Hvad er forskellen på kvalitative og kvantitative data?
Kvantitative data er tal, som kan tælles, måles og sammenlignes, fx antal besøg, konverteringsrate eller svar på en skala. Kvalitative data er ord, billeder og beskrivelser, som forklarer holdninger og årsager. Kvantitative data svarer på hvor mange, mens kvalitative data svarer på hvorfor.
Hvad er kvantitative data?
Kvantitative data er oplysninger, der kan udtrykkes i tal. De bliver typisk indsamlet fra mange personer eller handlinger, så du kan se mønstre, sammenligne grupper og følge udviklingen over tid.
I marketing kommer kvantitative data fra mange kilder. De mest almindelige er:
- Besøg, sidevisninger og konverteringer i Google Analytics
- Klikrater, visninger og pris pr. klik i annonceplatforme
- Åbnings- og klikrater i nyhedsbreve
- Svar på lukkede spørgsmål i spørgeskemaer, fx en skala fra 0 til 10
- Salgstal, ordreværdi og antal kunder fra CRM og regnskab
Kvantitative data kan inddeles i to typer. Diskrete data er hele tal, fx antal ordrer. Kontinuerlige data kan have alle værdier inden for et interval, fx tid på siden eller omsætning.
Hvilke måleniveauer findes der?
Kvantitative data bliver ofte delt op efter måleniveau, fordi niveauet bestemmer, hvilke beregninger der giver mening:
- Nominale data: kategorier uden rækkefølge, fx branche eller kanal.
- Ordinale data: kategorier med en rækkefølge, fx meget utilfreds til meget tilfreds.
- Intervaldata: tal med lige store afstande, men uden et naturligt nulpunkt, fx temperatur i celsius.
- Ratiodata: tal med et naturligt nulpunkt, fx omsætning, antal ordrer og tid på siden.
Forskellen har praktisk betydning. Et gennemsnit af en tilfredshedsskala bliver ofte brugt, selvom skalaen strengt taget er ordinal. Vis derfor også fordelingen af svarene, så læseren kan se, om gennemsnittet dækker over store forskelle.
Hvad er kvalitative data?
Kvalitative data er beskrivelser, som ikke giver mening at tælle direkte. Det kan være udsagn fra interviews, svar i åbne tekstfelter, observationer af brugere eller billeder, som kunderne selv har taget.
Kvalitative data giver dybde. De viser, hvordan kunderne tænker, hvilke ord de bruger, og hvilke følelser og bekymringer der ligger bag deres valg. Det er den slags viden, der er svær at få fra et regneark.
Typiske kilder til kvalitative data i marketing er:
- Kundeinterviews og fokusgruppeinterview
- Åbne svar i spørgeskemaer og kundetilfredshedsmålinger
- Noter fra salgsmøder og supportsager
- Anmeldelser og kommentarer på sociale medier
- Brugertests, hvor deltagerne tænker højt, mens de bruger et website
Hvad er eksempler på kvalitative og kvantitative data?
Det samme emne kan undersøges på begge måder. Her er nogle eksempler fra marketing:
- Hjemmeside: antal besøg på en ydelsesside er kvantitativt. En brugers forklaring på, hvorfor siden var svær at forstå, er kvalitativ.
- Kundetilfredshed: en score fra 0 til 10 er kvantitativ. Begrundelsen i det åbne felt bagefter er kvalitativ.
- Annoncer: klikrate og pris pr. lead er kvantitative. Kommentarer fra testpersoner om, hvad de forstod af budskabet, er kvalitative.
- Salg: antal tabte tilbud er kvantitativt. Sælgernes noter om, hvorfor kunden valgte en anden, er kvalitative.
Eksemplerne viser, at de to typer data sjældent konkurrerer. De supplerer hinanden og giver tilsammen et mere fuldstændigt billede.
Er et spørgeskema kvalitativt eller kvantitativt?
Det afhænger af spørgsmålene. Lukkede spørgsmål med faste svarmuligheder eller en skala giver kvantitative data. Åbne spørgsmål, hvor respondenten skriver frit, giver kvalitative data.
De fleste spørgeskemaer indeholder begge dele. Et typisk mønster er et lukket spørgsmål efterfulgt af et åbent felt, hvor respondenten kan begrunde sit svar. Det giver både et tal, der kan sammenlignes, og en forklaring.
Interviews kan på samme måde være mere eller mindre strukturerede. Et telefoninterview med faste svarmuligheder er reelt en kvantitativ metode, selvom det foregår som en samtale.
Hvad er primære og sekundære data?
