Zurück
Data Collection Methods: So wählen Sie die passende Methode aus
SmartInterview Team
The Short Answer
Methoden der Datenerhebung lassen sich in zwei Kategorien einteilen, die wichtiger sind als jede Liste von Techniken. Primary versus secondary: Sammeln Sie die Daten selbst oder nutzen Sie Daten, die jemand anderes gesammelt hat? Quantitative versus qualitative: Zählen Sie Dinge oder verstehen Sie sie? Wählen Sie Ihre Methode, indem Sie zuerst diese beiden Fragen beantworten, und entscheiden Sie sich erst dann für die Technik.
Primary data collection bedeutet Surveys, Interviews, Focus Groups, Observation, Diary Studies und Experimente. Langsamer und kostspieliger, aber genau für Ihre Fragestellung konzipiert.
Secondary data collection bedeutet bestehende Aufzeichnungen, veröffentlichte Statistiken, interne Datenbanken und Analytics. Schnell und günstig, aber für den Zweck eines anderen gesammelt.
Quantitative methods beantworten das "Wie oft, wie viel, in welchem Maße". Qualitative methods beantworten das "Warum und was bedeutet das für sie".
Behavioral data schlägt stated data, wenn es darum geht, was Menschen getan haben. Stated data schlägt behavioral data bei der Frage, warum sie es getan haben. Meistens braucht man beides.
Beginnen Sie mit der Entscheidung, die Sie treffen müssen. Wenn keine Methode diese Entscheidung beeinflusst, haben Sie kein Problem mit der Datenerhebung, sondern ein Entscheidungsproblem.
Für eine detailliertere Unterscheidung speziell zur Qual/Quant-Frage siehe qualitative vs quantitative research.
Die Methoden im Vergleich
Jede Methode bringt Vorteile, bringt aber auch Nachteile mit sich. Diese Tabelle sollten Sie griffbereit halten.
Methode | Was sie Ihnen liefert | Kosten und Geschwindigkeit | Wo sie an Grenzen stößt |
|---|---|---|---|
Surveys | Zahlen, die sich auf eine Population projizieren lassen: Inzidenz, Präferenzen, Bewertungen, Segmentgrößen | Geringe bis moderate Kosten, Tage bis Wochen je nach Sample Sourcing | Beantwortet nur das, wonach Sie gefragt haben; das angegebene Verhalten weicht vom tatsächlichen Verhalten ab |
Depth Interviews | Argumentation, Kontext, Ablauf von Ereignissen, die tatsächliche Sprache der Kunden | Hohe Kosten pro Teilnehmer, 2–4 Wochen inklusive Rekrutierung und Analyse | Kleine Stichproben (Samples), nicht projizierbar; teuer bei einer Skalierung über 20–30 Personen |
Fokusgruppen | Reaktion auf Stimuli, Gruppenvokabular, Meinungsspektrum in einer einzigen Session | Moderate bis hohe Kosten pro Gruppe, 2–4 Wochen | Dominante Stimmen beeinflussen die Gruppe; ungeeignet für sensible oder individuelle Themen |
Observation | Was Menschen tatsächlich tun, einschließlich der Schritte, die sie niemals erwähnen würden | Hoher Zeitaufwand, geringe Tool-Kosten | Das Beobachtetwerden verändert das Verhalten; kein Zugang zu den Beweggründen |
Diary Studies | Verhalten und Gefühle im Zeitverlauf, im Kontext, ohne Erinnerungsfehler (Recall Error) | Moderate Kosten, konzeptionsbedingt Wochen bis Monate | Ermüdung und Ausfall der Teilnehmer; Einträge lassen schnell nach |
Behavioral und Analytics-Daten | Vollständige, unvoreingenommene Aufzeichnung der Ereignisse in Ihrem Produkt oder Kanal | Nahezu null Grenzkosten, sofort verfügbar, sobald implementiert | Sagt nichts über die Absicht (Intent) und nichts über Nicht-Kunden aus |
Existing Records und Desk Research | Marktgröße, Kategorietrends, Wettbewerbs- und regulatorischer Kontext | Geringste Kosten, Stunden bis Tage | Für einen anderen Zweck erhoben; Definitionen und Daten passen selten zu Ihrem Bedarf |
Experiments und A/B-Tests | Kausale Belege dafür, dass eine Änderung eine bestimmte Wirkung erzielt hat | Geringe Kosten pro Test, benötigt jedoch Traffic und Zeit, um zu einem Ergebnis zu gelangen | Testet nur, was bereits existiert; kann nichts bewerten, was Sie noch nicht gebaut haben |
Betrachten Sie diese Tabelle eher als ein Menü von Kompromissen und weniger als ein Ranking. Der häufigste Fehler bei der Planung ist, die Methode zu wählen, mit der man sich wohlfühlt, anstatt derjenigen, die zur Frage passt.
