Субъективное шкалирование в глубинных интервью
(еще один кандидат на закапывание 🪦)

Когда переходишь из маркетинговых исследований в продуктовые, одна из вещей, которая удивляет – это любовь к оценкам в интервью.

«Оцените интенсивность ваших эмоций от 1 до 10, когда вы…»

В качественных маркетинговых исследованиях так не спрашивают. Потому что у маркетинговых исследователей обычно после качественника есть количественник – где у вас будут все цифры.

А у продуктового исследователя есть внутренний заказчик, у которого KPI и который:

1️⃣ хочет цифры,

2️⃣ не хочет платить даже за очень бюджетный количественник - стоимостью несколько десятков тысяч рублей,

3️⃣ и у которого нет квалификации, чтобы понять, что результаты качественного исследования в цифрах не дают не потому, что не хотят или забывают - а потому, что цифры в качественном исследовании не помогают и даже запутывают.

10, 50 и даже 100% от 6 или 10 человек на неслучайной выборке не говорят нам вообще ничего о распространенности явления - но эти оценки идут в CJM, ещё и разбитые по процентам по этим несчастным 10 людям. Средних баллов по шкале это тоже касается.

Поэтому количественные вопросы на качественнике с надеждой на цифры — это от безысходности. Когда нет денег на количественник и вообще ничего нет. Когда единственная полезная информация, которую несут полученные цифры — это информация о культуре исследований в этой компании.

(единственный случай, когда шкалы могут быть действительно полезны — это когда они нужны как зацепка для разговора с респондентом о его опыте. Когда на вопрос «Как вы себя при этом чувствовали?» человек отвечает «ну, нормально» - можно попросить оценить его свой опыт по 10-балльной шкале, а затем обсудить, почему именно такая оценка - и тогда человеку будет легче рассказать о своих переживаниях, действиях и мыслях).

Если вам очень сильно хочется оставить шкалы в интервью, то можно повысить точность субъективного шкалирования с помощью визуализации - но это не решит проблемы с тем, что на основе данных качественного исследования невозможно сделать количественные выводы. Просто потому, что данных слишком мало.

Поэтому шкалы лучше оставить для количественника.
💽 @PostPostResearch