du kan inte se kundnöjdhet.
du kan inte se användbarhet.
det finns ingen termometer som direkt mäter någons intelligens.
medan vi kan prata om nöjda kunder, användbara produkter eller smarta människor, finns det inte ett direkt sätt att mäta dessa abstrakta begrepp.
och tydligt varierar dessa begrepp. Vi har alla haft erfarenheter som gjorde att vi kände oss missnöjda eller omvänt mycket glada. Vi har också haft vår andel av produkter som var frustrerande att använda, och andra som var förvånansvärt lätt att använda.
även om vi inte kan mäta dessa erfarenheter direkt, är det dessa dolda och fluktuerande begrepp som vi ofta behöver mäta och bry sig om mest.
variabler
från en tidig ålder blir vi bekanta med begreppet variabel. I Algebra har vi ekvationer som:
2x = 4
i ekvationen är X variabeln.
i datorprogrammering lagrar en variabel ett värde, precis som det gör i matematik. PHP-variabeln $ användarnamn lagrar till exempel värdet på användarnamnet som en person skriver in i ett formulär:
$användarnamn = $_POST;
i forskning är variabler saker som förändras och kan kontrolleras och mätas. Till exempel, i ett A/B-test, om hälften av deltagarna ser en röd knapp och hälften ser en blå knapp på en donationssida, är variabeln knappfärgen.
oberoende vs beroende variabler
mer specifikt kallas knappfärgen som en oberoende variabel och är den som vanligtvis manipuleras i en studie. Däremot är den beroende variabeln antalet klick på knappen (beräknad som en omvandlingsfrekvens).
både de oberoende och beroende variablerna är observerade variabler. Vi kan räkna antalet klick, och som forskare, se skillnaden i knappfärgerna.
observerade vs latenta variabler
många variabler i UX-forskning observeras. Saker som svar på enkätfrågor, standardiserade betygsskalor, tid på uppgift, uppgiftsframgång och användbarhetsproblem är alla observerbara (medan användbarheten i sig inte är observerbar).
men det är ofta de variabler vi inte kan se eller direkt mäta som vi vill veta om, till exempel kundlojalitet eller användbarhet. Dessa dolda variabler kallas latent (vilket är Latin för dold). Net Promoter Score (NPS) – frågan och de 10 artiklarna i system Usability Scale (sus) mäter observerade variabler (betygsskalor, tid på uppgift och andra) som ett sätt att uppskatta de observerade variablerna för kundlojalitet respektive användbarhet.
hur man mäter latenta variabler
medan vi inte kan mäta latenta variabler direkt kan vi mäta dem indirekt genom att använda observerade variabler. Det liknar tekniken för att hitta planeter som kretsar kring avlägsna stjärnor. Exoplaneterna ses inte direkt (de är alldeles för svaga) men de kan observeras indirekt av både gravitationen som de har på sin moderstjärna och den lilla mängden ljus som de blockerar ur sikte när de passerar mellan sin stjärna och våra teleskop.
på samma sätt använder vi de observerade variablerna för att mäta latenta variabler i forskning och sedan matematiskt härleda de osynliga variablerna. För att göra det använder vi avancerade statistiska tekniker som faktoranalys, latent klassanalys (LCA), strukturell ekvationsmodellering (SEM) och Rasch-analys. Dessa tekniker är beroende av Inter-korrelationer mellan variabler.
till exempel identifierade vi den latenta variabeln av användbarhet i vårt 2009-papper med hjälp av en typ av faktoranalys (PCA) genom att undersöka de observerade variablerna av tid (ett mått på effektivitet), slutförande (ett mått på effektivitet) och självrapporterade frågeformulär (ett mått på tillfredsställelse) för att avslöja den latenta variabeln av användbarhet.
när vi utvecklade SUPR-Q som ett mått på kvaliteten på webbplatsens användarupplevelse kartlade vi observerade objekt (8 objekt som användarna svarar på) till latenta konstruktioner av UX-variabler, UX-kvalitet, utseende, användbarhet, lojalitet och förtroende med hjälp av strukturell ekvationsmodellering (SEM).
när vi genomför en segmenteringsanalys vill vi avslöja osynliga kluster av kunder. Vi ber deltagarna i en stor undersökning att svara på många saker. Vi tar de observerade svaren och använder latent klassanalys för att identifiera de underliggande klustren.
när vi genomför en kortsortering för att förstå hur användare grupperar information och objekt tar vi det observerade antalet var deltagarna placerar objekten för att härleda den latenta variabeln för grupper.
slutsats
latenta eller dolda variabler skiljer sig från observerade variabler genom att de inte mäts direkt. Istället använder vi observerade variabler och matematiskt härleda förekomsten och förhållandet mellan latenta variabler. Detta är kärnmetoden bakom många kraftfulla tekniker som
- faktoranalys: Att hitta underliggande konstruktioner
- klusteranalys: att förstå relationer med kortsortering
- Latent klassanalys: att gruppera kunder i segment
- strukturell ekvationsmodellering( SEM): att validera åtgärder