Wie du mit qualitativer Datenanalyse das Kundenverhalten in 5 Schritten verstehst

Bei der qualitativen Datenanalyse geht es darum, das Feedback, die Ideen, Meinungen, Werte und Verhaltensweisen der Kund:innen zu kategorisieren und zu bewerten, um die User Experience (UX) besser zu verstehen und die emotionale Bindung der Menschen zu deiner Marke und deinem Produkt zu entdecken.

So erfährst du, was sie sich von deinem Produkt wünschen und wie und wann sie es nutzen, um eine ansprechende User Experience zu schaffen.

In diesem Leitfaden entschlüsseln wir die qualitative Analyse und geben dir eine Schritt-für-Schritt-Anleitung, damit du deine qualitative Datenanalyse selbstbewusst und kompetent angehen kannst.

Wie die qualitative Datenanalyse dir hilft, deine Nutzenden zu verstehen

Qualitative Datenanalyse (QDA) ist der Prozess der Analyse und Interpretation von qualitativen Daten aus Fokusgruppen, Interviews mit offenen Fragen, persönlichen Beobachtungen und sekundären Forschungsdaten, die in Audio-, Video-, Text- und anderen Formaten gespeichert sind.

QDA basiert auf einer interpretativen Philosophie, bei der du Daten sowohl auf der deskriptiven (oberflächlichen) als auch auf der interpretativen (tieferen) Ebene analysierst, um eine kohärente Geschichte zu erzählen, indem du die Datenpunkte auf der Grundlage von Themen und Trends miteinander verbindest und in Beziehung setzt.

Die Daten hier sind in der Regel textbasiert, beschreibend und unstrukturiert. Die Analyse dieser Daten hilft dir, die Denkweise und das Verhalten deiner Kund:innen zu verstehen, was wiederum deinem Team hilft, bessere Produkte zu entwickeln.

Wie man qualitative Kundendaten sammelt

Bevor du qualitative Daten analysieren kannst, musst du die notwendigen Daten sammeln, um Einblicke in die Gefühle und die Bedeutung des Kundenverhaltens zu bekommen. Die gute Nachricht ist, dass es dafür mehrere Möglichkeiten gibt. Du kannst zum Beispiel qualitative Daten sammeln, indem du:

• das Nutzerverhalten beobachtest;

• Interviews durchführst;

• Benutzer-Fokusgruppen einrichtest;

• Kundenumfragen verschickst.

Und das ist noch nicht alles: Du kannst verschiedene QDA-Tools nutzen, um die Datenerfassung zu vereinfachen. Umfragetools und Feedback-Widgets geben deinen Kund:innen zum Beispiel die Möglichkeit, ihre Meinung frei zu äußern, und Tools wie Session Recordings helfen dir, besser zu verstehen, wie die Nutzenden mit deiner Website interagieren. (Lies weiter: Auf die qualitative Datenerfassung gehen wir in diesem Artikel später noch genauer ein).

Die Vorteile der qualitativen Datenanalyse

„Qualitative Datenanalyse hilft uns, tiefer in die Gründe für eine bestimmte Verbraucheraktion einzutauchen“, sagt Brian Monschein, Vice President of Research bei Voxpopme.

Wir stimmen ihm zu. ✋

Einer der größten Vorteile der QDA besteht darin, dass wir herausfinden können, was ein bestimmtes Nutzerverhalten motiviert, zum Beispiel, warum Menschen ihren Warenkorb verlassen, einen Schritt beim Produkt-Onboarding übersehen oder ihr Abonnement nicht verlängern.

Weitere Vorteile der qualitativen Datenanalyse sind:

• Aufschlussreichere Antworten: Anstatt den Nutzenden Fragen zu stellen, auf die sie nur mit „Ja“ oder „Nein“ antworten können, haben sie bei der qualitativen Forschung die Möglichkeit, ihre Gedanken und Ansichten frei zu äußern, ohne vorgegebene Zwänge. Sie können sich Zeit zum Nachdenken nehmen und die Fragen sorgfältig prüfen, bevor sie antworten. Und da diese Informationen auf ihren persönlichen Gedanken, Ideen und Erfahrungen beruhen, ist die Wahrscheinlichkeit größer, dass du authentische Antworten erhältst.

• Größere Flexibilität: Bei der QDA geht es darum, so viele Erkenntnisse wie möglich aus einer relativ kleinen Stichprobe zu gewinnen. Das macht sie flexibler als quantitative Forschungsanalysen, da sie mehr Spontaneität zulässt. Bei qualitativen Methoden werden meist offene Fragen gestellt, die nicht bei allen Kund:innen genau gleich formuliert sind, sodass du die Interaktion nach deinem Ermessen anpassen kannst, um Erkenntnisse zu gewinnen.

