Multivariate Analysemethoden

Multivariate Analysemethoden werden in der Auswertung und Erhebung statistischer Daten verwendet, um Beziehungen zwischen unterschiedlichen Variablen, die mit diesen Daten möglicherweise in Verbindung stehen, deutlich zu machen und zu erklären.

Multivariate Tests kommen immer dann zum Einsatz, wenn es um mehr als drei Variablen geht und deren inhaltliche Zusammenhänge nicht geklärt sind. Das Ziel ist, einerseits eine Struktur zu entdecken und andererseits die Daten auf Strukturen hin zu überprüfen.

Im Kontext der Usability einer Webseite können Multivariate Analysemethoden dafür verwendet werden, die Gebrauchstauglichkeit systematisch zu erhöhen. Während A/ B-Tests immer nur eine Webseite isolieren, zeigen multivariate Methoden die Beziehungen und Wechselwirkungen mehrerer Elemente innerhalb einer Webseite auf. Die Aussagekraft hängt davon ab, welche und wie viele Webseiten-Elemente herangezogen werden. Als Variablen kommen grundsätzlich alle Elemente der Webseite in Frage, die die Interaktion des Nutzers mit der Webseite über das User Interface ermöglichen. Dazu gehören vor allem solche, die sich auf die Konversionsrate auswirken.

Allgemeine Informationen zum Thema

Ursprünglich wurden multivariate Test- und Analysemethoden in der Statistik verwendet, um kausale Zusammenhänge aufzudecken. Da manuelle Berechnungen sehr aufwendig sind, wurden die Methoden erst mit der Entwicklung entsprechender Hard- und Software auch in anderen Einsatzfeldern praktikabel. Multivariate Analysemethoden kommen heutzutage in ganz unterschiedlichen Bereichen zum Einsatz:

• Sprach-, Natur- und Geisteswissenschaften
• Ökonomie, Versicherungen und Finanzdienstleistungen
• Data Mining, Big Data und relationale Datenbanken

Heute werden multivariate Analysen meist mithilfe von Software durchgeführt, um mit den riesigen Datenmengen umgehen zu können und bei praktischen Anwendungen wie Usability-Tests ein Monitoring der veränderten Variablen zu gewährleisten. Doch auch in kleinerem Rahmen können multivariate Tests zu einer besseren Nutzerfreundlichkeit wesentlich beitragen.

Arten multivariater Analysemethoden

Multivariate Verfahren können nach unterschiedlichen Gesichtspunkten unterteilt werden. Zunächst werden sie danach unterschieden, ob mit ihnen eine Struktur entdeckt oder überprüft werden soll. Zu den strukturbestimmenden Methoden gehören die

• Faktorenanalyse: Dient der Reduzierung der Struktur auf relevante Daten und einzelne Variablen. Bei den Untersuchungen von Faktoren kommen verschiedene Variablen in den Blick, deshalb wird hier weiterhin in Hauptkomponentenanalyse und Korrespondenzanalyse unterteilt. Zum Beispiel: Welche Webseiten-Elemente haben den größten Einfluss auf das Kaufverhalten?
• Clusteranalyse: Beobachtungen werden einzelnen Variablengruppen grafisch zugeordnet und anhand derer klassifiziert. Das Ergebnis sind Cluster und Segmente, wie die Anzahl aller Käufer eines bestimmten Produktes, die zwischen 35 und 47 Jahre alt sind und über ein hohes Einkommen verfügen.

Strukturüberprüfende Verfahren sind unter anderem die

• Regressionsanalyse: Untersucht den Einfluss, den zwei Arten von Variablen aufeinander haben. Es wird von abhängigen und nicht-abhängigen Variablen gesprochen. Erstere sind sogenannte zu erklärende, während letztere erklärende Variablen sind. Das Erste bezeichnet den Ist-Zustand anhand von Daten, das Zweite erklärt diese Daten mithilfe von Abhängigkeitsbeziehungen zwischen beiden Variablen. In der Praxis: Mehrere Veränderungen von Webseiten-Elementen entsprächen unabhängigen Variablen, während die Auswirkungen auf die Konversionsrate die abhängige Variable wäre.
• Varianzanalyse: Ermittelt den Einfluss mehrerer oder einzelner Variablen auf Gruppen, indem statistische Mittelwerte errechnet werden. Hier können sowohl Variablen innerhalb einer Gruppe als auch verschiedene Gruppen miteinander verglichen werden, je nachdem wo Abweichungen anzunehmen sind. Zum Beispiel: Welche Gruppen klicken am häufigsten auf den 'Jetzt kaufen'-Button im Warenkorb?
• Diskriminanzanalyse: Dient im Rahmen der Varianzanalyse der Unterscheidung von Gruppen, die durch ähnliche oder gleiche Merkmale beschrieben werden können. Ein Beispiel: Durch welche Variablen unterscheiden sich verschiedene Käuferschichten?

Beispiele

Ein multivariater Test einer Webseite kann folgendermaßen vereinfacht dargestellt werden. Elemente wie Headlines, Teaser, Bilder, aber auch Buttons, Icons oder Hintergrundfarben wirken sich in unterschiedlichen Ausprägungen auf das Userverhalten aus. Es werden verschiedene Varianten von Elementen getestet. Der Test würde zunächst diese Elemente identifizieren und verschiedenen Usern unterschiedlich designte Elemente anzeigen. Das Ziel wären Daten über die Auswirkungen der Veränderungen im Hinblick auf die Konversionsrate oder andere Faktoren wie Verweildauer, Absprungrate oder Scrollverhalten im Vergleich zu anderen Sets von Elementen.

Bedeutung für die Usability

Als quantitatives Verfahren ist die multivariate Analyse eines der effektivsten Prüfmethoden im Bereich Usability. Zugleich ist es sehr aufwendig und mitunter kostenintensiv. Zwar kann Software zur Hilfe genommen werden, aber die Tests als solches sind schon in Bezug zum Studiendesign deutlich aufwendiger als A/ B-Tests. Der entscheidende Vorteil liegt in der Anzahl der Variablen, die betrachtet werden können, und deren Gewichtung als Maß für die Signifikanz von bestimmten Variablen.

Schon vier verschiedene Versionen einer Headline eines Artikels können ganz unterschiedliche Klickraten zur Folge haben. Ähnliches gilt für das Design von Buttons oder die Hintergrundfarbe des Bestellformulars. Im Einzelfall lohnt sich also die Betrachtung aus der multivariaten Perspektive auch finanziell, insbesondere bei kommerziell orientierten Webseiten, wie Onlineshops oder Webseiten, die sich durch Werbung amortisieren sollen.

Weblinks

• Kurzdefinition
• Multivariates Testing kurz erklärt
• Wann verwendet man welche Tests?
• Ausführliches Whitepaper zu Statistik und Data Mining
• Multivariate Analysen als wissenschaftliche Usability-Methode