Qualitative UX-Insights quantifizieren: Diese Methode vereint beide Forschungsansätze

Bei der Optimierung ihrer Produkte, Kampagnen und Customer Experience stehen viele Teams (z. B. UX, Marketing, Product)  vor einer großen Herausforderung: Einerseits brauchen sie eine solide Zahlengrundlage, um Stakeholder zu überzeugen und Entscheidungen abzusichern. Gleichzeitig wollen sie auch Einblicke in die Beweggründe und Emotionen ihrer Kunden bekommen, um sie von ihrem Produkt überzeugen zu können.

Sie benötigen also sowohl quantitative Daten als auch qualitative Insights. Beides gleichzeitig zu bekommen ist jedoch mit einem hohen Ressourcenaufwand verbunden, den die meisten Unternehmen nicht stemmen können.

In diesem Artikel zeigen wir, wie sich diese Lücke schließen lässt und wie Unternehmen umfassende und valide Erkenntnisse durch eine Kombination von qualitativer und quantitativer Research gewinnen können.

🧠 Das Wichtigste in aller Kürze:

• Unterschiede zwischen qualitativen und quantitativen Methoden: Quantitative Daten liefern Zahlen und Trends, während qualitative Daten tiefere Einblicke in die Motivationen und Emotionen der Nutzer bieten.
• HiQuant als Lösung: HiQuant kombiniert die Vorteile beider Ansätze, indem Testpersonen qualitative Feedbacks während quantitativer Tests liefern, wodurch sowohl das „Was“ als auch das „Warum“ validiert werden.
• Beispiele und Ergebnisse: Anhand realer Projekte, wie der Vorkasse bei Dienstleistungsplattformen und Checkout-Tests für eine Modemarke, wird gezeigt, wie HiQuant zu tiefgehenden und validen Ergebnissen führt und fundierte Entscheidungen ermöglicht.

Qualitative vs. Quantitative Insights

Unternehmen stehen oft vor der Herausforderung, dass sie quantitative Daten liefern müssen, z. B., um Stakeholder zu überzeugen oder eine gute Absicherung ihrer Entscheidungen zu haben. Doch quantitative Daten allein liefern ihnen nicht alle nötigen Erkenntnisse. Auch eine sehr spitze Zielgruppe oder geringer Website-Traffic können hinderlich sein, eine ausreichende Menge an Daten zu erheben.

Wie unterscheiden sich qualitative und quantitative Insights?

Obwohl quantitative Methoden wie Umfragen und Datenanalysen große Datenmengen liefern können, führen sie nicht immer zu den gewünschten Erkenntnissen. Sie bieten oft nur oberflächliche Einblicke und erfassen nicht die tiefer liegenden Motivationen und Emotionen der Befragten. Sie geben keine Antwort auf das Warum und Wie, sondern meist nur auf das Was: Während eine quantitative Befragung zum Beispiel gut erfassen kann, welches Design bei der Zielgruppe besser ankommt, so kann man mit qualitativen Befragungen besser verstehen, warum es besser ankommt. Zudem sind die Antwortmöglichkeiten auf standardisierte Fragen durch den Untersuchungsrahmen oft recht starr vorgegeben, was zu eingeschränkten und manchmal verzerrten Daten führen kann. 

Qualitative User Research ermöglicht es also, das Verhalten und die Denkweise der Nutzenden aufzuzeigen und besser zu verstehen. Quantitative Daten haben jedoch den Vorteil, dass sie durch die Menge der Befragten eine gewisse Repräsentativität ermöglichen und zu signifikanten Ergebnissen führen können. Außerdem können sie meist schneller durchgeführt werden, da qualitative Befragungen und persönliche Interviews oft aufwändig und zeitintensiv sind. Daher wir hier meist nur auf kleine Stichproben zurückgegriffen.

Meistens liefert die Kombination von beiden Methoden die besten Ergebnisse.

Wie kann man also die qualitativen Erkenntnisse mit quantitativen Daten so unterstützen, dass man mit wenig Aufwand eine repräsentative Menge an tiefgreifenden Erkenntnissen erhält?

Die Lösung: Qual und Quant kombinieren – mit HiQuant

Kombiniert man qualitative und quantitative Methoden, spricht man gerne von Mixed Methods. Ziel ist es, ein ganzheitliches Verständnis des Forschungsgegenstandes zu gewinnen. Die Erkenntnisse der einzelnen Methoden sollen aufeinander aufbauen, z. B. in dem durch eine qualitative Befragung Hypothesen generiert werden, die im Anschluss in einer quantitativen Befragung überprüft werden.

