Định lượng và định tính là gì? Phương pháp nghiên cứu dữ liệu

Market Research được chia làm 2 dạng chính: Nghiên cứu định tính (Qualitative) và Nghiên cứu định lượng (Quantitative). Sự khác biệt chính giữa nghiên cứu định lượng và định tính là loại dữ liệu họ thu thập và phân tích.

Định lượng (Quantitative Research)

Nghiên cứu định lượng là gì?

Nghiên cứu định lượng (Quantitative Research) là phương pháp nghiên cứu sử dụng dữ liệu số liệu để thu thập thông tin và kiểm tra giả thuyết. Thay vì thăm dò ý nghĩa chủ quan bằng câu hỏi như “làm thế nào?” và “tại sao?” nghiên cứu định lượng cung cấp những giải thích nhân quả chính xác có thể đo lường và truyền đạt bằng toán học.

Nghiên cứu định lượng thường được tiến hành trong một môi trường được kiểm soát. Thay vì đạt được cái nhìn sâu sắc hoặc hiểu biết về một vấn đề chủ quan, phụ thuộc vào bối cảnh như trường hợp nghiên cứu định tính, mục tiêu của nghiên cứu định lượng là thu thập thông tin khách quan, khái quát hóa kết quả nghiên cứu, đưa ra kết luận chính xác và có thể kiểm chứng được.

Dữ liệu định lượng là gì?

Dữ liệu định lượng là loại dữ liệu có thể được đo lường và biểu diễn thông qua số lượng, bao gồm bất kỳ thông tin nào có thể được đếm hoặc đo lường, cho phép các nhà nghiên cứu thu được kết quả có thể so sánh và tính toán được. Dữ liệu này thường được sử dụng để xác định mối quan hệ, mức độ chênh lệch, hoặc các xu hướng số lượng.

Có hai loại chính của dữ liệu định lượng:

1. Dữ liệu liên tục: Có thể nhận bất kỳ giá trị nào trong một khoảng. Ví dụ: chiều cao, cân nặng, nhiệt độ, và thời gian.
2. Dữ liệu rời rạc: Chỉ nhận các giá trị cụ thể, thường là các số đếm. Ví dụ: số lượng sinh viên trong một lớp học, số lần xảy ra một sự kiện.

Dữ liệu định lượng thường được thu thập thông qua các phương pháp như thăm dò, thí nghiệm, phân tích số liệu và có thể được phân tích sử dụng các kỹ thuật thống kê để tạo ra kết quả dễ hiểu và dễ trình bày. Dữ liệu định lượng rất quan trọng trong các lĩnh vực như khoa học tự nhiên, kinh tế và y tế, nơi mà sự chính xác và khả năng đo lường là cần thiết.

Kỹ thuật phân tích dữ liệu định lượng

Thống kê mô tả

Thống kê mô tả là tập hợp các phương pháp được sử dụng để tóm tắt và mô tả các đặc điểm chính của một tập dữ liệu. Nó giúp chúng ta hiểu rõ hơn về dữ liệu, bao gồm:

• Dữ liệu tập trung như thế nào? (Trung bình, trung vị, mốt)
• Dữ liệu phân tán như thế nào? (Độ lệch chuẩn, phương sai)
• Dữ liệu có dạng hình gì? (Biểu đồ tần suất, biểu đồ hộp)
• Mối liên hệ giữa các biến là gì? (Hệ số tương quan)

Thống kê mô tả cung cấp cho chúng ta một bức tranh tổng quan về dữ liệu, giúp xác định các xu hướng, mẫu hình và điểm bất thường.

Thống kê suy luận

Thống kê suy luận là tập hợp các phương pháp được sử dụng để đưa ra kết luận về một tập dữ liệu lớn hơn dựa trên một mẫu nhỏ. Nó cho phép kiểm tra các giả thuyết, dự đoán xu hướng và đánh giá mức độ tin cậy của kết quả. Giúp đưa ra những kết luận chính xác và đáng tin cậy từ dữ liệu, hỗ trợ việc ra quyết định hiệu quả trong nhiều lĩnh vực khác nhau.

