คำอธิบายที่ได้ยินบ่อยคือ:
Qualitative ใช้ตอบ “Why”
Quantitative ใช้ตอบ “How many”
ประโยคนี้ช่วยให้เริ่มเข้าใจได้ แต่ถ้าใช้เป็นกฎตายตัวอาจทำให้เลือก Method ผิด

Qualitative สามารถศึกษามากกว่าเหตุผล เช่น Language, Process, Experience, Context และความแตกต่างของ Perspective ขณะที่ Quantitative ก็ไม่ได้มีหน้าที่นับจำนวนอย่างเดียว แต่สามารถใช้เปรียบเทียบกลุ่ม วัดความสัมพันธ์ Track Change หรือประเมิน Outcome ได้

วิธีที่มีประโยชน์กว่าคือเริ่มจาก: Business Decision → Decision Uncertainty → Research Question → Evidence Needed → Method
ไม่ใช่: “เราจะทำ Survey หรือ Focus Group ดี?”

เริ่มจากสิ่งที่ต้องรู้ แล้วค่อยเลือก Method
Qualitative Research เหมาะเมื่อโจทย์ต้องการสำรวจ Meaning, Motivation, Experience, Context หรือสร้าง Hypothesis โดยเฉพาะเมื่อทีมยังไม่รู้ว่าควรถามอะไรหรือมีคำตอบแบบใดบ้าง
Quantitative Research เหมาะเมื่อโจทย์ต้องการวัดขนาดของ Pattern, เปรียบเทียบกลุ่ม, ประมาณสัดส่วน, Track KPI หรือทดสอบ Association ภายใต้ Research Design ที่ชัดเจน
Mixed Methods เหมาะเมื่อ Method เดียวไม่เพียงพอต่อคำถาม เช่น Survey พบ Satisfaction ลดลง แต่ยังไม่รู้ว่าเหตุใด หรือ Interview พบ Pain Point หลายประเภทแต่ยังไม่รู้ว่าแต่ละปัญหาพบมากเพียงใด NIH ระบุว่า Mixed Methods เหมาะกับปัญหาที่ Qualitative หรือ Quantitative เพียงอย่างเดียวไม่เพียงพอต่อการสร้างความเข้าใจที่ครบขึ้น และการผสานผลควรเป็นส่วนหนึ่งของ Research Design ตั้งแต่ต้น

อย่าเริ่มจาก Method ให้เริ่มจากสิ่งที่ยังไม่รู้

สมมติยอดสมัครสมาชิกของบริการใหม่ต่ำกว่าที่คาด
ทีมอาจตั้งคำถามว่า: “ควรทำ Survey หรือ Interview?”
แต่คำถามที่สำคัญกว่าคือ: เรายังไม่รู้อะไร?

ถ้ายังไม่รู้ว่าลูกค้าติดขัดตรงไหน ไม่เข้าใจ Proposition อย่างไร หรือมี Barrier อะไรที่ทีมไม่เคยคิดถึง Qualitative อาจเป็นจุดเริ่มต้นที่เหมาะกว่า
แต่ถ้าทีมมี Hypotheses อยู่แล้ว เช่น:
Price สูงเกินไป
Sign-up Process ยาวเกินไป
Benefit ไม่ชัด
และต้องการรู้ว่าปัญหาใดเกิดกับลูกค้ากี่กลุ่มหรือสัมพันธ์กับ Conversion มากกว่า Quantitative อาจเหมาะกว่า
Method จึงตามหลัง Research Question

ใช้ Qualitative เมื่อยังต้องค้นหา Meaning, Motivation และ Context

Qualitative Research มีประโยชน์เมื่อคำถามต้องการเข้าใจว่า:

• ลูกค้าตีความเรื่องนี้อย่างไร
• เขาใช้ภาษาอะไรอธิบายปัญหา
• Decision Process เกิดขึ้นอย่างไร
• อะไรเป็น Barrier หรือ Trigger
• Experience แตกต่างกันอย่างไรในแต่ละ Context
• มีประเด็นอะไรที่ทีมยังไม่รู้ว่าควรถาม

ตัวอย่าง Business Question: “ทำไมลูกค้าบางคนสมัครแล้วไม่เริ่มใช้บริการ?”
วิธีที่อาจเหมาะ:
In-depth Interview
Observation
Usability Session
Focus Group ในบางโจทย์
Open-ended Diary

