Impact Performance Matrix vs Key Driver Analysis


Każdy program badawczy CX w pewnym momencie musi odpowiedzieć na jedno kluczowe pytanie biznesowe: „Co najmocniej ciągnie nasz wynik w górę, a co w dół?”.

W Feedback HUB oddajemy w Twoje ręce dwie osobne analizy, które pomagają wyznaczyć priorytety do poprawy. Choć bywają ze sobą mylone, ich nazwy, zastosowanie oraz rodzaj analizowanych danych są ściśle określone:

  1. Impact Performance Matrix (oraz Wpływ tagów na KDM) – bada wpływ TAGU (tematu wykrytego w komentarzach otwartych) na Główny Wskaźnik Badania (KDM).
  2. Key Driver Analysis (KDA) – bada wpływ POJEDYNCZEGO PYTANIA ZAMKNIĘTEGO (tzw. drivera ze ustrukturyzowanej ankiety) na KDM.

Poniżej znajdziesz szczegółowe omówienie obu metod, sposobu ich działania oraz interpretacji wyników.


1. Wpływ tagów na KDM i Impact Performance Matrix (Analiza tekstu)


Ta analiza ma na celu wskazanie, które tematy z komentarzy otwartych mają realny wpływ na Twój wynik KDM (np. NPS, CSAT, CES). Nie skupia się tylko na tym, co jest popularne, ale na tym, co statystycznie i rzeczywiście wpływa na końcową ocenę.


Jak to liczymy? (Tabela "Wpływ tagów")

Analiza dostępna jest w formie tabelarycznej, gdzie kolumny to m.in. Kategoria, Popularność (%), KDM oraz Siła wpływu na KDM (przedstawiona jako pasek rozbieżny: czerwony dla ujemnych, zielony dla dodatnich wartości w punktach procentowych).


Wzór obliczeniowy jest uniwersalny dla każdego wskaźnika:


Wpływ tagu (w p.p.) = (KDM tagu − KDM ogólnego) × Udział tagu w ankietach
(gdzie Udział tagu = liczba ankiet z danym tagiem / liczba wszystkich ankiet).


Domyślnie tabela sortowana jest malejąco po popularności (spójnie z podstawową analizą tagów), jednak możesz posortować ją po Sile wpływu, aby najważniejsze priorytety natychmiast wypłynęły na górę.


⚠️ Ważne ograniczenia metody:

  • Sentyment a wpływ: Wzór uwzględnia wolumen i ocenę, ale sam w sobie nie tłumaczy sentymentu tekstu. Temat może mieć dodatni wpływ na ogólny KDM, a mimo to nie wszystkie komentarze w nim są pozytywne. Dlatego analizę tę należy zawsze zestawiać z podstawową analizą tagów i sentymentu.
  • Komentarze wielotematyczne: Gdy respondent porusza kilka tematów w jednym komentarzu, przypisanie jego pełnego wyniku KDM do każdego z tych tagów traci na precyzji. W przypadku silnie rozbudowanych, wielotematycznych komentarzy, kolumna Sentyment jest trafniejszym wskaźnikiem rzeczywistego odczucia klienta niż wyliczony „KDM per tag”.


Impact Performance Matrix (Widok macierzowy)

To dokładnie ta sama analiza co opisana wyżej, ale zaprezentowana w formie wykresu 2D. Pozwala ona zidentyfikować priorytety jednym rzutem oka, bez konieczności analizowania tabeli wiersz po wierszu.

Aby wykres był czytelny (nie zapychał się małymi bąblami), rekomendujemy próg wejścia na poziomie 10–25 najczęstszych tagów (ok. 1% udziału we wzmiankach). Rzadsze tematy trafiają do osobnej analizy "długiego ogona" (long tail).

Jak czytać wykres IPM?

