あなたは顧客満足度を見ることができません。
使いやすさが見えません。
誰かの知性を直接測定する温度計はありません。
満足している顧客、使用可能な製品、またはスマートな人々について話すことはできますが、これらの抽象的な概念を直接的に測定する方法はありません。
そして、明らかにこれらの概念は異なります。 私たちは皆、満足していない、または逆に非常に喜んでいると感じた経験を持っていました。 私たちはまた、使用するためにイライラしていた製品のシェアを持っていた、と驚くほど使いやすい他のもの。
私たちはこれらの経験を直接測定することはできませんが、私たちが頻繁に測定し、最も気にする必要があるのは、これらの隠された変動する概念
変数
幼い頃から、私たちは変数の概念に精通しています。 代数では、次のような方程式があります:
2倍= 4
方程式では、xは変数です。
コンピュータプログラミングでは、変数は数学と同じように値を格納します。 たとえば、PHP変数username usernameには、ユーザーがフォームに入力したユーザー名の値が格納されます:
$ユーザー名=ost_POST;
研究では、変数は変化するものであり、制御して測定することができます。 たとえば、A/Bテストで、参加者の半分に赤いボタンが表示され、半分に青いボタンが表示された場合、変数はボタンの色になります。
独立変数と従属変数
より具体的には、ボタンの色は独立変数と呼ばれ、通常はスタディで操作される変数です。 対照的に、従属変数はボタンのクリック数です（コンバージョン率として計算されます）。
独立変数と従属変数の両方が観測変数です。 私たちはクリック数を数えることができ、研究者として、ボタンの色の違いを見ることができます。
観測された変数と潜在変数
UX研究では多くの変数が観測されています。 アンケートの質問への回答、標準化された評価尺度、タスクの時間、タスクの成功、ユーザビリティの問題などはすべて観察可能です（ユーザビリティ自体は観察
しかし、顧客ロイヤルティやユーザビリティなど、私たちが知りたいのは、私たちが見たり直接測定したりすることができない変数です。 これらの隠された変数はlatentと呼ばれます（ラテン語で隠されています）。 Net Promoter Score(NPS)の質問とSystem Usability Scale(SUS)の10項目は、それぞれ顧客ロイヤルティとユーザビリティの観測されていない変数を推定する方法として、観測された変数(
潜在変数の測定方法
潜在変数を直接測定することはできませんが、観測された変数を使用して間接的に測定することができます。 これは、遠くの星を周回する惑星を見つけるための技術に似ています。 太陽系外惑星は直接見ることはできません（彼らはあまりにも薄暗いです）が、彼らは彼らの親星に持っている重力のぐらつきと、彼らが彼らの星と私た
同様に、研究における潜在的な変数を測定するために、観測された変数を使用し、目に見えない変数を数学的に推測します。 これを行うには、因子分析、潜在クラス分析（LCA）、構造方程式モデリング（SEM）、およびRasch分析などの高度な統計的手法を使用します。 これらの手法は、変数間の相互相関に依存しています。
例えば、2009年の論文では、時間（効率の尺度）、完了率（有効性の尺度）、自己報告アンケート回答（満足度の尺度）の観測変数を調べることによって、一種の要因分析（PCA）を用いてユーザビリティの潜在変数を同定し、ユーザビリティの潜在変数を明らかにした。
ウェブサイトのユーザーエクスペリエンスの品質の尺度としてSUPR-Qを開発したとき、構造式モデリング（SEM）を用いて、ux変数、UX品質、外観、ユーザビリティ、忠誠心、信頼の潜在的な構成要素に観察された項目（ユーザーが応答する8項目）をマッピングした。
セグメンテーション分析を実施する際には、目に見えない顧客のクラスターを明らかにしたいと考えています。 大規模な調査の参加者には、多くの項目に対応するようお願いします。 観測された応答を取り、潜在クラス分析を使用して基礎となるクラスターを識別します。
ユーザーが情報とアイテムをどのようにグループ化するかを理解するためにカードソートを行うとき、参加者がアイテムを配置する場所の観測数を取り、グ
結論
潜在変数、または隠れ変数は、直接測定されないという点で観測変数とは異なります。 代わりに、観測された変数を使用し、潜在変数の存在と関係を数学的に推測します。 これは、
- 因子分析など、多くの強力な手法の背後にある中核的な方法です: クラスター分析：カードソートを使用して関係を理解する
- 潜在クラス分析：顧客をセグメントにグループ化する
- 構造方程式モデリング（SEM）：メジャーを検証する