Qualitative Research สามารถช่วยให้เห็น Pattern, Tension และ Explanation ที่ Questionnaire แบบ Closed-ended อาจมองไม่เห็น โดยเฉพาะเมื่อ Construct หรือ Response Options ยังไม่ชัดเจน

Qualitative ไม่ได้มีไว้พิสูจน์ว่าลูกค้ากี่เปอร์เซ็นต์คิดแบบนั้น

สมมติสัมภาษณ์ลูกค้า 15 คน
8 คนพูดถึงปัญหาเรื่อง Price

สิ่งที่พูดได้คือ: Price เป็น Theme ที่ปรากฏซ้ำใน Sample นี้และควรตรวจต่อ
สิ่งที่ไม่ควรสรุปทันทีคือ: “53% ของลูกค้าทั้งหมดคิดว่าแพง”

เพราะ Qualitative Sample มักไม่ได้ถูกออกแบบเพื่อประมาณ Population Percentage
จำนวนครั้งที่ Theme ถูกกล่าวถึงมีประโยชน์ในบางบริบท แต่ไม่ควรถูกเปลี่ยนเป็น Population Estimate โดยอัตโนมัติ งานด้าน Qualitative Methodology ก็เตือนว่าการรายงานจำนวนหรือเปอร์เซ็นต์ใน Qualitative Findings ต้องตีความอย่างระมัดระวังตาม Research Design

ใช้ Quantitative เมื่อคำถามต้องการวัดขนาด เปรียบเทียบ หรือ Track

Quantitative Research เหมาะเมื่อคำถามมีลักษณะเช่น:

• ลูกค้ากี่เปอร์เซ็นต์รู้จัก Brand?
• Satisfaction ต่างกันระหว่าง Customer Segments หรือไม่?
• Purchase Frequency เปลี่ยนจากไตรมาสก่อนหรือไม่?
• Feature A ถูกเลือกมากกว่า Feature B แค่ไหน?
• Price Sensitivity แตกต่างตาม Segment หรือไม่?
• Customer Experience Metric ใดสัมพันธ์กับ Retention?

Method อาจเป็น:
Survey
Experiment
Transaction Analysis
Behavioral Data Analysis
Tracking Study
Structured Observation
จุดแข็งคือสามารถสร้าง Measurement ที่เป็นระบบ และเมื่อ Sampling กับ Design เหมาะสม ก็ช่วยให้เปรียบเทียบหรือประมาณ Pattern ใน Population ได้ดีกว่า Qualitative

แต่ Quantitative ไม่ได้อธิบาย “Why” โดยอัตโนมัติ

สมมติ Survey พบว่า: Satisfaction ลดจาก 8.2 เป็น 7.4 นี่เป็นข้อมูลสำคัญ
แต่ยังไม่รู้ว่า:
ลูกค้ารู้สึกแย่ลงเพราะอะไร
เกิดขึ้นตรง Touchpoint ไหน
Expectation เปลี่ยนหรือไม่
Competitor ทำอะไรต่างออกไป
หรือคำถามใน Survey จับ Experience ที่สำคัญจริงหรือไม่
‍

Quantitative สามารถบอก Pattern ได้ชัด แต่ Pattern ไม่ได้ให้ Explanation โดยอัตโนมัติ
โดยเฉพาะถ้า Questionnaire ไม่ได้วัด Variable ที่เกี่ยวข้องตั้งแต่แรก

ถ้ายังไม่รู้ว่าจะใส่คำตอบอะไรใน Survey ให้ทำ Qualitative ก่อน

นี่เป็นหนึ่งใน Use Case ที่พบบ่อยและมีประโยชน์มาก
สมมติธุรกิจต้องการ Survey เรื่อง: “เหตุผลที่ลูกค้าเลิกใช้บริการ”
‍

แต่ทีมยังไม่รู้ว่า Possible Reasons มีอะไรบ้าง
ถ้ารีบสร้าง Response Options จากมุมของทีม เช่น:

• ราคาแพง
• บริการไม่ดี
• ใช้งานยาก
• ไม่จำเป็นแล้ว

อาจพลาดเหตุผลสำคัญ เช่น:
Switching Process ยุ่งยาก
Feature สำคัญหายไป
คู่แข่ง Bundle บริการได้ดีกว่า
Decision Maker เปลี่ยน
หรือ Use Case ของลูกค้าเปลี่ยนไป
‍
Qualitative ก่อน Survey ช่วยสร้าง Vocabulary, Hypotheses และ Response Options ที่ grounded ใน Customer Experience มากขึ้น
นี่คือรูปแบบ Exploratory Sequential Mixed Methods: Qualitative → Quantitative
งาน Mixed Methods ระบุว่าการทำ Qualitative ก่อนสามารถช่วยพัฒนา Measurement Instrument หรือ Survey ที่เหมาะสมขึ้นได้