Primære data er data, du selv indsamler til den konkrete undersøgelse, fx gennem interviews eller et spørgeskema. Sekundære data er data, som andre allerede har indsamlet, fx brancherapporter, offentlig statistik eller tidligere undersøgelser.
Både primære og sekundære data kan være kvalitative eller kvantitative. En brancherapport med markedstal er sekundære kvantitative data. Udskrifter af jeres egne kundeinterviews er primære kvalitative data.
Start gerne med de sekundære data. De er ofte billigere og hurtigere at skaffe, og de kan vise, hvilke spørgsmål der stadig mangler svar, før du bruger penge på din egen undersøgelse.
Hvad er kvantitativ metode?
Kvantitativ metode er den måde, man indsamler og analyserer talbaserede data på. Metoden bygger på, at alle bliver spurgt eller målt på samme måde, så svarene kan sammenlignes og lægges sammen.
Typiske kvantitative metoder er spørgeskemaer med faste svarmuligheder, eksperimenter som A/B-test og registrering af adfærd, fx klik og køb. Resultaterne bliver analyseret med statistik som gennemsnit, fordelinger og sammenhænge.
Styrken ved kvantitativ metode er, at resultaterne kan generaliseres, hvis stikprøven er stor nok og ligner den gruppe, du vil sige noget om. Svagheden er, at du kun får svar på de spørgsmål, du har stillet.
Hvor mange svar skal du have?
Det afhænger af, hvor præcist resultatet skal være. Jo flere svar, jo mindre er den statistiske usikkerhed. Ved en stor population giver omkring 400 tilfældigt udvalgte svar en usikkerhed på cirka plus/minus 5 procentpoint med 95 % sikkerhed.
Antallet af svar er dog kun halvdelen af historien. Svarene skal også komme fra personer, der ligner den gruppe, du vil sige noget om. Tusind svar fra de mest engagerede kunder siger mindre om hele kundebasen end færre svar fra et tilfældigt udsnit.
Hvad er kvalitativ metode?
Kvalitativ metode er den måde, man indsamler og fortolker beskrivende data på. Her er målet at forstå et emne i dybden frem for at måle det. Der bliver typisk talt med færre personer, men samtalerne er længere og mere åbne.
De mest brugte kvalitative metoder er dybdeinterviews, fokusgrupper, observation og brugertest. Resultatet er udskrifter, noter og optagelser, som skal læses og fortolkes.
Styrken ved kvalitativ metode er, at du opdager ting, du ikke vidste, du skulle spørge om. Svagheden er, at resultaterne ikke kan generaliseres, og at fortolkningen afhænger af den, der laver analysen.
Hvor mange interviews skal du lave?
Der er ikke et fast tal. Det almindelige princip er at fortsætte, indtil nye interviews ikke længere giver nye temaer. Det kaldes mætning. Hvor hurtigt du når dertil, afhænger af, hvor ens deltagerne er, og hvor bredt emnet er.
Har du flere tydeligt forskellige segmenter, skal du interviewe nok personer fra hvert segment. Ellers risikerer du, at et segment kun bliver repræsenteret af én eller to stemmer.
Hvornår skal du bruge kvalitative data, og hvornår kvantitative?
Valget afhænger af spørgsmålet, du skal have besvaret. En enkel tommelfingerregel:
- Brug kvalitative data, når du ikke kender emnet godt nok til at stille de rigtige spørgsmål. Det gælder fx, når du skal forstå en ny målgruppe eller finde årsagen til et problem.
- Brug kvantitative data, når du ved, hvad du vil måle, og skal vide, hvor udbredt noget er, eller om en ændring virker.
Mange undersøgelser starter kvalitativt og slutter kvantitativt. Først finder du temaerne gennem interviews. Derefter måler du med et spørgeskema, hvor mange der deler de holdninger, interviewene afslørede.
Rækkefølgen kan også være omvendt. Viser dine tal, at mange forlader en bestemt side, kan nogle få brugertests forklare hvorfor. Tallene peger på problemet, og de kvalitative data hjælper med at forstå det.
Hvordan kombinerer du kvalitative og kvantitative data?
At kombinere de to typer kaldes ofte mixed methods. Det giver både bredde og dybde og gør det lettere at stole på resultaterne, fordi de bliver bekræftet fra to sider.
Et typisk forløb i marketing ser sådan ud:
- Undersøg: gennemfør en række kundeinterviews for at forstå behov og købsovervejelser.
- Formuler: skriv de vigtigste temaer op som påstande eller spørgsmål.
