고객 만족을 볼 수 없습니다.
유용성을 볼 수 없습니다.
누군가의 지능을 직접 측정하는 온도계는 없습니다.
우리는 만족 한 고객,사용 가능한 제품 또는 똑똑한 사람들에 대해 이야기 할 수는 있지만 이러한 추상적 개념을 측정하는 직접적인 방법은 없습니다.
이러한 개념은 분명히 다양합니다. 우리는 모두 만족스럽지 않거나 반대로 매우 기쁘게 느끼는 경험을 가지고 있습니다. 우리는 또한 사용하기 실망했다 제품의 우리의 점유율을 했어,그리고 다른 사람은 놀라 울 정도로 사용하기 쉬운했다.
우리는 이러한 경험을 직접 측정 할 수는 없지만,우리가 종종 측정하고 가장 신경 써야하는 것은 이러한 숨겨진 변동 개념입니다.
변수
어릴 때부터 우리는 변수의 개념에 익숙해집니다. 대수학에서 우리는 다음과 같은 방정식을 가지고 있습니다:
2 배= 4
방정식에서 엑스 이다 변수.
컴퓨터 프로그래밍에서 변수는 수학에서와 마찬가지로 값을 저장합니다. 사용자가 양식에 입력한 사용자 이름 값을 저장합니다:
$사용자 이름=$_게시물;
연구에서 변수는 변화하는 것,그리고 제어 및 측정 할 수 있습니다. 예를 들어,응답 테스트에서 참가자의 절반이 기부 페이지에서 빨간색 버튼을 보고 절반이 파란색 버튼을 본다면 변수는 버튼 색상입니다.
독립 변수 대 종속 변수
보다 구체적으로 버튼 색상은 독립 변수라고하며 일반적으로 연구에서 조작되는 색상입니다. 반면 종속변수는 버튼을 클릭하는 횟수입니다(전환율로 계산됨).
독립 변수와 종속 변수는 모두 관찰된 변수입니다. 우리는 클릭 수를 계산하고,연구원으로,버튼 색상의 차이를 볼 수 있습니다.
관측 변수 대 잠재 변수
많은 변수가 관찰된다. 설문 조사 질문에 대한 응답,표준화 된 평가 척도,작업 시간,작업 성공 및 사용성 문제와 같은 것들은 모두 관찰 할 수 있습니다(유용성 자체는 관찰 할 수 없음).
하지만 고객 충성도나 유용성과 같이 우리가 알고 싶은 변수를 보거나 직접 측정할 수 없는 경우가 많습니다. 이러한 숨겨진 변수는 잠재 성(숨겨진 라틴어)이라고합니다. 고객 충성도와 유용성의 관찰되지 않은 변수를 추정하기 위한 방법으로 관측된 변수(평가 척도,작업 시간 등)를 측정합니다.
잠재 변수를 측정하는 방법
잠재 변수를 직접 측정 할 수는 없지만 관찰 된 변수를 사용하여 간접적으로 측정 할 수 있습니다. 그것은 먼 별 궤도를 도는 행성을 찾는 기술과 유사합니다. 외계 행성은 직접 볼 수 없습니다(그들은 너무 희미)하지만 그들은 그들의 부모 스타와 그들은 그들의 스타와 우리의 망원경 사이 통과 보기에서 차단 하는 빛의 작은 금액에 있는 중력 동요에 의해 간접적으로 관찰 될 수 있다.
마찬가지로 연구에서 잠재 변수를 측정하기 위해 관찰 된 변수를 사용한 다음 수학적으로 보이지 않는 변수를 추론합니다. 이를 위해 요인 분석,잠재 클래스 분석,구조 방정식 모델링 및 래치 분석과 같은 고급 통계 기법을 사용합니다. 이러한 기술은 변수 간의 상호 상관 관계에 의존합니다.
예를 들어,우리는 시간(효율성의 측정),완료 속도(효과의 측정),및 자기 보고 설문 응답(만족도 측정)유용성의 잠재 변수를 밝히기 위해 관찰 된 변수를 검사 하 여 요인 분석(피피)의 유형을 사용 하 여 우리의 2009 논문에서 유용성의 잠재 변수를 확인 합니다.
웹 사이트 사용자 경험의 품질을 측정하기 위해 수퍼큐를 개발했을 때,구조 방정식 모델링을 사용하여 관찰 항목(사용자가 응답하는 8 가지 항목)을 유에스 변수의 잠재 구조,유에스 품질,외관,유용성,충성도 및 신뢰에 매핑했습니다.
우리가 세분화 분석을 수행 할 때 우리는 보이지 않는 고객 클러스터를 발견하려고합니다. 우리는 대규모 설문 조사 참가자들에게 많은 항목에 응답하도록 요청합니다. 우리는 관찰 된 응답을 받아 기본 클러스터를 식별하기 위해 잠재 클래스 분석을 사용합니다.
사용자가 정보와 항목을 그룹화하는 방법을 이해하기 위해 카드 정렬을 수행 할 때 참가자가 항목을 배치하여 그룹의 잠재 변수를 추론하는 관찰 된 수를 취합니다.
결론
잠재 변수 또는 숨겨진 변수는 직접 측정되지 않는다는 점에서 관찰 된 변수와 다릅니다. 대신 우리는 관찰 된 변수를 사용하고 잠재 변수의 존재와 관계를 수학적으로 추론합니다. 이것은
- 요인 분석과 같은 많은 강력한 기술의 핵심 방법입니다: 기본 구조 찾기
- 클러스터 분석:카드 정렬을 사용하여 관계 이해
- 잠재 클래스 분석:고객을 세그먼트로 그룹화
- 구조 방정식 모델링:측정값 검증