ถ้ามีตัวเลขแล้วแต่ยังอธิบายไม่ได้ ให้ใช้ Qualitative ตามหลัง

ตัวอย่าง: Survey พบว่า NPS ลดลงในกลุ่มลูกค้าที่ใช้บริการผ่าน Mobile App

Quantitative บอกว่า:
เกิดอะไรขึ้น
กับใคร
และมากแค่ไหน
แต่ยังไม่รู้ว่า:
เพราะอะไร

ขั้นต่อไปอาจสัมภาษณ์ลูกค้ากลุ่มดังกล่าว เพื่อเข้าใจ:
Usage Context
Expectation
Failure Point
Workaround
Competitor Comparison
รูปแบบนี้เรียกได้ว่า Explanatory Sequential Design: Quantitative → Qualitative
Mixed Methods Literature อธิบายรูปแบบนี้ว่าใช้ Qualitative Data เพื่อช่วยอธิบาย Quantitative Result ที่เกิดขึ้นก่อนหน้า

Mixed Methods ไม่ได้แปลว่า “ทำทั้ง Interview และ Survey แล้วจบ”

มีโครงการจำนวนมากที่มีทั้ง:
Interview
Survey
แต่ยังไม่ถือว่า Mixed Methods ที่แข็งแรง ถ้าผลสองส่วนไม่เคยเชื่อมกัน

Mixed Methods ที่ดีควรตอบได้ว่า:
Qualitative มีบทบาทอะไร?
Quantitative มีบทบาทอะไร?
ทำอะไรก่อน?
ผลจาก Method แรกเปลี่ยน Method ที่สองอย่างไร?
ข้อมูลสองชุดจะ Integrate กันตรงไหน?
ถ้าผลขัดกันจะตีความอย่างไร?
NIH เน้นว่าจุดสำคัญของ Mixed Methods ไม่ใช่แค่มีข้อมูลสองประเภท แต่คือการออกแบบ Collection, Analysis และ Integration เพื่อให้ได้ความเข้าใจที่ Method เดียวให้ไม่ได้

3 รูปแบบ Mixed Methods ที่ควรรู้

1. Exploratory Sequential

Qualitative → Quantitative ใช้เมื่อ:
ยังไม่เข้าใจ Phenomenon ดีพอ
ยังไม่รู้ Variables หรือ Response Options
‍
ต้องการสร้าง Hypotheses ก่อนวัด
ตัวอย่าง: Interview ลูกค้า → หา Churn Reasons → สร้าง Survey → วัดว่าแต่ละ Reason พบมากแค่ไหน

2. Explanatory Sequential

Quantitative → Qualitative ใช้เมื่อ: มี Pattern หรือ Finding แล้ว แต่ต้องการ Explanation เพิ่ม
ตัวอย่าง: Survey พบ Satisfaction ลด → Interview กลุ่มที่คะแนนลด → หา Context และ Failure Point

3. Convergent Design

Qualitative + Quantitative ในช่วงใกล้เคียงกัน → Integrate
ใช้เมื่อต้องการดู Phenomenon จากหลาย Evidence Sources
ตัวอย่าง:
วิเคราะห์ Transaction Data พร้อมสัมภาษณ์ลูกค้า แล้วนำผลมาดูว่าพฤติกรรมที่เกิดขึ้นสอดคล้องหรือขัดกับสิ่งที่ลูกค้าเล่าอย่างไร
ทั้งสามรูปแบบเป็น Design ที่ใช้กันทั่วไปใน Mixed Methods Research

ตัวอย่าง: “ทำไมลูกค้าไม่ซื้อสินค้าใหม่?” ควรเริ่มด้วยอะไร

ถ้าธุรกิจยังแทบไม่รู้อะไรเลย: เริ่ม Qualitative
สัมภาษณ์เพื่อหา:
Need
Perceived Value
Usage Context
Barrier
Alternative
Price Concern
เมื่อได้ Hypotheses แล้ว:

