Eine Umfrage zeigt, dass Neukunden das Setup schlecht bewerten, während Interviews ergeben, dass einige darauf warten, dass Kollegen den Zugriff freigeben. Wirklich nützlich werden diese Erkenntnisse erst, wenn das Team sie miteinander verknüpft: Bei wem treten die Verzögerungen durch Freigaben auf, wie prägt das das Gesamterlebnis, und welche Daten helfen zu unterscheiden, ob das Problem hier liegt oder an einer unübersichtlichen Benutzeroberfläche?
Mixed-Methods-Forschung verbindet qualitative und quantitative Ansätze gezielt innerhalb einer Studie oder eines zusammenhängenden Forschungsprogramms. Diese Verknüpfung kann bei der Rekrutierung, dem Studiendesign, der Analyse oder der Interpretation ansetzen. Zwei Methoden nebeneinander laufen zu lassen reicht nicht aus, wenn ihre Ergebnisse am Ende nicht sinnvoll ineinandergreifen.
Festlegen, wie die Daten zusammenfinden
Wenn das Team noch gar nicht genau weiß, welche Aspekte des Erlebnisses gemessen werden sollen, ist ein qualitativer Einstieg sinnvoll. In Interviews lassen sich konkrete Hürden beim Setup identifizieren und die Begriffe herausarbeiten, mit denen Kundinnen und Kunden sie beschreiben. Darauf aufbauend kann eine Umfrage diese Hürden an einer passenden Stichprobe überprüfen. Eine Umfrage belegt dabei nicht automatisch die Verbreitung in der Gesamtpopulation; Rekrutierung und Methodik müssen diesen Rückschluss auch tatsächlich stützen.
Muss dagegen bereits ein quantitatives Muster erklärt werden, lässt sich die Reihenfolge umkehren. Das Team könnte Interviewteilnehmende gezielt aus Gruppen mit unterschiedlichen Verläufen auswählen und den Ursachen für diese Unterschiede nachgehen. Alternativ können beide Stränge parallel laufen und erst bei der Analyse zusammengeführt werden.
Der Mixed-Methods-Leitfaden des NIH Office of Behavioral and Social Sciences Research definiert Kernprinzipien für eine gezielte Integration. Die methodische Lektion lässt sich direkt auf die Produktarbeit übertragen: Man sollte klar definieren, was sich durch das Kombinieren der Daten verstehen lässt, was ein einzelner Ansatz allein offenlassen würde.
Die Verbindung direkt in der Studie anlegen
Im hypothetischen Setup-Beispiel sollte im Vorfeld geklärt werden, ob Umfrageteilnehmende zu Interviews eingeladen werden können, welche Einwilligungen dafür nötig sind und wie die jeweiligen Antworten verknüpft werden. Wenn die Folgestudie eine andere Zielgruppe anspricht, muss dieser Unterschied dokumentiert werden, damit die Gesamtschau nicht fälschlicherweise Zusammenhänge auf individueller Ebene unterstellt, die so nie erhoben wurden.
Jeder Strang sollte mit einer passenden Methode ausgewertet werden. Ein paar handverlesene, passende Zitate ersetzen keine echte qualitative Analyse – und eine explorative Interview-Stichprobe wird nicht repräsentativ, nur weil im Bericht Prozentzahlen stehen.
Eine Evidenzmatrix kann dem Team helfen, Aussagen, stützende Beobachtungen und Widersprüche methodenübergreifend abzugleichen. Ihr eigentlicher Wert liegt darin, Gedankengänge transparent zu machen – nicht darin, einfach ein Diagramm neben ein Zitat zu setzen.
Widersprüche stehen lassen, wenn sie wichtig sind
Nutzerinnen und Nutzer können insgesamt hohe Bewertungen abgeben und gleichzeitig von einem mühsamen Setup-Prozess berichten. Das bedeutet nicht zwingend, dass eine der Quellen falsch liegt: Vielleicht schätzen sie das Endergebnis so sehr, dass sie den anfänglichen Aufwand in Kauf nehmen. Prüfen Sie Fragestellung, Zeitpunkt und Zielgruppe, bevor Sie voreilig Schlüsse aus scheinbaren Widersprüchen ziehen.
Triangulation hilft dabei, diesen Vergleich zu strukturieren. Doch Übereinstimmung beweist noch keinen kausalen Zusammenhang, und Widersprüche sind nicht automatisch ein methodischer Fehler. Beides kann helfen, das Nutzererlebnis besser zu verstehen.
Richten Sie den Umfang des Programms an der anstehenden Entscheidung und den verfügbaren Ressourcen aus. Eine kompaktere Studie mit einem klaren Integrationsplan liefert oft mehr Erkenntnisse als mehrere lose verknüpfte Aktivitäten, deren Ergebnisse zu spät vorliegen, um sich noch gegenseitig zu befruchten. Der finale Bericht sollte auf den Punkt bringen, wie die Kombination der Daten den Blick des Teams verändert hat.