Kausal forskning: Sådan kan årsagsforbindelser føre til forretningsbeslutninger

Hvad er kausal forskning?

Som svar på vores spørgsmål vil vi gennemgå formålet med kausal forskning, hvordan du implementerer det i dine forskningsprojekter, og nogle gode eksempler på, hvordan organisationer bruger kausal forskning i øjeblikket til at træffe bedre forretningsbeslutninger.

Kausal forskning: Definition og hvorfor det har betydning

Kausal forskning falder under kategorien af konkluderende forskning på grund af dets forsøg på at finde et forhold mellem årsag og virkning mellem to variabler. Ligesom beskrivende forskning forsøger denne form for forskning at bevise en ide, som er fremført af et individ eller en organisation. Men den er betydelig forskellig i både dens metoder og dens formål. Hvor beskrivende forskning er omfattende, idet den forsøger at definere en bestemt gruppes mening, holdning eller adfærd bedre, har kausal forskning kun to målsætninger:

  1. Forstå, hvilke variabler er årsagen, og hvilke variabler er virkningen. Lad os for eksempel sige at et byråd ønsker at reducere bilulykker på byens gader. Gennem indledende beskrivende og undersøgende forskning finder de måske ud af, at både ulykker og trafikraseri er steget stødt i løbet af de sidste fem år. I stedet for automatisk at formode, at trafikraseri er årsagen til disse ulykker, ville det være vigtigt at måle, hvorvidt det modsatte kunne være tilfældet. Måske stiger trafikraseri på baggrund af flere ulykker på grund af lukkede vejbaner og mere trafik. Det kan også være tilfældet med det gamle ordsprog “sammenhæng garanterer ikke årsagssammenhæng”. Måske er de begge steget på grund af en anden årsag, såsom vejarbejde, mangel på nødvendig trafikregulering, eller en tilstrømning af nye billister.
  2. Fastlæg beskaffenheden af forholdet imellem de kausale variabler og den forudsete virkning. Lad os sige, hvis vi fortsætter med vores eksempel, at byrådet beviste, at trafikraseri havde en stigende virkning på antallet af bilulykker i området. Den kausale forskning kan bruges til to ting. For det første måling af signifikansen af virkningen, såsom kvantificeringen af den procentvise stigning af ulykker, som kan tilskrives trafikraseri. For det andet observation af, hvordan forholdet mellem variabler fungerer (dvs. rasende billister har tendens til farlig acceleration eller at tage flere risici, hvilket resulterer i flere ulykker).

Disse målsætninger er, hvad der gør kausal forskning mere videnskabelig end dens undersøgende og beskrivende modparter. For at kunne opfylde disse målsætninger er kausal forskning nødt til at isolere den specifikke variabel, som de mener, er ansvarlig for at noget finder sted, og måle dens sande signifikans. Med denne information kan en organisation med overbevisning beslutte, hvorvidt det er ressourcerne værd at bruge en variabel, såsom opstilling af bedre trafikskilte, eller at forsøge at eliminere en variabel, såsom trafikraseri.

Effektiv implementering af kausal forskning

Kausal forskning bør ses som eksperimental forskning. Husk at målet med denne forskning er at bevise et forhold mellem årsag og virkning. Med dette i tanke bliver det meget vigtigt at have nogle absolut planlagte parametre og målsætninger. Uden en fuldstændig forståelse for din forskningsplan, og hvad du forsøger at bevise, kan dine konklusioner blive upålidelige og indeholde en stor mængde forskerbias. Prøv at benytte undersøgende forskning eller beskrivende forskning som et redskab til at basere din forskningsplan på.

Når først din forskningsplan og dine målsætninger er konkretiseret, er det tid til at opstille dit kausale eksperiment korrekt. Her er tre afgørende betingelser for dit kausale eksperiment, som du bør kontrollere, før du sætter det i gang:

  1. Forholdet mellem årsag og virkning vil blive bevist eller modbevist af eksperimentet. Det virker selvfølgelig indlysende, men hvis du ikke sørger for, at din forskningsplan direkte er korreleret til dit forskningsformål, vil slutresultaterne af din undersøgelse være fuldstændigt formålsløse. Hvis du vil være sikker på, at din undersøgelse får resultater på den ene eller anden måde, bør du observere, hvad dit normale miljø er, og derefter forøge hyppigheden eller styrken bag den kausale variabel.
  2. Du identificerer tydeligt, hvilke variabler der afprøves som uafhængige (der forårsager virkningen), og hvilke afprøves som afhængige (der påvirkes). Som drøftet i eksemplet med trafikraseri/bilulykker er det i mange tilfælde svært at definere, hvilke variabler er afhængige af hinanden. Af denne grund er det essentielt at identificere, hvad der vil blev afprøvet som hvad før eksperimentet. Normalt vil den uafhængige variabel være det, du føjer til miljøet.