Ưu – nhược điểm của nghiên cứu định lượng

Ưu điểm của nghiên cứu định lượng

• Độ chính xác đáng tin cậy: Sử dụng dữ liệu số liệu đo lường, giúp đạt được mức độ chính xác cao trong kết quả nghiên cứu. Phương pháp này thường sử dụng các công cụ, kỹ thuật và phương pháp thống kê để đảm bảo tính chính xác và đáng tin cậy của dữ liệu.

• Khả năng so sánh và tổng quát hóa: Kết quả của nghiên cứu định lượng thường có thể được so sánh và tổng quát hóa cho một quần thể lớn hơn. Bằng cách sử dụng các phương pháp thống kê, nghiên cứu định lượng có thể rút ra những kết luận chung cho một tập hợp lớn người dùng hoặc quần thể tương tự.

• Phân tích sâu, khảo sát chi tiết: Cho phép phân tích sâu và khám phá các mối quan hệ phức tạp giữa các biến số. Khi sử dụng các phương pháp thống kê và mô hình, nghiên cứu định lượng có thể xác định tác động và mức độ ảnh hưởng của các yếu tố khác nhau đối với hiện tượng nghiên cứu.

Nhược điểm của nghiên cứu định lượng

• Thiếu chiều sâu: Không thể hiểu được động cơ và lý do đằng sau hành vi của con người.

• Tính gò bó: Người tham gia bị giới hạn bởi các câu hỏi và lựa chọn được cung cấp.

• Có thể bị sai lệch: Những mô hình định lượng thường tập trung vào việc thu thập dữ liệu số liệu, bỏ qua những khía cạnh phức tạp và sự phong phú của hiện thực.

• Chi phí và thời gian: Việc thu thập và phân tích dữ liệu định lượng tốn kém nhiều chi phí, nguồn lực. Song đó, việc thiết kế và thực hiện một nghiên cứu định lượng có thể mất nhiều thời gian.

• Giới hạn của mô hình và giả định: Nghiên cứu định lượng thường dựa trên các mô hình và giả định để phân tích dữ liệu. Tuy nhiên, các mô hình này có thể không thể hiện đầy đủ mọi khía cạnh của hiện tượng nghiên cứu và có thể gây ra sai lệch trong kết quả nghiên cứu nếu giả định không chính xác.

Định tính (Qualitative Research)

Nghiên cứu định tính là gì?

Nghiên cứu định tính (Qualitative Research) là phương pháp nghiên cứu sử dụng dữ liệu phi số liệu để thu thập thông tin và hiểu rõ hơn về một vấn đề hoặc hiện tượng. Nghiên cứu định tính nhằm mục đích đạt được những hiểu biết sâu sắc về các hiện tượng, nhóm hoặc trải nghiệm không thể đo lường hoặc định lượng một cách khách quan bằng toán học.

Thay vì tìm cách khám phá các câu trả lời hoặc số liệu thống kê chính xác trong môi trường được kiểm soát như nghiên cứu định lượng, nghiên cứu định tính mang tính khám phá nhiều hơn, dựa trên các nguồn dữ liệu như ảnh, quan sát, phân tích văn bản, đoạn phim video và các cuộc phỏng vấn.

Một số ví dụ về các câu hỏi nghiên cứu định tính được cung cấp, chẳng hạn như cảm giác của một trải nghiệm như thế nào, mọi người nói về điều gì đó như thế nào, họ hiểu trải nghiệm đó như thế nào và các sự kiện diễn ra như thế nào đối với mọi người. Nghiên cứu theo cách tiếp cận định tính mang tính khám phá và tìm cách giải thích “làm thế nào” và “tại sao” một hiện tượng hoặc hành vi cụ thể lại hoạt động như vậy trong một bối cảnh cụ thể. Nó có thể được sử dụng để tạo ra các giả thuyết và lý thuyết từ dữ liệu.

Dữ liệu định tính là gì?

