定性的研究の結果をうまく提示する方法：テーマネットワーク法（例として+ ATS分析）

定性調査に関する記事とスピーチのほとんどは、情報収集の方法に当てられています。 しかし、マーケティングとUX研究における品質管理手法の魅力は、分析と結果の提示の段階で消えます。 研究者はこの困難な課題をさまざまな方法で解決します。 時々、迅速な結果のために、または無知から、彼らは質的研究の方法論に違反します。それが仕事が専門外であり信頼を引き起こさない理由です。

この記事では、定性分析の方法の1つであるテーマネットワーク法を検討します。

-定性的研究の頻繁な間違いについて議論し、「パンツノーム」を思い出します。
-メソッドのステップごとのアルゴリズムと可能なトラップを分析します。
-メソッドをIT製品の分析に適用し、主題図を作成します。

記事は興味深いものになります。

-研究者へ。
-製品マネージャーとマーケティング担当者。
-仕事で研究結果を使用する人。
-非デジタル情報を構造化する便利な方法を長い間探していた人。

この記事では、ユーザー調査のトピックを続けています。 今回は、アンケート調査（ 記事1および記事2 ）から戻り、ユーザーニーズの分析（ 記事3 ）に戻り、調査結果を処理するための定性的な方法について説明します。

なぜ研究者は質の高い方法を好むのですか サンプルのオプションの代表性、統計の欠如およびその他の行動の自由について。 自由は実際には想像上のものであることが判明しますが、これは質的研究の方法論を真剣に考えた場合にのみ気付くことができます。 そして、そのような態度がなく、実証主義に対する確立されたオリエンテーションの影響下で、ビジネス研究の定性的方法は「怠lazな」定量的となり、「それほど厳格ではない」ことが許されたように思われます。

ほとんどの場合、エラーは方法論を選択する段階、結果を処理して提示する段階で発生します。 私は研究方法論の選択に別の記事を捧げることを計画しています。 そして、質的研究の結果を処理する際の2つの主なエラーを次に示します。

1.「サウスパーク」の「パンツノーム」の発表のように、定性的研究の結果が発表されます。 最初の段階は詳細に実証されています。高品質のデータ収集方法で、結果の議論をバイパスして、結論と推奨事項が作成されます。 このようなレポートには中間の一般化データは含まれておらず、研究者の計算は顧客の「ブラックボックス」に残ります。 お客様は時間を節約し、研究者に大きな自信を持って、最終的な結論のみを喜んで受け取ります。 しかし、このような直感的な処理でどれだけの情報が失われ、歪められるかを見ると、顧客も研究者も結果に満足できません。

2.研究者は、研究参加者の声明と行動を参照し、その結果をすべてのユーザーに広め、その行動を予測しようとします（これは定量的方法にのみ有効です）。 統計が使用される場合があります：記述的（頻度と平均のカウント、分割表）および帰納的（相関、因子分析など）。 実際、これらの方法は社会科学の定性的データの処理に使用できますが、マーケティング調査では、研究者と顧客を、定性的データから定量的結果、理解から予測へと注意を移すことから保護できません。

経験豊富なUX研究者の報告でも、情報収集の定性的手法から定量的解釈へのこの簡単な移行が見られます。 この結果の表示により、読者は直感的に結論を要約したり、パーセンテージを計算したりします。 「UXテストの6人の参加者のうち、3人が注文ボタンを見つけることができませんでした。 ユーザーの半数が連絡を取りません！”、”ユーザーの60％（5人中3人）が緑色のボタンを選択しました。 「ほとんどの人は緑が好きなので、サイトのパレットを変更する必要があります。」 結果はとんでもない結果です。

「重要なことすべてが測定できるわけではなく、測定できるものすべてが重要ではない」（A.アインシュタイン）。

質的研究の主なタスクは、ユーザーによる意思決定の現象学を説明し、感情、動機、推論の方法（認知、偏見、ステレオタイプなど）を理解することであり、実験の個々の参加者の行動をカウントすることではありません。 つまり、定性的研究の結果を分析する方法は、ユーザーが実行した操作をカウントするのではなく、ユーザーが状況を評価するための理解、意味の伝達 、およびオプションの説明に焦点を当てると、より有用になります。

