Qualitative und quantitative Analyse – wie trifft man die richtige Wahl?

Für jedes Unternehmen sind quantitative und qualitative Daten entscheidende Quellen, um mehr über seine Kunden zu erfahren und so das Produkterlebnis zu verbessern und die Leistung zu maximieren. In diesem Sinne nutzt das Experimentieren diese beiden Datensätze, um einen CRO-Ansatz mit zwei klar voneinander getrennten Forschungsphasen einzuleiten: der quantitativen und der qualitativen Analyse. Schauen wir uns gemeinsam an, worin ihre Unterschiede bestehen und wie Sie sie in Ihren Datenmarketingstrategien optimal nutzen können.

‍

Was versteht man unter quantitativer und qualitativer Analyse?

Definition der quantitativen Analyse

Die quantitative Forschung, auch quantitative Analyse genannt, ist eine Methode, die sich auf Fakten und Zahlen stützt, die häufig in Form von Statistiken dargestellt werden, um das Verhalten von Menschen zu verstehen und zu analysieren. Diese Ergebnisse werden nach der Datenerhebung in einer Tabelle oder Grafik ausgewertet.

Im Rahmen unseres CRO-Ansatzes nutzen wir die First-Party-Daten unserer Kunden, die aus Analysetools wie Google Analytics 4 oder Piano Analytics stammen.

Beispiel für eine quantitative Analyse im Bereich CRO:

Bei der Analyse des Verkaufstrichters in Google Analytics 4 stellen wir ein konkretes Problem fest: 70 % der Nutzer brechen ihren Einkauf in Schritt 3 ab.

• Die Feststellung: Wir wissen, wohin die Nutzer gehen und wie viele es sind.
• Das Problem: Wir wissen noch nicht, warum sie abspringen (liegt es am Preis? An einem Fehler? An einem zu langen Formular?).

Definition der qualitativen Analyse

Die qualitative Studie basiert auf der Interpretation von Verhaltensdaten. Sie dient dazu, ein beobachtetes Phänomen zu verstehen oder zu erklären.

Diese beschreibende Methode stützt sich auf Untersuchungen wie Nutzerbefragungen oder Beobachtungen in Form von „Heatmaps“ oder „Session Replays“, die aus Tools wie Contentsquare oder Air360 gewonnen werden können.

Beispiel für eine qualitative Analyse im Bereich CRO:

Um den zuvor festgestellten Warenkorbabbruch zu verstehen, nutzen wir Contentsquare, um uns die Session-Replays des Bestellvorgangs anzusehen.

• Beobachtung: Wir stellen fest, dass die Nutzer mehrmals auf die Schaltfläche „Bestätigen“ klicken, die Seite jedoch nicht geladen wird: Ein Pflichtfeld ist nicht deutlich gekennzeichnet.
• Die Erkenntnis: Die qualitative Analyse deckt die Ursache des Problems auf (ein Problem mit der Benutzeroberfläche/UX), das sich allein anhand der Zahlen nicht erklären ließ.

‍

Was sind die Unterschiede zwischen quantitativer und qualitativer Analyse?

Um die Benutzererfahrung zu optimieren, ist es entscheidend, diese beiden Methoden nicht gegeneinander auszuspielen, sondern sie als zwei Seiten derselben Medaille zu betrachten. Hier ist eine Vergleichstabelle, die einen besseren Überblick verschafft:

Diese beiden sehr unterschiedlichen Ansätze bieten eine echte Chance, wenn sie im Rahmen einer gemischten Methode kombiniert werden.

‍

Warum sollte man quantitative und qualitative Forschung kombinieren?

Die alleinige Anwendung einer einzigen Forschungsmethode reicht nicht aus, um die gestellte Frage vollständig zu beantworten, da der Kontext fehlt.

Tatsächlich birgt die ausschließliche Verwendung quantitativer oder qualitativer Analysen an sich schon ein Risiko, denn:

• Nur quantitativ: Die Zahlenangaben reichen nicht aus, um die Fragen „Warum?“ oder „Wie?“ zu beantworten, also um die Gründe zu verstehen.
• Nur qualitative Daten: Die Beobachtungen lassen sich nicht genau bewerten. Außerdem fehlt der qualitativen Analyse ohne quantitative Daten möglicherweise eine Orientierung.

Durch die Einbeziehung einer weiteren Datenebene in die Analyse ergibt sich ein umfassenderer Überblick, der das Verständnis erleichtert und fundierte Erkenntnisse ermöglicht. Die Kombination beider Methoden gleicht die Schwächen der einzelnen Ansätze aus.

‍

3 Beispiele für gemischte Methoden

In der UX-Forschung gibt es mehrere gemischte Methoden, die von Creswell und Plano in ihrem Werk„Designing and Conducting Mixed Methods Research“vorgestellt werden und jeweils auf einen bestimmten Anwendungsfall zugeschnitten sind.