Dữ liệu định tính là loại dữ liệu không thể được đo lường bằng số mà thường được mô tả bằng ngôn từ. Nó chủ yếu dùng để mô tả đặc điểm, thuộc tính, hoặc hiện tượng theo cách không định lượng, tập trung vào “chất” hơn là “lượng”. Dữ liệu này thường liên quan đến mô tả về màu sắc, kích thước, hình dạng, cảm xúc, kinh nghiệm và cảm nhận, hoặc bất kỳ khía cạnh nào không thể được tính toán chính xác bằng số.

Dữ liệu định tính có thể được thu thập thông qua các phương pháp như phỏng vấn, nhóm tập trung, quan sát và phân tích nội dung. Loại dữ liệu này thường được sử dụng trong các nghiên cứu xã hội, nhân văn và một số lĩnh vực khoa học tự nhiên khi mục tiêu nghiên cứu tập trung vào việc hiểu các nguyên tắc cơ bản hay ngữ cảnh của một hiện tượng chứ không chỉ đơn thuần là đo lường nó.

Kỹ thuật phân tích dữ liệu định tính

Lý thuyết nội dung (Content theory – CT)

Đây là một phương pháp nghiên cứu nhằm hiểu và giải thích ý nghĩa của dữ liệu văn bản. CT tập trung vào việc xác định các chủ đề, khái niệm và mối quan hệ trong nội dung dữ liệu để từ đó xây dựng hoặc củng cố lý thuyết về chủ đề nghiên cứu.

Lý thuyết nền tảng (Grounded theory – GT)

Lý thuyết nền tảng (GT) là một phương pháp nghiên cứu quy nạp được sử dụng để xây dựng lý thuyết từ dữ liệu định tính. Nó tập trung vào việc khám phá và phát triển các khái niệm, mối liên hệ và mô hình từ dữ liệu thu thập được, thay vì áp dụng các lý thuyết hoặc khuôn khổ có sẵn.

Phân tích theo chủ đề (Thematic analysis – TA)

Phân tích theo chủ đề (TA) là một phương pháp phân tích dữ liệu định tính phổ biến, được sử dụng để xác định, phân tích và diễn giải các chủ đề, mô típ và ý nghĩa trong dữ liệu. TA có thể áp dụng cho nhiều loại dữ liệu khác nhau, bao gồm văn bản, phỏng vấn, ghi chép quan sát, hình ảnh và video.

Phân tích biện luận (Discourse analysis – DA)

DA là một phương pháp nghiên cứu nhằm hiểu và giải thích ý nghĩa của các văn bản, bao gồm cả lời nói, văn viết và hình ảnh. DA tập trung vào cách thức mà ngôn ngữ được sử dụng để thực hiện các hành động xã hội, thiết lập các mối quan hệ quyền lực và hình thành các ý thức hệ.

Ưu – nhược điểm của nghiên cứu định tính

Ưu điểm của nghiên cứu định tính

• Nhờ sự tham gia chặt chẽ của nhà nghiên cứu, nghiên cứu định tính giúp giúp có được cái nhìn sâu sắc hơn về lĩnh vực này. Nó cho phép nhà nghiên cứu tìm ra những vấn đề thường bị bỏ sót (chẳng hạn như sự tinh tế và phức tạp) bởi các câu hỏi mang tính khoa học, thực tế hơn.

• Những mô tả định tính có thể quan trọng trong việc gợi ý các mối quan hệ, nguyên nhân, tác động và các quá trình có thể có.

• Phân tích định tính cho phép phát hiện sự mơ hồ/mâu thuẫn trong dữ liệu, phản ánh thực tế.

• Nghiên cứu định tính sử dụng phong cách miêu tả, tường thuật; nghiên cứu này có thể mang lại lợi ích đặc biệt cho người thực hiện vì họ có thể chuyển sang các báo cáo định tính để kiểm tra các dạng kiến ​​thức có thể không có sẵn, từ đó đạt được cái nhìn sâu sắc mới.

• Nghiên cứu định tính cho phép khám phá chi tiết các khía cạnh của một vấn đề, thu thập những quan điểm, trải nghiệm và ý kiến cá nhân của người tham gia. Nhờ vậy, nhà nghiên cứu có thể hiểu rõ hơn về các yếu tố ảnh hưởng đến hành vi, thái độ và suy nghĩ của họ.