テーマネットワーク法（テーマネットワーク）は、定性的研究の結果を整理する方法です。 テーマ分析の主な目的は、定性データに含まれる主なトピックを強調表示し、それらをグループ化して表示することです。これは、研究者および読者（研究顧客）が理解するのに便利です。 このようなグループ化の結果、Webのようなネットワークが作成され、すべての強調表示されたトピックとそれらの間のリンクが反映されます。

これは、主題ネットワークの古典的な構造です。

主題分析の分岐を独立した方法として明確に追跡することは不可能です。ステージ、原理、および一般構造は、他の定性的方法（たとえば、健全な理論、定性的分析などの方法）で推測されるためです。 したがって、主題ネットワークの方法は根本的に新しいものではありません。 しかし、その応用は正当化され、便利で、定性研究用プログラム、いわゆるコンピューター支援/支援定性データ分析（CAQDAS）で自動化するのが簡単です。 たとえば、ATLAS.tiプログラム。

テーマ分析の目的は、議論の理由を決定することではないことが重要です。 テーマネットワークの分析は、さまざまなトピックの発生頻度やそれらの組み合わせの計算を意味するものではありません。 テキストでトピックが頻繁に発生することは前向きな状況と見なされますが、1つのテキストでトピックが1回言及されたとしても、共通のベースで分析に含まれます。 テーマ分析の主なタスクは、テキストを意味のあるセグメントに分割し、その中の「合理化」（認知スキーム、解釈、正当化、異議など）を強調することです。 言い換えれば、テキストや著者の中で出現する頻度に関係なく、見つかったすべてのトピックは、分析にとっても同様に重要です。

テーマネットワークの方法は、さまざまなデータを扱うのに適しています。

テーマネットワークの方法は、研究者が予期しないまたは隠された思考パターン （無意識の偏見、秘密の欲望など）に遭遇したときにうまく機能します。 このような分析では、主要な「認知プレーヤー」を特定するだけでなく、日常のスピーチやユーザーの行動における典型的なマスクを説明することもできます。

従来の製品テストでは、ユーザーの反応がほとんど予測可能で予想される場合、トピックネットワークメソッドは新しい発見をもたらしませんが、メイントピックを証明し定性的に構成するのに役立ちます。

トピックネットワーク手法の信頼性は 、分析を実施するエンコーダーの経験と選択された戦略に大きく依存するため、批評家の絶え間ない関心の的です。 メソッドの信頼性を高めるには、複数のエンコーダーがデータを並列処理することをお勧めします。 これが達成できない場合、研究者は定期的に元のテキストに戻り、強調表示されたコードおよびトピックと比較することをお勧めします。

便宜上、テキスト分析の例としてメソッドの使用を検討してください。 同様に、他のタイプのデータにも適用できます。

テーマネットワーク法を適用する段階

ステージ1：コーディング。
この段階で、意味のあるテキストの断片がテキスト内で強調表示されます。 それらはそれぞれエンコードされます。

どうする
ステップ1.研究者はテキストを調べて、コードの名前とその解読を別のドキュメントに書き留めます。 後で、このコーディングシステムはワードプロセッシングに使用されます。

コードの選択方法
一般に、エンコード方法は次のように要約されます。

-所定の理論的前提に基づいてコード体系が選択されます（演ductive経路、「理論駆動型」研究）。
-コードに含まれる重要なトピックに基づいてコード体系が選択されます（誘導パス、「データ駆動型」研究）。
⎯両方のアプローチが組み合わされています。

選択されたコードには、研究仮説、研究参加者の日常会話の断片、新語、またはスラングから取った概念を与えることができます。

ステップ2.研究者は、テキストを意味のあるセクション（段落、文、フレーズ、単語）に分割し、それらにコードを割り当てます。

このような作業の結果、すべてのテキストはコードに分割されます。 この段階で自動化サービスを使用する場合、選択したテキストの各フラグメントはコードに置き換えられます。 この手順により、元のテキストのすべてのトピックがコードでカバーされているかどうか、およびすべてのコードが置換可能なテキストセグメントに正確に適しているかどうかを確認できます。

どこで間違いを犯すことができますか
この段階では、「必要性と十分性」の原則が重要です。 一方で、混乱する概念を避け、いくつかのコードの値の範囲を超えることを避けるために、コードを明確に定義する必要があります。 一方、研究者が新しい文にコードを割り当てる誘惑に負けないように、コードの数を制限し、正当化する必要があります。

また、各コードの復号化を忘れずに書き留めてください。 最初はすべてのコードをメモリに保存できるように見えますが、後で作業をやり直さなければならない面白い状況が発生する場合があります。

