Vous ne pouvez pas voir la satisfaction du client.
Vous ne pouvez pas voir la convivialité.
Il n’y a pas de thermomètre qui mesure directement l’intelligence de quelqu’un.
Bien que nous puissions parler de clients satisfaits, de produits utilisables ou de personnes intelligentes, il n’existe pas de moyen direct de mesurer ces concepts abstraits.
Et il est clair que ces concepts varient. Nous avons tous eu des expériences qui nous ont laissés insatisfaits ou au contraire très ravis. Nous avons également eu notre part de produits qui étaient frustrants à utiliser, et d’autres qui étaient étonnamment faciles à utiliser.
Bien que nous ne puissions pas mesurer directement ces expériences, ce sont ces concepts cachés et fluctuants que nous devons souvent mesurer et nous préoccuper le plus.
Variables
Dès notre plus jeune âge, nous nous familiarisons avec le concept de variable. En algèbre, nous avons des équations telles que:
2x = 4
Dans l’équation, x est la variable.
En programmation informatique, une variable stocke une valeur, tout comme elle le fait en mathématiques. Par exemple, la variable PHPusernameusername stocke la valeur du nom d’utilisateur qu’une personne entre dans un formulaire:
$ nom d’utilisateur =OST_POST;
En recherche, les variables sont des choses qui changent et qui peuvent être contrôlées et mesurées. Par exemple, dans un test A / B, si la moitié des participants voient un bouton rouge et l’autre moitié un bouton bleu sur une page de don, la variable est la couleur du bouton.
Variables indépendantes vs dépendantes
Plus précisément, la couleur du bouton est appelée variable indépendante et est celle qui est généralement manipulée dans une étude. En revanche, la variable dépendante est le nombre de clics sur le bouton (calculé comme un taux de conversion).
Les variables indépendantes et dépendantes sont des variables observées. Nous pouvons compter le nombre de clics, et en tant que chercheur, voir la différence dans les couleurs des boutons.
Variables observées vs Variables latentes
De nombreuses variables dans la recherche UX sont observées. Des éléments tels que les réponses aux questions du sondage, les échelles de notation standardisées, le temps passé sur la tâche, le succès de la tâche et les problèmes d’utilisabilité sont tous observables (alors que l’utilisabilité elle-même n’est pas observable).
Mais ce sont souvent les variables que nous ne pouvons pas voir ou mesurer directement que nous voulons connaître, telles que la fidélité des clients ou la convivialité. Ces variables cachées sont appelées latentes (ce qui signifie caché en latin). La question du Net Promoter Score (NPS) et les 10 éléments de l’échelle d’utilisabilité du système (SUS) mesurent les variables observées (échelles de notation, temps passé sur la tâche, etc.) afin d’estimer les variables non observées de la fidélité des clients et de la convivialité, respectivement.
Comment mesurer les variables latentes
Bien que nous ne puissions pas mesurer directement les variables latentes, nous pouvons les mesurer indirectement en utilisant des variables observées. C’est similaire à la technique pour trouver des planètes en orbite autour d’étoiles lointaines. Les exoplanètes ne sont pas vues directement (elles sont beaucoup trop sombres) mais elles peuvent être observées indirectement à la fois par le vacillement de gravitation qu’elles ont sur leur étoile parente et par la petite quantité de lumière qu’elles bloquent hors de vue lorsqu’elles passent entre leur étoile et nos télescopes.
De même, pour mesurer les variables latentes dans la recherche, nous utilisons les variables observées, puis déduisons mathématiquement les variables invisibles. Pour ce faire, nous utilisons des techniques statistiques avancées telles que l’analyse factorielle, l’analyse de classes latentes (ACV), la modélisation d’équations structurelles (SEM) et l’analyse Rasch. Ces techniques reposent sur les interrelations entre variables.
Par exemple, nous avons identifié la variable latente d’utilisabilité dans notre article de 2009 à l’aide d’un type d’analyse factorielle (APC) en examinant les variables observées du temps (une mesure de l’efficacité), les taux d’achèvement (une mesure de l’efficacité) et les réponses au questionnaire autodéclarées (une mesure de satisfaction) pour découvrir la variable latente d’utilisabilité.
Lorsque nous avons développé le SUPR-Q comme mesure de la qualité de l’expérience utilisateur du site Web, nous avons cartographié les éléments observés (8 éléments auxquels les utilisateurs répondent) aux constructions latentes des variables UX, de la qualité UX, de l’apparence, de la convivialité, de la loyauté et de la confiance en utilisant la modélisation d’équations structurelles (SEM).
Lorsque nous effectuons une analyse de segmentation, nous voulons découvrir des grappes de clients invisibles. Nous demandons aux participants à une vaste enquête de répondre à de nombreux éléments. Nous prenons les réponses observées et utilisons l’analyse des classes latentes pour identifier les clusters sous-jacents.
Lorsque nous effectuons un tri de cartes pour comprendre comment les utilisateurs regroupent les informations et les éléments, nous prenons le compte observé de l’endroit où les participants placent les éléments pour déduire la variable latente des groupes.
Conclusion
Les variables latentes ou cachées diffèrent des variables observées en ce sens qu’elles ne sont pas mesurées directement. Au lieu de cela, nous utilisons des variables observées et déduisons mathématiquement l’existence et la relation des variables latentes. C’est la méthode de base derrière de nombreuses techniques puissantes telles que l’analyse factorielle
- : Pour trouver les constructions sous-jacentes
- Analyse de cluster: Pour comprendre les relations à l’aide du tri de cartes
- Analyse de classe latente: Pour regrouper les clients en segments
- Modélisation d’équations structurelles (SEM): Pour valider les mesures