Ricerche di mercato quantitative - Quantitative marketing research

La ricerca di marketing quantitativa è l'applicazione di tecniche di ricerca quantitativa al campo del marketing. Ha radici sia nella visione positivista del mondo, sia nel moderno punto di vista del marketing secondo cui il marketing è un processo interattivo in cui sia l'acquirente che il venditore raggiungono un accordo soddisfacente sulle " quattro P " del marketing: prodotto, prezzo, luogo (posizione ) e Promozione.

Come metodo di ricerca sociale , prevede tipicamente la costruzione di questionari e scale . Alle persone che rispondono (intervistati) viene chiesto di completare il sondaggio . I marketer utilizzano le informazioni per ottenere e comprendere le esigenze degli individui sul mercato e per creare strategie e piani di marketing .

Raccolta dati

Il metodo di ricerca di marketing quantitativo più popolare è un sondaggio. I sondaggi in genere contengono una combinazione di domande strutturate e domande aperte. I partecipanti al sondaggio rispondono alla stessa serie di domande, il che consente al ricercatore di confrontare facilmente le risposte di diversi tipi di intervistati. I sondaggi possono essere distribuiti in quattro modi: telefono, posta, di persona e online (tramite cellulare o desktop).

Un altro metodo di ricerca quantitativa consiste nel condurre esperimenti su come gli individui rispondono a diverse situazioni o scenari. Un esempio di questo è il test A/B di un pezzo di comunicazione di marketing, come una pagina di destinazione di un sito web. Ai visitatori del sito Web vengono mostrate diverse versioni della pagina di destinazione e gli esperti di marketing tengono traccia di quale sia più efficace.

Differenze tra ricerca quantitativa consumer e B2B

La ricerca quantitativa viene utilizzata sia nella ricerca sui consumatori che nella ricerca business-to-business (B2B). Tuttavia, ci sono differenze nel modo in cui i ricercatori dei consumatori e i ricercatori B2B distribuiscono i loro sondaggi.

In genere, i sondaggi vengono distribuiti online più che di persona, per telefono o per posta. Tuttavia, nella ricerca B2B, la ricerca online non è sempre possibile, spesso perché è difficile entrare in contatto con determinati responsabili delle decisioni aziendali via e-mail. Di conseguenza, i ricercatori B2B conducono ancora spesso sondaggi via telefono.

Procedura generale tipica

In poche parole, ci sono cinque passaggi principali e importanti coinvolti nel processo di ricerca:

1. Definire il problema.
2. Progettazione di ricerca .
3. Raccolta dati .
4. Analisi dei dati .
5. Redazione e presentazione del rapporto.

Una breve discussione su questi passaggi è:

1. Verifica del problema e definizione del problema - Qual è il problema? Quali sono i vari aspetti del problema? Quali informazioni sono necessarie?
2. Concettualizzazione e operazionalizzazione - Come definiamo esattamente i concetti coinvolti? Come traduciamo questi concetti in comportamenti osservabili e misurabili?
3. Specifica dell'ipotesi - Quale/i reclamo/i vogliamo testare?
4. Specifiche del progetto di ricerca - Che tipo di metodologia utilizzare? - esempi: questionario, sondaggio
5. Specifica della domanda - Quali domande porre? In che ordine?
6. Specifica della scala - Come verranno valutate le preferenze?
7. Specifiche del progetto di campionamento - Qual è la popolazione totale? Quale dimensione del campione è necessaria per questa popolazione? Quale metodo di campionamento per l'uso - Esempi:? Probabilità di campionamento: - ( campionamento a grappolo , campionamento stratificato , un campionamento casuale semplice , campionamento in più fasi , il campionamento sistematico ) e di campionamento Nonprobability : - (Convenienza Sampling, Giudizio di campionamento, rispetto allo scopo di campionamento, quota di campionamento, Palla di neve di campionamento , eccetera. )
8. Raccolta dati - Usa posta, telefono, internet, intercettazioni di centri commerciali
9. Codificazione e rispecificazione - Apportare aggiustamenti ai dati grezzi in modo che siano compatibili con le tecniche statistiche e con gli obiettivi della ricerca - esempi: assegnazione di numeri, controlli di consistenza, sostituzioni, cancellazioni, ponderazioni, variabili dummy, trasformazioni di scala, standardizzazione di scala
10. Analisi statistica - Eseguire varie tecniche descrittive e inferenziali (vedi sotto) sui dati grezzi. Fare inferenze dal campione all'intera popolazione. Testare i risultati per la significatività statistica.
11. Interpretare e integrare i risultati - Cosa significano i risultati? Quali conclusioni si possono trarre? In che modo questi risultati si collegano a ricerche simili?
12. Scrivere il rapporto di ricerca - Il rapporto di solito ha titoli come: 1) sommario esecutivo; 2) obiettivi; 3) metodologia; 4) principali risultati; 5) grafici e diagrammi dettagliati. Presenta il rapporto al cliente in una presentazione di 10 minuti. Preparati alle domande.