Die Nachteile dieses Vorgehens:

• Mehrere Methoden hintereinander durchzuführen, macht das Projekt zeitaufwändiger.
• Jede Methode wird mit unterschiedlichen Teilnehmenden durchgeführt, sodass sich die Erkenntnisse nicht immer 100%ig verlässlich in Relation setzen lassen.

Deshalb haben wir HiQuant entwickelt.

HiQuant steht für High Involvement Quant. 50 bis 100 Personen durchlaufen anhand von Aufgaben einen Testgegenstand inklusive Screen-Recording und beantworten dabei einen Fragebogen mit einem Mix aus Multiple Choice und offenen Fragen.

Indem sie den Testgegenstand tatsächlich verwenden, sind sie viel involvierter, als sie es bei einer normalen quantitativen Befragung wären. Sie können die Befragung daher auch viel genauer beantworten und sich genau in die Nutzungssituation hineinversetzen.

Ein weiterer positiver Effekt: Die Freitextfelder des Fragebogens werden von den Testpersonen in der Regel viel gewissenhafter ausgefüllt als bei einfachen Quant-Fragebögen. Der Auswertungsaufwand ist daher zwar deutlich höher, dafür aber auch die Aussagekraft.

Bei der Auswertung analysieren wir zunächst die Multiple-Choice-Fragen und gehen im Anschluss mit den offenen Fragen tiefer ins Detail. Wenn es dann noch Unklarheiten gibt, können wir auf die Screen-Recordings der Tests zurückgreifen, um genau zu verstehen, wie die Testpersonen das Produkt verwenden.

HiQuant quantifiziert das Warum. Normalerweise liefern quantitative Erkenntnisse nur Antworten darauf, was passiert und wie etwas wahrgenommen wird, aber nicht WARUM das so ist. HiQuant ermöglicht die Beantwortung der Frage nach dem Warum, und zwar durch Zahlen validiert.

HiQuant in der Praxis: Vorkasse bei Werkstatt-Leistungen

Einer unserer Kunden bietet eine Suche nach Autowerkstätten an, in der Endkunden Leistungen direkt buchen können. Diese mussten jedoch schon bei der Buchung über Vorkasse bezahlt werden. Nur wenige ihrer Kunden taten dies, obwohl sie ganz generell eine hohe Bereitschaft hatten, per Vorkasse zu zahlen.

Unser Kunde wollte diese Insights dem C-Level vorstellen, um für eine Änderungen des Checkouts argumentieren. Deshalb waren quantitative Daten dringend notwendig. Eine quantitative Befragung hätte jedoch nur allgemeine Erkenntnisse zur Meinung über Vorkasse gebracht und nicht den Kontext des tatsächlichen Angebotes berücksichtigt. Auch die genauen Beweggründe der Testpersonen, sich für oder gegen die Vorkasse zu entscheiden, wären verborgen geblieben. Mit der HiQuant-Methode ließen sich diese Probleme lösen.

Der Ablauf: Die Testpersonen wurden anhand der Testaufgaben durch das Dienstleistungsportal geführt und beantworteten zwischendurch sowohl Multiple Choice als auch offene Fragen. Sie machten sich also mit dem Produkt vertraut, bevor sie die finale Frage beantworteten, ob sie in Vorkasse gehen würden oder nicht.

Das Ergebnis: Die meisten Testpersonen würden die Leistungen bereits bei der Buchung bezahlen, allerdings nur unter einer Bedingung, die von der Website nicht erfüllt wurde: Sie möchten sichergehen, dass sie die richtige Leistung ausgewählt haben, was für Laien schwierig zu erkennen sein kann. Sie brauchen also Absicherung beziehungsweise Informationen darüber, was passiert, wenn sich in der Werkstatt herausstellt, dass sie eigentlich einen anderen Service benötigen.

Der Kunde konnte mit den eindeutigen Zahlen gut vor dem C-Level argumentieren. So wurde der Buchungsprozess verändert und um die fehlende Informationen ergänzt.

Vorteile: Präzise Entscheidungs- und Argumentationsgrundlage

Die Antwortqualität in der HiQuant ist 3x höher als bei normalen Panel-Befragungen, weil die Testpersonen den echten Testgegenstand während der Umfrage durchlaufen und so viel stärker in den Test involviert sind. Sie beantworten die offenen Fragen auch viel ausführlicher, als sie es bei reinen Online-Umfragen tun würden.

