定性リサーチと定量リサーチの組み合わせ方

定性リサーチは「なぜ」「どのように起きたか」に答え、定量リサーチは「どのくらい」「どれだけ差があるか」に答えます。両者を組み合わせてはじめて、問題がどこにあり、原因が何かを知ると同時に、それが何人に影響しているかもわかります。この記事を読むと、手元の問いにどちらの手法を先に使うべきかを判断でき、よくある3つの順序でリサーチを組み立てられるようになり、リサーチ手法を選ぶための判断チェックリストが手に入ります。

両者の定義と違い

定性リサーチは、インタビュー、観察、自由記述の記録などを通じて少数の対象者から詳細な材料を集め、そこからどんな状況があり、なぜ起きるのかを導き出します。定量リサーチは、アンケート、行動データ、実験などを通じて多数の対象者から構造化されたデータを集め、統計的手法で規模を記述し、差を比較し、因果関係を検証します。

両者の違いは、数字を使うかどうかではありません。インタビューの結論にも「例：回答者15人中6人が言及」と書くことはありますが、この数字はサンプル内の状況を示すだけで、割合として一般化することはできません。

それぞれが得意とする問い

定性リサーチが得意なこと

• 問題が何かまだはっきりしない段階で、どんな状況や類型があるかをまず洗い出す
• すでに観察された現象を説明する。たとえば、あるステップのコンバージョン率がなぜ低いのか
• ユーザーの目標、状況、代替手段を理解し、デザイン案の材料にする
• アンケートの選択肢を用意し、ユーザーが実際に口にする状況を選択肢が網羅しているようにする
• 少数だが重要な層を理解する。たとえば大口顧客や価値の高い離脱ユーザー

定量リサーチが得意なこと

• あるニーズや問題がユーザーの中でどのくらいの規模で存在するかを推定する
• 異なる層、チャネル、バージョンの間の差を比較する
• ある変更が本当に指標の変化をもたらしたかを確かめる
• 複数の問いに優先順位をつけ、リソースをどこに先に投じるかを決める
• 満足度や継続率などの指標の推移を継続的に追う

よくある3つの組み合わせ方

定性から定量へ

問題がまだ漠然としている段階に向いています。まず十数件のインタビューで、ユーザーが挙げる理由や類型を洗い出し、それをアンケートの選択肢にして、より大きなサンプルで各類型の割合を調べます。たとえば、ユーザーが契約を更新しない理由を調べる場合、インタビューで価格、利用頻度の低下、競合への乗り換えなどいくつかの理由が見えてきたら、アンケートで各理由の割合を推定します。こうすれば、アンケートの選択肢はチームの推測ではなく、ユーザー自身の言葉から生まれます。

定量から定性へ

データから異常は見えているが、理由がわからない場合に向いています。まず行動データやアンケートで、問題がどの段階、どの層で起きているかを特定し、そのうえでその人たちに絞ってインタビューします。この順序の利点は、インタビューの対象者を的確に選べること、そしてインタビューガイドも具体的な段階に沿って書けることです。

並行

時間が限られ、2種類の証拠がどちらも必要な場合に向いています。たとえば新機能のリリース後、利用データや A/B テストの結果を見ながら、使った人と使っていない人にインタビューします。並行して進める場合は、2種類の結果をどう突き合わせるかを事前に決めておきます。データに表れた変化をインタビューで説明できるか、インタビューで繰り返し出てきた発言に対応する行動がデータの中に見つかるか。両者が一致しない場合は、まだ解明できていない事情があることが多く、もう一歩掘り下げる価値があります。

順序を選ぶときは、まず自問します。今足りないのは状況の理解なのか、規模の推定なのか。理解が足りなければ定性から、規模が足りなければ定量から始めます。

例：行動データで問題を見つけ、インタビューで理由を聞く

以下は一例です。数字はすべて架空のもので、流れを説明するためのものです。

1. 発見：行動データから、新規ユーザーの離脱が最も多いのは登録後の3番目のステップ「口座連携」であることがわかった。例：2番目のステップを完了したユーザーのうち、約4割がこのステップを完了していない。
2. 特定：チャネル別、デバイス別に分けてみると、離脱はある広告チャネルから来たスマートフォンのユーザーに集中していた。
3. 抽出：このユーザーの中から3番目のステップで離脱した人を探し、比較のために問題なく完了した人のグループも用意して、それぞれ約10人ずつインタビューに招く。
4. インタビュー：インタビューガイドは直近の登録の具体的な経緯を軸にし、3番目のステップで何を見たか、もともと何が起きると思っていたかを深掘りする。
5. 整理：理由を分類し、人数と反例を明記して、検証可能な仮説にまとめる。
6. 検証：主な理由に対応してページを修正し、A/B テストで新旧バージョンの完了率を比較する。

インタビュー中の対話例：

例：離脱グループ10人のうち6人が自動引き落としへの不安に言及し、比較グループでも2人が同じ懸念を持ちながら連携を完了していた。この結論は原因として考えられるものを示していますが、離脱ユーザー全体の6割がこの理由だとはいえません。次の一手としては、試用期間の終了前に通知することといつでも解約できることをページに明記し、A/B テストで完了率が上がるかを確かめます。この理由の比重を推定したい場合は、離脱ページに単一選択の質問を1つ加えることができます。

サンプルと結論を一般化できる範囲

どちらのリサーチにも一般化できる範囲の限界があり、その限界を越えた結論ほど意思決定を誤らせやすくなります。

• 定性的な結論が一般化するのは類型とメカニズムであり、割合ではありません。どんな状況があり、どんな条件で起きるのかは示せますが、サンプルは無作為に抽出されたものではないため、サンプル内の割合をそのまま全ユーザーに当てはめることはできません。
• 定性リサーチのサンプルサイズは、テーマが飽和したかどうかで判断します。Guest、Bunce、Johnson（2006）によると、同質な対象者では約12件のインタビューを過ぎると新しいテーマはほとんど出てこなくなります。対象者間の違いが大きい場合は、層ごとに十分な人数をそろえる必要があります。
• Nielsen（2000）の5人に関する結論は、ユーザビリティ上の問題を見つける場合にしか当てはまらず、インタビューや割合の推定には当てはまりません。
• 定量的な結論が成り立つのは、サンプリングの対象となった層に対してだけです。アクティブユーザーだけに配布したアンケートの結論は離脱ユーザーには一般化できず、任意回答のアンケートは強い意見を持つ人に偏りがちです。
• 行動データは全ユーザーをカバーしますが、記録されるのはトラッキングで計測している行動だけで、製品の外で起きていることは見えません。
• A/B テストの結論が当てはまるのは、テスト期間中、テストに参加した層、比較した案に限られます。季節、市場、対象者層が変われば、改めて検証する必要があります。

リサーチ手法の選び方