Die Triangulation

Bei Welyft nutzen wir Triangulation, um Rohdaten in einen 360°-Überblick über Ihre Nutzer zu verwandeln. Es handelt sich dabei um mehr als nur eine einfache Überprüfung – es ist ein Werkzeug, das tiefgreifende Erkenntnisse liefert.

Der Reichtum dieser Methode liegt in der Vielfalt der Perspektiven, die sie bietet:

• Quantitative Erkenntnisse: Mithilfe von Datenanalysen identifizieren wir Massenverhalten und statistische Reibungspunkte.
• Qualitative Erkenntnisse: Durch die Analyse von Aufzeichnungen, Interviews oder Nutzertests gewinnen wir Einblicke in Emotionen, tiefere Beweggründe und erlebte Frustrationen.
• Kontextbezogene Erkenntnisse: Indem wir den Nutzer in seiner realen Umgebung beobachten, erkennen wir subtile Signale und unausgesprochene Verhaltensweisen.

Der Umfang der Datenverknüpfung muss stets im Verhältnis zum geschäftlichen Risiko der Optimierung stehen. Bei einer geringfügigen Änderung reicht ein begrenzter Satz von Indikatoren aus, um die Intuition zu bestätigen. Sobald die Änderung jedoch den Kern der Kundenerfahrung oder das Geschäftsmodell betrifft, erweitern wir die Datenquellen. Das Ziel besteht darin, den Rechercheaufwand so anzupassen, dass eine sichere Entscheidungsfindung gewährleistet ist, ohne dabei die für das Projekt erforderliche Geschwindigkeit zu beeinträchtigen.

Das explorative Modell

Dieses Modell läuft in zwei aufeinanderfolgenden Schritten ab.

Zunächst wird eine qualitative Erkundungsphase durchgeführt, um durch Interviews, Nutzertests oder die Analyse von Transkripten Hypothesen, Probleme oder noch wenig bekannte Nutzerbedürfnisse zu ermitteln.

Diese ersten Erkenntnisse dienen anschließend als Grundlage für eine quantitative Phase, deren Aufgabe es ist, das Ausmaß der beobachteten Phänomene zu messen und die Chancen auf breiter Ebene zu priorisieren.

Dieses Modell eignet sich besonders gut, wenn das Problem unklar definiert ist oder wenn man einen neuen Produkt- oder Funktionsbereich erschließt.

Das Erklärungsmodell

Wie beim explorativen Modell gliedert sich auch das erklärende Modell in zwei Phasen, beginnt jedoch im Gegensatz dazu mit einer quantitativen Analyse.

Nun folgt die qualitative Analyse, um die beobachteten Phänomene zu erklären.

Was wäre, wenn Daten allein nicht ausreichen würden, um eine Entscheidung zu treffen?

‍

Wo liegt die Grenze zwischen qualitativer und quantitativer Analyse?

In der Praxis der UX-Forschung ist die Grenze zwischen diesen beiden Bereichen oft fließend. Genau hier lässt sich das Beste aus den jeweiligen Daten herausholen. Hier sind vier konkrete Beispiele, bei denen quantitative und qualitative Ansätze für eine umfassende Analyse miteinander kombiniert werden:

Wenn Sie an dieser Grenze verharren, begnügen Sie sich nicht mehr damit, ein Verhalten zu messen, sondern beginnen, es zu vermenschlichen, um gerechtere Entscheidungen zu treffen.

‍

Welche Analysemethode sollte man im CRO wählen?

Tatsächlich ist die Gegenüberstellung von Quantität und Qualität eine Scheindebatte. Um die Leistung eines digitalen Produkts zu maximieren, geht es nicht darum, sich für das eine oder das andere zu entscheiden, sondern darum, wie man beide miteinander in Einklang bringt.

Bei Welyft geben wir uns nicht damit zufrieden, einfach nur Zahlen zu sammeln oder Nutzerfrustrationen aufzulisten. Im Rahmen unserer CRO-Audits wenden wir systematisch die Datentriangulation an:

• Anhand der quantitativen Daten ermitteln wir genau, an welchen Stellen im Trichter es zu Reibungsverlusten kommt.
• Mit Hilfe qualitativer Methoden: Wir entschlüsseln die Beweggründe und psychologischen Hindernisse, die hinter diesen Verhaltensweisen stehen.

Diese Einordnung ermöglicht es, die tatsächlichen Conversion-Hebel zu priorisieren, Entscheidungen zu vermeiden, die auf einem einzelnen Signal basieren, und Hypothesen zu formulieren, die umsetzbar, messbar und robust sind.

Was bedeutet das für unsere Kunden? Empfehlungen, die keine Glücksspiele mehr sind, sondern Investitionen. Indem wir Experimente zielgerichteter gestalten, machen wir den CRO-Ansatz zu einem Motor für vorhersehbares und nachhaltiges Wachstum.