Métodos de investigación cuantitativa de UX

¿Qué es la investigación cuantitativa de UX? (Para principiantes)

La investigación cuantitativa de UX es la estrategia de investigación que se centra en cuantificar la recopilación y el análisis de datos numéricos. Se puede utilizar para encontrar patrones y promedios, hacer predicciones, probar relaciones causales y generalizar resultados a poblaciones más amplias.

¿Por qué necesitamos una investigación cuantitativa de UX?

Muchas empresas de productos se centran en la investigación cualitativa para comprender su experiencia de usuario. Sin embargo, cuando se trata de comprender el comportamiento del usuario a mayor escala, la investigación cuantitativa de UX es inevitable.

¡La investigación cuantitativa de UX es inevitable!

Además, la investigación cuantitativa garantiza que los conocimientos/resultados que usted obtuvo en la investigación primaria y secundaria no ocurran al azar o por casualidad, sino que sean causados ​​por una razón/factor específico. (es decir, significación estadística)

¿Cómo interactúan las personas con la tecnología?Análisis de embudoAnálisis de secuencia/Análisis de registros longitudinales

2. ¿Qué tipo de personas utilizan determinada tecnología? ¿Qué les resulta difícil a estas personas hacer con una determinada tecnología?

Métodos de agrupación/clasificación

3. ¿Cuáles son las actitudes y percepciones de la gente sobre determinada tecnología? ¿Cómo afectan los diferentes diseños a la actitud, los pensamientos y el comportamiento?

Análisis de sentimiento e intenciónPruebas A/B

4. ¿Cómo podemos agregar valor y mejorar la vida de las personas con la tecnología?

Priorización de necesidades y objetivos basada en datos

El término “análisis de embudo” proviene de la analogía con un embudo físico de cocina o garaje, que se estrecha a lo largo de su longitud, permitiendo que pase menos volumen a través de él.

De manera similar, un embudo de análisis ayuda a visualizar cómo una gran cantidad de personas ingresan al embudo, pero solo una pequeña proporción de ellos realizará las acciones previstas y alcanzará el objetivo final en un sitio web, plataforma de comercio electrónico, aplicación o juego en línea.

Al monitorear y analizar continuamente los embudos, es posible evaluar si los cambios en una aplicación o plataforma están teniendo un efecto positivo en la conversión. Porque ayuda a determinar el punto en el que los usuarios abandonan. El siguiente paso es comprender por qué están abandonando, para reducir las tasas de abandono y, a su vez, aumentar la conversión general.

Sin embargo, vale la pena señalar que los consumidores hoy en día están teniendo un recorrido más dinámico. En lugar de limitarse a limitar sus opciones, amplían los recursos para ayudarles a tomar una decisión. Y cuando finalmente realizan una compra, los consumidores comparten su opinión sobre la marca, sin importar si es buena o mala. También establecen un estándar basado en su mejor experiencia de marca y esto afecta sus relaciones con la marca y su recorrido general.

En las ciencias sociales, análisis de secuencia (SA) se ocupa del análisis de conjuntos de secuencias categóricas que normalmente describen datos longitudinales.

Las secuencias analizadas son representaciones codificadas de, por ejemplo, trayectorias de vida individuales, como la formación de una familia, las transiciones de la escuela al trabajo, las carreras laborales, pero también pueden describir el uso diario o semanal del tiempo o representar la evolución de los comportamientos políticos y de salud observados o autoinformados. , o las etapas de desarrollo de las organizaciones.

Gráfico índice de 10 secuencias de vida familiar.

La imagen de arriba proyecta secuencias típicas de la vida familiar estadounidense. Primero, se quedan con sus padres, luego se van de casa, luego se casan, luego tienen un hijo, y así sucesivamente.

SA es un enfoque de análisis longitudinal que es holístico en el sentido de que considera cada secuencia como un todo. SA es esencialmente exploratorio. En términos generales, SA proporciona una imagen general comprensible de conjuntos de secuencias con el objetivo de caracterizar la estructura del conjunto de secuencias, encontrar las características más destacadas de los grupos, identificar rutas típicas, comparar grupos y, de manera más general, estudiar cómo se relacionan las secuencias con las covariables. como sexo, cohorte de nacimiento u origen social.

La agrupación y la clasificación son métodos de aprendizaje automático para encontrar similitudes (y diferencias) en un conjunto de datos o documentos. Estos métodos se pueden utilizar para tareas como agrupar productos en un catálogo de productos, encontrar cohortes de clientes similares o agregar conjuntos de documentos por tema, equipo u oficina.

Las clasificaciones toman un conjunto de datos que ya ha analizado y etiquetado manualmente y los utilizan para entrenar un modelo de aprendizaje para luego examinar un conjunto de datos nuevos. A esto se le llama aprendizaje supervisado.

La agrupación, por otro lado, no requiere un conjunto de datos existente que haya sido etiquetado por humanos, pero aun así intenta encontrar las agrupaciones y las diferencias en los datos. A esto se le llama aprendizaje no supervisado.

Sin algoritmos de agrupamiento y técnicas de clasificación, el análisis de grandes conjuntos de datos se vuelve diluido y no específico, por lo que los investigadores tienen que dedicar demasiado tiempo a ajustar manualmente la relevancia y la precisión. Deje que el aprendizaje automático haga el trabajo para que pueda concentrar su tiempo y recursos donde más importan.

El análisis de sentimientos es una extracción contextual de texto que identifica y extrae información subjetiva en el material fuente y ayuda a una empresa a comprender el sentimiento social de su marca, producto o servicio mientras monitorea las conversaciones en línea.

Con los recientes avances en el aprendizaje profundo, la capacidad de los algoritmos para analizar texto ha mejorado considerablemente. El uso creativo de técnicas avanzadas de inteligencia artificial puede ser una herramienta eficaz para realizar investigaciones en profundidad.

Como investigador cuantitativo de UX, es importante clasificar las conversaciones entrantes de los clientes sobre una marca en función de las siguientes líneas:

Aspectos clave del producto y servicio de una marca que interesan a los clientes.Intenciones y reacciones subyacentes de los usuarios con respecto a esos aspectos.

Estos conceptos básicos, cuando se usan en combinación, se convierten en una herramienta muy importante para analizar millones de conversaciones de marca con precisión a nivel humano. En la publicación, tomamos el ejemplo de Uber y demostramos cómo funciona.

El análisis de sentimiento e intención se centra en analizar un mensaje entrante e indica si el sentimiento subyacente es positivo, negativo o neutral y también la intención del usuario detrás de un mensaje e identifica si se relaciona con una opinión, noticia, marketing, queja, sugerencia, agradecimiento o consulta.

revisa mi blog “Análisis de sentimiento” en Google Colab usando ChatGPT.

Las pruebas A/B son una metodología de investigación de la experiencia del usuario que compara múltiples versiones de una función, una página, un botón, un título, una estructura de página, un formulario, una página de destino, una navegación, un precio, etc., mostrando las diferentes versiones a los clientes o clientes potenciales. y evaluar la calidad de la interacción mediante alguna métrica (tasa de clics, compra, seguimiento de cualquier llamado a la acción, etc.)

En lugar de elegir una función que cree que podría funcionar, puede utilizar una prueba A/B para saber qué funciona.

Esto es cada vez más importante en un mundo basado en datos donde las decisiones comerciales deben estar respaldadas por hechos y números.