La determinación de la relación de causalidad con el análisis de clientes

Si bien la correlación no es causalidad solos, hay maneras de determinar y demostrar la relación de causalidad entre las variables de los clientes. La cantidad de fe que puede tener en las reclamaciones de la causalidad depende del método utilizado para recoger los datos. Mientras que usted puede pensar que un nuevo diseño de la página web se tradujo en más páginas vistas, podría ser que las páginas vistas ya estaban aumentando.

Puede utilizar cualquiera de los cinco métodos para hacer afirmaciones sobre la causalidad, a partir de los más fuertes y proceder a través de los más débiles.

Estudio experimental aleatorizado

La asignación al azar a los participantes a diferentes tratamientos de diseño y / o un control en un estudio de investigación es un diseño experimental. Por ejemplo, si usted quería saber qué clientes diseño entenderían más en una página de registro de salida, se pueden crear tres diseños diferentes:

• La variable dependiente podría ser algo como

• Precisión en responder preguntas

• Dificultad en probar

• La confianza en el registro de salida

• Tiempo para ver

El sello distintivo de la investigación experimental es la asignación al azar a los participantes a diferentes tratamientos. Usted identifica el diseño que los usuarios seleccionan correctamente y eran más confianza en el uso de hacer su selección.

Hay todo tipo de variables que no puede controlar de - o no son conscientes de - que podrían afectar los resultados. Pero mediante la asignación al azar a los participantes a diferentes diseños o condiciones de tratamiento, a difundir esas variables molestas uniformemente a través de diseños. Esto aumenta la validez interna y la generalización de los hallazgos.

Como otro ejemplo, los investigadores en Europa llevaron a cabo un experimento en el que se manipulan tanto la usabilidad y el atractivo visual de un sitio de comercio electrónico en línea. En esencia, tomaron un sitio web, hicieron la navegación intuitiva o no intuitiva, y luego cambiaron los colores y el contraste de ser atractivo o poco atractivo.

Encontraron que los clientes a encontrar los sitios web más utilizables más atractivo. Los investigadores concluyeron que la mejor usabilidad aumenta opiniones sobre el atractivo. Su conclusión está bien fundamentada, ya que utilizaron un diseño experimental aleatorio.

Los experimentos (con asignación aleatoria) proporcionan los controles más fuertes en contra de las variables extrañas y proporcionar los más altos niveles de validez interna. Estos generan los tipos más fuertes de los resultados de investigación. Pero, ¿qué pasa si no se puede asignar al azar a los participantes?

Diseño cuasi-experimental

Si desea probar diferentes condiciones, pero no se puede asignar al azar a los participantes a las diferentes condiciones, entonces el estudio es cuasi-experimental. Por ejemplo, es posible que desee saber si los clientes a encontrar la versión beta de un producto de software más útil que una versión existente. Los clientes de software beta generalmente se ofrecen como voluntarios para utilizar el software durante el período de beta-test.

Esta autoselección de asignación (no aleatoria) introduce una fuente potencial de sesgo en los resultados. Se tiene mayor validez externa debido a que estos grupos están segmentados de forma natural, pero tiene menor fiabilidad interna.

Cuando se comparan las actitudes de usabilidad (decir desde el SUS o SUPR-Q) de los clientes de software beta para los clientes de la versión existentes y encontrar una diferencia, la diferencia podría deberse a diferencias en el tipo de personas que utilizan el software y las diferencias no reales en la actitud. Este tipo de problema es la confusión y hace que el tipo de diseño cuasi-experimental menos internamente válido que la condición experimental.

La debilidad de los estudios cuasi-experimentales es que nunca se puede estar tan seguro como usted puede con asignación aleatoria que cualquier aumento en las ventas se debe a la variable (en este caso, las ventas) o para otras variables de molestia (en este caso, sólo las diferencias entre los mercados).

Estudio correlacional

LA estudio correlacional, como su nombre indica, es cuando nos fijamos en la relación entre dos variables y reportar la correlación. Por ejemplo, la relación entre la facilidad de uso del producto y la probabilidad de recomendar una fuerte correlación positiva (es decir, la facilidad está fuertemente asociado con, y es probable que predice, gran parte de por qué los usuarios hacen y no lo recomiendo productos).

Mientras que los estudios correlacionales ofrecen resultados valiosos, que no tienen asignación aleatoria y las variables independientes no son manipuladas, lo que disminuye la validez interna de los resultados y debilita el caso de la causalidad.

La próxima vez que escuche que una métrica cliente provoca otra métrica, mira para identificar cómo se determinó. Lo más probable es que se hizo, ya sea con un estudio correlacional o un diseño cuasi-experimental. Eso no significa que una variable no causa otro- sólo significa que no se puede ser tan confiado.

Single-sujetos de estudio

Es a menudo el caso de que conseguir el acceso a los clientes es extremadamente difícil. Por ejemplo, usted podría estar interesado en si una nueva interfaz para un escáner PET reduce el tiempo que lleva asistiendo a los radiólogos para ajustar una configuración en el escáner.

Si tuviera acceso a uno de estos clientes, puede pedirle que realice una tarea en la versión de software existente en tres ocasiones, ficha cuánto tiempo se tardó en completar, dígale que intente la misma tarea en tres ocasiones en el nuevo software, y por último, tiene su intento de nuevo tres veces en la versión antigua. La figura muestra cómo estos datos se ve en un diagrama de dispersión.

Este tipo de estudio de un solo sujeto utiliza lo que se llama una condición ABA (donde A es el software existente y B es el nuevo software). Los ensayos repetidos ayudan a establecer la estabilidad en las medidas y aumentar la validez interna del hallazgo (lo más que pueda de una sola materia).

La limitación obvia con el diseño de un solo tema es generalizar. Todo lo que sé es que cuando se manipula una variable independiente (el software), el tiempo de trabajo se pone para un usuario. Podría haber una serie de variables no estas representan. Por esta razón, los diseños de una sola materia no se utilizan muy a menudo en la investigación del cliente.

En realidad se puede utilizar más de un participante en un diseño de una sola materia (por ejemplo, dos o tres radiólogos) y utilizar la misma técnica para establecer el patrón. Para ser más sofisticada en su análisis, también puede utilizar el análisis de series de tiempo para examinar las tendencias en el tiempo y por la condición para cada usuario o los datos en su conjunto.

Anécdotas

Desafortunadamente, muchas decisiones de negocios se hacen sobre la base de la opinión o de audiencia de un cliente o ventas vocal representante. Mientras que una buena historia de una estrategia de producto de éxito puede ser convincente emocionalmente, que tiene poco peso al establecer la causalidad.