Анализ качественных данных
Ксюша Новоселова
Анализ результатов исследования - ключевой этап в исследовательской задаче. На этом этапе мы понимаем какие гипотезы подтвердились, формируем портреты пользователей и их сценарии работы, выявляем проблемы и фиксируем инсайты. Корректно проведенный анализ поможет бизнесу принять верное решение по развитию продукта. В случае же если данные интерпретированы неверно — продукт может потратить время и деньги на развитие ненужной фичи или функциональности.
Тема обширная и с большим количеством аспектов.
Отвечая на этот вопрос, хочу раскрыть базовые принципы, которые использую сама при обработке качественных данных. А также расскажу о полезных инструментах, которые мне помогают ускорить обработку.
Этапы обработки качественных данных
Главное отличие анализа качественных данных от количественных в том, что анализ ты начинаешь задолго до того, как будут завершены все встречи с пользователями. Это последовательный, систематичный и продуманный процесс, который разбивается на этапы:
- Подготовка данных
- Анализ ответов
- Интерпретация и формулирование выводов
Чем раньше я задумываюсь о том, как буду анализировать результаты, тем быстрей и качественней он пройдет.
Обычно предварительный анализ начинаю уже после первых проведенных интервью. Подмечаю важное и интересное, сравниваю каждое последующее интервью с предыдущим. Синхронизируюсь с командой и рассказываю, какие данные удалось получить или чего недостаточно.
Это помогает мне ответить на вопросы:
- Достаточно ли данных получаю или стоит копать еще глубже?
- Все ли гипотезы проверяются или что-то упускаю?
- Подходящая ли целевая аудитория, которая закрывает все вопросы?
- Помогает ли подобранный метод исследования получать нужные данные?
- В правильном ли направлении я двигаюсь или стоит скорректировать вопросы?
Подготовка данных для анализа
Прежде чем приступить к анализу, я подготавливаю данные для обработки. А именно — перевожу аудио/видеозаписи в текст (транскрибация). Польза транскриптов достаточно очевидна: помогает при анализе данных и является артефактом исследования, к которому можно обращаться без прослушивания аудио или видеозаписи. Как правило, чем раньше я начинаю делать расшифровку записей, тем лучше.
Некоторые приемы, которые помогают ускориться:
- Делаю транскрипты сразу после проведения встречи с пользователем
- Ставлю временные метки на интересных цитатах или важных мыслях
- Делаю короткие заметки по ходу интервью с пользователем и привязываю их к смысловым блокам гайда. Если на встречу ходят члены команды, то прошу их помочь вести заметки
- В зависимости от ситуации, могу отдать транскрибацию на аутсорс
- Заранее отвечаю себе на вопрос, какой транскрипт я буду делать: дословный (точь-в-точь) или тезисный (выделять важное, отсеивать ненужное)
- Во время интервью могу произнести “секретное” слово, предназначение которого понятно только мне. Например, “Это очень интересно!”. Это помогает быстро найти важную информацию в длинном разговоре
Помимо ручной расшифровки можно также использовать и машинную расшифровку. Она имеет свои нюансы и некоторые из инструментов платные. Но в целом помощь в виде автоматической расшифровки значительно усоряет подготовку данных для анализа.
Инструменты, которые использую в своей работе:
- Субтитры на YouTube. Полезный способ для расшифровки записей юзабилити-тестирования
- Whisper
- Яндекс SpeechKit
- Sonix
- Контур.Транскрипт (внутренний инструмент Контура)
Анализ ответов
После того как данные подготовлены, перехожу к анализу. На этом этапе важно сфокусироваться на цели исследования. Как правило, передо мной огромный массив данных и сконцентрироваться на важном мне помогает фокус на цели исследования. Держу в голове вопросы, ответы на которые необходимо было получить, отсеиваю ненужное (то, что не относится к теме исследования).
Во время анализа обращаю внимание на следующие факторы:
- Потребности и мотивация (зачем это нужно пользователю)
- Драйверы и барьеры
- Особенности опыта использования
- Закрывает ли продукт (функциональность) потребности
- Достоинства и недостатки продукта (функциональности)
- Проблемы и способы их решения.
Часто при обработке данных мне помогает смысловой анализ.
Смысловой анализ — это метод разделения и организации данных из качественного исследования, который подразумевает наделение отдельных фактов и цитат определенными кодами.
Иными словами я присваиваю цитате пользователя смысловой код. Код может быть описательным (описывать смысл высказывания) и интерпретативными (с добавлением интерпретации исследователя).
Кодировка ответов состоит из нескольких шагов:
- Прочитать расшифровки и сгруппировать цитаты по смыслу;
- Создать систему кодирования, опираясь на цели исследования;
- Присвоить коды цитатам респондента.
“Я подключаю смс-уведомления от банка для подстраховки”
Код: На всякий случай
“Я подключаю смс-уведомления от банка, потому что столкнулся с кражей данных моей карты и понес финансовые потери”.
Код: Избежать кражи
Как правило, группирую и кодирую цитаты вручную или с помощью специальных приложений.
Инструменты для ручной кодировки:
- обычная работа с текстом в текстовом или табличном редакторе, например, в Google Doc;
- группировка в Miro или в FigJam;
- группировка на стикерах
Инструменты для автоматической кодировки:
Просто цитаты в чистом виде не всегда помогают обобщить информацию и не отражают эмоции респондента. Кодирование как раз помогает сократить смысл сказанного до нужного уровня при анализе.
Интерпретация и формулирование выводов
После кодировки ответов и группировки на смысловые блоки, я начинаю интерпретировать полученные данные. Для этого смотрю на получившиеся группы цитат и обращаю внимание на следующие факторы:
- Что общего и отличного у респондентов, какие сценарии их объединяют или различают
- Какие эмоции они испытывали в определенных темах
- Какие причины или мотивы я выявила
- Что необычного подметила в поведении или в сценарии
Пример, как своими словами можно описать упомянутое респондентами событие, выделив главное:
При интерпретации данных я придерживаюсь следующих принципов:
- Сохраняю нейтральную позицию и разделяю факты и мнения
- Отделяю главное (цели исследования) от побочного (не относящееся к цели исследования)
- Когда один человек жалуется громко и настойчиво, а десять других не видят проблемы, не фиксирую, что «пользователи недовольны”
- Ищу логические связи
Также, всегда могу подкрепить качественные данные количественными: собрать метрики, логи продукта. Все это помогает интерпретировать результаты еще качественнее.
Больше интересного в нашем телеграм-канале «Сдоба».