ข้อมูลเชิงสังเกตคืออะไร? คู่มือฉบับสมบูรณ์สำหรับนักวิจัย

บทนำ: ภาษาที่เงียบงันของข้อมูล

 

ในโลกของการวิจัยตลาดและการวิเคราะห์ข้อมูล องค์กรต่าง ๆ หมกมุ่นอยู่กับการทำความเข้าใจพฤติกรรมมนุษย์มาหลายปี ธุรกิจต่างพึ่งพาการถามคำถามผู้คนเป็นหลัก แต่จะเกิดอะไรขึ้นเมื่อสิ่งที่ผู้คนพูดไม่ตรงกับสิ่งที่พวกเขาทำ?

 

นี่คือจุดที่ข้อมูลเชิงสังเกตกลายเป็นสินทรัพย์สำคัญ

 

ในฐานะผู้เชี่ยวชาญด้านการเก็บรวบรวมข้อมูลและระเบียบวิธีการสำรวจที่ SurveyMars เราทราบดีว่าข้อมูลที่รายงานด้วยตนเองนั้นทรงพลังอย่างยิ่งในการทำความเข้าใจเจตนา อารมณ์ และความรู้สึกของมนุษย์ อย่างไรก็ตาม หากต้องการสร้างมุมมองแบบองค์รวม 360 องศาเกี่ยวกับกลุ่มเป้าหมายของคุณ ข้อมูลที่รายงานด้วยตนเองมักต้องได้รับการตรวจสอบร่วมกับการวิจัยเชิงสังเกต

 

ในคู่มือฉบับสมบูรณ์นี้ เราจะสำรวจว่าข้อมูลเชิงสังเกตคืออะไร แตกต่างจากวิธีการเก็บข้อมูลแบบอื่นอย่างไร มีข้อดีข้อเสียโดยเนื้อแท้อะไรบ้าง และการผสานเข้ากับเครื่องมือสำรวจขั้นสูงอย่าง SurveyMars จะช่วยปฏิวัติกลยุทธ์ข้อมูลเชิงธุรกิจของคุณได้อย่างไร

 

ข้อมูลเชิงสังเกตคืออะไร?

 

ข้อมูลเชิงสังเกตคือข้อมูลที่เก็บรวบรวมโดยการเฝ้าติดตามผู้ถูกศึกษาอย่างตั้งใจหรือแบบไม่รบกวน ในสภาพแวดล้อมตามธรรมชาติหรือในสภาพแวดล้อมที่ควบคุม โดยไม่มีการแทรกแซง บิดเบือน หรือขอให้ผู้ถูกศึกษารายงานการกระทำของตนเอง

 

แทนที่จะถามลูกค้าว่า "การเดินหาสินค้าในร้านของเราง่ายแค่ไหน?" นักวิจัยที่เก็บข้อมูลเชิงสังเกตจะเพียงแค่เฝ้าดูลูกค้าเดินตามชั้นวาง สังเกตว่าพวกเขาหยุดตรงไหน หยิบอะไรขึ้นมาดู และตรงไหนที่ดูสับสน

 

คุณลักษณะสำคัญของข้อมูลเชิงสังเกต

 

เพื่อให้เป็นไปตามมาตรฐาน E-E-A-T ในระเบียบวิธีวิจัย การทำความเข้าใจลักษณะกำหนดของข้อมูลเชิงสังเกตจึงเป็นสิ่งสำคัญ:

 

●ไม่แทรกแซง: นักวิจัยไม่เปลี่ยนแปลงสภาพแวดล้อมหรือบิดเบือนตัวแปร (ต่างจากข้อมูลเชิงทดลอง)

●มุ่งเน้นพฤติกรรม: เน้นการกระทำทางกายภาพ การคลิกบนดิจิทัล การตอบสนองทางสรีรวิทยา หรือสภาวะแวดล้อมเป็นหลัก

●มีบริบท: เก็บข้อมูลภายในสภาพแวดล้อมเฉพาะที่การกระทำนั้นเกิดขึ้นตามธรรมชาติ

 

ข้อมูลเชิงสังเกต vs. ข้อมูลเชิงทดลอง vs. ข้อมูลจากแบบสำรวจ

 

เพื่อให้เข้าใจคุณค่าของข้อมูลเชิงสังเกตอย่างแท้จริง เราต้องวางข้อมูลนี้ไว้ในบริบทของระบบนิเวศการวิจัยที่กว้างขึ้น

 

