Kausaalinen tutkimus: miten yhteyksien löytäminen voi johtaa liiketoimintapäätöksiin
Mitä on kausaalinen tutkimus?
Kysymykseemme vastataksemme käymme läpi kausaalisen tutkimuksen tarkoituksen, sen käyttämisen tutkimusprojekteissa sekä eräitä hyviä esimerkkejä siitä, miten organisaatiot käyttävät kausaalista tutkimusta tällä hetkellä tehdäkseen parempia liiketoimintapäätöksiä.
Kausaalinen tutkimus: mitä se on ja miksi sillä on merkitystä
Kausaalinen tutkimus kuuluu todistusvoimaisen tutkimuksen luokkaan, koska se pyrkii paljastamaan kahden muuttujan välisen syy- ja seuraussuhteen. Samoin kuin kuvaileva tutkimus, tällainen tutkimus yrittää todistaa jonkin yksilön tai organisaation esittämän idean. Se eroaa kuitenkin merkittävästi sekä menetelmiensä että tarkoituksensa osalta. Siinä missä kuvaileva tutkimus pyrki laajuudessaan määrittelemään jonkin ryhmän mielipiteen, asenteen tai käyttäytymisen tavan, kausaalisella tutkimuksella on vain kaksi tavoitetta:
- Syymuuttujien ja seurausmuuttujien ymmärtäminen. Jos esimerkiksi kaupunginvaltuusto haluaa vähentää liikenneonnettomuuksia, se voi saada selville alustavan kuvailevan ja kokeilevan tutkimuksen kautta, että sekä onnettomuudet että liikenneraivon ilmentymät ovat vähentyneet tasaisesti viimeisten viiden vuoden ajan. Olettamatta automaattisesti, että liikenneraivo on ollut näiden onnettomuuksien syy, olisi nyt tärkeää mitata, voisiko asia olla päinvastoin. Ehkä liikenneraivo lisääntyykin onnettomuuksien seurauksena, koska nämä aiheuttavat kaistojen sulkemisia ja pahempia ruuhkia. Tässä voisi olla kyse myös vanhasta sanonnasta, jonka mukaan “korrelaatio ei takaa kausaatiota.” Ehkä molemmat ilmiöt lisääntyvät jostain ihan toisesta syystä, kuten rakennustöistä, tieliikennevalvonnan puitteista tai uusien kuljettajien määrän lisääntymisestä.
- Kausaalimuuttujien ja ennustetun seurauksen välisen luonteen määrittäminen. Esimerkissämme kaupunginvaltuusto on saattanut näyttää toteen, että liikenneraivo lisää liikenneonnettomuuksien määrää alueella. Kausaalitutkimusta voitaisiin nyt käyttää kahdella tavalla. Ensinnäkin mittaamaan seurauksen merkittävyyttä, kuten esimerkiksi määrittämään sitä onnettomuuksien prosenttimäärää, johon liikenneraivo on vaikuttanut. Toiseksi voidaan havainnoida muuttujien välisen suhteen toimintaa (esim. toteamalla, että raivostuneet kuljettajat ajavat todennäköisesti riskialttiimmalla tavalla, josta seuraa enemmän onnettomuuksia).
Nämä tavoitteet tekevät kausaalisesta tutkimuksesta tieteellisempää kuin kokeilevasta ja kuvailevasta tutkimuksesta. Näiden tavoitteiden saavuttamiseksi kausaalista tutkimusta tekevien täytyy eristää juuri se muuttuja, jonka he ajattelevat olevan jonkin ilmiön aiheuttaja, ja mitata sen todellinen merkitys. Tämän informaation avulla organisaatio voi tehdä varmoja päätöksiä siitä, kannattaako resursseja käyttää jonkin muuttujan lisäämiseen, kuten parempien liikennemerkkien hankintaan, vai jonkin muuttujan kuten liikenneraivon poistamiseen.
Kausaalisen tutkimuksen tehokas hyödyntäminen
Kausaalista tutkimusta tulisi pitää kokeellisena tutkimuksena. Muistathan, että tällaisen tutkimuksen tavoitteena on todistaa jokin syy-seuraussuhde. Tätä ajatellen on tärkeää suunnitella parametrit ja tavoitteet erittäin tarkasti. Löydöksesi voivat olla epäluotettavia ja tutkijan puolueellisuuden riivaamia, jos sinulla ei ole täydellistä ymmärrystä tutkimussuunnitelmastasi sekä siitä, mitä yrität todistaa. Voit käyttää kokeilevaa tai kuvailevaa tutkimusta tutkimussuunnitelmasi perustana.