La fase di progettazione può comportare uno studio pilota per scoprire eventuali problemi nascosti. Le fasi di codifica e analisi sono tipicamente eseguite da computer, utilizzando software statistici . Le fasi di raccolta dei dati, in alcuni casi, possono essere automatizzate, ma spesso richiedono una notevole manodopera per essere eseguite. L'interpretazione è un'abilità dominata solo dall'esperienza.

analisi statistica

I dati acquisiti per le ricerche di mercato quantitative possono essere analizzati da quasi tutte le tecniche di analisi statistica , che possono essere ampiamente suddivise in statistica descrittiva e inferenza statistica . Un importante insieme di tecniche è quello relativo alle indagini statistiche . In ogni caso, un tipo appropriato di analisi statistica dovrebbe tenere conto dei vari tipi di errore che possono verificarsi, come di seguito illustrato.

Affidabilità e validità

La ricerca dovrebbe essere testata per l' affidabilità , la generalizzabilità e la validità .

La generalizzabilità è la capacità di fare inferenze da un campione alla popolazione.

L'affidabilità è la misura in cui una misura produrrà risultati coerenti.

• L'affidabilità test-retest verifica quanto simili sono i risultati se la ricerca viene ripetuta in circostanze simili. La stabilità su misure ripetute è valutata con il coefficiente di Pearson.
• L'affidabilità delle forme alternative verifica quanto simili sono i risultati se la ricerca viene ripetuta utilizzando forme diverse.
• L'affidabilità della coerenza interna verifica quanto bene le singole misure incluse nella ricerca vengono convertite in una misura composita. La coerenza interna può essere valutata correlando le prestazioni su due metà di un test (affidabilità divisa a metà). Il valore del coefficiente di correlazione prodotto-momento di Pearson viene aggiustato con la formula di previsione Spearman-Brown per corrispondere alla correlazione tra due test a lunghezza intera. Una misura comunemente usata è α di Cronbach , che è equivalente alla media di tutti i possibili coefficienti split-half. L'affidabilità può essere migliorata aumentando la dimensione del campione.

La validità chiede se la ricerca ha misurato ciò che intendeva fare.

• La validazione del contenuto (detta anche validità facciale) verifica quanto bene il contenuto della ricerca sia correlato alle variabili da studiare; cerca di rispondere se le domande di ricerca sono rappresentative delle variabili oggetto di ricerca. È una dimostrazione che gli elementi di un test sono tratti dal dominio misurato.
• La convalida dei criteri controlla quanto siano significativi i criteri di ricerca rispetto ad altri possibili criteri. Quando il criterio viene raccolto in un secondo momento, l'obiettivo è stabilire la validità predittiva.
• La convalida del costrutto controlla quale costrutto sottostante viene misurato. Esistono tre varianti di validità di costrutto: validità convergente (quanto bene la ricerca si riferisce ad altre misure dello stesso costrutto), validità discriminante (quanto scarsamente la ricerca si riferisce a misure di costrutti opposti) e validità nomologica (quanto bene la ricerca si riferisce a altre variabili come richiesto dalla teoria).
• La convalida interna , utilizzata principalmente nei disegni di ricerca sperimentale, controlla la relazione tra le variabili dipendenti e indipendenti (cioè la manipolazione sperimentale della variabile indipendente ha effettivamente causato i risultati osservati?)
• La validazione esterna verifica se i risultati sperimentali possono essere generalizzati.

La validità implica l'affidabilità: una misura valida deve essere affidabile. L'affidabilità non implica necessariamente la validità, tuttavia: una misura affidabile non implica che sia valida.

Tipi di errori

Errori di campionamento casuali:

• campione troppo piccolo
• campione non rappresentativo
• metodo di campionamento inadeguato utilizzato
• errori casuali

Errori di progettazione della ricerca:

• pregiudizio introdotto
• errore di misurazione
• errore di analisi dei dati
• errore del frame di campionamento
• errore di definizione della popolazione
• errore di scala
• errore di costruzione della domanda

Errori dell'intervistatore:

• errori di registrazione
• errori di imbroglio
• mettere in discussione gli errori
• errore di selezione del rispondente

Errori del rispondente:

• errore di mancata risposta
• errore di incapacità
• errore di falsificazione

Errori di ipotesi:

• errore di tipo I (chiamato anche errore alfa)
  • i risultati dello studio portano al rifiuto dell'ipotesi nulla anche se in realtà è vera
• errore di tipo II (chiamato anche errore beta)
  • i risultati dello studio portano all'accettazione (non rigetto) dell'ipotesi nulla anche se in realtà è falsa

Guarda anche

Riferimenti

Bibliografia