Nhược điểm của nghiên cứu định tính

• Do tốn thời gian và chi phí nên các thiết kế định tính thường không lấy mẫu từ các tập dữ liệu quy mô lớn.

• Vấn đề về tính giá trị hoặc độ tin cậy đầy đủ là một vấn đề bị chỉ trích lớn. Do tính chất chủ quan của dữ liệu định tính và nguồn gốc của nó trong các bối cảnh riêng lẻ nên rất khó áp dụng các tiêu chuẩn thông thường về độ tin cậy và giá trị.

• Thời gian cần thiết để thu thập, phân tích và giải thích dữ liệu rất dài. Phân tích dữ liệu định tính là khó khăn và cần có kiến ​​thức chuyên môn về lĩnh vực đó để diễn giải dữ liệu định tính.

Quy trình nghiên cứu định lượng và định tính

Bước 1: Xác định vấn đề nghiên cứu

Bắt đầu bằng việc xác định vấn đề cần giải quyết hoặc câu hỏi nghiên cứu cần trả lời. Phân tích bối cảnh và tầm quan trọng của vấn đề, đồng thời xác định mục tiêu nghiên cứu cụ thể, rõ ràng ngay từ đầu. Việc này giúp định hướng cho toàn bộ quá trình nghiên cứu và đảm bảo kết quả thu được có giá trị thực tiễn.

Bước 2: Nghiên cứu tài liệu

Tìm kiếm và nghiên cứu các tài liệu liên quan đến chủ đề nghiên cứu, như sách, bài báo khoa học, báo cáo nghiên cứu,… Xác định các lý thuyết, mô hình và kiến thức nền tảng liên quan. Phân tích các nghiên cứu trước đây về chủ đề để hiểu rõ hơn cũng như tránh lặp lại những sai lầm đã có.

Bước 3: Lựa chọn phương pháp nghiên cứu

Lựa chọn phương pháp nghiên cứu phù hợp với mục tiêu, tính chất của vấn đề và dữ liệu cần thu thập. Có thể sử dụng một hoặc kết hợp nhiều phương pháp nghiên cứu để tăng cường độ tin cậy và hiệu quả của nghiên cứu. Ví dụ, nghiên cứu định tính có thể sử dụng phỏng vấn, quan sát tham gia, thảo luận nhóm tập trung,… trong khi nghiên cứu định lượng có thể sử dụng khảo sát, bảng câu hỏi, thí nghiệm,…

Bước 4: Thu thập dữ liệu

Thiết kế các công cụ thu thập dữ liệu phù hợp với phương pháp nghiên cứu đã chọn. Ví dụ, nếu sử dụng phỏng vấn, cần thiết kế bảng câu hỏi phỏng vấn phù hợp, đầy đủ. Thu thập dữ liệu từ đối tượng nghiên cứu một cách cẩn thận, đảm bảo dữ liệu thu thập được đầy đủ, trung thực và phù hợp với mục tiêu nghiên cứu.

Bước 5: Phân tích dữ liệu

Áp dụng các phương pháp phân tích dữ liệu phù hợp với phương pháp nghiên cứu và loại dữ liệu thu thập. Ví dụ, đối với dữ liệu định tính, có thể sử dụng phân tích nội dung, so sánh đối chiếu; đối với dữ liệu định lượng, có thể sử dụng các phương pháp thống kê. Giải thích ý nghĩa của dữ liệu và rút ra kết luận dựa trên dữ liệu đã phân tích.

Bước 6: Diễn đạt kết quả nghiên cứu

Viết báo cáo nghiên cứu trình bày rõ ràng các mục tiêu, phương pháp, kết quả và kết luận của nghiên cứu. Báo cáo cần có tính logic, khoa học và dễ hiểu, đồng thời đảm bảo tính chính xác và trung thực của thông tin.

