Качественные исследования: когда их стоит использовать

Для принятия решений в маркетинге всегда следует опираться на данные. Существуют два типа данных: количественные и качественные. Количественные относятся к числовым данным, которые можно измерить, например, количество кликов, количество пользователей и ежемесячную выручку. Качественные данные нельзя подсчитать, но вместо этого описывают характеристики или особенности, такие как удобство использования, предпочтения пользователей и их мотивации.

Большинство компаний собирают огромные объемы количественных данных. Гиганты, такие как Netflix и Amazon, используют большие данные и аналитику для повышения удовлетворенности клиентов и управления своими бизнесами. Эти количественные данные также могут использоваться для создания моделей машинного обучения для прогнозирования будущего. Однако сочетание количественных данных с качественными приводит к мощным идеям, которые могут поднять вашу организацию на новый уровень.

В идеале маркетологи должны использовать смесь количественных и качественных данных, чтобы получить всеобъемлющее представление о своих продуктах и бизнесах. В то время как некоторые организации полагаются больше на количественные данные, другие больше используют качественные данные.

Чтобы понять, когда лучше применять качественные исследования рассмотрим следующие вопросы:

1. В чем основные различия в способах использования количественных и качественных данных? Каковы ограничения каждого типа данных?
2. Какие виды вопросов обычно могут быть решены с помощью качественных данных? В каких ситуациях качественные данные особенно полезны?
3. Какие есть методы качественных исследований?

Вопрос 1. Ключевые различия в способах использования количественных и качественных данных заключаются в следующем:

• Количественные данные измеряют успех или проблемы, качественные же данные показывают, почему возникают успех или проблемы.
• Для количественных данных требуется большой объем информации, качественные данные обычно имеют небольшой объем выборки.
• Получение количественных данных может быть относительно дешевым, сбор качественных данных дорог.
• Источниками количественных данных являются данные отчетов о трендах и метрики продукта, источниками качественных данных являются исследования пользователей, тестирование на применимость и опросы.
• Количественные измерения просты и менее подвержены предвзятости, интерпретация качественных данных более сложна, а предвзятость более распространена.

Ограничения количественных данных:

• Время от времени количественное исследование не сможет ответить на вопросы «почему» и «как».
• Количественные результаты могут указать на неправильное направление, когда объем выборки не соответствует целям исследования.
• Недостаток данных может привести к метрикам или результатам, которые не являются статистически значимыми.

Ограничения качественных данных:

• При попытке записать интервью, беседы фокус-групп или кейс-стади могут возникнуть проблемы, если они не предоставляют точную или полезную информацию.
• Некоторые общие проблемы включают в себя небольшие объемы выборки (узкий сегмент рынка продукции), неосознанные предвзятости, смещение выборки, крайне контролируемые условия при сборе обратной связи и качество собранной информации.
• Также следует помнить о качестве вопросов, задаваемых во время интервью.

Как для количественных, так и для качественных данных важно сохранять их анонимность насколько это возможно. Конфиденциальность пользователей крайне важна и должна тщательно регулироваться, необходимо обеспечить неразглашение данных. Кроме того, анонимность помогает избежать предвзятости и определить сегменты пользователей по образцам использования, а не по конкретным характеристикам, что является более современным способом анализа данных.

Вопрос 2. Какие виды вопросов обычно могут быть решены с помощью качественных данных? В каких ситуациях качественные данные особенно полезны?

Качественные данные особенно полезны для глубокого понимания мотивации и проблем клиентов, они могут показать, для чего и как люди используют ваш продукт. Это отлично подходит, когда вам нужны мнения, описания или предложения. Кроме того, они могут помочь определить более точный путь клиента и понять рынок, сегменты и поведение клиентов в комплексе. Это помогает как маркетологу, так и команде в целом, строить эмпатию к пользователям, которую нельзя получить из количественных данных.

Еще одна ситуация, в которой качественные данные действительно ярко проявляют себя, — это фаза открытия или проектирования нового продукта или его функций. В начале разработки нового продукта, или даже на начальных этапах стартапа, у вас скорее всего не будет огромного объема количественных данных. Использование качественных данных может обнаружить идеи или предложения, которые вы не смогли бы найти иначе.