Primary vs Secondary Data Collection
Die erste Weggabelung. Es kostet nichts, sie richtig zu wählen, aber enorm viel, wenn man falsch abbiegt.
Secondary Data: Immer hier beginnen
Secondary Data sind Daten, die bereits existieren. Regierungsstatistiken, Branchenberichte, veröffentlichte akademische Arbeiten, Zahlen von Fachverbänden, Ihr eigenes CRM, Ihre eigenen Support-Tickets, Ihre eigene Analytics. Sie sind kostengünstig, sofort verfügbar und oft völlig ausreichend.
Führen Sie erst ein Desk Research durch, bevor Sie etwas Neues in Auftrag geben. Teams führen routinemäßig eine Umfrage durch, um eine Marktgröße zu ermitteln, die das statistische Bundesamt bereits veröffentlicht hat, oder um einen Churn-Grund zu ermitteln, der bereits in den eigenen Ticket-Logs dokumentiert ist. Schauen Sie erst nach, bevor Sie Daten erheben.
Der Haken ist die Passgenauigkeit. Secondary Data wurden für die Fragestellung eines anderen erhoben – mit deren Definitionen, deren Sample und deren Timing. Bevor Sie sich auf eine Sekundärquelle verlassen, prüfen Sie vier Dinge:
Wer sie erhoben hat und warum. Eine Zahl, die von einem Anbieter veröffentlicht wird, der in diesem Segment Produkte verkaufen möchte, ist nicht neutral.
Wann. Marktdaten altern schnell, und das Veröffentlichungsdatum liegt oft Jahre nach der eigentlichen Feldarbeit.
Wie die Begriffe definiert sind. "Aktiver Nutzer", "kleines Unternehmen" und "Haushaltseinkommen" bedeuten in verschiedenen Studien oft unterschiedliche Dinge.
Ob die Methodik überhaupt veröffentlicht wurde. Eine Zahl ohne Angabe des Samples und der Methode ist ein Marketing-Claim, kein valider Datenpunkt.
Primary Data: Für die Lücken, die Secondary Data hinterlassen
Primary Data Collection bedeutet, dass Sie die Daten selbst nach Ihren Vorgaben erheben. Sie kontrollieren die Fragen, das Sample sowie das Timing und besitzen das Ergebnis. Diese Präzision ist der eigentliche Zweck, und genau dafür bezahlen Sie mit Budget und Zeitaufwand.
Die richtige Reihenfolge bei den meisten Projekten lautet: Schöpfen Sie erst Secondary Data aus, schreiben Sie auf, was Sie immer noch nicht wissen, und lassen Sie diese Liste das Primary Study definieren. Projekte, die die Desk-Research-Phase überspringen, führen meist eine Umfrage durch, die doppelt so lang ist wie nötig.
Quantitative vs Qualitative Collection
Die zweite Weggabelung, und diejenige, an die sich Menschen emotional binden. Beide Ansätze sind streng wissenschaftlich, wenn sie richtig gemacht werden, und beide sind wertlos, wenn sie schlecht ausgeführt werden.
Quantitative Collection
Strukturierte Instrumente, die zählbare Daten liefern. Surveys mit geschlossenen Fragen, strukturierte Beobachtungen mit Strichlisten, Transaktionsprotokolle, Experimente. Die Design-Einschränkungen betreffen vor allem das Sampling und die Konsistenz: Jeder muss dasselbe auf dieselbe Weise gefragt werden, und das Sample muss der Grundgesamtheit entsprechen, die Sie beschreiben möchten.