Bước 7: Rút ra kết luận

Dựa trên kết quả thu thập được, nhà nghiên cứu cần đưa ra kết luận rõ ràng, súc tích và dễ hiểu, giải thích ý nghĩa của dữ liệu và trả lời các câu hỏi nghiên cứu ban đầu. Việc so sánh kết quả với các nghiên cứu trước đây và nêu ra những hạn chế của nghiên cứu cũng góp phần củng cố tính chính xác cũng như độ tin cậy của kết luận.

Phân biệt định lượng và định tính

Dữ liệu định tính và định lượng là hai cách tiếp cận chính trong nghiên cứu, mỗi loại mang những đặc điểm và ứng dụng riêng biệt.

Dữ liệu định tính tập trung vào mô tả và phân tích các đặc điểm không thể đo lường bằng số, chẳng hạn như cảm xúc và kinh nghiệm, qua phỏng vấn và quan sát, giải thích “tại sao” và “làm thế nào” một hiện tượng xảy ra. Ngược lại, dữ liệu định lượng đo lường và phân tích các đặc điểm có thể biểu diễn bằng số, như kích thước và số lượng, thông qua phép đo và thống kê, cung cấp cái nhìn về “bao nhiêu”, “bao lâu”, hoặc “ở mức độ nào”.

Ví dụ định tính và định lượng ứng dụng trong các lĩnh vực

Ví dụ định tính và định lượng trong lĩnh vực chuyển đổi số công

Trong lĩnh vực chuyển đổi số công, việc áp dụng dữ liệu định tính và định lượng giúp các cơ quan chính phủ hiểu rõ hơn về nhu cầu và kỳ vọng của công dân, từ đó cải thiện dịch vụ công và số lượng công dân tham gia. 

Dữ liệu định tính:

• Mô tả: Cơ quan X tiến hành các cuộc phỏng vấn và nhóm tập trung với người dân để thu thập ý kiến và trải nghiệm của họ đối với việc sử dụng các dịch vụ công trực tuyến, bao gồm độ tiện lợi, khả năng truy cập và mức độ hài lòng. Các buổi thảo luận giúp cơ quan nhận diện được các vấn đề, rào cản và mong muốn cải thiện cụ thể từ phía người dùng.
• Ví dụ: Công dân có thể bày tỏ rằng việc đăng ký dịch vụ trực tuyến quá phức tạp hoặc trang web khó sử dụng trên thiết bị di động, nhưng họ đánh giá cao tính năng nhận thông báo qua email về tình trạng yêu cầu.

Dữ liệu định lượng:

• Mô tả: Đồng thời, Cơ quan X cũng thu thập dữ liệu định lượng thông qua phân tích số lần truy cập và sử dụng các dịch vụ trực tuyến, tỷ lệ hoàn thành các thủ tục trực tuyến, thời gian trung bình để giải quyết một yêu cầu, và tỷ lệ phản hồi từ người dùng sau khi sử dụng dịch vụ.
• Ví dụ: Phân tích cho thấy có 30% người dùng bỏ giữa chừng khi đăng ký dịch vụ trực tuyến và thời gian trung bình để giải quyết một yêu cầu là 5 ngày.

Kết hợp cả hai loại dữ liệu, Cơ quan X có thể nhận ra rằng để tăng cường chuyển đổi số và nâng cao sự hài lòng của người dân, họ cần đơn giản hóa quy trình đăng ký trực tuyến và cải thiện khả năng truy cập trang web trên thiết bị di động (Mobile web). Dữ liệu định tính cung cấp cái nhìn sâu sắc về trải nghiệm và mong muốn cụ thể của người dùng, trong khi dữ liệu định lượng chỉ ra cần tập trung vào việc giảm thời gian giải quyết yêu cầu và tăng tỷ lệ hoàn thành thủ tục trực tuyến. Qua đó, cơ quan có thể phát triển các giải pháp công nghệ và quy trình làm việc hiệu quả hơn, đáp ứng tốt hơn nhu cầu và kỳ vọng của công dân trong thời đại số.