ステージ2.トピックの特定。
この段階では、テキストは基本的なトピックを強調しています。

どうする
ステップ3.研究者はコードを表示し、コードの中で最も重要なトピック、統一されたトピック、または傑出したトピックを特定します。 意味が近いコードはトピックにグループ化されます。

ステップ4.研究者はトピックを表示し、繰り返しを避けてトピックを「整理」し、いくつかのコードを含めるのに十分なトピックを作成します。 その結果、特定のアイデアを正確に伝えるために各トピックはかなり狭く、他のトピックと交差しないだけでなく、このセマンティックフィールドのさまざまなステートメントや定式化を一般化するのに十分な幅が必要です。

分析の初期レベルのトピックが16以下であることが判明した場合は、作業するのが便利です。同時に、それらが非常に少なくない場合は良いことです。2〜3のテーマでは、主題図は興味深く有益なものにはなりません。

どこで間違いを犯すことができますか
これは情報を一般化する段階ですが、これはすべてのコードをグループ化する必要があるという意味ではありません。 グループ化できず、研究に重要なコードがテキストで強調表示されている場合、そのようなコードには独自のトピックが割り当てられています。 ただし、実際には、通常、複数のコードをトピックにグループ化して一般化することができます。

ステージ3.テーマネットワークの設計。
この段階で、主題のネットワークが描画されます-メソッドのグラフィックの基礎。

どうする
ステップ5.研究者は、基本的なトピックの意味をグループ化し、整理します。 順序は、研究の内容または予備的な理論的基礎によって決まります。 テーマは、同じグループ内で同種の読みやすい要素を表すように名前を変更できます。

ステップ6.研究者は、意味の近いコアトピックを整理し、1つの共通の「整理」トピックの下にまとめます。 このトピックのタイトルには、それに含まれるトピックのグループ全体の一般化が含まれています。 一目で十分に読みやすく読みやすいものでなければなりません。

ステップ7.研究者は、関連する組織化トピックを共通の「グローバル」トピックの下にまとめます。 グローバルテーマには通常、2〜3のトピックを整理し、テーマネットワークの最終的な一般化部分になります。 したがって、それらの名前は通常比meta的です;それらはそれらによって結合されたトピックの一般的な意味を伝えます。

コードの数、基本、組織、およびグローバルトピックは、ルールで規定されていません。 収集される材料の多様性と研究者の分析作業によって決まります。 しかし、通常、作品には最大3つのグローバルトピック（ほとんどの場合1〜2）、各グローバルに2〜3のトピックを整理、各トピックに2〜3の基本トピックがあります。

ステップ8.すべての一般化が行われ、トピックに「おしゃべり」な名前が付けられると、視覚化の時が来ました。 それは、2つの重要な原則に準拠して簡単に行われます。1）グローバルトピックがネットワークの中心に配置され、オーガナイザーおよびさらに基本的なトピックが移動します。 2）1つのグループのトピックの配置は階層的であってはならず、それらはすべてネットワークの同種の同等の要素として配置されています。

ステップ9.ネットワークが作成されると、研究者は検証と更新に戻ります。 この段階で、研究者は生のテキストを開き、テキストで言及されている各重要な側面がネットワーク上で適切な表示を見つけ、一般化の過程で歪んでいないことを確認します。 また、ネットワーク内の各トピックの生データに同等のものがあるかどうかも確認されます。必要に応じて、トピックから引用することができます。

どこで間違いを犯すことができますか
組織的なトピックやグローバルトピックの名前を選択することは、かなり困難な作業です。 名前は、組み合わされたトピックの意味をゆがめたり、生データで対応を見つけたりするのではなく、話す必要があります。 一般化の段階では、研究者からの強調を変えて個人的な意味を追加するという大きな危険があります。 したがって、複数の研究者が独立してこの作業を行い、結果を比較するか、1人の研究者が選択したトピックを数回クロスチェックすることをお勧めします。

ステップ4.テーマネットワークの説明と説明。
テーマネットワークの作成は分析ツールにすぎず、本質的な分析ではありません。 定性分析を行い、テキストの理解を進めるために、研究者は強調表示されたトピックを説明し、これらのトピックの背後に隠れている研究参加者の思考パターンを定義します。