คุณลักษณะ	ข้อมูลเชิงสังเกต	ข้อมูลเชิงทดลอง	ข้อมูลจากแบบสำรวจ (SurveyMars)
คำนิยาม	เฝ้าดูผู้ถูกศึกษาโดยไม่มีการแทรกแซง	บิดเบือนตัวแปรเพื่อทดสอบสมมติฐาน (เช่น การทดสอบ A/B)	ขอให้ผู้ถูกศึกษารายงานความคิด ความรู้สึก หรือการกระทำในอดีตด้วยตนเอง
เป้าหมายหลัก	เพื่อค้นหาว่าอะไรเกิดขึ้นตามธรรมชาติ	เพื่อค้นหาสาเหตุและผลลัพธ์	เพื่อค้นหาว่าทำไมจึงเกิดขึ้น และผู้คนรู้สึกอย่างไร
สภาพแวดล้อม	มักเป็นสภาพแวดล้อมตามธรรมชาติ (ในร้าน, เว็บไซต์ที่ใช้งานจริง)	ควบคุมอย่างเข้มงวด (ห้องแล็บ, การทดสอบดิจิทัลแบบแยกส่วน)	ได้ทุกที่ (ผ่านอีเมล, ป๊อปอัปบนเว็บ, SMS)
ความเสี่ยงของอคติ	อคติของผู้สังเกต, ผลฮอว์ธอร์น (หากเปิดเผย)	อคติยืนยัน, สภาพแวดล้อมเทียม	อคติจากความทรงจำ, อคติจากความต้องการดูดีทางสังคม
ประเภทข้อมูล	เชิงคุณภาพ & เชิงปริมาณ	ส่วนใหญ่เป็นเชิงปริมาณ	เชิงคุณภาพ & เชิงปริมาณ

 

4 ประเภทหลักของ การวิจัยเชิงสังเกต

 

ข้อมูลเชิงสังเกตไม่ได้มีเพียงรูปแบบเดียว ขึ้นอยู่กับเป้าหมายการวิจัยของคุณ คุณอาจใช้วิธีการเชิงสังเกตที่แตกต่างกันได้

 

1. การสังเกตแบบมีโครงสร้าง vs. แบบไม่มีโครงสร้าง

 

●การสังเกตแบบมีโครงสร้าง: นักวิจัยมีกรอบการเข้ารหัสที่กำหนดไว้ล่วงหน้า พวกเขารู้แน่ชัดว่ากำลังมองหาอะไร (เช่น นับจำนวนครั้งที่ผู้ใช้คลิกปุ่ม "Help" บนแดชบอร์ดซอฟต์แวร์)

●การสังเกตแบบไม่มีโครงสร้าง: นักวิจัยเข้าสู่สภาพแวดล้อมด้วยใจที่เปิดกว้าง บันทึกทุกสิ่งที่น่าสนใจ วิธีนี้มักใช้ในช่วงสำรวจเบื้องต้นของการวิจัย

 

2. การสังเกตแบบมีส่วนร่วม vs. แบบไม่มีส่วนร่วม

 

●การสังเกตแบบมีส่วนร่วม: นักวิจัยเข้าไปมีส่วนในกลุ่มที่กำลังศึกษา (เช่น นักมานุษยวิทยาที่อาศัยอยู่กับชุมชนหนึ่ง หรือ UX researcher ที่แฝงตัวเป็นพนักงานทั่วไปเพื่อทำความเข้าใจเวิร์กโฟลว์ของซอฟต์แวร์ภายใน)

●การสังเกตแบบไม่มีส่วนร่วม: นักวิจัยเฝ้าดูจากระยะไกล ราวกับเป็น "แมลงวันบนผนัง"

 

3. การสังเกตแบบปกปิด vs. แบบเปิดเผย

 

●การสังเกตแบบปกปิด: ผู้ถูกศึกษาไม่รู้ว่ากำลังถูกสังเกต (เช่น การติดตามฮีตแมปของเว็บไซต์แบบไม่เปิดเผยตัวตน หรือวิเคราะห์ภาพจากกล้องวงจรปิด) วิธีนี้ช่วยตัดผลฮอว์ธอร์นออกไป แต่ก่อให้เกิดประเด็นด้านจริยธรรมและความเป็นส่วนตัวอย่างเข้มงวด

●การสังเกตแบบเปิดเผย: ผู้ถูกศึกษารู้ว่ากำลังถูกสังเกต (เช่น ช่วงทดสอบการใช้งานที่มีผู้ดำเนินรายการ)

 

4. การสังเกตแบบธรรมชาติ vs. แบบควบคุม

 