    Vi antager for eksempel at flere farvevalg til biler vil forøge salget. I denne situation er antallet af farvevalg den uafhængige variabel, og omsætningsniveauet er vores afhængige variabel. Det næste skridt vil være at måle den normale salgsmængde hos bilforhandleren, og derefter tilføje et større udvalg af bilfarver. Efter at have indsamlet de nye salgstal, sammenligner du de to datasæt og analyserer salgsindvirkningen.
  3. Der er ingen eksterne variabler, som også kan forårsage ændringer i dine resultater. Uden at tage højde for alle mulige faktorer, som måske kan påvirke ændringer i din afhængige variabel, kan du ikke være sikker på, at det er den variabel, som afprøves, der virkelig er ansvarlig for årsagen til de virkninger, vi måler. I laboratoriet har videnskabsfolk den luksus at være i stand til at skabe et fuldstændigt neutralt miljø. Resten af os må desværre leve med det miljø, vi er blevet givet. Så det vigtigste du kan gøre, når du opretter din forskningsplan, er at sikre, at dit eksperiment foregår under de mest mulige lignende tilstande, som da du målte dine normale resultater.

    Lad os for eksempel sige, at du ejer en isbutik og gerne vil undersøge, hvilken virkning det har på salget, at en klovn uddeler balloner foran din butik. Fed ide ikke?! Det ville være en dårlig ide at bruge dine salgstal om sommeren som din normale datakilde og køre dit eksperiment om vinteren. Ikke alene ville det være koldt for klovnen, vejret ville også have en stor indvirkning på salget af is.

Hvem bruger kausal forskning, og hvordan kan jeg indarbejde det i mine forretningsmål?

Uanset hvilken form for organisation du har, eller hvilke mål du har, så kan du drage fordel af kausal forskning. Målet med kausal forskning er at bevise, at der er en specifik forbindelse. Hvis du fra en virksomheds synspunkt ønsker at bekræfte, at en strategi vil fungere, eller du vil være sikker, når du identificerer årsager til et problem, er kausal forskning det rigtige valg. Lad os kigge på et par eksempler, hvor kausal forskning kan implementeres med forskellige mål i tanke:

  • Styrk kundefastholdelsen: De fleste franchisekæder udfører kausale forskningseksperimenter i deres butikker. I et nyligt tilfælde udførte et stort mekanikerværksted et eksperiment, hvor udvalgte værksteder håndhævede en politik, at en medarbejder skulle have et privat møde med klienten, imens deres køretøj blev undersøgt. De blev instrueret i at gennemgå eventuelle bekymringer, klienten måtte have, og tale på et almindeligt sprog om hvad der var galt med bilen, idet der blev sat fokus på at klienten forstod problemerne.

    Dette eksperiment blev implementeret, fordi en online spørgeundersøgelse viste, at mangel på kommunikation imellem medarbejder og klient var årsag til, at kunderne ikke kom igen. Efter at have identificeret to løsninger på dette problem (facilitere drøftelse og forøge klients forståelse), brugte firmaet dette eksperiment til at finde ud af, hvor effektive disse løsninger ville være til at styrke kundefastholdelsen. Ved at sammenligne salget i værksteder uden ændringer med dem, som var en del af eksperimentet, kunne firmaet se en signifikant stigning i kundeloyalitet.
  • Samfundsinitiativer: Byråd benytter ofte kausal forskning til at måle succesen af deres samfundsinitiativer. Lad os sige at København udfører en spørgeundersøgelse og finder ud af, at københavnerne er utilfredse med de nuværende valg af offentlige transportmidler. De kunne derefter sætte nye strategier i gang til at skabe flere parkeringsmuligheder ved offentlige transportmidler, så flere mennesker kunne tage bussen eller toget. Efter at have implementeret denne strategi, kan de sende den samme spørgeundersøgelse ud igen og måle, hvilken indvirkning dette har haft på den generelle tilfredshed med offentlige transportmidler.
  • Effektiv reklamering: Reklamering er en af de mest almindelige sektorer for kausal forskning. De fleste gange vil virksomheder afprøve reklamekampagner i små områder, før de udvider den til alle lokaliteter. Ideen er at måle, hvorvidt der er tilstrækkelig stigning i salget, kundeemner eller offentlig interesse i disse områder med reklameringen, før de engagerer sig fuldt ud.
    Mange organisationer vil tage dette eksperiment et skridt videre ved at udføre en spørgeundersøgelse, hvor de spørger kunder, hvad der fik dem til at besøge forretningen i dag eller være interesseret i deres serviceydelser. Nu kan virksomheden sammenligne besvarelserne fra kunder i eksperimentområdet med besvarelserne i deres generelle klientbase og se, om deres stigning i trafik er et direkte resultat af deres reklamering.

På med forskerhatten!

Med din nyfundne viden om kausal forskning, vil du kunne oprette mere effektive forskningsplaner, som drager fordel af enhver forretningsmulighed.

Se, hvordan SurveyMonkey kan vække din nysgerrighed