どうする
ステップ10.ネットワークの説明。 ネットワークが構築されると、研究者は原材料に戻り、元のテキストからの引用を使用してネットワークの内容を説明します。

ステップ11.ネットワークの説明。 テキストの例がネットワークの一部に提供されると、研究者はそれらの例を議論し、解釈します。

彼は元のテキストの読み取りに戻りますが、今回はそれらを直線的に読み取らず、テーマネットワークフレームワークを使用します。 今、彼は強調された基本的、組織的、そしてグローバルなトピックに関してテキストに説明を与えることができます。 したがって、研究者と彼の読者は、元の資料の内容を理解し、一般化し、説明するためのツールを持っています。

分析レポートでは、分析結果はテキストブロックの形式で表示され、トピックが議論され、元のテキストのセクションが示され、その説明が示されます。

どこで間違いを犯すことができますか
ネットワークを説明および説明するときは、トピックを最も明確に説明する元のテキストからの逐語的な引用を使用することをお勧めします。研究参加者または引用が取られた情報源についての簡単な参照があります。
研究者がトピックがデータに隠れていると確信しているが、それらの例が見つからない場合、そのような資料をレポートに含めることはできません。 追加の調査を実施するか、データ解釈の方法を変更する必要があります。
定性分析のルールを使用します。「データにあるすべてのものを分析に含める必要はありません。 しかし、分析に含まれるすべてのものは、元のデータで確認する必要があります。

ステージ5.テーマネットワークの要約。
この段階で、結果が要約され、主要なトピックが強調表示され、議論されます。

どうする
ステップ12.研究者は、強調表示されたトピックを説明および分析します。 最終レポートでは、分析は自由記述の形で提示されます。

どこで間違いを犯すことができますか
レポートのこの部分の価値は、研究者の推論と分析への没入の深さにあります。 この推論のスタイルは、社内で受け入れられているコミュニケーションによって決まります。 分析は面倒なものであってはなりませんが、質的研究の基本的な要件-問題への深い「3次元」の没入を考慮に入れる必要があります。
ステップ6.パターンの解釈。
最終分析段階。

どうする
ステップ13.研究者は初期タスクに戻り、仮説と結果を比較し、説明を与え、解釈を提供し、初期の理論的構成を補足します。
最終レポートでは、分析は結論の形で提示されます。

どこで間違いを犯すことができますか
定性的研究からの発見は、多くの場合、研究者と顧客に「すでに知っている！」という感覚を与えます。 研究の後、あなたの手は落ちるかもしれません、仕事は時間の無駄のように見えます。 しかし、研究者の活動は仮説を証明することです。 あなたの会社が科学的アプローチを採用し、研究を使用している場合、合理的な証拠なしに、明白な知識（明白に思えるだけ）を活用することはできません。 よく知られている認知バイアス「後知恵の知識の効果」を忘れないでください。それは、人々がそれを認識した後に初めて情報が明らかになるように見えます。
最後に、誤って自明と見なされた新しい、または実証されていない部分的な仮説は、一見自明な情報の背後に隠れている可能性があります。

それだけです 13のステップ、およびテーマ別ネットワークの構築が完了しました。 次に、IT製品ユーザーの研究でこの方法を使用する例を説明します。

IT製品のユーザーレビューの研究で主題ネットワークを使用する例

テーマネットワーク手法を使用して、HRPクラウド募集自動化システムに対するユーザーの態度を示します。 当社は、このシステムの共同所有者であり、開発に最初から参加しました。 製品を調査することはより困難ですが、秘密保持契約に違反することなく、対象のネットワーク手法の適用を説明するために、分析の簡略化された例を示します。

ユーザーエクスペリエンスの定性的調査では、深い動機や無意識の偏見の分析は行われませんでした（たとえば、コンピューターゲームプレーヤーの経験を調査するときに発生する可能性があります）。 しかし、この方法を実証するタスクと非常に一貫しています。

想定：このシステムは約2年間市場に出回っています。 彼女は、自動化サービスの募集の分野でよく知られており、テストアクセスの申請は、定期的に、希望する量で受け取られます。 ただし、多くのユーザーは、無料のテストから有料アクセスの購入への移行で失われます。 毎月の使用価格は低く（ほとんどの競合他社の価格よりも低い）、したがって、この研究では顧客価格の反対の仮説は拒否されます。
関連するユーザーは、会社の幹部、採用担当者、採用サービスマネージャー、自動化サービスマネージャーなどのアプリケーションを離れます。 無関係なアプリケーションストリームが変換の質に影響を与えるという仮説も拒否されます。