●แบบธรรมชาติ: สังเกตผู้ซื้อของในร้านขายของชำจริง

●แบบควบคุม: พาผู้ซื้อเข้าไปในสภาพแวดล้อมจำลองร้านค้าในสถานที่วิจัยเพื่อสังเกตการเดินทางภายในร้านของพวกเขา

 

การประยุกต์ใช้ข้อมูลเชิงสังเกตในโลกจริง

 

ข้อมูลประเภทนี้ถูกใช้ในอุตสาหกรรมต่าง ๆ อย่างไรในปัจจุบัน? มาดูการประยุกต์ใช้ที่เป็นรูปธรรมกัน

 

การวิเคราะห์ดิจิทัลและการออกแบบ UX

 

ในแวดวง SaaS และอีคอมเมิร์ซ ข้อมูลเชิงสังเกตคือรากฐานของการปรับปรุงประสบการณ์ผู้ใช้ (UX)

 

●การบันทึกเซสชันและฮีตแมป: เครื่องมือที่บันทึกการเคลื่อนไหวของเมาส์ ความลึกของการเลื่อน และการคลิก

●การวิเคราะห์ข้อมูลล็อก: ติดตามอัตราข้อผิดพลาด เวลาโหลด และรูปแบบการใช้งานฟีเจอร์ในแอปพลิเคชันซอฟต์แวร์

 

ค้าปลีกและสินค้าอุปโภคบริโภคบรรจุหีบห่อ (CPG)

 

●การวิเคราะห์การเข้าร้าน: ใช้เซนเซอร์ติดตามการไหลของลูกค้าภายในร้านจริงเพื่อปรับปรุงผังร้าน

●การปฏิสัมพันธ์กับชั้นวางสินค้า: สังเกตว่าบรรจุภัณฑ์แบบใดดึงดูดสายตาก่อน และลูกค้าอ่านฉลากโภชนาการก่อนซื้อหรือไม่

 

การดูแลสุขภาพและการแพทย์

 

●อุปกรณ์สวมใส่: สมาร์ทวอทช์ที่เก็บข้อมูลเชิงสังเกตอย่างต่อเนื่องเกี่ยวกับอัตราการเต้นของหัวใจ รูปแบบการนอน และจำนวนก้าวในแต่ละวัน

●การปฏิบัติตามคำแนะนำของผู้ป่วย: สังเกตว่าผู้ป่วยรับประทานยาอย่างถูกต้องในสถานพยาบาลหรือไม่ โดยไม่ต้องกระตุ้นเตือน

 

ข้อดีและข้อเสียของข้อมูลเชิงสังเกต

 

การวิเคราะห์เชิงผู้เชี่ยวชาญต้องอาศัยมุมมองที่สมดุล แม้ว่าข้อมูลเชิงสังเกตจะทรงพลัง แต่มันก็ไม่ไร้ที่ติ

 

ข้อดี

 

1.ขจัดอคติจากความทรงจำ: ความจำของมนุษย์มีข้อบกพร่อง หากคุณถามผู้ใช้ว่าเมื่อวานพวกเขาเช็กโทรศัพท์กี่ครั้ง พวกเขาจะเดาเอา ข้อมูลเชิงสังเกต (การติดตามเวลาใช้งานหน้าจอ) ให้ตัวเลขที่แน่นอนและไม่อาจโต้แย้งได้

 

2.จับพฤติกรรมที่อยู่ในจิตใต้สำนึก: ผู้ใช้มักทำสิ่งที่ตนเองไม่รู้ตัว ผู้ใช้อาจประสบปัญหากับเมนูนำทางของเว็บไซต์ แต่ลืมกล่าวถึงในแบบฟอร์มความคิดเห็น เพราะสุดท้ายพวกเขาก็หาสิ่งที่ต้องการเจอ การสังเกตจะจับปัญหานั้นได้

 

3.ความตรงเชิงนิเวศสูง: เนื่องจากมักเกิดขึ้นในสภาพแวดล้อมตามธรรมชาติ ข้อมูลจึงสะท้อนพฤติกรรมจริงในชีวิตประจำวัน แทนที่จะเป็นปฏิกิริยาในห้องแล็บที่ปราศจากบริบท

 

ข้อเสีย

 

1.ไม่มีคำตอบของคำว่า "ทำไม": คุณอาจสังเกตได้ว่าลูกค้าทิ้งตะกร้าสินค้าไว้ที่หน้าชำระเงิน แต่ข้อมูลเชิงสังเกตไม่สามารถบอกได้ว่าทำไม เป็นเพราะค่าส่งแพงเกินไปหรือ? พวกเขาลืมกระเป๋าสตางค์ไว้ในห้องอื่นหรือ? หน้านั้นโหลดช้าเกินไปหรือ?

