Facteurs qui déterminent la pertinence du système / échelle de notation pour la satisfaction des utilisateurs (pour une application)
Nous voulons demander à nos utilisateurs s'ils sont satisfaits ou non de notre application. À cet effet, nous afficherons une fenêtre contextuelle à l'entrée de l'application avec 1 question. dans quelle mesure êtes-vous satisfait de notre application. J'essaie de convaincre l'autre partie prenante que nous devrions utiliser une réponse à 5 échelles et non pas 2. la réponse à 2 échelles aura un pouce vers le haut et le pouce vers le bas la réponse à 5 échelles aura la note en étoiles.
- lequel des 2 est le plus efficace? mon opinion est claire à ce sujet
- pouvez-vous donner une référence pour la recherche/cas d'utilisation dans votre réponse s'il vous plaît
Merci.
selon cela, le 2 est moins préféré. https://conversionxl.com/blog/survey-response-scales/
La question que vous poserez a beaucoup d'effet sur le type de balance que vous utilisez. La plupart de mes réponses proviennent de recherches sur des enquêtes, par exemple lorsque vous utilisez un questionnaire pour connaître l'impact d'un certain produit sur le marché. (Lorsque vous vous promenez dans un magasin, vous avez parfois des gens qui posent des questions sur un certain produit `` bientôt disponible ''.)
Quand utiliser une échelle à 5 points (échelle de Likert)
Une échelle de 5 ou 7 points est préférable lorsque vous souhaitez mesurer des constructions latentes. En bref, les constructions latentes sont des questions sur: les opinions/sentiments, etc. Ce sont des caractéristiques individuelles non observables.
Quand utiliser les questions Oui/Non
L'échelle de Likert est mieux utilisée lorsque vous souhaitez poser des constructions latentes, donc une question oui/non est mieux utilisée lorsque vous pouvez confirmer une réponse. 'Êtes-vous marié? Avez-vous des enfants'.
Que devez-vous utiliser maintenant
Étant donné que vous souhaitez demander si les gens sont satisfaits de l'application, la meilleure solution sera une échelle de Likert. Enfin, si vous voulez vérifier la fiabilité de votre échelle Likert 5/7 points, vous pouvez utiliser alpha de Cronbach
Je n'ai pas pu trouver de "recherche" spécifiquement sur les applications, mais j'ai trouvé quelque chose concernant l'échelle de Likert à 5/7 points que vous pouvez utiliser pour convaincre vos parties prenantes.
Dans la pratique actuelle, la plupart des échelles de notation, y compris les échelles de type Likert et d'autres mesures d'attitude et d'opinion, contiennent cinq ou sept catégories de réponses (Bearden, Netmeyer et Mobley, 1993; Peter, 1979; Shaw et Wright, 1967).
Mon opinion personnelle est que vous ne devriez de préférence pas utiliser de popup pour poser cette question, avoir un test UX avec le groupe cible dans un environnement contrôlé donnera de meilleures réponses puis un popup (généralement ennuyeux). Si vous voulez mettre en œuvre la question, je vous suggère de le faire à la fin de l'entonnoir, donc après l'avoir utilisé pour effectuer une certaine tâche et non au démarrage.
Si vous souhaitez savoir quelle méthode vous permettra de savoir ce que les utilisateurs pensent de l'application: la réponse à 2 échelles donne une interprétation plus précise de la satisfaction des utilisateurs car un utilisateur sélectionne uniquement un vote de type supérieur ou inférieur.
Une mesure à 5 échelles a une valeur moyenne, la valeur moyenne donne une réponse de type "ni ici ni là"/neutre qui ne vous dit rien sur la préférence des utilisateurs. Il vous dit qu'ils l'aiment et ne l'aiment pas, mais pas pourquoi, il y a une chance pour beaucoup d'opinions/sélections neutres qui vous donneront peu l'impression que l'utilisateur l'aime ou non.
Donc, si vous voulez faire plus qu'une réponse à 2 échelles, allez avec un nombre pair (comme 6 ou 4) car il n'a pas de valeur moyenne et vous donnera des données plus définitives en forçant les utilisateurs à donner un avis sur l'une ou l'autre extrémité du échelle.
Jetez un œil à ceci: https://www.tandfonline.com/doi/abs/10.1080/00221309.2014.994590?src=recsys&journalCode=vgen2
J'essaierais également de collecter une certaine forme de données qualitatives pour essayer de comprendre pourquoi ils ont choisi ce qu'ils ont fait plutôt que de simplement se débarrasser de la fenêtre contextuelle.
L'exemple le plus intéressant qui m'est venu à l'esprit est le changement bien médiatisé (mais pas si bien analysé) du système de notation Netflix du système 5 étoiles à un système plus semblable à Facebook.
Cependant, je n'ai pas trouvé beaucoup d'articles qui parlent de la justification de ce changement qui soit plus détaillé (même le propre site Web de Netflix n'explique pas beaucoup), donc je ne peux que deviner que quelle que soit la raison du changement, il était de les aider à obtenir de meilleures données pour leurs algorithmes d'analyse et de recommandation.
Voici quelques facteurs que je peux voir entre les deux types de systèmes de notation que vous pouvez prendre en considération:
- Facilité de réalisation - toujours un facteur important lorsqu'il s'agit d'amener les utilisateurs à fournir des commentaires. Si leur motivation est élevée, il est probable qu'ils seront disposés/heureux à faire quelque chose de plus difficile.
- Pouvoir de discrimination - quelque chose à penser en fonction de l'exactitude des informations que vous souhaitez collecter et du résultat que vous souhaitez présenter.
- Facilité de mise en œuvre - j'espère qu'il n'y a pas de réelle différence entre les deux, mais il peut y en avoir si vous utilisez déjà l'un et pas l'autre et que des modifications sont nécessaires qui affectent d'autres parties du système
- Comparaison avec les concurrents - quelque chose à considérer si vous souhaitez comparer ou comparer à des applications similaires ou à la concurrence.
- Utilisation des données - cela nécessitera plus de considération car vous devez déterminer ce que vous voulez faire avec les données et comment elles seront analysées et interprétées pour obtenir les informations que vous souhaitez. Plus la question que vous posez est complexe et détaillée, plus l'analyse devra être sophistiquée.
J'espère que cela vous aidera à comprendre qu'il n'y a pas de réponse "correcte" ici, juste ce qui va mieux fonctionner pour votre situation compte tenu de certaines contraintes/facteurs.