  • Oś X (Sentyment): Średni sentyment tagu (od -1 do 1). Mówi o tym, z jakim tonem klienci wypowiadają się na dany temat, niezależnie od oceny liczbowej KDM.
  • Oś Y (Siła wpływu): Wynik z opisanego wyżej wzoru (KDM).
  • Wielkość bąbla (Wolumen): Skalowana po polu powierzchni. Duży bąbel wysoko na osi Y natychmiast rzuca się w oczy jako kluczowy obszar.

Linie podziału na wykresie to mediana osi X i Y dla wyświetlanego zestawu tagów (układ przelicza się dynamicznie dla konkretnego badania). Wykres dzieli się na strefy:

  • Lewy górny (Niski sentyment + wysoki wpływ): Priorytet! Obszary do natychmiastowej poprawy.
  • Prawy górny (Wysoki sentyment + wysoki wpływ): Mocne strony. Obszary do pielęgnowania i promocji.
  • Dolne rogi (Niski wpływ): Tematy do obserwacji. Obecnie nie są to priorytety biznesowe.

2. Key Driver Analysis (Analiza ustrukturyzowanych danych)


Key Driver Analysis (KDA) odpowiada na to samo pytanie co IPM ("co najmocniej wpływa na wynik?"), ale bazuje na danych z zamkniętych pytań ustrukturyzowanych (tzw. driverów), a nie na analizie tekstu. Jest to najdokładniejsza metoda dla ankiet, w których wprost pytasz klientów o ocenę konkretnych aspektów.


Konfiguracja i działanie

Aby wygenerować wykres KDA, musisz najpierw wskazać:

  1. Zmienną objaśnianą (KDM): Twój wskaźnik wynikowy dla danego punktu styku.
  2. Pulę driverów: Może to być cała macierz pytań CSAT/SAT-NET lub wybrane, pojedyncze pytania, które chcesz przetestować. Zostaną one zaprezentowane jako punkty na wykresie.

Jak czytać wykres KDA?

  • Oś X (Performance): Średnia ważona ocen danego drivera.
  • Oś Y (Importance): Korelacja rangowa Spearmana między oceną drivera a surowym wynikiem respondenta w KDM. Używamy korelacji Spearmana (a nie Pearsona), ponieważ oceny na skali Likerta mają charakter porządkowy.
  • Wielkość bąbla (Wolumen 'N'): Liczba ważnych (innych niż "nie dotyczy") odpowiedzi. Jest to szczególnie przydatne, gdy część klientów pominęła pewne etapy ścieżki. Bąble są skalowane dynamicznie po polu powierzchni.
  • Rozrzut (Zakres drivera): Dodatkowo, dla każdego drivera system zbiera wartość minimalną i maksymalną (widoczną np. jako whisker/error bar lub w tooltipie), co pokazuje polaryzację ocen.

Podobnie jak w IPM, linie podziału na ćwiartki wyznaczane są przez medianę osi X i Y zestawu testowanych driverów, dopasowując się do specyfiki konkretnego badania.

Interpretacja ćwiartek KDA:

  • Lewy górny (Niska performance + wysoka korelacja): Krytyczny priorytet. Te elementy mocno zaniżają ogólny wynik i trzeba się nimi zająć natychmiast.
  • Prawy górny (Wysoka performance + wysoka korelacja): Kluczowe przewagi. Działają dobrze i silnie napędzają wynik – monitoruj je, aby utrzymać ten stan.
  • Prawy dolny (Wysoka performance + niska korelacja): Umiarkowany priorytet. Działają świetnie, ale nie mają dużego wpływu na wynik końcowy. Monitoruj, ale nie inwestuj tu dodatkowych budżetów.
  • Lewy dolny (Niska performance + niska korelacja): Niski priorytet. Oceniane słabo, ale na szczęście klienci nie przywiązują do nich dużej wagi. Można zignorować w pierwszej kolejności naprawczej.

Wykorzystując obie analizy – Impact Performance Matrix do wyłapywania kontekstu z wypowiedzi własnych klientów oraz Key Driver Analysis do matematycznego potwierdzenia wag dla zdefiniowanych procesów – zyskujesz pełny obraz tego, na czym organizacja powinna skupić swoje działania w pierwszej kolejności.