В общем, качественные данные наиболее подходят для:

• Понимания мотивов и поведения потребителей
• Построения пути клиента (CJM)
• Предложений, рекомендаций или идей для улучшения продукта
• Исследования рынка, сегментов и конкурентов
• Когда количественные данные недоступны

Вопрос 3. Какие есть методы качественных исследований?

Существует несколько основных видов качественных исследований с точки зрения методологии, каждый из которых имеет свои уникальные особенности и подходы:

1. Глубинные интервью:
   • Описание: одиночные беседы с участниками, направленные на глубокое понимание их опыта, взглядов и мнений.
   • Методы: структурированные и неструктурированные интервью, полевые исследования.
   • Применение: Получение детальных индивидуальных мнений, опыта и перспектив.
2. Экспертные интервью:
   • Описание: Беседы с экспертами в конкретной области для получения глубокого понимания предмета исследования.
   • Методы: структурированные и неструктурированные интервью.
   • Применение: Получение экспертных мнений, консультация в узких областях.
3. Фокус-группы:
   • Описание: групповые обсуждения, направленные на получение разнообразных мнений и взглядов на определенную тему.
   • Методы: структурированные беседы, модерирование, анализ групповой динамики.
   • Применение: изучение социокультурных норм, коллективных взглядов, идентификация общих тем и тенденций.
4. Этнография:
   • Описание: изучение и описание культур и поведенческих особенностей групп и сообществ.
   • Методы: наблюдение, участие в повседневной жизни, интервью, анализ документов.
   • Применение: понимание культурных и социальных контекстов, поведенческих норм, создание глубокого описания.
5. Наблюдение:
   • Описание: систематическое наблюдение за поведением, событиями или явлениями в естественных условиях.
   • Методы: активное и пассивное наблюдение.
   • Применение: понимание реальных действий и взаимодействий, анализ контекста.
6. Феноменология:
   • Описание: освещение и понимание субъективных переживаний и восприятий индивидов относительно конкретного явления.
   • Методы: глубинные интервью, анализ текстов, рефлексивные заметки.
   • Применение: глубокое исследование смысла человеческого опыта, с акцентом на понимании значений, которые люди придают своим переживаниям.
7. Обоснованная теория (grounded theory):
   • Описание: развитие теории из данных, собранных в процессе исследования, а не тестирование гипотезы.
   • Методы: качественные интервью, наблюдение, систематический анализ данных.
   • Применение: систематизации и интерпретации данных, направленных на формирование теоретической базы для понимания явлений и процессов.
8. Кейс-стади:
   • Описание: исследование конкретного случая или ситуации для выявления особенностей и понимания причинно-следственных связей.
   • Методы: интервью, анализ документов, наблюдение.
   • Применение: детальный анализ уникальных ситуаций, выявление факторов и воздействий.
9. Деловые игры и ролевые игры:
   • Описание: исследование поведения и принятия решений в специально созданных ситуациях.
   • Методы: участие в сценариях, анализ ролевых взаимодействий.
   • Применение: анализ реакции на различные сценарии, изучение взаимодействия.
10. Анализ текста:
    • Описание: систематический анализ текстовых данных, включая письменные материалы, интервью, фокус-группы.
    • Методы: структурный, семантический, лингвистический и тематический анализ, контент-анализ.
    • Применение: извлечение тем, выявление тенденций, выделение ключевых понятий.
11. Исследование действием (Action research):
    • Описание: комбинация исследовательской работы и практических действий для решения конкретных проблем.
    • Методы: планирование и внедрение изменений, наблюдение, оценка результатов.
    • Применение: решение конкретных проблем и улучшение практики в организациях, с акцентом на взаимодействии между исследователем и участниками для достижения практических результатов и изменений.
12. Нетнографические методы:
    • Описание: применение принципов этнографии в онлайн-средах и взаимодействии с виртуальными сообществами.
    • Методы: анализ онлайн-сообществ, виртуальные интервью, наблюдение в онлайн-пространствах.
    • Применение: анализ цифровых практик, культур в онлайн-пространстве.

Выбор метода также зависит от доступных ресурсов, времени, бюджета и конкретных особенностей исследовательского вопроса. Часто исследователи сочетают несколько методов для получения более полной картины и достижения более надежных результатов.