Durch diese Vorteile entfaltet sich der Analyseprozess natürlicher und liefert reichhaltige, kontextbezogene Daten, die du für deine Produktausrichtung und dein Messaging nutzen kannst.

Herausforderungen der qualitativen Datenanalyse

Da qualitative Daten subjektiv sein können und aus Quellen wie Kundenbefragungen und Einzelinterviews stammen, kann es zu Herausforderungen wie einer begrenzten Stichprobengröße und Beobachtungsfehlern kommen, die den Nutzen qualitativer Daten einschränken können.

Einige weitere spezifischere Herausforderungen der QDA sind:

• Probleme im Zusammenhang mit der Stichprobe: Eine begrenzte Stichprobengröße ist eine der größten Herausforderungen bei qualitativen Daten, und die Durchführung umfangreicher qualitativer Forschung mit Hunderten von Teilnehmenden kommt aufgrund der hohen Kosten möglicherweise nicht in Frage. Außerdem ist die Teilnahme an einer Forschungsstudie freiwillig – manche Nutzende entscheiden sich vielleicht einfach dagegen, deine Fragen zu beantworten.

• Beobachtungsfehler: Die Erkenntnisse, die du aus der Analyse qualitativer Daten gewinnst, sind anfällig für Fehlinterpretationen und Beobachtungsfehler, die die Ergebnisse beeinflussen können. Zum Beispiel können Nutzende ihr Verhalten oder ihre Performance ändern, wenn sie beobachtet werden (auch bekannt als Hawthorne-Effekt). Tatsächlich kannst du deine Teilnehmenden auch unbewusst mit deinen Überzeugungen und Erwartungen beeinflussen (bekannt als Beobachter-Erwartungseffekt).

Leider bedeuten diese unvermeidlichen Herausforderungen, dass deine qualitative Stichprobe niemals einen repräsentativen Überblick über alle verschiedenen Personen, die deine Website besuchen oder mit deiner Marke interagieren, bieten wird, was bei der Interpretation der Testergebnisse zu berücksichtigen ist.

Wie unterscheidet sich die qualitative Datenanalyse von der quantitativen Datenanalyse?

Worum geht es also bei der Debatte über qualitative vs. quantitative Nutzerforschung? Wir sind froh, dass du fragst 😉 .

Es geht nicht um „qualitative oder quantitative Daten“, sondern um „qualitative und quantitative Daten“ – du brauchst beides, um deine Nutzenden wirklich zu verstehen und ein besseres Kundenerlebnis zu schaffen. Und zwar aus folgendem Grund:

• Qualitative Daten geben Antworten auf die Fragen nach dem Warum und Wie und nutzen die Meinungen, Motivationen und Beobachtungen der Kund:innen, um tiefergehende Ideen zur Verbesserung deiner User Experience, deines Messagings und deiner Marke zu entwickeln.

• Quantitative Daten hingegen geben Auskunft über das Was, Wo und Wann und liefern dir harte Fakten über das Nutzerverhalten auf der Grundlage messbarer, numerischer Datenpunkte.

Du kannst zum Beispiel quantitative Tools wie Google Analytics mit Hotjar Heatmaps verwenden, um zu sehen, wie viele Nutzende deine Website besucht haben, wie viel Prozent in Leads oder Sales umgewandelt wurden und wie viele auf deiner Produktseite nach unten gescrollt haben (quantitative Daten).

Aber du solltest auch qualitative Tools und Methoden wie Umfragen, Feedback-Widgets und Interviews nutzen. Denn so kannst du verstehen, warum manche Besuchende konvertiert haben und andere nicht, was ihre häufigsten Probleme sind und welche Produktfunktionen sie am nützlichsten finden (qualitative Daten).

Ein 5-Schritte-Leitfaden für eine effektive qualitative Datenanalyse

Diese Schritt-für-Schritt-Anleitung hilft dir, qualitative Daten zu analysieren.

1. Wähle eine Methode zur Untersuchung qualitativer Daten

Jede Methode der qualitativen Datenanalyse hat einen eigenen Blickwinkel und Einfluss auf die Art und Weise, wie du deine Ergebnisse organisierst und verstehst. Wähle also die Methode, die am besten zu deinem Team, deinen Ressourcen und deinen Zielen passt. Einige Methoden der qualitativen Forschung sind:

• Inhaltsanalyse

• Thematische Analyse

• Narrative Analyse

• Grounded-Theory-Analyse

• Diskursanalyse

Wie wählst du die geeignete Methode aus? Gehe von einem kundenorientierten Ansatz aus: Überlege dir, was du über deine Kund:innen erfahren willst, warum du es erfahren willst und wie du die gewonnenen Erkenntnisse nutzen willst. Wähle dann die Methode, mit der du deine Ziele erreichen kannst.