 

2.ผลฮอว์ธอร์น: หากผู้ถูกศึกษารู้ว่ากำลังถูกเฝ้าดู พวกเขาจะเปลี่ยนพฤติกรรม พวกเขาจะแสดงออก "ดีขึ้น" หรือจงใจมากกว่าที่จะทำตามปกติเมื่ออยู่ลำพัง

 

3.อคติของผู้สังเกต: นักวิจัยที่เป็นมนุษย์อาจตีความพฤติกรรมที่คลุมเครือโดยไม่รู้ตัวในลักษณะที่ยืนยันสมมติฐานที่มีอยู่ก่อนแล้ว

 

4.ใช้เวลาและทรัพยากรมาก: การเข้ารหัสวิดีโอด้วยมือเป็นเวลาหลายชั่วโมงหรือการนั่งอยู่ในร้านค้าปลีกเป็นเวลาหลายวัน มีค่าใช้จ่ายสูงมากเมื่อเทียบกับการใช้แบบสำรวจที่ปรับขนาดได้

 

ระเบียบวิธีของ SurveyMars: ทำไมข้อมูลเชิงสังเกตจึงต้องใช้ร่วมกับข้อมูลจากแบบสำรวจ

 

ที่ SurveyMars เรามักให้คำปรึกษากับลูกค้าองค์กรที่ประสบปัญหาแบบ "มีข้อมูลเยอะ แต่ได้ข้อค้นพบน้อย" พวกเขามีข้อมูลเชิงสังเกตระดับเพตะไบต์ (คลิกสตรีม ประวัติการซื้อ บันทึกการเข้าร้าน) แต่ก็ยังไม่เข้าใจลูกค้าของตนอยู่ดี

 

กฎทองของการวิจัยตลาด:

 

ข้อมูลเชิงสังเกตบอกคุณว่าอะไรเกิดขึ้น ข้อมูลจากแบบสำรวจบอกคุณว่าทำไมมันจึงเกิดขึ้น

 

เพื่อให้ได้ E-E-A-T ที่แท้จริงในกลยุทธ์ข้อมูลของคุณ คุณต้องทำ Data Triangulation โดยผสานข้อมูลพฤติกรรมเชิงสังเกตเข้ากับข้อมูลจากแบบสำรวจที่รายงานด้วยตนเอง

 

กรณีศึกษา: การละทิ้งขั้นตอนชำระเงินในอีคอมเมิร์ซ

 

ปัญหา: ข้อมูลเชิงสังเกตของบริษัทอีคอมเมิร์ซ (Google Analytics) แสดงอัตราการละทิ้งหน้าชำระเงินขั้นสุดท้ายสูงถึง 60%

 

ข้อสันนิษฐานจากการสังเกตเพียงอย่างเดียว: เกตเวย์การชำระเงินเสีย หรือ UI ทำให้สับสน ทีมวิศวกรใช้เวลาหลายสัปดาห์ในการออกแบบหน้าใหม่ อัตราการละทิ้งยังคงเท่าเดิม

 

ทางออกด้วย SurveyMars: บริษัทติดตั้งโพล SurveyMars แบบ exit-intent บนหน้าชำระเงิน โดยถามคำถามง่าย ๆ ข้อหนึ่งว่า: "อะไรที่ทำให้คุณยังไม่สามารถทำรายการสั่งซื้อให้เสร็จในวันนี้ได้?"

 

ผลลัพธ์: 80% ของผู้ตอบแบบสอบถามเลือก: "ฉันแค่กำลังเปรียบเทียบราคารวมที่รวมค่าส่งด้วย"

 

เมื่อผสาน What (การวิเคราะห์เชิงสังเกต) เข้ากับ Why (แบบสำรวจแทรกเหตุการณ์ของ SurveyMars) บริษัทจึงตระหนักว่าไม่ใช่ปัญหา UI แต่เป็นปัญหาความโปร่งใสด้านราคา พวกเขาย้ายการคำนวณค่าส่งไปไว้ที่หน้าสินค้า และอัตราการแปลงในขั้นตอนชำระเงินก็พุ่งสูงขึ้นอย่างมาก

 

แนวปฏิบัติที่ดีที่สุดในการเก็บข้อมูลเชิงสังเกตอย่างมีจริยธรรม

 

