Multivariate Analyse

Bei der Auswertung und Erhebung statistischer Daten werden Methoden von multivariate Analyse um die Beziehungen zwischen den verschiedenen Variablen zu erklären und zu klären, die diesen Daten zugeordnet sein können.

Multivariate Analyse wird immer verwendet, wenn es solche gibt mehr als drei Variablen beteiligt und der Kontext ihres Inhalts ist unklar. Ziel ist es, einerseits eine Struktur zu erkennen und andererseits die Daten der Strukturen zu verifizieren.

Im Zusammenhang mit der Benutzerfreundlichkeit von Websites können multivariate Analysemethoden verwendet werden, um die Benutzerfreundlichkeit systematisch zu erhöhen. Während A / B-Tests immer nur eine Webseite isolieren, zeigen multivariate Methoden die Beziehungen und Interaktionen von verschiedene Artikel innerhalb einer Webseite. Die Ausdruckskraft hängt davon ab, welche und wie viele Elemente im Web verwendet werden. Alle Elemente im Web, mit denen der Benutzer über die Benutzeroberfläche mit dem Webportal interagieren kann, werden im Allgemeinen als variabel betrachtet. Dies schließt insbesondere diejenigen mit a ein Auswirkungen auf die Conversion-Rate.

Allgemeine Information

Ursprünglich verwendeten Statistiken multivariate Test- und Analysemethoden, um kausale Zusammenhänge zu entdecken. Da manuelle Berechnungen sehr komplex sind, sind die Methoden nur in anderen Anwendungsbereichen mit der Entwicklung der jeweiligen Hard- und Software praktikabel. Derzeit werden multivariate Analysemethoden in sehr unterschiedlichen Bereichen eingesetzt:

Sprach-, Natur- und Geisteswissenschaften.
Wirtschaft, Versicherungen und Finanzdienstleistungen.
Data Mining, Big Data und relationale Datenbanken.

Zu diesem Zeitpunkt werden normalerweise multivariate Analysen durchgeführt durch den Einsatz von Softwaree um mit den riesigen Datenmengen fertig zu werden und modifizierte Variablen in praktischen Apps wie Usability-Tests zu steuern. Trotz allem können auch multivariate Tests erheblich dazu beitragen Verbesserung der Benutzerfreundlichkeit in kleinerem Maßstab.

Arten multivariater Analysemethoden

Multivariate Methoden können nach verschiedenen Aspekten unterteilt werden. Erstens unterscheiden sie sich je nachdem, ob Sie müssen eine Struktur mit ihnen entdecken oder überprüfen. Strukturbestimmungsmethoden umfassen die Domäne:

Faktorielle Analyse: Reduziert die Struktur auf relevante Daten und einzelne Variablen. Faktorstudien konzentrieren sich auf verschiedene Variablen, weshalb sie in Hauptkomponentenanalyse und Korrespondenzanalyse unterteilt sind. Zum Beispiel: Welche Artikel im Web haben den größten Einfluss auf das Kaufverhalten?
Clusteranalyse: Beobachtungen werden grafisch Gruppen einzelner Variablen zugeordnet und anhand dieser bewertet. Das Ergebnis sind Cluster und Segmente, z. B. die Anzahl der Käufer eines bestimmten Produkts, die zwischen 35 und 47 Jahre alt sind und ein hohes Einkommen haben.

Strukturelle Überprüfungsverfahren umfassen, ohne darauf beschränkt zu sein, die TLD:

Regressionsanalyse: Untersuchen Sie den Einfluss zweier Arten von Variablen aufeinander. Wir sprechen von abhängigen und nicht abhängigen Variablen. Ersteres sind die sogenannten erklärten Variablen, während letzteres erklärende Variablen sind. Der erste beschreibt den realen Zustand anhand der Daten, der zweite erklärt diese Daten durch Abhängigkeitsbeziehungen zwischen den beiden Variablen. In der Praxis entsprechen mehrere Änderungen an den Elementen auf der Website unabhängigen Variablen, während die Auswirkungen auf die Conversion-Rate die abhängige Variable sind.
Abweichungsanalyse: Bestimmen Sie den Einfluss mehrerer Variablen oder einzelner Variablen in Gruppen durch Berechnung statistischer Durchschnittswerte. Hier können Sie Variablen innerhalb einer Gruppe sowie verschiedene Gruppen vergleichen, je nachdem, wo die Abweichungen anzunehmen sind. Zum Beispiel: Welche Gruppen klicken am häufigsten auf die Schaltfläche "Jetzt kaufen" in ihrem Warenkorb?
Diskriminanzanalyse: Wird im Rahmen der Abweichungsanalyse verwendet, um zwischen Gruppen zu unterscheiden, die ähnliche oder identische Eigenschaften aufweisen. In welchen Variablen unterscheiden sich beispielsweise verschiedene Käufergruppen?

Beispiele

Ein multivariater Test einer Webseite kann auf folgende vereinfachte Weise dargestellt werden. Elemente wie Überschriften, Teaser, Bilder, aber auch Schaltflächen, Symbole oder Hintergrundfarben haben unterschiedliche Auswirkungen auf das Benutzerverhalten. Es werden verschiedene Artikelvarianten getestet. Der Test würde diese Elemente zunächst identifizieren und verschiedene Benutzerelemente mit unterschiedlichem Design anzeigen. Ziel wäre es, Daten über die Auswirkungen von Änderungen der Conversion-Rate oder anderer Faktoren wie Verweilzeit, Absprungrate oder Bildlaufverhalten im Vergleich zu anderen Objektgruppen zu erhalten.

Bedeutung für die Benutzerfreundlichkeit

Als quantitative Methode ist die multivariate Analyse eine der effektivste Methoden zum Testen der Benutzerfreundlichkeit. Gleichzeitig ist es sehr komplex und manchmal teuer. Software kann verwendet werden, um zu helfen, aber Tests als solche sind in Bezug auf das Studiendesign erheblich komplexer als A / B-Tests. Der entscheidende Vorteil liegt in der Anzahl der zu berücksichtigenden Variablen und ihrer Gewichtung als Maß für die Bedeutung bestimmter Variablen.

Selbst vier verschiedene Versionen einer Post-Überschrift können zu völlig unterschiedlichen Klickraten führen. Gleiches gilt für das Schaltflächenlayout oder die Hintergrundfarbe des Bestellformulars. In Einzelfällen ist es auf diese Weise wichtig, die Berücksichtigung sowohl aus multivariater als auch aus finanzieller Sicht zu betonen, insbesondere für kommerziell orientierte Websites wie Online-Shops oder Websites, die durch die kommerzielle Werbung amortisiert werden müssen ^[1]