Der strukturierte Prozess ermöglicht es dir, eine Entscheidung quantitativ zu validieren und gleichzeitig das „Warum“ hinter den Nutzerpräferenzen zu erforschen.

Da wir HiQuant selbst entwickelt haben, steht dir eine einzigartige Lösung zur Verfügung, die wir derzeit exklusiv anbieten. Unser Panel ist für diese Art des Testings geschult, sodass wir eine hohe Qualität der Ergebnisse garantieren.

Die größten Vorteile einer HiQuant sind:

• aussagekräftige Ergebnisse ohne kostspieligen Traffic zu verbrennen
• 3x höhere Qualität der Antworten als bei Befragungen
• quantitative und qualitative Erkenntnisse in einem einzigen Test mit den gleichen Testpersonen
• individuelle Umsetzung durch unsere UX-Specialists und viele neue Hypothesen
• Conversion-Stopper und Uplift-Potenziale werden direkt aufgedeckt
• schnelle, fundierte Ergebnisse innerhalb von 2 Wochen

HiQuant als Ersatz für A/B-Tests

Besonders gut kann HiQuant seine Stärken als Ersatz für A/B-Tests zeigen. Denn wir alle wissen, dass Traffic sehr wertvoll und mitunter kostspielig ist.

Und alle Researcher, die schon einmal ein mehrwöchiges Experiment durchgeführt haben, nur um dann festzustellen, dass die gewünschten Ergebnisse nicht eingetreten sind, wissen, wie schmerzlich es hier sein kann, wertvolle Ressourcen verbrannt zu haben.

Oft fehlt es sogar an Traffic, um statistische Signifikanz zu erreichen. Und dann streiten sich die Teams, welche Tests zuerst durchgeführt werden sollen.

Stell dir also vor, dass du auch mit wenig Traffic tiefe Einblicke gewinnen kannst. Genau das ermöglicht HiQuant.

Die HiQuant-Methode verändert die Art und Weise, wie wir A/B-Tests durchführen können. HiQuant ist eine synergetische Mischung aus quantitativen und qualitativen Befragungen und dient somit als effiziente Vorstufe oder Alternative zu herkömmlichen A/B-Tests, die vor allem zwei Dinge kosten: Zeit und Geld. Mit HiQuant musst du nicht erst tausende Euros und mehrere Wochen in deine A/B-Tests stecken, um die beste Variante für deine Kunden zu validieren, sondern dir gelingt das bereits im Schritt davor.

Beispiel: Quantitative Checkout-Tests für eine Modemarke

Eine Modemarke wollte ursprünglich klassische A/B-Tests ihres Checkouts durchführen. Sie standen jedoch unter Zeitdruck und hatten nicht genügend Traffic, um rechtzeitig ein signifikantes Ergebnis zu erzielen.

Der Ablauf: Die Testpersonen durchliefen beide Varianten des Checkouts in randomisierter Reihenfolge. Währenddessen beantworteten sie einen Fragebogen, aus dem sich ablesen ließ, welche Variante besser performt und warum.

Das Ergebnis: Die neue Variante brachte keine Verbesserung und der Kunde setzte diese Variante im Endeffekt nicht um. Sie haben also einerseits Entscheidungssicherheit gewonnen und konnten zusätzlich durch die Antworten der Teilnehmenden neue Hypothesen für weitere, bereits teilweise validierte Varianten, aufstellen.

Hier findest du mehr Tipps zur Checkout-Optimierung.

Rahmenbedingungen und Grenzen von HiQuant

HiQuant ist eine mächtige Methode, wenn sie richtig eingesetzt wird. Damit sie ihre volle Kraft entfalten kann, müssen einige Bedingungen erfüllt sein.

1. Es gibt bestehende Hypothesen

Es sollte bereits einige Hypothesen über den Testgegenstand geben (zum Beispiel auch UX-Tests), die mit einer größeren Zahl von Testpersonen validiert werden sollen. Einige Beispiele:

• Die User wollen Service XY nicht per Vorkasse zahlen.
• Den Usern fehlt die Information zur Lieferzeit im Checkout.
• Die Kontaktmöglichkeiten sind für die User zu unflexibel.