เมื่อกฎระเบียบด้านความเป็นส่วนตัวของข้อมูลเข้มงวดขึ้นทั่วโลก วิธีที่คุณเก็บข้อมูลเชิงสังเกตมีความสำคัญพอ ๆ กับสิ่งที่คุณเก็บ ความน่าเชื่อถือ (ตัว 'T' ใน E-E-A-T) ต้องอาศัยการปฏิบัติตามแนวทางจริยธรรมอย่างเคร่งครัด

 

1.ให้ความสำคัญกับการทำให้ไม่ระบุตัวตน: ไม่ว่าคุณจะติดตามการคลิกบนเว็บไซต์หรือการเข้าร้านจริง ให้ลบข้อมูลที่สามารถระบุตัวบุคคลได้ (PII) ออกจากชุดข้อมูลทันที

 

2.ยึดตาม GDPR และ CCPA: ตรวจสอบให้แน่ใจว่าวิธีการติดตามดิจิทัลของคุณ (คุกกี้, การบันทึกเซสชัน) มีกลไกให้เลือกยินยอมอย่างชัดเจนและมีนโยบายความเป็นส่วนตัวที่ชัดเจน

 

3.จัดทำคู่มือการเข้ารหัสที่ชัดเจน: เพื่อป้องกันอคติของผู้สังเกตในการสังเกตเชิงคุณภาพ ต้องแน่ใจว่านักวิจัยทุกคนได้รับการฝึกอบรมตามเกณฑ์ที่เข้มงวดและเป็นมาตรฐานเดียวกันสำหรับการจำแนกพฤติกรรม

 

4.จำกัดการกักตุนข้อมูล: สังเกตและบันทึกเฉพาะข้อมูลที่เชื่อมโยงโดยตรงกับสมมติฐานการวิจัยของคุณ การเก็บข้อมูลไว้เผื่อ ๆ เพิ่มความเสี่ยงด้านความปลอดภัยและเพิ่มสัญญาณรบกวนในการวิเคราะห์

 

บทสรุป: เชื่อมช่องว่างระหว่างการกระทำและเจตนา

 

ข้อมูลเชิงสังเกตคือรากฐานของการวิจัยพฤติกรรมเชิงวัตถุวิสัย มันขจัดอคติของมนุษย์ ความทรงจำที่ไม่ดี และความต้องการดูดีทางสังคมออกไป เหลือไว้เพียงข้อเท็จจริงที่ชัดเจนและตรงไปตรงมาว่าผู้คนโต้ตอบกับผลิตภัณฑ์ บริการ หรือสภาพแวดล้อมของคุณอย่างไร

 

อย่างไรก็ตาม การกระทำไม่ได้ดำรงอยู่แบบโดดเดี่ยว ทุกการคลิก ทุกก้าว และทุกความลังเลือกล้วนถูกขับเคลื่อนด้วยอารมณ์ เจตนา และการรับรู้ของมนุษย์ เพื่อปลดล็อกศักยภาพสูงสุดของข้อมูลเชิงสังเกต คุณจำเป็นต้องจับคู่มันกับโปรแกรม Voice of the Customer (VoC) ที่แข็งแกร่ง

 

พร้อมหรือยังที่จะค้นหาคำว่า 'ทำไม' ที่อยู่เบื้องหลังข้อมูลเชิงสังเกตของคุณ?

 

ด้วย SurveyMars คุณสามารถเรียกใช้แบบสำรวจอัจฉริยะที่รับรู้บริบทได้ในช่วงเวลาที่ผู้ใช้แสดงพฤติกรรมเฉพาะได้อย่างแม่นยำ เชื่อมช่องว่างระหว่างการวิเคราะห์และเจตนาของมนุษย์ [เริ่มทดลองใช้ SurveyMars ฟรีวันนี้]

 

คำถามที่พบบ่อย (FAQ)

 

เพื่อมอบคุณค่าสูงสุด เราได้ตอบคำถามที่พบบ่อยที่สุดที่นักวิจัยและธุรกิจมีเกี่ยวกับข้อมูลเชิงสังเกตไว้แล้ว

 

1. ตัวอย่างของข้อมูลเชิงสังเกตคืออะไร?

