Кодування якісних даних Як кодувати якісні дослідження (2020)

Автор - доктор філософії Альона Меделян - Обробка природних мов та машинне навчання

Скільки годин ви витратили, сидячи перед електронними таблицями Excel, намагаючись знайти нові ідеї з відгуків клієнтів?

Ви знаєте, що запитання з відкритим опитуванням дають вам більш практичну інформацію, ніж запитування у своїх клієнтів лише про числовий бал Net Promoter (NPS). Але коли ви ставите відкриті, вільні текстові запитання, ви отримуєте сотні (а то й тисячі) відповідей із вільним текстом.

Як ви можете перетворити весь цей текст на кількісну, застосовну інформацію про потреби та очікування ваших клієнтів? Кодуючи якісні дані.

Продовжуйте читати, щоб дізнатися:

Що означає кодування якісних даних (і чому це важливо)
Різні методи кодування якісних даних
Як вручну кодувати якісні дані, щоб знайти важливі теми у ваших даних

Що таке кодування в якісних дослідженнях?

Кодування - це процес маркування та упорядкування ваших якісних даних для виявлення різних тем та взаємозв’язків між ними.

Кодуючи відгуки клієнтів, ви призначаєте мітки словам або фразам, які представляють важливі (і повторювані) теми в кожній відповіді. Ці мітки можуть бути словами, фразами або цифрами; ми рекомендуємо використовувати слова або короткі фрази, оскільки їх легше запам’ятовувати, обробляти та впорядковувати.

Кодування якісних досліджень для пошуку спільних тем та концепцій є частиною тематичного аналізу, який є частиною якісного аналізу даних. Тематичний аналіз витягує теми з тексту, аналізуючи структуру слова та речення.

Що таке якісний аналіз даних?

Якісний аналіз даних - це процес вивчення та інтерпретації якісних даних, щоб зрозуміти, що вони представляють.

Якісні дані визначаються як будь-які нечислові та неструктуровані дані; Коли розглядають відгуки клієнтів, якісні дані зазвичай посилаються на будь-які дослівні або текстові відгуки, такі як відгуки, відкриті відповіді в опитуваннях, скарги, повідомлення в чаті, інтерв’ю з клієнтами, примітки до справи чи публікації в соціальних мережах.

Наприклад, показник NPS може бути суто кількісним, але коли ви запитуєте клієнтів, чому вони дали вам рейтинг, вам знадобляться якісні методи аналізу даних, щоб зрозуміти коментарі, які клієнти залишають поряд із числовими відгуками.

Види якісного аналізу даних

Аналіз вмісту: Це найпоширеніший приклад якісного аналізу даних. Це стосується категоризації, позначення та тематичного аналізу якісних даних. Це може включати поєднання результатів аналізу з даними про поведінку для глибшого розуміння.
Наративний аналіз: Деякі якісні дані, такі як інтерв’ю чи примітки, можуть містити історію. Наприклад, процес вибору товару, його використання, оцінка його якості та рішення придбати чи не придбати цей товар наступного разу. Наративний аналіз допомагає зрозуміти основні події та їх вплив на загальний результат.
Аналіз дискурсу: Це стосується аналізу того, що люди говорять у соціальному та культурному контексті. Це особливо корисно, коли ваша увага зосереджена на побудові чи зміцненні бренду.
Фреймворк-аналіз: Під час якісного аналізу даних корисно мати фреймворк. Приклад такого фреймворку є кодовий фрейм (ієрархічний набір тем, що використовуються при кодуванні якісних даних).
Обґрунтована теорія: Цей метод аналізу починається з формулювання теорії навколо одного випадку даних. Тому теорія «обґрунтована» фактичними даними. Потім можуть бути розглянуті додаткові випадки, щоб перевірити, чи вони є доречними та можуть додати до початкової теорії.

Якісне програмне забезпечення для аналізу даних

Досягнення в галузі обробки природної мови та машинного навчання дали змогу автоматизувати аналіз якісних даних, зокрема аналіз змісту та фреймворку

Незважаючи на те, що ручний людський аналіз все ще популярний завдяки його сприйманій високій точності, автоматизація аналізу швидко стає кращим вибором. На відміну від ручного аналізу, який схильний до упередженості та не масштабується до обсягу якісних даних, що генеруються сьогодні, автоматизований аналіз є не тільки більш послідовним і, отже, може бути більш точним, але також може заощадити купу часу, а отже гроші.

Найбільш часто використовуваним програмним забезпеченням для автоматизованого якісного аналізу даних є програмне забезпечення для аналізу тексту, таке як Thematic.

Чому важливо кодувати якісні дані?

Кодування якісних даних полегшує інтерпретацію відгуків клієнтів. Призначення кодів словам і словосполученням у кожній відповіді допомагає зрозуміти, про що йдеться у відповіді, що, в свою чергу, допомагає краще аналізувати та узагальнювати результати всього опитування.

Дослідники використовують кодування та інші процеси якісного аналізу даних, щоб допомогти їм приймати рішення, керовані даними, на основі відгуків клієнтів. Коли ви використовуєте кодування для аналізу відгуків своїх клієнтів, ви можете кількісно визначити загальні теми мовою клієнта. Це полегшує точну інтерпретацію та аналіз задоволеності споживачів.

Автоматизоване та ручне кодування якісних даних

Методи кодування якісних даних діляться на дві категорії: автоматизоване кодування та ручне кодування.

Ви можете автоматизувати кодування своїх якісних даних за допомогою програмного забезпечення для тематичного аналізу. Програмне забезпечення для тематичного аналізу та якісного аналізу даних використовує машинне навчання, штучний інтелект (ШІ) та обробку природних мов (НЛП) для кодування ваших якісних даних та розбиття тексту на теми.

Програмне забезпечення для тематичного аналізу є автономним, що означає ...

Не потрібно заздалегідь встановлювати теми чи категорії.
Вам не потрібно тренувати алгоритм - він навчається самостійно.
Ви можете легко зафіксувати “невідомі невідомі”, щоб визначити теми, які ви, можливо, не бачили самостійно.

все це заощадить ваш час (і безліч зайвих головних болів) при аналізі відгуків ваших клієнтів.

Нещодавно програмне забезпечення для тематичного аналізу було віднесено до категорії Unified Data Analytics.

Що таке тематичне кодування?

Тематичне кодування, яке також називають тематичним аналізом, - це тип якісного аналізу даних, який знаходить теми в тексті, аналізуючи значення слів і структуру речень.

Наприклад, коли ви використовуєте тематичне кодування для аналізу відгуків клієнтів, ви можете дізнатися, які теми найчастіше зустрічаються у відгуках. Це допомагає зрозуміти, що саме зумовлює задоволеність споживачів точно і ефективно.