目的：採用自動化システムをテストするときに、ユーザーにどの認識（思考、合理化）が生じるかを見つけます。

質的研究資料：ユーザーのレビューは、主にフィードバックレターと電話での会話から、構造化されずに収集されました。 研究ベースには、システムを知った後にユーザーが書いた（言った）レビュー、質問、異議が含まれます。 レビューを収集する地域：ロシア、ベラルーシ、ウクライナ、カザフスタン、リトアニア。 分析に関係するテキストの数：40エントリ。

回答者の数、サンプルの代表性、および最前線に到達して回答したユーザーの比率ではなく、定性的な調査方法を適用することを思い出してください。 このような研究では、ユーザーが製品に慣れるときに生じるトピック（思考のパターン、合理化、アイデア、反対など）のみが重要です。 したがって、8人のユーザーから収集され定性分析法で処理された意見は、200人のユーザーから収集された意見と同じくらい重要です。 特に、情報収集の初期段階で結果の飽和が達成される場合。 （研究における「飽和」という用語は、トピックが再発し始め、その後の各参加者が新しいデータを持ってこなくなったときに研究を停止できることを意味します）。

ステージ1.コードの定義。
この段階で、すべての記録を調べ、テキストで提起された問題を正確に伝えるコードを特定しました。 42個のコードがありました（下の表を参照）。 通常、コードは、エンコーダーが理解できる、選択された回路図の単音節名です。 しかし、わかりやすくするために、例に展開された名前を残して、詳細な解読を追加しないようにします。

ステージ2.トピックの特定。
コードは11の基本トピックに、それらは6つの組織トピックにまとめられました。 最終的な一般化の結果、2つのグローバルトピックが判明しました。「ドライバーのFOR」「システムの購入」および「疑問と改善の希望」です。

これらのグローバルトピックは、研究目標と一致していました。 他のタスクについては、他のグローバルトピックを強調表示できます。 たとえば、「マーケティングのアクション」および「開発のアクション」。 これは、テーマ別ネットワーク手法の便利さです。十分に柔軟性があり、結果を直角に構成できるため、後で製品開発の次の段階でそれらを使用すると便利です。

結果は次のとおりです。


ステージ3.テーマネットワークの設計。
グローバルテーマごとに、個別のテーマネットワークを構築する必要があります。 例として、最初のトピック「ネットワークの構築」と「システムの購入」のネットワークを構築します。

ATSユーザーレビューのテーマ別ネットワークの例。

ステップ4.テーマネットワークの説明と説明。
（この段階では、選択したトピックについて議論し、元のテキストからの逐語的な引用を示します。たとえば、いくつかのトピックの分析に限定します）。

（...）
トピック：「システムインターフェイスはモダンで美しく、使いやすいです。」

「楽しい」というテーマとインターフェイスの現代性は、ユーザーレビューの主要なものの1つであることが判明しました。 多くの場合、システムインターフェイスは、複数の採用自動化システムの比較分析を実行したユーザーによって強調されました。 彼らは、このシステムは他のプログラムと比較してよりモダンで快適に見えると述べました。 インターフェースは、その「シンプルさ」と「清潔さ」、不必要な詳細や装飾がないことで魅了されます。

エフゲニア 、採用部長、メディアホールディング：
「あなたのプログラムは本当に良いです。つまり：
-機能のシンプルさ
-不要な機能に対する報酬はありません。
「インターフェイスに慣れるだけです。」

同時に、一般的な認識ではなく、タスクの迅速な完了（アプリケーションの作成、エグゼキューターの任命、候補者の添付など）の位置からユーザーがインターフェイスを表示すると、逆に、困難、「余分な動き」、および不便が言及されました。 これらのレビューは、システムに組み込まれた選択プロセスに関するものであり、次のトピックの基礎となりました。

件名：「システムで指定された選択プロセスに適応することは困難です。クライアントの会社の選択プロセスに対応していません。」

ユーザーは、システムに組み込まれた選択プロセスに適応することの難しさ（アプリケーションの承認、パフォーマーの指名、候補者とフィードバックの検討の必須段階）に注意しました。 多くの場合、ユーザーはプロセスを会社の慣行に適合させたいと思うか、いくつかのステップをスキップできる柔軟なシステムを提唱しました。