Wenn du zum Beispiel Daten analysierst, um Theorien zu entwickeln, die auf quantitativen Daten beruhen, könntest du dich für die Grounded-Theory-Analyse entscheiden. Wenn du jedoch die gelebten Erfahrungen von Menschen im Zusammenhang mit einem Phänomen oder Ereignis erforschen möchtest, wäre die narrative Analyse die bessere Wahl.

Hinweis: Mehr über die verschiedenen Methoden der qualitativen Datenanalyse erfährst du im Kapitel QDA-Methoden.

2. Sammle und organisiere deine qualitativen Nutzerdaten

Der nächste Schritt besteht darin, deine qualitativen Daten zu sammeln und sie für die Analyse vorzubereiten. Hier sind einige Werkzeuge und Methoden, die du verwenden kannst:

• Beobachtungen: Beobachte und überwache, wie sich die Nutzenden in ihrer natürlichen Umgebung verhalten – zum Beispiel mit Hilfe der Hotjar Observe-Tools – und mache detaillierte Notizen über Highlights und Trends im Nutzerverhalten.

• Interviews: Führe informelle und unstrukturierte Einzelgespräche mit den Nutzenden und stelle ihnen offene Fragen zu den Gründen, Meinungen und Motivationen für ihre Entscheidungen und ihr Verhalten (z. B.: Was denkst du, wie dieses Produkt dir helfen könnte? Kannst du beschreiben, wie du das Produkt nutzen würdest?). Ein wichtiger Tipp für Benutzerinterviews: Gib den Menschen Raum. Mache lange, bewusste Pausen, um der Person zu zeigen, dass du mehr über ihre Erfahrungen und Meinungen erfahren möchtest.

• Umfragen: Erstelle Umfragen und Fragebögen innerhalb oder außerhalb der Website, um offene oder geschlossene Antworten von den Besuchenden zu erhalten. Die Ask-Tools von Hotjar helfen dir, vielfältiges und verwertbares qualitatives Feedback auf organisierte und effektive Weise zu sammeln.

• Fokusgruppen: Führe eine Gruppendiskussion durch, um Fragen zu stellen, die zu produktiven Gesprächen führen. Fokusgruppen können als Teil von regelmäßigen Usability-Tests verwendet werden, um mehr über die Meinung der Nutzenden zu deiner Website zu erfahren, aber nicht darüber, wie sie sie nutzen.

Wenn du deine qualitativen Daten gesammelt hast, ordne sie, damit sie einheitlich sind – zum Beispiel nach Art, Format oder Thema. Das bedeutet auch, dass du alle nicht schriftlichen Aufzeichnungen transkribieren solltest, um sie später leichter auswerten zu können. Einige Tools und Methoden, die du zur Verknüpfung und Organisation deiner Daten nutzen kannst, sind:

• Hochladen der Daten in ein Forschungs-Repository, um sie mit anderen Daten zu verknüpfen;

• Nutzung eines Transkriptionsdienstes wie Rev;

• Verwendung einer Feedback-Analyseplattform wie SurveySparrow und Birdeye, um die Analyse des Kundenfeedbacks zu automatisieren.

Am Ende dieses zweiten Schritts solltest du Daten gesammelt, in Text umgewandelt und an einem Ort leicht zugänglich gemacht haben. Du kannst die Daten dann einheitlich analysieren, was es einfacher macht, sie zusammenzufassen und wertvolle Erkenntnisse zu gewinnen.

3. Codiere deine qualitativen Daten

Bei der qualitativen Datenanalyse bedeutet Kodierung die Kennzeichnung und Organisation deiner Daten, indem du Textabschnitte mit 2 bis 5 Wörtern so zusammenfasst, dass du Themen erkennen kannst und wie sie miteinander in Verbindung stehen.

Um dies manuell zu tun, nimmst du kleine Stichproben aus deinen qualitativen Daten und ordnest sie einer Reihe von Codes oder Kategorien zu. Beschrifte dann systematisch jedes einzelne Feedback, um Muster zu erkennen.

Ein (sehr einfaches) Beispiel: Wenn du nach verschiedenen Tierarten suchst, die in deinen Daten vorkommen, könntest du Codes verwenden wie „Hunde“, „Eidechsen“ und „Ameisen“. Bei der Kennzeichnung könntest du auch „Hunde“ als „Säugetiere“, „Eidechsen“ als „Reptilien“ und „Ameisen“ als „Insekten“ kennzeichnen oder kategorisieren.