Wenn es noch gar keine Erkenntnisse zum Testgegenstand gibt, ist die HiQuant-Methode nicht geeignet, da nur eine begrenzte Anzahl an offenen Fragen möglich ist, um den Aufwand der Auswertung nicht zu vergrößern. In diesem Fall sollten zunächst andere Methoden eingesetzt werden, um erste Hypothesen aufstellen zu können.

2. Maximal 100 Testpersonen

Die Erfahrung hat gezeigt, dass die Anzahl der Testpersonen durch einige Faktoren begrenzt wird:

• Dauer der Rekrutierung: Testpersonen für qualitative Tests zu rekrutieren ist schwieriger als bei quantitativen Befragungen. Um den Test innerhalb von maximal zwei Wochen abzuschließen, sollten nicht mehr als 100 Testpersonen für die Tests benötigt werden.
• Aufwand der Auswertung: Bei über 100 Testpersonen wird die Auswertung sehr aufwändig, das Verhältnis zwischen Aufwand und Nutzen der Ergebnisse wird somit schlechter.
• Breite der Zielgruppe: Um möglichst schnell Ergebnisse zu erhalten, sollte die Zielgruppe möglichst breit sein. Zu spezifische Zielgruppeneigenschaften verlangsamen die Rekrutierung sehr stark.

 3. Kenntnis der Testpersonen

In Umfragen antworten Personen meist generisch, da die Fragestellungen nur theoretisch bleiben. Die Personen erleben die beschriebene Situation nicht selbst, sondern lesen sie nur.

Eine HiQuant hingegen eignet sich für Fragen, bei denen sich die Antworten der Testpersonen voraussichtlich stark unterscheiden, je nachdem, ob die relevanten Fragen abstrakt/allgemein gestellt werden oder anhand eines konkreten Beispiels erlebt werden, also ein Testgegenstand genutzt wird. Zum Beispiel: „Sind Sie bereit im Internet per Vorkasse zu zahlen?“ Versus: „Sind Sie nach Durchlaufen dieses konkreten Checkout-Prozesses bereit, den Service per Vorkasse zu zahlen?“ 

Oder die Befragten können erst durch die Benutzung des Testgegenstandes die Fragen überhaupt beantworten. Zum Beispiel: „Nachdem Sie den Podcast gehört haben, was würden Sie auf der Seite als nächstes tun?“ 

4. Geringer Umfang des Testgegenstandes

Da Testpersonen bei einer HiQuant den Testgegenstand unmoderiert nutzen, muss sichergestellt sein, dass sie sich dort nicht verlaufen und nur Seiten sehen, die für den Test relevant sind. Es kommen daher eher Prototypen oder kleine Bereiche von Live-Seiten in Frage. 

In einem unserer Projekte wurde beispielsweise ein neues Podcast-Format getestet, um Stärken und Schwächen zu analysieren und herauszufinden, wie gut das Format angenommen wird. Die Testpersonen haben sich eine Folge angehört und im Anschluss verschiedene Faktoren bewertetet, wie Sprecher, Aufbau, Thema etc. Durch das HiQuant-Format konnte einerseits sichergestellt werden, dass die Testpersonen sich wirklich die gesamte Folge anhören und andererseits zusätzlich zu den quantitativen Antworten auch das Warum herausgefunden werden.

The best of both worlds: HiQuant vereint qualitative und quantitative Erkenntnisse

Die Kombination aus qualitativen und quantitativen Methoden befähigt Unternehmen, Kundenbedürfnisse und Marktanforderungen zu verstehen und gezielt darauf zu reagieren. HiQuant ist daher eine Research-Methode, die die Stärken beider Ansätze vereint und besonders aussagekräftige, repräsentative Ergebnisse liefert. Unternehmen können dadurch:

• Fundierte Entscheidungen treffen: HiQuant bietet eine solide Datenbasis, um strategische Entscheidungen abzusichern.
• Stakeholder überzeugen: Mit validierten Zahlen und tiefgehenden Insights können Argumentationen gegenüber Stakeholdern gestärkt werden.
• Strategien effektiv optimieren: Die gewonnenen Erkenntnisse helfen, Produkte und Dienstleistungen gezielt weiterzuentwickeln.
• Zeit- und ressourcenschonend arbeiten: HiQuant bietet eine effiziente Alternative zu herkömmlichen A/B-Tests.

Mit HiQuant sind Unternehmen bestens gerüstet, um die User bzw. Customer Experience gezielt zu optimieren und ihre Produkte und Dienstleistungen erfolgreich weiterzuentwickeln.