
yhtälössä X on muuttuja.
tietokoneohjelmoinnissa muuttuja tallentaa arvon, aivan kuten se tekee matematiikassa. Esimerkiksi PHP-muuttuja $käyttäjätunnus tallentaa käyttäjänimen arvon, jonka henkilö syöttää lomakkeeseen:
$käyttäjätunnus = $_POST;
tutkimuksessa muuttujat ovat asioita, jotka muuttuvat, ja niitä voidaan kontrolloida ja mitata. Esimerkiksi A / B-testissä, jos puolet osallistujista näkee punaisen painikkeen ja puolet sinisen painikkeen lahjoitussivulla, muuttuja on painikkeen väri.
Independent vs Dependent Variables
tarkemmin sanottuna napin väriä kutsutaan itsenäiseksi muuttujaksi, ja se on se, jota yleensä manipuloidaan tutkimuksessa. Sen sijaan riippuvainen muuttuja on napin napsautusten määrä (lasketaan muuntokurssina).
sekä riippumattomat että riippuvat muuttujat ovat havaittuja muuttujia. Voimme laskea klikkausten määrän ja tutkijana nähdä eron nappiväreissä.
havaitut vs latentit muuttujat
UX-tutkimuksessa havaitaan monia muuttujia. Asiat, kuten vastaukset kyselykysymyksiin, standardoidut luokitusasteikot, tehtävän kesto, tehtävän onnistuminen ja käytettävyysongelmat ovat kaikki havaittavissa (kun taas käytettävyys itsessään ei ole havaittavissa).
mutta usein haluamme tietää juuri ne muuttujat, joita emme voi nähdä tai suoraan mitata, kuten asiakasuskollisuuden tai käytettävyyden. Näitä piilomuuttujia kutsutaan piileviksi (joka on latinaa ja tarkoittaa piilevää). Net Promoter Score (NPS) – kysymys ja järjestelmän Käytettävyysasteikon (sus) 10 kohtaa mittaavat havaittuja muuttujia (arvosteluasteikot, tehtäväasteikko ja muut) asiakasuskollisuuden ja käytettävyyden havaitsemattomien muuttujien arvioimiseksi.
Kuinka mitata latentteja muuttujia
vaikka emme voi mitata latentteja muuttujia suoraan, voimme mitata niitä epäsuorasti käyttämällä havaittuja muuttujia. Se muistuttaa tekniikkaa, jolla etsitään kaukaisia tähtiä kiertäviä planeettoja. Eksoplaneettoja ei nähdä suoraan (ne ovat aivan liian himmeitä), mutta ne voidaan havaita epäsuorasti sekä niiden emotähdessä olevan gravitaatiohehkutuksen että niiden pienen valomäärän vuoksi, jotka ne estävät näkyvistä kulkiessaan tähtensä ja kaukoputkiemme välillä.
vastaavasti latenttien muuttujien mittaamiseen tutkimuksessa käytetään havaittuja muuttujia ja sitten matemaattisesti päätellään näkymättömiä muuttujia. Tätä varten käytämme kehittyneitä tilastollisia tekniikoita, kuten tekijäanalyysi, piilevä luokkaanalyysi (LCA), rakenteellinen yhtälön mallinnus (sem) ja Rasch-analyysi. Nämä tekniikat perustuvat muuttujien välisiin korrelaatioihin.
esimerkiksi tunnistimme käytettävyyden piilevän muuttujan vuoden 2009 tutkielmassamme käyttämällä tekijäanalyysia (type of factor analysis, PCA) tarkastelemalla havaittuja aikamuuttujia (a measure of efficiency), suoritusasteita (a measure of efficiency) ja itse raportoituja kyselyvastauksia (a measure of satisfaction) löytääksemme käytettävyyden piilevän muuttujan.
kun kehitimme SUPR-Q: n sivuston käyttökokemuksen laadun mittarina, kartoitimme havaitut kohteet (8 kohtaa, joihin käyttäjät vastaavat) UX-muuttujien, UX-laadun, ulkonäön, käytettävyyden, uskollisuuden ja luottamuksen piileviin konstruktioihin rakenteellisen yhtälön mallinnuksen (sem) avulla.
kun teemme segmentaatioanalyysin, haluamme paljastaa näkymättömiä asiakasryppäitä. Pyydämme suuren kyselyn osallistujia vastaamaan moniin asioihin. Otamme havaitut vastaukset ja käytämme piilevää luokkaanalyysiä tunnistamaan taustalla olevat klusterit.
kun teemme kortin lajitella ymmärtää, miten käyttäjät ryhmä tietoja ja kohteita, otamme havaittu määrä, jossa osallistujat paikka kohteita päätellä piilevä muuttuja ryhmien.
johtopäätös
piilevät eli piilevät muuttujat eroavat havaituista muuttujista siinä, että niitä ei mitata suoraan. Sen sijaan käytämme havaittuja muuttujia ja päättelemme matemaattisesti latenttien muuttujien olemassaolosta ja suhteesta. Tämä on monien tehokkaiden tekniikoiden, kuten
- Faktorianalyysin ydinmenetelmä: Alla olevien konstruktioiden löytäminen
- klusterianalyysi: suhteiden ymmärtäminen korttilajittelun avulla
- piilevä luokka-analyysi: asiakkaiden ryhmittely segmentteihin
- rakenteellisen yhtälön mallinnus (sem): toimenpiteiden validointi