Durch die Erstellung dieser Code-Kategorien werden deine Daten organisiert und bereichert, sodass du neue Verbindungen zwischen verschiedenen Code-Gruppen herstellen kannst. Wenn du eine größere Datenstichprobe nehmen möchtest, solltest du deine Codes überarbeiten und verfeinern, um Genauigkeit und Konsistenz zu gewährleisten.

Wenn dir das manuelle Kodieren keinen Spaß macht, kannst du auch eine automatisierte Kodierungslösung verwenden, um den Prozess zu vereinfachen – versuche es mit einer thematischen Analysesoftware wie MAXQDA oder NVivo, um Zeit zu sparen. Diese Tools geben dir ein Gefühl dafür, welche Themen in deinen qualitativen Daten auftauchen, und helfen dir dabei, tiefer in das Material einzutauchen, um es gründlich zu analysieren.

Unabhängig davon, ob du deine Daten manuell kodierst oder ein Tool zur Unterstützung verwendest, vergiss nicht, deine Daten zu validieren: Überprüfe die Genauigkeit deiner Forschung und die Zuverlässigkeit der einzelnen Methoden, um genaue und konsistente Daten zu erhalten. So stellst du sicher, dass deine Daten nicht fehlerhaft sind, was dir letztendlich zu aussagekräftigeren Erkenntnissen verhelfen wird.

Hinweis: Informationen über einige der Tools zur qualitativen Datenanalyse findest du im Kapitel QDA-Tools in diesem Leitfaden.

4. Analysiere deine Daten und entwickle Hypothesen

Jetzt ist es an der Zeit, deine qualitativen Daten zu analysieren, um aussagekräftige Erkenntnisse zu gewinnen (auch bekannt als „der angenehme Teil“).

Nachdem du deine Daten geordnet und kodiert hast, solltest du die gesammelten Daten gründlich überprüfen, um wiederkehrende Themen, Sätze und Wörter zu identifizieren, die von deinen Besuchenden häufig verwendet werden, sowie ungewöhnliche oder unerwartete Ausdrücke. Notiere außerdem alle Themen, von denen du erwartest, dass sie während der Analyse auftauchen würden, die aber nicht aufgetaucht sind.

Nutze dann die Erkenntnisse aus deinen Daten, um Schlussfolgerungen zu ziehen und Hypothesen über deine nächsten Schritte zu entwickeln. Du machst also eine Zusammenfassung deiner Recherche-Erkenntnisse, um deine nächsten Schritte zu validieren.

Wenn Kund:innen zum Beispiel sagen, dass dein Produkt nicht benutzerfreundlich ist, solltest du die genauen Herausforderungen und Hindernisse aufzeigen, mit denen sie in ihrer User-Journey konfrontiert sind. Dann kannst du herausfinden, welche Produktmerkmale oder Erfahrungen verändert, entfernt oder hinzugefügt werden sollten, um die UX zu verbessern.

In einem anderen Beispiel könntest du feststellen, dass eine nicht optimierte Website ein Hauptgrund für die Kundenabwanderung ist. Nutze die Erkenntnisse aus deiner qualitativen Datenforschung, um Optimierungen vorzuschlagen und zu priorisieren – vielleicht musst du deine Website-Navigation aktualisieren, um die Benutzeroberfläche zu verbessern, oder dein Webdesign für Mobilgeräte optimieren.

Das Wichtigste ist, dass dudeine Erkenntnisse definierst und die nächsten Schritte formulierst.

5. Teile deine Erkenntnisse und setze sie in die Tat um

Der letzte Schritt der qualitativen Datenanalyse besteht darin, deine Daten zusammenzufassen, um dieGeschichte der Nutzenden und Kund:innen zu erzählen, und deine Erkenntnisse und Ideen deinen Stakeholder:innen zu präsentieren.

Skizziere die wichtigsten Vorschläge und nächsten Schritte und entscheide dich auf der Grundlage deiner Analyse für eine sinnvolle Vorgehensweise. Du kannst eine Roadmap mit Tools wie Miro oder Trello erstellen oder einen traditionellen Bericht verfassen. Datenvisualisierungs-Tools und Software wie Tableau und Microsoft Power BI erleichtern auch die funktionsübergreifende Zusammenarbeit und Kommunikation, indem sie die gemeinsame Nutzung von Daten und die Ausrichtung deiner nächsten Schritte auf benutzerorientierte Geschäftsziele erleichtern.

Gewinne mit der qualitativen Datenanalyse umfassende und tiefgreifende Erkenntnisse

Die qualitative Datenanalyse hilft dir, das Kundenverhalten zu verstehen – jenseits von Zahlen und quantitativen Metriken – und hilft Teams, wertvolle Erkenntnisse zu gewinnen, um bessere Produkte zu entwickeln.