Kun tutkimussuunnitelmasi ja tavoitteesi ovat selvät, on aika järjestää kausaalinen koe. Tässä kolme tärkeää ehtoa, joiden haluat olevan täytettyjä ennen tutkimuksen aloittamista:
- Koeasetelma tuottaa todistusaineistoa syy-seuraussuhteen puolesta tai sitä vastaan. Tämä saattaa vaikuttaa itsestään selvältä, mutta jos et varmista suunnitelmasi suoraa merkitystä tutkimuksesi tavoitteiden kannalta, tutkimuksesi lopputulokset ovat yhtä hedelmättömiä kuin useimmat lasten aamiaismurot. Varmistaaksesi tulosten saamisen, tarkkaile tavallista ympäristöäsi ja voimista sitten kausaalisen muuttujan taajuutta tai voimakkuutta.
- Olet määrittänyt selkeästi, mitä muuttujia testataan itsenäisinä (seurauksen aiheuttajina) ja mitä riippuvaisina (seurauksen kohteina). Kuten liikenneraivo-/auto-onnettomuusesimerkissämme mainittiin, usein on vaikea sanoa, kumpi muuttuja riippuu toisesta. Tämän takia on oleellisen tärkeää ymmärtää, kumpaa muuttujaa testataan syynä ja kumpaa seurauksena ennen kokeen suorittamista. Itsenäinen muuttuja on yleensä se, minkä lisäät ympäristöön.
Voimme esimerkiksi esittää hypoteesin, jonka mukaan autojen värien määrän lisääminen kasvattaa myyntiä. Tässä tapauksessa saatavilla olevien värien määrä on itsenäinen muuttuja, kun taas myynti on riippuvainen muuttuja. Seuraavaksi mittaisimme autojen tavallisia myyntilukuja ja lisäisimme sitten enemmän värivaihtoehtoja saataville. Kerättyämme uudet myyntiluvut voimme verrata niitä aiempiin ja saada näin selville värien vaikutuksen myyntiin. - Mitkään ulkoiset muuttujat eivät voi vaikuttaa tuloksiisi. Et voi olla varma, että testattava muuttuja on todella vastuussa mitatusta vaikutuksesta, jos et ole ottanut huomioon kaikkia mahdollisia riippuvaisen muuttujan muutoksia aiheuttavia tekijöitä. Laboratoriossa toimivilla tutkijoilla on hieno mahdollisuus luoda täysin neutraali ympäristö. Me muut joudumme valitettavasti tyytymään siihen ympäristöön, missä satumme olemaan. Tärkein tutkimussuunnitelmasi luontiin liittyvä seikka on siksi sen varmistaminen, että kokeesi suoritetaan mahdollisimman samankaltaisissa olosuhteissa kuin normaalien tulosten mittaaminen.
Jos olisit vaikka jäätelömyymälän omistaja, haluaisit tutkia esimerkiksi kaupan ulkopuolella ilmapalloja jakavan klovnin vaikutusta myyntiin. Hieno idea, eikö vain! Tässä olisi huono ajatus käyttää kesäajan myyntiäsi normaalina datana ja suorittaa kokeesi talvella. Tällöin klovnillesi tulisi vilu, ja kaiken lisäksi sääolot vaikuttaisivat myyntiisi huomattavasti.
Kuka käyttää kausaalista tutkimusta, ja miten voin ottaa sen osaksi liiketoiminnan tavoitteitani?
On oikeastaan yhdentekevää minkälainen organisaatiosi on tai mitkä tavoitteesi ovat, sillä voit käyttää kausaalista tutkimusta hyödyksesi joka tapauksessa. Kausaalisen tutkimuksen tavoite on tuottaa todistusaineistoa jonkin kausaalisuhteen olemassaolosta. Yrityksen näkökulmasta kausaalinen tutkimus on oikea valinta, kun haluat todistaa strategian toimivuuden tai tunnistaa ongelman aiheuttajat varmuudella. Katsotaan seuraavaksi muutamia esimerkkejä kausaalisen tutkimuksen käytöstä eri tavoitteiden saavuttamisessa:
- Asiakassäilyvyyden parantaminen: Useimmat ketjuyritykset tekevät kausaalisia kokeita liikkeissään. Eräässä tapauksessa suuri autokorjaamo suoritti äskettäin kokeen, jossa tietyissä liikkeissä otettiin käyttöön tapa, jonka mukaan työntekijä ryhtyi juttusille asiakkaan kanssa sillä aikaa, kun tämän auto oli arvioitavana. Työntekijöiden ohjeena oli käydä läpi asiakkaan huolenaiheita ja keskustella auton ongelmista maallikon ymmärtämin termein, tavoitteena saada asiakas ymmärtämään mistä oli kyse.