Nutzen Sie diesen Ansatz, wenn Sie Segmente bewerten, ranken, vergleichen, Trends im Zeitverlauf tracken oder einem Entscheidungsträger, der ein Budget zuweisen muss, konkrete Zahlen präsentieren müssen.
Qualitative Collection
Offene, flexible Instrumente, die Text, Audio und Beobachtungen hergeben. Tiefeninterviews, Fokusgruppen, Ethnografie, offene Umfragefragen, Tagebucheinträge. Die Design-Einschränkungen betreffen die Tiefe und Ehrlichkeit des Feedbacks: über die erste, höfliche Antwort hinauszugehen und die tatsächliche Argumentation zu verstehen.
Nutzen Sie diesen Ansatz, wenn Sie die Optionen noch nicht kennen, wenn Sie die eigene Sprache des Kunden benötigen, wenn das Thema sensibel oder komplex ist oder wenn ein quantitatives Ergebnis unerklärlich erscheint.
Die richtige Reihenfolge
Qual vor Quant ist der Standard: Interviews offenbaren die Dimensionen, auf die es ankommt, der Survey quantifiziert diese dann. Quant vor Qual ist ein seltener genutzter Ansatz, aber oft noch wertvoller: Der Survey zeigt eine Anomalie auf, und die Interviews erklären sie. Wenn Ihre Findings immer nur aus Zahlen bestehen, die niemand in Maßnahmen umsetzen kann, fehlt Ihnen wahrscheinlich der zweite Schritt.
Der historische Grund, warum Teams zu wenig in Qualitative Collection investieren, sind die Kosten pro Teilnehmer. KI-moderierte Interviews und automatische Codierung offener Antworten haben diese Grenze verschoben, sodass Studien heute Hunderte von offenen Gesprächen statt nur fünfzehn umfassen können. Darauf gehen wir im Kapitel Qualitative Research mit KI näher ein.
Die Forschungsfrage der passenden Methode zuordnen
Beginnen Sie mit dem Satz, den Sie am Ende des Projekts sagen können möchten. Arbeiten Sie von dort aus rückwärts.
Wenn Ihre Frage lautet… | Verwenden Sie | Weil |
|---|---|---|
Wie groß ist dieser Markt und wer befindet sich darin? | Desk Research, gefolgt von einem Sized Survey | Veröffentlichte Statistiken verankern die Gesamtheit; der Survey teilt sie in Segmente auf, mit denen Sie arbeiten können |
Warum wandern Kunden ab? | Exit Interviews oder ein offener Exit Survey, plus Churn Analytics | Analytics zeigen, wer wann gegangen ist; nur Menschen können erklären, was sie zu der Entscheidung bewogen hat |
Welches dieser drei Konzepte sollten wir bauen? | Quantitative Concept Tests, idealerweise mit Trade-off-Fragen | Die Präferenz zwischen definierten Optionen ist ein Zählproblem, und erzwungene Trade-offs schlagen Ratings |
Wo bricht unser Onboarding ab? | Product Analytics plus Usability-Beobachtung | Analytics verorten den Drop-off-Schritt; jemandem dabei zuzusehen, wie er an diese Stelle stößt, zeigt Ihnen die Ursache |
Wie nutzen Menschen dies tatsächlich im täglichen Leben? | Diary Study oder Ethnografie | Routineverhalten ist für die Person, die es ausführt, unsichtbar, sodass sie nicht präzise darüber berichten kann |
Gewinnt oder verliert unsere Marke an Boden? | Wiederholte Survey-Wellen auf einer konsistenten Stichprobe | Nur eine identisch wiederholte Messung liefert einen Trend, dem Sie vertrauen können |
Hat diese Änderung funktioniert? | Experiment oder A/B Test | Nichts anderes liefert Ihnen kausale Belege statt bloßer Korrelation |
Wie nennen Kunden dieses Problem überhaupt? | Depth Interviews oder offene Survey-Fragen | Sie können keine geschlossenen Antwortoptionen für ein Vokabular schreiben, das Sie noch nicht kennen |
Kosten- und Zeit-Trade-offs
Die Methodenkosten bestehen aus drei Komponenten, die oft verwechselt werden, weshalb Budgets schieflaufen.
