Hvordan man bruger nøglechauffører til at analysere undersøgelsesdata

Undersøgelsesdata giver sig godt til en proces, der kaldes nøgledriveranalyse . Identificering og analyse af nøgledrivere kan hjælpe markedsførere og annoncører med at finde svar på spørgsmål som: Hvad driver min kunde om at skifte til et andet mærke? Hvad bidrager til en forbrugers tilbøjelighed til at købe mit produkt? Hvilken forbrugergruppe er mest tilfreds med vores ydelser?

Som i enhver undersøgelse er det første trin at identificere spørgsmål, som undersøgelsen er designet til at svare på.

Markedsføreren skal afgøre, om forskningsformålet er forudsigende, forklarende eller beskrivende (sjældent for en undersøgelse). Hvad hvis begge typer mål er vigtige?

Vanskeligheder: Gennemsnitlig

Tid påkrævet: En uge

Sådan er det:

1. Det handler om forhold

   En bred vifte af afhængige og uafhængige variabler kan undersøges gennem nøgledriveranalyse, og analysen er typisk rettet mod en eller flere afhængige variabler og flere uafhængige variabler. Det er den statistisk signifikante effekt af den uafhængige variabel på den afhængige variabel, der er fokus for forskningen. På den ene side er der en strategisk egenskab (som markedsandel) af interesse for kunden. På den anden side er der et sæt præstationsindikatorer eller beskrivende attributter, der menes at være relateret til den strategiske karakteristik på en eller anden måde.

2. Nøglechaufføranalysen kan svare "Hvorfor?"

   De relevante variabler, der vælges, og den analysemetode, der er valgt til nøgledriveranalyse, er i høj grad en funktion af forskningsformålet: forklaring, forudsigelse, beskrivelse.

   Hvis forklaring er målet, menes de valgte uafhængige variabler at påvirke variation observeret i den afhængige variabel. De uafhængige variabler skal også kunne håndtere. For eksempel er den overordnede tilfredshed med kundeservice (den afhængige variabel) sandsynligvis relateret til ventetid, enkelhed for returnering og refusionspolitik (alle uafhængige variabler og reaktion på ændring eller handling).

3. Key Driver Analysis kan svare "What If?"

   Hvis forudsigelse er forskningsformålet, søger uafhængige variabler, der viser løfte om at forudsige et resultat. I dette tilfælde behøver de uafhængige variabler ikke at kunne håndteres. Målet med prædiktiv forskning er ikke at ændre den afhængige variabel, men at forudsige noget om det. For eksempel kan nøglechaufføranalyse være designet til at forudsige tilbagefald efter deltagelse i et forebyggelsesprogram for rygning, men forskerne kan også undersøge et andet sæt uafhængige variabler, der menes at forbedre succesraten for deres rygestopprogram.

4. Key Driver Analysis er undersøgelsesvenlig

   Brand attributter falder ofte i en af ​​tre kategorier: Satisfaction, agreement eller performance ratings.En række skalaer kan bruges til at indspille respondenternes bedømmelse eller rangordning af attributter i disse kategorier. Den mest almindelige vurderingskala er Likert, som let anvendes til tilfredshed og aftalebetingelser. Når respondenter vurderer mange attributter af et produkt eller en tjeneste eller attributter på tværs af flere mærker, kan de kontrollere en boks for "ja" med den resulterende datakode 1/0. Denne binære data konverteres let til statistisk analyse.

5. Forskellige nøglechauffører til forskellige markedssegmenter

   Markedssegmenteringsforskning indikerer, at forskellige nøgledrivere kan være vigtige på forskellige markeder, og at nogle nøgledrivere kan være vigtige på tværs af alle markedssegmenter. Nøglechauffereanalyse kan forenkle undersøgelsesdesign, da en attribut kun kan spørges en gang i en undersøgelse, men de resulterende data kan filtreres til forskellige "nedskæringer" eller trancher, der afspejler diskrete forbrugergrupper. For eksempel kan nedskæringer afspejle demografi, alder, køn, socioøkonomisk status, indkomst eller uddannelsesniveau.

6. Key Driver Analysis kan bruges med kategoriske værdier

   En række analytiske teknikker kan bruges til at udføre en vigtig driveranalyse. Nogle afhængige variabler er kategoriske, ikke skaleret , og kan således ikke analyseres ved lineær regression. I stedet anvendes lineær diskriminantanalyse eller logistisk regression. Kategoriske variabler kan bruges i undersøgelser med både forudsigelses- og forklaringsmål. Kundetilfredshed eller loyalitetsundersøgelser anvender ofte kategoriske værdier, der for eksempel angiver status for kundeforholdet (aktiv / ikke-aktiv).

7. Linearitet - En mere ting at overveje

   En nøglechauffør er en egenskab med et statistisk signifikant forhold til et ønsket resultat eller strategisk karakteristik. Den uafhængige variabel anses for at være lineær, hvis den har et lineært forhold til den afhængige variabel. Et eksempel er priselasticitet - da prisen på produkt ændres, sker der et lineært mønster af salgsvolumen som reaktion på disse ændringer. Medmindre der kræves et meget højt forudsigelsesniveau, kan lineære data i en veludformet undersøgelse retfærdigt repræsentere ikke-lineære data uden at skulle ty til mere avancerede teknikker.

8. Software applikationer til Key Driver Analysis

   Mange softwarepakker er designet til at udføre de statistiske processer, der er nødvendige for nøglechaufføranalyse. Quirks magasin udgiver softwareanmeldelser.

   De to, der er anført her, spænder over de tilgængelige valgmuligheder fra de mest grundlæggende applikationer, der er designet til at fungere som Microsoft Excel-tilføjelser til omfattende platforme som SPSS.

   ALLSTAT er en billig dataanalyse og statistisk løsning til Microsoft Excel.

   SPSS er standarden, og den har gennemgået mange revisioner, hvoraf et IBM SSPS Direct Marketing-modul synes at være særdeles funktionelt for markedsforskere.

9. Fordele ved nøglechaufføranalyse

   Fordi nøglechauffereanalyse er effektiv og skalerbar, hjælper det med at opretholde budget- og ressourcegrænserne for undersøgelsesdesign og analyse.Eksisterende branddrivere - siger, at de er kendte for kunder, der hvert år tager en undersøgelse - kan bruges inden for eksisterende undersøgelsesrammer; Undersøgelser, der anvender nøgledriveranalyse, behøver ikke gøres længere eller mere kompliceret. Kundeorienterede spørgeskemaer behøver ikke ændres mærkbart for at imødekomme nøgledriveranalyse. En historie, der bruger nøglechaufføranalyse, er forståelig og gør sig til en visuel visning af dataene til præsentation.

10. Reference

    Quirks Market Research Review offentliggør artikler om en bred vifte af markedsundersøgelser. Deres serie på Data Brug og Forskningsteknikker og -tendenser er særligt nyttige for forskere, der er interesserede i undersøgelser af møtrikker og bolte.

    Kilder

    • Quirks artikel # 20010104 - En undersøgelse af analysemetoder af Rajan Sambandam (fra Response Center i Fort Washington, PA)
    • Quirks artikel # 20010297 - >> Key Driver Analysis af Micheal Lieberman (af multivariate løsninger, New York