Laadullisen asiakastutkimuksen analyysimenetelmiä

Laadullista asiakasaineistoa analysoidaan teemoittelevilla ja mallintavilla menetelmillä hyödyllisen kehittämisymmärryksen aikaansaamiseksi.

Kirjoittaja: Mirja Kälviäinen

Laadullisen aineiston analyysin tarkoitus

LAB-ammattikorkeakoulun Asiakastutkimuksen kehittyvät menetelmät -hankkeessa laadullista asiakastutkimusta hyödynnetään empaattisen kehittämisen asiakasnäkökulmien selvittämiseen. Asiakasaineiston analyysissä etsitään kehittämisaiheen kannalta merkityksellistä sisältöä ja ratkaisuiksi muutettavissa olevaa asiakasymmärrystä (Marsh 2022, 216). Analyysiä tukee aiemman tutkimuksen läpikäyminen ja sen muodostama esiymmärrys.

Monimuotoisen aineiston valmistelu ja käsittely

Laadullista aineistoa valmistellaan analyysiin kunkin aineistotyypin mukaan. Puhutun nauhoitus muutetaan analysoinnin helpottamiseksi kirjoittamalla tai automatiikalla tekstimuotoon. Valokuvat voi tekstin kaltaisina staattisina tietovarantoina analysoida sellaisenaan. Videoanalyysiin on olemassa taulukkopohjaisia analyysivälineitä, joihin eritellään toiminnan vaiheita, toimijoita, toimintaympäristöä ja muuta sisältöä.

Työn helpottamiseksi ja huolellisuuden lisäämiseksi voi monimuotoista laadullista aineistoa käydä läpi aineistomuoto kerrallaan. Tällöin tuloksia tarkastellaan lopuksi yhdessä etsien eri aineistotyyppien tuottamia samankaltaisia tai erilaisia tuloksia.

Sisällön-, samankaltaisuus- ja vuorovaikutusanalyysi sekä tarinallisuus

Asiakastutkimusaineistosta etsitään kiinnostavaa käyttäytymistä, toimintatapoja, tunnekokemuksia, ja näihin liittyviä selityksiä. Sisällönanalyysissä aineistosta koodataan ja kategorisoidaan esimerkiksi tunnereaktioita, toimintakokonaisuuksia, vuorovaikutusta, tapahtumia tai käytettyjä ilmaisuja. (Marsh 2022, 219; Hall 2019, 118-120.) Lyhyitä koodeja luodaan kuvaamaan jokaista kiinnostavaa palasta aineistosta. Koodit auttavat jäsentämään aineistosta merkityksellisiä kategorioita. Koodit voivat muodostua taustaoletusten ja teorian kautta tai aineistolähtöisesti tai molemmilla tavoilla. Tulosten tulkinnassa voidaan kategorioiden koodauksia laskea sekä tutkia niiden välisiä suhteita. (Marsh 2022, 220-223.) Koodauksen ja kategorioitten lähtökohtateorioita voi löytää asiakaskokemusta kuvaavien tekijöiden analyyseistä. Visuaalista aineistoa voi analysoida havainto- tai ympäristöpsykologiasta tai semanttisista analyyseista kumpuavin koodein.

Edellistä joutuisampi tapa tehdä laadullista analyysiä on samankaltaisuusanalyysi (affinity diagram), joka on tyypillinen nopeassa käyttäjätutkimuksessa ja helposti toteutettavissa virtuaalisesti. Kehittämislöydöksiä ja ideoita identifioidaan ja kirjataan post-it -lapuille niin, että aineistolähdetieto tai asiakasilmaisu on mukana. Post-it -lappujen sisällöistä hahmotetaan ja ryhmitellään yhteen kuuluvia teemoja. Olennaista on ideoiden liikuttelu, teemojen etsiminen, ryhmittely ja yhteistyönä tekeminen. Järjestely auttaa hahmottamaan merkityksellisiä, käyttäjätarpeita edustavia toiminnan ja kokemuksen malleja. (Hall 2019, 118, 120-121; Marsh 2022, 227-228). Esiin nousevien teemojen tarkastelu auttaa myös priorisoimaan ratkaisun piirteitä ja toimintoja. (Hall 2019,121).

Kuvassa 1 on samankaltaisuusanalyysi Suomalaisen kirjakaupan hyvinvointiin liittyvien tuotteiden aineistosta, jossa asiakkaat valitsivat kuvia ja kertoivat niistä (Pimiä, 34).

Kuva 1. Kuvavalintoja sisältäneen haastatteluaineiston teemoittelua (Pimiä 2023, 34).

Hyödyllisimmät teemat nousevat aineistolähtöisistä asiakaskäyttäjien toiminnan malleista, ei ennakolta määritellyistä teemoista. Tärkeitä etsittäviä asioita ovat asiakkaiden päämäärät, heille merkitykselliset asiat, heidän motivaatiotekijänsä, esteensä ja tavat tehdä asioita, sosiaaliset vuorovaikutussuhteensa, käyttämänsä toiminnan välineet ja toimintaympäristö. (Hall 2019, 58.)

Asiakaskokemustiedon analysointia ja mallintamista voi auttaa myös diskurssianalyysin merkityksien välittäminen ja vaihtaminen sosiaalisessa vuorovaikutuksessa. Siinä kysytään, mitä ja miten sanotaan tai viestitään sekä missä tilanteessa ja millä seurauksilla (Suoninen 2021.) Narratiivinen analyysi taas pyrkii hahmottamaan kertomuksellisuutta osoituksena ajattelu- ja toimintatavoista, merkityksistä ja asenteista (Koppa & Jyväskylän yliopisto). Jo aineiston keruussa voi kiinnittää huomiota palvelumuotoilulle erityisen tärkeisiin vuorovaikutussuhteisiin tai toiminta- tai kokemuskertomuksiin.

