定量研究

定量研究的優勢在於可以提供描述性的資料，比如允許我們一覽使用者總體。但是解釋它們則會遇到困難（不知道為什麼）。

在研發產品的環境下，這一資料缺失會導致產品設計的嚴重錯誤。例如，調查發現，大部分使用者喜歡3D展示，這可能會導致產品團隊考慮將3D展示整合進產品中。但是，如果大部分使用者只是喜歡裸眼3D，或只是在電視上觀看體育賽事或動作片時才喜歡3D展示。那麼，帶上3D眼睛在移動裝置上觀看資料的視覺化呈現就不是一個合理的設計方向。

此外，只有對如何使用和理解定量資料有著深刻領會的人才應當實施一項定量研究。

在定量研究中，你可以透過操縱樣本量來改變p值（p值說明了你的研究發現是隨機性結果的可能性），但你需要足夠的樣本量以獲得足夠的統計檢驗力，以確定結果是否準確。如果因為樣本量太小導致你的研究統計檢驗力過低，你可能沒法達到統計顯著性，即便結果是準確的。另一方面，如果在小樣本的情況下你就達到了統計顯著性，你無需再增加樣本量，不管怎樣結果都是真實的。

透過增加樣本量，你可以提高研究的統計檢驗力，但到一定程度，結果（統計顯著性）可能是沒有意義的。在這種情況看下，你需要考察效應量（effect size）——告訴你研究變數對變異影響程度的統計量。總而言之，統計顯著性告訴你研究結果是否是真實的，而效應量告訴你它們的重要性有多大。通常情況下，如果你能夠在小樣本的條件下達到統計顯著，這說明效應量是相當大的。解釋你的資料時需要同時考慮統計顯著性和效應量。

定性研究

資料收集後，研究者不是進行資料分析而是從資料中尋找趨勢。這時候，研究者會尋找在不過研究參與者之間含義相似的陳述。一個經驗法則就是，從一個參與者那裡聽來的話是一段軼事，從兩個參與者那裡聽來的話可能是巧合，從三個人那裡聽來的話可能就是一個趨勢了。你發現的趨勢可以知道產品研發、商業決策和市場策略。

由於你不能透過計算p值和效應量來驗證趨勢，你在應用它們時要格外小心。而且，你應該透過不斷進行的定性研究專案來繼續驗證這些資料。

定量定性，齊頭並進

你可以使用定性研究來發現影響研究變數的因素，然後利用這些資訊來構思定量研究以評價這些因素如何影響使用者偏好。同時，你也可以透過定性研究來建立趨勢，然後用定量研究來驗證它。