Kokeen taustalla oli verkkokyselytutkimus, jonka mukaan asiakkaan ja työntekijöiden välisen kommunikaation puute oli este asiakkaiden palaamiselle liikkeeseen toistamiseen. Tunnistettuaan kaksi ratkaisua ongelmaansa (keskustelun edistäminen ja asiakkaan ymmärryksen lisääminen), yritys käytti tätä koeasetelmaa ymmärtääkseen kuinka tehokkaita nämä ratkaisut olisivat asiakkaiden säilyvyyden lisäämisessä. Yritys huomasi merkittävää asiakasuskollisuuden parantumista vertaamalla myyntiä kokeeseen osallistuneiden ja muiden liikkeiden välillä. - Yhteisölliset aloitteet: Kaupunginvaltuustot käyttävät kausaalista tutkimusta usein mittaamaan aloitteidensa onnistumista. Oletetaan esimerkiksi, että Tampereen kaupunki järjestäisi kyselytutkimuksen, josta kävisi ilmi, että tamperelaiset ovat tyytymättömiä julkiseen liikenteeseen. Kaupunki voisi sitten laatia strategian, joka pyrkisi luomaan lisää ‘parkkipaikkoja ja kyytejä’ parantaakseen ihmisten pääsyä bussin kyytiin. Strategian toimeenpanon jälkeen valtuusto voisi lähettää saman kyselytutkimuksen uudelleen ja mitata strategian vaikutusta julkista liikennettä koskevaan yleiseen mielipiteeseen.
- Tehokas mainostaminen: Mainostaminen on yksi kausaalisen tutkimuksen tavallisimmista käyttöalueista. Useimmiten yritykset haluavat kokeilla mainoskampanjoitaan rajoitetuilla alueilla ennen niiden laajentamista. Ideana on testata lisääkö mainos myyntiä, liidejä tai yleistä kiinnostusta niillä alueilla, joilla mainosta näytetään.
Monet organisaatiot vievät tämän koeasetelman vielä pidemmälle luomalla kyselytutkimuksen, jossa kysytään asiakkailta mikä sai heidät kiinnostumaan yrityksen palveluista tai käymään sen liikkeessä. Näin yritys voi verrata kokeeseen osallistuneiden asiakkaiden vastauksia muiden asiakkaidensa mielipiteisiin ja saada selville, onko asiakasmäärien kasvu seurausta mainostamisesta vai jostain muusta.
Ala tutkimaan!
Uuden kausaalista tutkimusta koskevan tiedon avulla voit luoda tehokkaampia tutkimussuunnitelmia ja hyötyä liiketoimintamahdollisuuksista.
Tutustu muihin materiaaleihin
Asiakastyytyväisyyttä mittaavat kyselytutkimusmallit
Tutustu asiakastyytyväisyyttä mittaaviin kyselytutkimusmalleihimme, niin voit nopeasti kerätä dataa, löytää epäkohdat ja parantaa asiakaskokemusta.
Hanki verkkoarviointilomakkeilla palautetta, jonka perusteella voit toimia
Hyödynnä palautetta SurveyMonkeyn verkkoarviointilomakkeiden avulla. Aloita heti lomaketyökalullamme.
Katso, kuinka Box antaa ohjat tiiminsä käsiin asiakasdatan avulla
Katso, kuinka Box selvittää SurveyMonkeyn avulla 360 asteen näkymän asiakaspolusta ja kerää palautetta yhdessä paikassa.
Vahvista brändiäsi asiakkaiden menestystarinoilla ja asiakaskokemuksilla
Kerää tarinoita ja kokemuksia suoraan asiakkailta ja muotoile niistä esimerkkitapauksia, kokemuksia ja arvosteluja myynnin ja markkinoinnin tueksi.