Access Cost. Der Zugang zu den richtigen Personen. Meist der größte Posten und die variabelste Komponente. B2B-Spezialisten und Zielgruppen mit geringer Inzidenz können eine Größenordnung mehr pro Teilnehmer kosten als eine allgemeine Consumer-Stichprobe. Je schwerer die Zielgruppe zu erreichen ist, desto stärker wird der Preis durch das Screening getrieben.
Collection Cost. Die Feldarbeit selbst. Surveys sind pro Antwort günstig, moderierte Sessions sind es nicht, da der Kalender einer Person der limitierende Faktor ist.
Analysis Cost. Die Komponente, die vergessen wird. Daten aus geschlossenen Surveys sind fast kostenlos zu analysieren. Zwanzig Stunden Interviewaufzeichnungen sind es nicht, und sie sind es, die unbemerkt den Zeitplan auffressen.
Die verstrichene Zeit folgt einem ähnlichen Muster. Ein Survey an eine eigene Kundenliste kann in wenigen Tagen im Feld sein. Eine Studie, die im Voraus rekrutierte externe Teilnehmer erfordert, verlängert den Prozess vor jeglicher Datenerhebung um eine bis drei Wochen für Screening und Terminplanung. Diary Studies und Tracking-Wellen sind von Natur aus langsam und können nicht beschleunigt werden, ohne das zu zerstören, was sie nützlich macht.
Wenn die Deadline festgesetzt und kurz ist, sind die ehrlichen Optionen Sekundärdaten, ein Survey an eine bereits eigene Kundenliste oder weniger qualitative Sessions, die dafür richtig analysiert werden. Die unkluge Option ist eine zu schnell durchgeführte große Studie, die ein umfassendes Deck auf Basis einer mangelhaften Stichprobe liefert.
Auswirkungen auf das Sampling
Die Methode schränkt ein, was Ihre Stichprobe stützen kann, und hier geht die meiste Glaubwürdigkeit verloren.
Wahrscheinlichkeits- vs. Nicht-Wahrscheinlichkeitsstichprobe
Die statistische Hochrechnung auf eine Grundgesamtheit setzt strikt eine Wahrscheinlichkeitsstichprobe (Probability Sample) voraus, bei der jedes Mitglied eine bekannte Chance ungleich Null hat, ausgewählt zu werden. Fast keine kommerzielle Forschung nutzt eine solche. Online-Panels, Kundenlisten und Social Recruiting sind allesamt Nicht-Wahrscheinlichkeitsstichproben (Non-Probability Samples), und die Konfidenzintervalle, die daraus zitiert werden, beruhen eher auf Annahmen als auf der Stichprobentheorie. Das macht sie nicht nutzlos. Es macht die ehrliche Formulierung „unter den Befragten“ statt „der Bevölkerung“ erforderlich.
Wer ausgeschlossen wird
Jede Methode hat einen systematischen Ausschluss. Product Analytics erfassen nur aktuelle Nutzer, was genau die falsche Grundgesamtheit ist, um zu verstehen, warum Menschen ein Produkt nicht adoptiert haben. E-Mail-Surveys verfehlen Kunden, die nie eine Adresse hinterlassen haben. Fokusgruppen selektieren Personen, die bereit sind, einen Abend mit Fremden zu verbringen. Telefonische Forschung tendiert zu älteren Zielgruppen. Benennen Sie den Ausschluss im Bericht offen, denn jemand anderes wird später darauf stoßen – und es ist besser, wenn Sie diese Person sind.
Stichprobengröße je nach Methode
Qualitative Methoden sind keine herunterskalierten quantitativen Methoden. Fünfzehn Interviews sind ein vernünftiges qualitatives Sample und ein aussageloses quantitatives Sample. Die gängige Praxis bei qualitativer Arbeit besteht darin, Interviews innerhalb einer definierten Zielgruppe so lange fortzusetzen, bis neue Sessions keine neuen Themen mehr hervorbringen (Sättigung), und dann aufzuhören. Auf der quantitativen Seite wird die Größe durch die kleinste Untergruppe bestimmt, über die Sie berichten möchten, nicht durch die Gesamtzahl. Wenn Sie vorhaben, vier Märkte zu vergleichen, ist die benötigte Basis viermal so hoch wie bei einer einzelnen nationalen Erhebung.