ทำ Quantitative เพื่อวัด:
แต่ละ Barrier พบมากแค่ไหน
แตกต่างตาม Segment หรือไม่
Concept Score เป็นอย่างไร
Purchase Intent เปลี่ยนตาม Proposition หรือ Price หรือไม่

แต่ถ้าธุรกิจมี Transaction และ Funnel Data อยู่แล้ว เช่นพบว่า:
Product View สูง
Add to Cart ปกติ
Checkout Abandonment สูง
อาจเริ่มจาก Quantitative Data ก่อน แล้วใช้ Qualitative เพื่อเจาะว่า Checkout Experience มีปัญหาอะไร
ไม่มี Sequence เดียวที่ถูกเสมอ ต้องดูว่า Evidence ที่มีอยู่แล้วคืออะไร

ตัวอย่าง: Customer Satisfaction ต่ำ ควรทำ Survey เพิ่มหรือ Interview?

ถ้ามี Satisfaction Survey อยู่แล้วและรู้ว่า: Branch A ต่ำกว่าสาขาอื่นอย่างต่อเนื่อง
การทำ Survey แบบเดิมเพิ่มอีก 1,000 คนอาจไม่ได้เพิ่ม Insight มาก

คำถามเปลี่ยนเป็น: “เกิดอะไรขึ้นที่ Branch A?”
Qualitative Interview หรือ Observation อาจสร้าง Information Gain มากกว่า
ในทางกลับกัน ถ้ามี Complaint 10 เรื่องจาก Branch A แล้วสรุปว่า: “ลูกค้าทั้งสาขาไม่พอใจ” นี่ก็เร็วเกินไป
อาจต้องใช้ Quantitative Data เพื่อตรวจว่า Problem Prevalence สูงจริงหรือไม่

Method ที่เหมาะจึงขึ้นกับ:
What is already known?
What remains uncertain?

อย่าใช้ Sample Size เป็นตัวตัดสินว่าอะไรเป็น Qualitative หรือ Quantitative

ความเข้าใจผิดที่พบบ่อยคือ:
Sample น้อย = Qualitative
Sample เยอะ = Quantitative

จริง ๆ แล้วความต่างอยู่ที่ Research Purpose, Data Structure, Sampling Logic และ Analysis Approach มากกว่า
Interview 500 คนที่ถาม Open-ended แบบลึกอาจยังเป็นงาน Qualitative ที่มีขนาดใหญ่
Survey 30 คนที่ใช้ Closed-ended Questions ก็ยังเป็น Quantitative Data แต่ Sample อาจไม่เพียงพอสำหรับบาง Claim
ดังนั้น: Method Type ≠ Sample Size
และ: Large Sample ≠ Good Research

Qualitative Sample ควรดู Information Power ไม่ใช่ใช้เลขตายตัวเสมอ

Qualitative Research ไม่ได้มี Sample Size มาตรฐานเดียวสำหรับทุกโจทย์
จำนวนผู้ให้ข้อมูลขึ้นกับ:
Research Aim
ความเฉพาะของ Target Group
ความซับซ้อนของ Experience
ความแตกต่างภายใน Population
คุณภาพของ Interview
Analysis Approach
และระดับความลึกที่ต้องการ

หลักสำคัญคือเก็บข้อมูลจนมี Information เพียงพอต่อ Research Question ไม่ใช่เลือกจำนวนจาก Benchmark โดยไม่ดูบริบท

Quantitative Sample ก็ไม่ได้มีเลข 400 เป็นคำตอบทุกงาน

Quantitative Sample Size ขึ้นกับ:
Population
Required Precision
Confidence Level
Expected Proportion
Subgroup Analysis
Research Design
Nonresponse
Design Effect ในบางงาน
Outcome Type

ดังนั้นการเลือก Quantitative เพราะต้องการ “ข้อมูลที่เชื่อถือได้กว่า” แล้วกำหนด 400 คนอัตโนมัติ ก็ไม่ได้รับประกันว่า Research Design จะตอบ Decision ได้ดี
ความแข็งแรงของ Evidence มาจาก Design ทั้งระบบ ไม่ใช่ Sample Size อย่างเดียว

Qualitative และ Quantitative มี Bias คนละแบบ ไม่ใช่วิธีหนึ่ง Objective อีกวิธี Subjective