IT企業のテクニカルディレクター、 オレグ ：「理由は、採用プロセスに関係しないアクションと情報の冗長性に加えて、システムによって提供されない内部アクションの独自性です。」

マリーナ 、人事マネージャー、生産部門：「部門の顧客から、システムの人事選考申請書への記入手順が非常に複雑であるという苦情が絶えず寄せられています。」

トピック：「システムに入力された情報の盗難または損失についての恐れ」

データの盗難または紛失に関する質問と疑念は、システムの書面によるレビューと、システムに精通したユーザーの主要な質問の両方で発生しました。 通常、脅威は次の5つのシナリオで認識されました。1）サービスプロバイダーによる候補ベースの盗難（つまり、私たちによる）、2）システムのハッキングと競合他社による候補ベースの盗難、3）クライアントの従業員によるミスによる情報の損失、4）による情報の損失技術的な問題、5）システムへの有料アクセスの終了による情報の損失。

エフゲニア 、採用部長、メディアホールディング：
「私たちの場合、会社にすべての情報を保持し、データ損失のリスクを最小限に抑えることが重要です。
繁栄と発展を願っていますが、何らかの理由でリソースへのアクセスが終了し、全拠点を失うリスクがある場合、私たちはあまり幸せではありません。
仕事用のプログラムを選択する際、この話を思いつきませんでした。」

また、情報の安全性の保証を直ちに提供しましたが（契約の断片、情報の毎日の保存の保証、クラウドサービスの使用における世界の経験などを引用しました）、多くのユーザーは依然としてデータ損失の可能性について懸念を表明しました。
（...）

ステージ5.テーマネットワークの要約。
（この段階では、すべてのトピックが要約され、分析結果の一般的な解釈が行われます。研究の論理と研究グループで受け入れられているコミュニケーションのスタイルによって定義され、明確にする必要がないため、この段階はスキップします）。

ステップ6.パターンの解釈。
（この段階では、トピックを研究の仮説と比較し、理論的構成に追加し、ユーザーの意見が製品の開発者と所有者のアイデアにどの程度対応するかを議論します。この分析の断片を次に示します）。

（...）
レビューの分析により、特に興味深い3つの状況が明らかになりました

。1.分析。
システムには、さまざまな選択インジケータのグラフとチャートの形式でレポートを受信できる分析サービスが含まれています。レポートは、別のタブで自動的に生成されます：計画のパフォーマンス指標と、求人募集の基準に従う、選択​​ファネル（各選択段階での応募者の変換）、候補者を引き付けるチャネルの有効性の分析、将来的には、インタビューの候補者の指標と職場での成功の指標の関係の分析（会社に関するグローバルな調査を実施するための長期分析）。

採用担当者にとっては、そのようなサービスとは、仕事に関する「ワンクリック」レポートを受け取ることを意味し、マネージャーにとっては、分析をすばやく表示して意思決定を行う機会を意味します。成長しているHR分析、HRビッグデータなどのトピックはもちろんのこと、分析サービスを使用して、社内でさまざまな調査を実施できます。

しかし、私たちの調査では、分析のトピックがユーザーレビューに登場したことがないことが示されました。システムをテストするとき、人々は研究の必要性、または採用プロセスの迅速な制御を示しませんでした。この機能は非常に重要であると考え、多くの開発および設計リソースを費やし、すべての広告資料で言及し、販売に焦点を当てました。しかし、ユーザーは残りの部分で彼女に興味を持っていることが判明しました。少なくとも彼らのレビューでは、分析は表示されませんでした。

結果が得られたので、システムへのテストアクセスでの分析の表示にさらに注意を払い、分析におけるユーザーニーズの追加調査を実施することにしました。

2.厳しいプロセス。
システムのコンセプトを考えて、選択のベストプラクティスの自動化に依存しています。当社は長年にわたってさまざまな企業で採用サービスを行ってきましたが、この経験からデジタル化することにしました。 「愚か者からの保護」を含む教育と指導のプロセスは、申請を調整し候補者を審査するプロセスで標準的な間違いを犯すことを許さず、採用担当者を不当な告発から保護しました。これは、システムの最も重要な機能と考えました。実際、最高の体験の販売、自動化されたプロセスに基づいて、最初の販売を構築しました。

しかし、これらの販売中の顧客とのコミュニケーションは仮説を生み出しました。これは後に調査によって確認されました。顧客は厳しいプロセスを購入する準備ができておらず、変更する準備ができていません。