Ví dụ định tính và định lượng trong lĩnh vực giáo dục đại học

Trong lĩnh vực giáo dục đại học, việc kết hợp dữ liệu định tính và định lượng giúp các trường đại học hiểu rõ hơn về nhu cầu và trải nghiệm của sinh viên, từ đó cải thiện chất lượng giáo dục và dịch vụ hỗ trợ. 

Dữ liệu định tính:

• Mô tả: Trường Đại học D tiến hành các cuộc phỏng vấn sâu và nhóm tập trung với sinh viên để thu thập phản hồi về các khóa học, chương trình học, môi trường học tập và dịch vụ sinh viên. Các buổi thảo luận này giúp trường hiểu được cảm xúc, kỳ vọng và những thách thức mà sinh viên gặp phải trong quá trình học tập.
• Ví dụ: Sinh viên có thể chia sẻ về sự khó khăn trong việc tiếp cận nguồn lực học tập, nhu cầu về không gian học nhóm, hoặc mong muốn có thêm sự hỗ trợ về tư vấn nghề nghiệp.

Dữ liệu định lượng:

• Mô tả: Trường Đại học D cũng thu thập dữ liệu định lượng thông qua các khảo sát đánh giá khóa học, số lượng sinh viên đăng ký và hoàn thành các chương trình, tỷ lệ tốt nghiệp và tỷ lệ sinh viên có việc làm sau khi tốt nghiệp. Dữ liệu này giúp trường đánh giá hiệu suất giáo dục và mức độ thành công của sinh viên.
• Ví dụ: Phân tích cho thấy tỷ lệ sinh viên tốt nghiệp trong vòng 4 năm là 75%, nhưng chỉ 60% sinh viên tìm được việc làm trong lĩnh vực của mình sau 6 tháng tốt nghiệp.

Kết hợp cả hai loại dữ liệu, Trường Đại học D có thể nhận diện được cả sức mạnh và điểm yếu trong chương trình giáo dục và dịch vụ sinh viên của mình. Dữ liệu định tính giúp trường nhận biết cần cải thiện nguồn lực học tập và dịch vụ hỗ trợ sinh viên, trong khi dữ liệu định lượng chỉ ra cần phải tập trung vào việc nâng cao tỷ lệ tốt nghiệp và cải thiện tỷ lệ việc làm sau khi tốt nghiệp. Từ đó, trường có thể phát triển các chương trình hỗ trợ sinh viên tốt hơn và tối ưu hóa chương trình học để đáp ứng nhu cầu của thị trường lao động, qua đó nâng cao chất lượng giáo dục và danh tiếng của trường.

Ví dụ định tính và định lượng trong lĩnh vực tài chính

Trong lĩnh vực tài chính, việc sử dụng kết hợp dữ liệu định tính và định lượng giúp các tổ chức và nhà đầu tư đưa ra quyết định dựa trên thông tin đa chiều và chính xác.

Dữ liệu định tính:

• Mô tả: Ngân hàng C thực hiện các cuộc phỏng vấn và nhóm tập trung với khách hàng để thu thập ý kiến về dịch vụ khách hàng, trải nghiệm sử dụng ứng dụng ngân hàng trực tuyến (Digital Banking) và sản phẩm tài chính. Thông qua dữ liệu này, ngân hàng hiểu được những mong đợi, nhu cầu, và các vấn đề cụ thể mà khách hàng gặp phải khi tương tác với ngân hàng.
• Ví dụ: Khách hàng có thể bày tỏ sự không hài lòng với thời gian phản hồi của dịch vụ khách hàng hoặc gặp khó khăn khi sử dụng tính năng nhất định trên ứng dụng ngân hàng trực tuyến (Mobile Banking), nhưng họ cũng đánh giá cao sự đa dạng của sản phẩm tài chính và tư vấn cá nhân.