Wenn Sie den Zugang zu Befragten einkaufen, anstatt Ihre eigene Liste zu nutzen, ist das Sourcing-Modell ebenso wichtig wie die Größe. Wie dieser Markt funktioniert, behandeln wir in was ist Panel-Research.
Häufige Fehler bei der Data Collection
Datenerhebung vor der Definition der Entscheidung
Der teuerste Fehler. Schreiben Sie die Entscheidung zuerst in einem Satz auf, und nennen Sie die Person, die sie treffen wird. Fragen Sie dann, welches Ergebnis diese Entscheidung ändern würde. Wenn kein plausibles Ergebnis sie ändert, brechen Sie die Studie ab.
Menschen nach ihrem eigenen Verhalten fragen, wenn man es messen kann
Die angegebene Häufigkeit ist unzuverlässig. Menschen runden, vergessen und antworten unbewusst mit der Version von sich selbst, die sie gerne wären. Wenn Sie Log-Daten haben, nutzen Sie die Log-Daten und sparen Sie sich Ihre Survey-Fragen für Dinge auf, die Ihnen nur eine Person sagen kann: Motivation, Erwartung, Vergleich, Absicht.
Ein offenes Textfeld als qualitative Methode behandeln
Ein abschließendes Feld "Haben Sie noch weitere Anmerkungen?" ist kein qualitative research. Es führt zu einer niedrigen Rücklaufquote, generischen Antworten und bietet keine Möglichkeit zur Nachfrage. Eine echte qualitative Erhebung stellt eine spezifische Frage und hakt bei der Antwort nach.
Das Instrument mitten im Track ändern
Die Umformulierung einer getrackten Frage, das Verschieben im Fragefluss oder der Wechsel von Telefon auf Online kann die Zahlen unabhängig von einer tatsächlichen Veränderung beeinflussen. Wenn Sie eine Trendlinie haben, sind der Wortlaut und der Erhebungsmodus Teil der Messung. Fügen Sie Fragen hinzu, anstatt sie zu bearbeiten, und wenn Sie den Modus ändern müssen, lassen Sie beide mindestens eine Welle lang parallel laufen.
Eine große Stichprobe mit einer guten Stichprobe verwechseln
Fünftausend Antworten aus einer verzerrten Quelle sind schlechter als fünfhundert aus einer ausgewogenen, da das Volumen eine verzerrte Schätzung präzise aussehen lässt. Präzision ist nicht gleich Genauigkeit.
Die Analyse unterschätzen
Die Erhebung ist die sichtbare Hälfte. Teams planen eine Woche für das Fieldwork und einen Nachmittag für die Analyse ein, um dann entweder die Interpretation zu überstürzen oder Interviewaufnahmen nicht zu transkribieren. Planen Sie die Analysezeit bereits in der Designphase ein, und wenn Sie offene Texte in großem Umfang erheben, legen Sie den Coding-Ansatz vor dem Fieldwork fest, nicht erst danach.
Den Pretest überspringen
Zwanzig Pretest-Antworten reichen aus, um unklare Fragen, fehlende Antwortoptionen und Routing-Fehler zu finden. Alle drei Fehler lassen sich nicht mehr beheben, sobald die Hauptbefragung im Feld ist. Niemand bereut einen Pretest.
Nächste Schritte
Wählen Sie zwischen den beiden großen Familien: qualitative vs quantitative research
Wenden Sie dies auf ein kommerzielles Projekt an: market research methods
Wählen Sie die Software: market research tools
Schreiben Sie das Instrument: survey questions, types and examples
Die Tiefe erfassen, ohne wochenlang darauf zu warten
Der übliche Grund, warum sich Teams mit einem closed survey zufrieden geben, ist, dass die qualitative Alternative zu viel Zeit kostet. Rekrutierung, Terminplanung, Moderation und Transkription machen aus einer zweiwöchigen Frage ein zweimonatiges Projekt, sodass die offenen Fragen gestrichen werden und die Studie mit Zahlen zurückkehrt, die niemand erklären kann.
SmartInterview schließt diese Lücke. Es führt Surveys per Sprache oder Text mit einer KI durch, die auf jede Antwort so eingeht, wie es ein Moderator tun würde, die in den eigenen Sprachen Ihrer Befragten arbeitet und die offenen Antworten in Themen codiert, die Sie zählen und bis zum Originalzitat zurückverfolgen können.