私たちがシステムの最も強力な切り札と考えた機能が主な欠点になったことが判明しました。ほとんどすべてのレビューで、プロセスの柔軟性を高め、「不要な」ステージを削除し、システムを「促進する」という要求に応えました。この発見により、開発とマーケティングの分野で新しいソリューションを開発する必要があります。

3.コンピテンシーの評価と候補者の比較。
もう1つの興味深い事実が、システムの3番目の切り札、つまり候補者の評価と比較のサービスに関連して明らかになりました。

このシステムには、候補者の個人的資質と専門的能力を評価するための500の質問を含むライブラリが含まれています。各質問に対して、6つの回答が提案されます。面接後、システムはスコアリングによるポジションのプロファイルへのコンプライアンスの候補者の表形式比較を提供します。

このシステムの機能は、独自の販売提案です。当社の市場分析では、他のATSには回答オプション付きの評価用の質問がないことが示されました。私たちはこの機能を追加するために多大な労力を費やしました。専門の心理学者とリクルーターは、ユニークな質問の作成に取り組みました。しかし、調査では、この場合、システムの「切り札」がユーザーによって曖昧に認識されることが示されました。

コンピテンシー評価システムは、ユーザーによって選択的に無視されました。採用管理システムのみが必要な人は、500個の評価質問のベースは必要ありません。そのようなユーザーは、利用規約を最も単純な競合他社と比較し、より低い価格を期待していました。私たちの価格（コンピテンシー評価のサービスを含む）は高すぎるように思われました。

そして、アセスメントの質問のベースの価値を理解し、コンピテンシーアセスメントのために他のIT製品にすでに精通しているユーザーは、反対に、疑わしいほどの低価格を疑っていました。そして、低価格に関するこれらの疑念が購入を麻痺させ、ユーザーの最初のグループの間の高価格に対する不満も同様でした。

このようなデータを受け取ったので、システムを改良し、販売モデルを調整することにしました。

記事の簡単な要約
1.定性調査の方法論には、情報を収集する定性的な方法だけでなく、定性的な分析方法も含まれます。
2.マーケティングおよびUXの研究では、定性分析の段階に違反することがよくあります。特別な方法を使用せずにデータを直感的に処理したり、定量的な方法を適用したりします。
3.質の高い方法論を使用することは、個々のユーザーアクションをカウントすることを意味するのではなく、これらのアクションの原因とそれに伴う感情や思考を検索することを意味します。定性的方法の目的は予測ではなく、説明です。
4.定性分析の重要な要件：「データにあるすべてのものを分析に含める必要はありません。しかし、分析に含まれるすべてのものは、元のデータで確認する必要があります。
5.定性的データ分析の結果に、予期しない結果が含まれることはほとんどありません。しかし、明らかと思われる情報でさえ証拠が必要です。
6.テーマネットワーク法は、定性分析の便利な方法です。これにより、他の分析方法に与えるのが困難なさまざまなタイプのデータを分析できます。
7.テーマネットワークの方法は、13の分析ステップで構成されています。研究データはテーマフラグメントに分割され、高次のトピックに順番にグループ化されます。分析の結果は、視覚的なテーマネットワークです。
8.テーマ別ネットワークを使用すると、プレゼンテーションの結果やレポートで研究の結果を簡単に視覚化できます。ネットワークは、意思決定ツリーまたは製品開発計画の基礎として使用すると便利です。

メソッドアルゴリズム


さらに読むことができます（記事の全文が公開されています）

。1. Attride-Stirling、J.テーマネットワーク：定性調査用の分析ツール / J. Attride-Stirling //定性調査。 -2001 .-- vol。 1番3.-P. 385-405。
テーマ別ネットワークの方法の歴史、行為の段階の説明、およびセクシュアリティに関する文化的表象の研究の応用の詳細な分析。

2. Voyskunsky、A.E。定性的データ分析 / A.E. Voyskunsky、C.V。 Skripkin //モスクワ大学紀要。 Ser。 14.心理学。 -いいえ2。 -2001。 -S. 93–109。
情報収集の定性的方法と分析の定性的方法の分離、定性的データを分析する別の方法の説明-定性的コンテンツ分析。

3. モバイル音楽GUIの設計への入力としての調査および主題分析アプローチ / A. Tanaka [et al。]。- 2012年
の音楽モバイルアプリケーションのユーザーの研究における主題分析（簡体字）のアン例。