Determinando Causation com análise de clientes
Embora a correlação por si só não é causalidade, existem formas de determinar e mostrar o nexo de causalidade entre as variáveis dos clientes. A quantidade de fé que você pode ter em reivindicações de causalidade depende do método utilizado para coletar os dados. Enquanto você pode pensar que uma nova página web design resultou em mais page views, pode ser que visualizações de páginas já foram aumentando.
Menu
Você pode usar qualquer um dos cinco métodos para fazer alegações sobre o nexo de causalidade, a partir do mais forte e prosseguindo através do mais fraco.
estudo experimental randomizado
Aleatoriamente atribuindo participantes a diferentes tratamentos de concepção e / ou um controle em um estudo de pesquisa é um projeto experimental. Por exemplo, se você queria saber quais os clientes de design entenderia a mais em uma página de check-out, você pode criar três desenhos diferentes:
A variável dependente poderia ser algo como
Precisão em responder a perguntas
Dificuldade em verificar se
A confiança no check-out
Tempo para verificar
A variável independente é o projeto - com três variações.
A marca da pesquisa experimental é atribuir aleatoriamente os participantes a diferentes tratamentos. -Lo a identificar a concepção que os usuários selecionados corretamente e foram mais confiantes no uso para fazer a sua selecção.
Há todos os tipos de variáveis que você não pode controlar para - ou desconhecem - que poderiam afetar os resultados. Mas, atribuindo aleatoriamente os participantes a diferentes desenhos ou condições de tratamento, você espalhar essas variáveis incômodo uniformemente em projetos. Isso aumenta a validade interna e generalização dos resultados.
Como outro exemplo, os investigadores na Europa realizaram um experimento em que eles manipularam tanto a usabilidade e apelo visual de um site de comércio eletrônico online. Eles essencialmente levou um website, fez a navegação intuitiva ou não intuitivo, e depois mudou as cores e contraste para ser atraente ou pouco atraente.
Eles descobriram que os clientes encontrar sites mais utilizáveis mais atraente. Os pesquisadores concluíram que uma melhor usabilidade aumenta opiniões sobre atratividade. Sua conclusão está bem fundamentada porque eles usaram um delineamento experimental inteiramente casualizado.
Experimentos (com atribuição aleatória) fornecer os controles mais fortes contra a variáveis externas e fornecer os mais altos níveis de validade interna. Estes geram mais fortes tipos de resultados da investigação. Mas o que acontece se você não pode atribuir aleatoriamente os participantes?
desenho quase-experimental
Se você quiser testar diferentes condições, mas você não pode atribuir aleatoriamente os participantes para as diferentes condições, então o estudo é quasi-experimental. Por exemplo, você pode querer saber se os clientes encontrar a versão beta de um produto de software mais útil do que uma versão existente. Os clientes de software beta normalmente se oferecem para usar o software durante o período de beta-teste.
Esta auto-seleção (não aleatória) cessão introduz uma fonte potencial de viés nos resultados. Tem maior validade externa porque esses grupos são naturalmente segmentado, mas tem menor confiabilidade interna.
Quando se comparam as atitudes de usabilidade (dizer do SUS ou SUPR-Q) por parte dos clientes de software beta para os clientes versão existente e encontrar uma diferença, a diferença pode ser devido a diferenças no tipo de pessoas que usam o software e as diferenças não reais na atitude. Este tipo de problema é de confusão e faz com que o projeto-tipo quasi-experimental menos internamente válida do que a condição experimental.
A fraqueza com estudos quasi-experimental é que você nunca pode estar tão certo como você pode com a atribuição aleatória de que qualquer aumento nas vendas é atribuída à variável (neste caso, as vendas) ou a outras variáveis de perturbação (neste caso, apenas diferenças entre os mercados).
estudo correlacional
UMA estudo correlacional, como o nome sugere, é quando você olhar para a relação entre duas variáveis e relatar a correlação. Por exemplo, a relação entre a usabilidade do produto e probabilidade de recomendar uma forte correlação positiva (ou seja, a facilidade está fortemente associada a, e, provavelmente, prevê, em grande parte por que os usuários fazem e não recomendar produtos).
Enquanto estudos de correlação de resultados valiosos, eles não têm a atribuição aleatória e as variáveis independentes não são manipuladas, o que diminui a validade interna dos resultados e enfraquece o caso de causalidade.
A próxima vez que você ouvir que uma métrica cliente faz com que outra métrica, olhe para identificar como isso foi determinada. As chances são de que foi feito tanto com um estudo correlacional ou um desenho quasi-experimental. Isso não significa que uma variável não causa outro- significa apenas que você não pode ser tão confiante.
estudo-sujeitos individuais
É frequentemente o caso que a obtenção de acesso aos clientes é extremamente difícil. Por exemplo, você poderia estar interessado em saber se uma nova interface para um scanner PET reduz o tempo que leva assistir radiologistas para ajustar uma configuração no scanner.
Se você tivesse acesso a um desses clientes, você poderia pedir-lhe para executar uma tarefa sobre a versão do software existente três vezes, ficha quanto tempo levou para ser concluído, tê-la tentar a mesma tarefa por três vezes sobre o novo software e, finalmente, tê-la tentar fazê-lo novamente três vezes na versão antiga. A figura mostra como esses dados olha para um gráfico de dispersão.
Este tipo de estudo de caso único usa o que é chamado uma condição ABA (onde A é o software existente e B é o novo software). Os ensaios repetidos ajudar a estabelecer a estabilidade nas medidas e aumentar a validade interna do achado (tanto quanto você pode a partir de um único assunto).
A limitação óbvia com o projeto individual de cada disciplina é a generalização. Tudo o que sei é que quando você manipular uma variável independente (o software), tempo de tarefa vai para baixo por um usuário. Poderia haver um número de variáveis que você não está representando. Por esta razão, designs únicos-sujeito não são usados com muita frequência na pesquisa do cliente.
Você pode realmente usar mais de um participante em um projeto individual de cada disciplina (por exemplo, dois ou três radiologistas) e usar a mesma técnica para estabelecer o padrão. Para ser mais sofisticados em sua análise, você também pode usar a análise de séries temporais para examinar as tendências ao longo do tempo e por condição para cada usuário ou os dados de forma agregada.
anedotas
Infelizmente, muitas decisões empresariais são tomadas com base na opinião ou audição de um cliente ou vendas vocal rep. Enquanto uma boa história de uma estratégia de produto de sucesso pode ser convincente emocionalmente, ele tem pouco peso ao estabelecer o nexo de causalidade.