Analysointi tekoälyavusteisesti

Laadulliseen analyysiin liittyy tiettyjä haasteita, kuten suurten aineistomäärien hidas läpikäynti ja koodaus. Suurten kielimallien tekoälyratkaisut voivat nopeuttaa analyysiä esimerkiksi hyvien yhteenvetojen muodossa. Johannes ja Lindfors (2023) viittaavat mahdollisuuksiin etsiä yleisesti esiintyviä teemoja, mitä ihmiset puhuvat, mitä ovat käyttäytymisen ajurit ja millaisia tyytyväisyyden tasoja ja tuntemuksia aineisto sisältää. Nämä kuvaavat jo hyvin syntynyttä asiakaskokemusta ja siihen liittyneitä merkityksellisiä ilahtumisen tuottajia.

Jos käyttää tekoälyanalysointia, on hyvä varmistaa aineiston hankinnassa, että tietyt teemat merkitään tietyillä sanoilla, jolloin algoritmit osaavat paremmin kerätä kyseisen tiedon yhteen. Tässä on hyvä käyttää myös esiymmärryksen tuomaa tietämystä siitä, mitä ja miten kannattaa tutkia.

Automatisoitua analyysiä hyödynnettäessä tulee huolehtia eettisyydestä ja vinoumien kriittisestä välttämisestä. Eettisyyteen kuulu myös se, missä määrin anonyymejä ja salassa pidettäviä aineistoja sopii syöttää tekoälyalgoritmien käsiteltäviksi varmistettaessa sitä, etteivät tiedot siirry muille toimijoille.

Laadullisen analyysin onnistumisen tekijöitä

Kun laadullisen asiakas- ja käyttäjäaineiston analyysi alkaa tuottaa malleja käyttäytymisen tavoista, syistä ja merkityksistä, kertoo se riittävästä aineiston määrästä (Hall 2019 39-40). Malleja voi löytyä samankaltaisesti, ennustettavista, usein tai harvoin, tietyssä järjestyksessä, suhteessa johonkin toiseen tai jonkin seurauksena tapahtuvista asioista (Marsh 2022, 220).

Aineiston analyysiin ja sulatteluun tarvitaan riittävästi aikaa. (Hall 2019, 37) Sitä kannattaa käydä läpi monta kertaa (March 2022, 221). Tekoälyavusteinen analysointi voi korvata toisen analysoijan ja varmentaa ensin tehtyä omaa analyysiä, kunhan automatisoitua analyysiä arvioidaan kriittisesti, inhimillistä ymmärrystä ja empatiaan käyttäen.

Kehittämisnäkemyksellisyys rakentuu niin, että analyysitoimet pidetään erillään siitä, mitä jokin havainto merkitsee kehittämisen kannalta. Aineistosta tehdään ensin analyyttisia havaintoja ja sitten vasta siirrytään tekemään kehittämistulkintoja. (Hall 2019, 55-57.)

Laadullisen analyysin subjektiivisuuden takia, on sitä hyvä tehdä yhdessä. Aineiston hankintaan osallistuneiden tulisi osallistua myös analysointiin, jotta merkityksellisten mallien näkeminen ja löytäminen varmistuu. (Hall 2019, 55-57.) Laadullisen aineiston hankinnan ja analysoinnin vinoumien mahdollisuuksista tulee olla tietoinen ja välttää niitä myös yhteistyöllä.

Lähteet

Hall, E. 2019. Just Enough Research. New York: A Book Apart.

Johannes, L. & Lindfors, S. Redesigning a CX program: Enhancing the Way We Listen, Analyze, and Engage with Customers. Webinar Sep 27 2023. Viitattu 3.4.2024. Saatavissa https://www.lumoa.me/webinar/redesigning-cx-programs/

Marsh, S. 2022. User Research. A practical guide to designing better products and services. Second edition. London, New York, New Delhi: Kogan Page Limited.

Koppa & Jyväskylän yliopisto. Narratiivinen analyysi. Viitattu 8.4.2024. Saatavissa https://koppa.jyu.fi/avoimet/hum/menetelmapolkuja/menetelmapolku/aineiston-analyysimenetelmat/narratiivinen-analyysi

Pimiä, E. 2023. Asiakaslähtöisiä kokeiluja kustantamon tuotekehitykseen. YAMK-opinnäytetyö. Uudistava muotoiluajattelu, Muotoilija. LAB-ammattikorkeakoulu. Viitattu 3.4.2024. Saatavissa https://urn.fi/URN:NBN:fi:amk-202302112285

Suoninen, E. 2021. Diskurssianalyysi. Teoksessa Vuori, J. (toim.). Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 8.4.2024. Saatavissa https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/teoreettis-metodologiset-viitekehykset/diskurssianalyysi/

Kirjoittaja

FT Mirja Kälviäinen on muotoilun ja median yliopettaja LAB-ammattikorkeakoulussa ja käyttäjäkeskeisen tuotesuunnittelun sekä muotoiluajattelun dosentti.

Artikkelikuva: https://pxhere.com/en/photo/604926 (CC0)

Julkaistu 26.4.2024