Dữ liệu định lượng:

• Mô tả: Ngân hàng C cũng thu thập dữ liệu định lượng chính xác, như tỷ lệ phản hồi của dịch vụ khách hàng, số lượng giao dịch trực tuyến hàng ngày, tỷ lệ nợ xấu, và hiệu suất đầu tư của các sản phẩm tài chính mà ngân hàng cung cấp. Dữ liệu này được phân tích để đánh giá hiệu quả hoạt động, rủi ro và cơ hội tăng trưởng.
• Ví dụ: Phân tích cho thấy tỷ lệ nợ xấu dưới 2%, cho thấy chất lượng tín dụng tốt. Tuy nhiên, tỷ lệ sử dụng ứng dụng ngân hàng trực tuyến chỉ tăng nhẹ, dù đã có cải tiến về tính năng.

Kết hợp cả hai loại dữ liệu, Ngân hàng C có thể nhận ra rằng mặc dù họ có chất lượng tín dụng tốt và một danh mục đầu tư mạnh mẽ, nhưng trải nghiệm khách hàng cần được cải thiện để tăng cường sự hài lòng và tương tác. Ngân hàng có thể quyết định tăng cường đầu tư vào công nghệ và đào tạo nhân viên để cải thiện dịch vụ khách hàng và nâng cao trải nghiệm người dùng trên ứng dụng di động, đồng thời duy trì sự chú trọng đến quản lý rủi ro và đa dạng hóa sản phẩm.

Ví dụ định tính và định lượng trong lĩnh vực sản xuất nước tinh khiết

Trong lĩnh vực sản xuất nước tinh khiết, việc áp dụng dữ liệu định tính và định lượng giúp doanh nghiệp hiểu rõ hơn về chất lượng sản phẩm và nhận thức của khách hàng, từ đó cải thiện sản phẩm và dịch vụ. Dưới đây là ví dụ minh họa:

Dữ liệu định tính:

• Mô tả: Công ty B tiến hành các cuộc phỏng vấn sâu và nhóm tập trung với khách hàng để thu thập ý kiến và cảm xúc của họ về hương vị, bao bì, và nhãn hiệu nước tinh khiết của công ty. Thông tin này giúp công ty hiểu được các yếu tố không thể đo lường bằng số nhưng ảnh hưởng đến quyết định mua hàng của khách hàng.
• Ví dụ: Khách hàng có thể chia sẻ rằng họ thích nước có vị tinh khiết và tự nhiên, nhưng bao bì hiện tại khó mở hoặc thiết kế không bắt mắt, làm giảm hứng thú mua sắm.

Dữ liệu định lượng:

• Mô tả: Công ty B cũng thực hiện các phép đo và phân tích số liệu chính xác về chất lượng nước, như độ pH, tổng số chất rắn hòa tan (TDS) và mức độ an toàn microbiological. Ngoài ra, họ theo dõi số liệu bán hàng, tỷ lệ khách hàng quay lại và tỷ lệ phản hồi tích cực trên các nền tảng online để đánh giá sự hài lòng của khách hàng.
• Ví dụ: Phân tích cho thấy tỷ lệ khách hàng quay lại mua sản phẩm là 70%, nhưng một số lô sản phẩm có độ TDS cao hơn mức quy định đã gây ra sự giảm sút trong số lượng đơn hàng từ một số khu vực cụ thể.

Kết hợp cả hai loại dữ liệu, Công ty B có thể đưa ra quyết định chính xác về việc cải thiện chất lượng sản phẩm và chiến lược tiếp thị. Ví dụ, họ có thể tái thiết kế bao bì để làm cho nó hấp dẫn hơn và dễ sử dụng, đồng thời tăng sự kiểm soát chất lượng nước để đảm bảo mọi sản phẩm đều đáp ứng hoặc vượt qua tiêu chuẩn ngành.

Đối với hầu hết các chủ đề nghiên cứu, nhà nghiên cứu có thể chọn cách tiếp cận theo phương pháp định tính, định lượng hoặc hỗn hợp. Việc chọn loại nào phụ thuộc vào việc nhà nghiên cứu đang sử dụng phương pháp nghiên cứu quy nạp hay suy diễn, câu hỏi nghiên cứu, đang thực hiện nghiên cứu thử nghiệm, tương quan hay mô tả và những cân nhắc thực tế như thời gian, tiền bạc, tính sẵn có của dữ liệu và khả năng tiếp cận người trả lời.