 

ตัวอย่างคลาสสิกของข้อมูลเชิงสังเกตคือร้านค้าปลีกที่ใช้ซอฟต์แวร์ทำฮีตแมปเชื่อมกับกล้องเพดานเพื่อติดตามว่าชั้นใดมีการเข้าร้านมากที่สุด โดยไม่ต้องโต้ตอบกับผู้ซื้อเลย ในโลกดิจิทัล ซอฟต์แวร์บันทึกเซสชันที่ติดตามว่าเมาส์ของผู้ใช้เคลื่อนไหวไปที่ใดบนเว็บไซต์ก็ถือเป็นข้อมูลเชิงสังเกตเช่นกัน

 

2. ข้อมูลเชิงสังเกตต่างจากข้อมูลเชิงประจักษ์อย่างไร?

 

ข้อมูลเชิงประจักษ์เป็นคำกว้างสำหรับข้อมูลใด ๆ ที่เก็บจากการสังเกตหรือประสบการณ์ที่ตรวจสอบได้ แทนที่จะมาจากทฤษฎี ดังนั้น ข้อมูลเชิงสังเกตจึงเป็นเพียงหนึ่งประเภทย่อยของข้อมูลเชิงประจักษ์ ข้อมูลเชิงทดลอง (ซึ่งมีการบิดเบือนตัวแปร) ก็เป็นประเภทย่อยอีกแบบหนึ่งของข้อมูลเชิงประจักษ์เช่นกัน

 

3. ข้อมูลเชิงสังเกตเป็นเชิงปริมาณได้หรือไม่?

 

ได้ แน่นอน แม้ว่าการสังเกตมักจะเชื่อมโยงกับบันทึกเชิงคุณภาพ (เช่น "ผู้ใช้ดูหงุดหงิด") แต่เมื่อมีโครงสร้างแล้ว มันก็เป็นเชิงปริมาณอย่างมาก การนับจำนวนรถที่ผ่านป้ายโฆษณาอย่างแม่นยำ ระยะเวลาเป็นวินาทีที่ผู้ใช้อยู่บนหน้าเว็บ หรืออัตราการเต้นของหัวใจของผู้ป่วย ล้วนเป็นตัวอย่างของข้อมูลเชิงสังเกตเชิงปริมาณ

 

4. ผลฮอว์ธอร์นในการวิจัยเชิงสังเกตคืออะไร?

 

ผลฮอว์ธอร์นหมายถึงปรากฏการณ์ทางจิตวิทยาที่บุคคลเปลี่ยนพฤติกรรมเพียงเพราะรู้ว่ากำลังถูกสังเกต ตัวอย่างเช่น พนักงานอาจทำงานหนักขึ้นและปฏิบัติตามระเบียบความปลอดภัยอย่างเคร่งครัดมากขึ้นเมื่อมีนักวิจัยอยู่ในพื้นที่โรงงาน ซึ่งทำให้ข้อมูลเบี่ยงเบนออกจากพฤติกรรมฐานปกติ "ตามธรรมชาติ" ของพวกเขา

 

5. จะวิเคราะห์ข้อมูลเชิงสังเกตแบบไม่มีโครงสร้างอย่างไร?

 

ข้อมูลเชิงสังเกตแบบไม่มีโครงสร้าง (เช่น บันทึกภาคสนามหลายหน้า หรือวิดีโอหลายชั่วโมง) จะถูกวิเคราะห์ด้วยการเข้ารหัสเชิงคุณภาพ นักวิจัยจะอ่านข้อมูล ระบุธีมหรือการกระทำที่เกิดซ้ำ กำหนด "รหัส" ให้กับข้อมูลเหล่านั้น และจัดกลุ่มรหัสดังกล่าวเป็นหมวดหมู่ที่กว้างขึ้น ปัจจุบันนักวิจัยมักใช้ซอฟต์แวร์ CAQDAS (Computer-Assisted Qualitative Data Analysis) เฉพาะทางเพื่อเร่งกระบวนการนี้

 

6. ทำไมฉันควรใช้แบบสำรวจถ้ามีข้อมูลเชิงสังเกตอยู่แล้ว?

 

เพราะข้อมูลเชิงสังเกตขาดบริบท มันบอกได้ว่าผู้ใช้ลบแอปของคุณหลังจาก 3 นาที แต่บอกไม่ได้ว่าพวกเขาลบเพราะแอปล่ม เพราะไม่เข้าใจกระบวนการเริ่มต้นใช้งาน หรือเพียงเพราะไม่ชอบชุดสี แบบสำรวจ (เช่น ที่สร้างด้วย SurveyMars) จะให้บริบทสำคัญและความรู้สึกของมนุษย์ที่จำเป็นต่อการทำความเข้าใจพฤติกรรมที่สังเกตได้