Nutzen Sie es für die qualitative Ebene Ihrer nächsten Studie und sehen Sie selbst, wie viel davon Sie noch manuell durchführen müssen. Kostenlos starten oder Demo buchen.
Häufig gestellte Fragen (FAQ)
Was sind die wichtigsten Data Collection Methods?
Die primären Methoden sind Surveys, Depth Interviews, Focus Groups, Observation, Diary Studies und Experimente. Die sekundären Methoden umfassen Desk Research zu veröffentlichten Statistiken und Berichten sowie Ihre eigenen vorhandenen Daten wie CRM-Daten, Support-Tickets und Product Analytics. Die meisten Projekte kombinieren mindestens eine primäre und eine sekundäre Methode.
Was ist der Unterschied zwischen Primary und Secondary Data Collection?
Primary bedeutet, dass Sie die Daten selbst für Ihre spezifische Frage erheben und somit Fragen, Sample und Timing kontrollieren. Secondary bedeutet die Wiederverwendung von Daten, die von jemand anderem für einen anderen Zweck erhoben wurden. Secondary ist schneller und kostengünstiger, passt aber selten exakt zu Ihren Definitionen. Daher ist die sinnvollste Reihenfolge: Zuerst Secondary Research, dann Primary Research für die verbleibenden Lücken.
Welche Data Collection Method ist die beste?
Es gibt keine beste Methode, sondern nur die am besten geeignete für eine bestimmte Frage. Zählen, Sizing und Tracking erfordern Quantitative Methods wie Surveys und Analytics. Das Verstehen von Hintergründen, Kontext oder Neuland erfordert Qualitative Methods wie Interviews und Diary Studies. Kausale Fragen verlangen nach Experimenten. Gehen Sie immer von der Entscheidung aus, die Sie treffen müssen.
Wie entscheide ich mich bei einem kleinen Budget für eine Data Collection Method?
Nutzen Sie zuerst kostenlose sekundäre Quellen aus, einschließlich Ihrer eigenen internen Daten. Führen Sie dann einen Survey mit einer Liste durch, die Sie bereits besitzen, was den größten Kostenfaktor – den Sample Access – eliminiert. Wenn Sie qualitative Tiefe benötigen, führen Sie lieber weniger Sessions durch und analysieren Sie diese gründlich, anstatt viele Sessions oberflächlich zu analysieren.
Können qualitative und quantitative Daten in derselben Studie erhoben werden?
Ja, Mixed-Method-Ansätze sind weit verbreitet. Das übliche Muster ist: Zuerst qualitative Forschung, um die relevanten Dimensionen zu ermitteln, gefolgt von quantitativer Forschung, um diese zu validieren (Sizing). Der umgekehrte Weg ist ebenso wertvoll und oft noch nützlicher: Führen Sie einen Survey durch, identifizieren Sie Anomalien und interviewen Sie anschließend Teilnehmer, um diese zu erklären. Ein Survey mit gut gestalteten Open Questions und gezielten Follow-up-Fragen erfasst beides auf einmal.
Wie groß sollte mein Sample sein?
Bei quantitativer Arbeit hängt die Größe von der kleinsten Subgruppe ab, über die Sie berichten möchten, und nicht von der Gesamtanzahl. Der Vergleich von vier Märkten erfordert also etwa das Vierfache der Basis einer einzelnen nationalen Erhebung. Bei qualitativer Arbeit gilt die Konvention, so lange Interviews innerhalb einer Zielgruppe durchzuführen, bis neue Sessions keine neuen Themes mehr hervorbringen (Saturierung).
Was sind die größten Fehler bei der Data Collection?
Daten zu erheben, bevor die anstehende Entscheidung definiert ist, Personen nach ihrem Verhalten zu fragen, das man direkt messen könnte, eine getrackte Frage mitten im Verlauf zu ändern, Sample Size mit Sample Quality zu verwechseln und das Budget für die Analyse zu vergessen. Auch das Auslassen des Pilottests gehört auf die Liste, da ein Pilot mit zwanzig Antworten Fehler aufdeckt, die irreparabel werden, sobald das gesamte Sample im Feld ist.