บางครั้ง Quantitative ถูกมองว่า: Objective
และ Qualitative ถูกมองว่า: Subjective

การแบ่งแบบนี้ง่ายเกินไป Quantitative Research ยังมี Judgment เช่น:
เลือก Variable อะไร
ถามคำถามอย่างไร
กำหนด Scale อย่างไร
ใครอยู่ใน Sample
Model ไหนใช้วิเคราะห์
‍

Qualitative ก็มีหลักการเรื่อง:
Sampling
Interview Guide
Probing
Coding
Interpretation
Reflexivity
Evidence Trail
คำถามที่ดีกว่าคือ: Method ถูกออกแบบอย่างมี Validity และ Transparency หรือไม่?
ไม่ใช่: Method ไหน Objective กว่ากัน

ถ้าผล Qualitative กับ Quantitative ไม่ตรงกัน อย่ารีบเลือกฝั่งใดฝั่งหนึ่ง

สมมติ Survey บอกว่า: 80% พอใจกับ Service
แต่ Interview พบ Complaint รุนแรงหลายเรื่อง

ทั้งสองอาจจริงพร้อมกัน
Possible Explanations:
Complaint เกิดใน Segment เล็ก
Overall Satisfaction สูง แต่ Critical Journey บางจุดมีปัญหา
Interview Sample ตั้งใจเลือก Extreme Cases
Survey Question กว้างเกินไป
Timing ของสอง Study ต่างกัน
Population ต่างกัน
Metric วัดคนละ Construct

Mixed Methods มีประโยชน์ตรงที่ความขัดแย้งอาจทำให้ Researcher ตั้งคำถามใหม่ ไม่ใช่เพียงใช้ Method หนึ่ง “ยืนยัน” อีก Method หนึ่ง งาน Mixed Methods ระบุว่าการ Integration สามารถใช้เพื่อ Corroboration, Clarification, Expansion หรือค้นหา Contradictions ที่นำไปสู่การ Reframe Research Question ได้

วิธีเลือก Method ด้วย 6 คำถาม

1. Business Decision ที่ Research ต้องช่วยคืออะไร?
2. Decision Uncertainty ตอนนี้คืออะไร?
3. ต้องการ Discover สิ่งที่ยังไม่รู้ หรือ Measure สิ่งที่รู้แล้ว?
4. ต้องการเข้าใจ Context และ Meaning หรือ Estimate Pattern ใน Population?
5. Evidence ที่มีอยู่แล้วตอบส่วนไหนได้ และยังขาดอะไร?
6. ผล Research จะเปลี่ยน Decision อย่างไร?

ถ้าคำตอบคือ: “เรายังไม่รู้ว่าปัญหาคืออะไร” มักเริ่มจาก Qualitative
ถ้าคำตอบคือ: “เรารู้ Possible Explanations แล้ว แต่อยากรู้ว่าแต่ละอย่างเกิดมากแค่ไหน” มักขยับไป Quantitative
ถ้าคำตอบคือ: “เรารู้ว่ามี Pattern แต่ยังอธิบายไม่ได้” อาจใช้ Quantitative → Qualitative
ถ้าคำตอบคือ: “ต้องการทั้ง Breadth และ Depth เพื่อใช้ Decision” อาจเหมาะกับ Mixed Methods

สรุป: Method ที่ดีที่สุดคือ Method ที่ตรงกับ Decision Uncertainty

Qualitative Research เหมาะกับการ:
Explore
Understand
Interpret
Develop Hypotheses
Discover Language and Context
Quantitative Research เหมาะกับการ:
Measure
Estimate
Compare
Track
Test defined relationships or outcomes

Mixed Methods เหมาะเมื่อการตัดสินใจต้องการทั้งสองมุม และต้องมีการ Integration ระหว่าง Method อย่างตั้งใจ ไม่ใช่เพียงเพิ่มจำนวนเครื่องมือเก็บข้อมูล NIH และงาน Methodology หลายแหล่งต่างชี้ว่า Mixed Methods มีประโยชน์เมื่อ Qualitative หรือ Quantitative เพียงวิธีเดียวไม่เพียงพอต่อ Research Question และการรวมข้อมูลสามารถช่วยอธิบาย ขยาย หรือเชื่อม Findings ให้ครบขึ้น
ดังนั้นก่อนถามว่า: “ควรทำ Qualitative หรือ Quantitative?”
ให้ถามว่า: “เราต้องตัดสินใจอะไร ตอนนี้ยังไม่รู้อะไร และ Evidence แบบไหนที่จะช่วยลดความไม่แน่นอนนั้นได้จริง?”