- Mål: send et spørgeskema til et større antal kunder og mål, hvor mange der er enige.
- Handl: prioriter de temaer, som både er vigtige for kunderne og udbredte.
- Følg op: mål effekten af ændringerne kvantitativt og spørg igen kvalitativt, hvis tallene overrasker.
Et enkelt eksempel er en måling af Net Promoter Score. Selve scoren er kvantitativ, mens begrundelserne i det åbne felt er kvalitative. Det er ofte begrundelserne, der fortæller, hvad du skal gøre anderledes.
Hvordan analyserer du kvalitative data?
Kvalitative data analyseres ved at finde mønstre i det, folk siger. Den mest brugte metode kaldes tematisk analyse eller kodning. Du læser materialet igennem og giver hvert relevant udsagn en kode, fx pris, tillid eller kompleksitet.
Derefter samler du koderne i temaer og ser, hvilke temaer der går igen på tværs af interviews. Det er de gentagne temaer, der er resultater. Et enkelt citat kan illustrere et tema, og det bør ikke stå alene som konklusion.
Kvalitative data kan også gøres delvist kvantitative. Har du kodet 200 åbne besvarelser, kan du tælle, hvor ofte hvert tema optræder. Det giver et groft billede af, hvad der fylder mest, så længe du husker, hvordan tallene er opstået.
Hvordan analyserer du kvantitative data?
Kvantitative data analyseres med statistik. Det enkleste er at beregne gennemsnit, median og fordelinger. Derefter kan du sammenligne grupper, fx nye og eksisterende kunder, eller følge udviklingen over tid.
Vær opmærksom på, hvor mange observationer et tal bygger på. En stigning i konverteringsraten fra den ene uge til den næste kan være tilfældig, hvis der kun er få konverteringer. Ved A/B-test bruger man derfor statistisk signifikans til at vurdere forskellen.
I marketing bliver kvantitative data ofte samlet i dashboards og KPI'er. Det gør det let at følge med, og risikoen er, at man kun ser på det, der er nemt at måle.
Hvad er validitet og reliabilitet?
Validitet handler om, hvorvidt du måler det, du tror, du måler. Et spørgsmål om tilfredshed med prisen siger ikke nødvendigvis noget om tilfredsheden med hele samarbejdet. Lav validitet betyder, at du drager konklusioner om noget, data ikke viser.
Reliabilitet handler om, hvorvidt målingen giver det samme resultat, hvis den bliver gentaget under samme forhold. Et spørgeskema med uklare spørgsmål giver lav reliabilitet, fordi folk tolker spørgsmålene forskelligt.
Begge begreber gælder for kvantitative og kvalitative data. I kvalitative undersøgelser handler det især om at beskrive, hvordan data er indsamlet og fortolket, så andre kan følge og vurdere analysen.
Hvilke fejl ser man ofte i marketing?
Den mest almindelige fejl er at bruge kvantitative data alene. Dashboards viser, at noget er ændret, og sjældent hvorfor. Uden kvalitative data bliver forklaringen et gæt, og gættet passer ofte med det, man i forvejen troede.
Den modsatte fejl er at generalisere fra få interviews. Fem kunder, der siger det samme, er et vigtigt signal. Beslutninger med store konsekvenser bør alligevel bekræftes med tal, før de bliver truffet.
En tredje fejl er at stille ledende spørgsmål i spørgeskemaer. Spørger du, hvor tilfreds kunden er med jeres hurtige service, har du allerede givet svaret. Neutrale spørgsmål giver data, du kan stole på.
Hvordan bruger B2B-virksomheder kvalitative og kvantitative data?
I B2B-marketing er der ofte færre kunder og færre transaktioner end i B2C. Det gør kvantitative data mere usikre, fordi tallene bygger på små mængder. En enkelt stor ordre kan ændre hele billedet.
Derfor spiller kvalitative data en større rolle i B2B. Samtaler med kunder, noter fra sælgere og interviews med tabte kunder er ofte den bedste kilde til at forstå, hvorfor kunder vælger jer eller en konkurrent.
Kvantitative data er stadig vigtige, især fra webanalyse, annoncering og CRM. Tallene viser, hvilke kanaler og budskaber der skaber kontakt, mens samtalerne forklarer, hvad der får kunden til at sige ja.
En god praksis er at samle begge typer i markedsanalysen og i de løbende rapporter. Når marketing og salg ser tal og kundecitater side om side, bliver diskussionen om, hvad der virker, langt mere præcis.
Senest opdateret: 29. oktober 2026
