Data Research nel marketing – spiegazione e riassunto

_______

Data Research nel marketing - spiegazione e riassunto

La forma più comune di Data Research è attraverso i questionari. Un problema
ovviamente però concerne ai possibili errori che possono essere fatti, in particolare perché
molto spesso essi:
– sono nascosti
– non permettono di avere una buona rappresentazione della realtà
Data collect = Truth + Mistakes
E’ troppo costoso avere 0 errori, ma è possibile minimizzarli. Gli errori possono provenire
dal fatto che:
– la gente mente
– la gente fa errori
– la gente non è omogenea
Gli errori, generalmente, possono essere o legati alla misurazione, o legati al
campionamento (sampling)
Data collect = Truth + SystematicMistakes/(Measurement error + Sampling error) +
RandomMistakes
L’articolo in questione vuole occuparsi di come minimizzare gli errori
RESEARCH DESIGN – marketing spiegazione
Sistematicamente, la struttura della ricerca è la seguente:
Vediamo di esaminarne i componenti.

1) PROBLEM STATEMENT

2) QUESTIONNAIRE DESIGN
– Fundamental Laws: la legge principale è “use a common sense”, i cui corollari sono
A: non fare domande le cui risposte non siano rilevanti per prendere la nostra decisione
B: se ci sono più modi per fare la domanda (e di solito ci sono), fai quella per cui gli
intervistati sono più propensi a rispondere o hanno più voglia di rispondere
Problem Statement Che decisione deve essere presa?
Di che informazioni abbiamo bisogno per prendere
la nostra decisione?
Questionnaire Disegn Che informazioni vogliamo raccogliere in
un’intervista?
Quale tipo di intervista ci dà le informazioni che
vogliamo?
Come dovrebbero essere scritte le domande?
Come vogliamo contattare gli intervistati?
Sampling Chi dovrebbero essere gli intervistati?
Quanti dovrebbero essere?
Data Analysis Come estraiamo, intabelliamo e riassumiamo le
informazioni?
– Question-and-answer Format: importantissima è la struttura del questionario. Esso
deve essere giustamente preciso, e le domande devono essere formulate in modo da
permettere all’intervistato di darci una precisa risposta (per questo è molto utile il
sistema a multiple choices)
– Biased Results: quelle che possono sembrare piccolezze nel formato e nell’ordine delle
domande e delle multiple choices possono in realtà condizionare fortemente le risposte
degli intervistati. E’ perciò necessario darne attenzione
– Pretest: porsi come intervistato senz’altro aiuta, ma la cosa che si consiglia è fare un
mini collaudo del nostro questionario, ossia un pretest, a un piccolo nucleo di soggetti
rappresentativi dei nostri intervistati
– Comunication Mode: Ogni modo di fare il questionario (per telefono, mail, a voce, carta,
ecc..) ha i suoi pro e i suoi contro. Tienine conto

3) SAMPLING
Chi vogliamo come intervistati? La risposta si scompone in più parti. La prima è senz’altro
designare il nostro target
– Target Population: Il Target Population è il gruppo di persone al quale le nostre analisi
sono proiettate
– Sampling Frame: è il gruppo che deve rappresentare il Target Population. L’errore che si
può compiere è trovare un Sampling Frame imperfetto, ossia non in grado di
rappresentare giustamente la popolazione: si parla di frame error. In ogni caso, minimi
errori sono sempre ammessi, quando l’azzeramento di essi risulta troppo costoso
– Sample Selection: dobbiamo specificare i meccanismi per selezionare i membri della
popolazione da includere nella popolazione. I metodi possono essere: Probability
Sampling (in questo caso ogni membro della popolazione ha una certa probabilità di
essere incluso) e Nonprobability Sampling (in questo caso non si conosce la probabilità
che ogni membro ha di essere incluso, ed è il campionamento convenzionale proprio
perché è il più facile da fare). Non serve star qui a spiegare che quest’ultimo può
influenzare le risposte, anche se nelle ricerche esperimentali può essere ammesso.
– Sample Sized: a questo punto si decide quanti intervistati dobbiamo avere, ed è una
decisione più che altro economica.
– Sample Distribution
– Increased Simple Size: è chiaro che se aumentiamo il nostro campione, otteniamo
migliori stime rappresentative della popolazione
– Frequency Distribution: non l’ho capito, ma penso consista nel fare le tabelle e i grafici,
sapendo che se abbiamo analizzato un campione molto grande le informazioni sono
distribuite Normalmente
– Standard Error: ok, vai a pag 11 e guardati la formula dello Standar Error, e ricorda che
maggiore è il campione minore è lo Standar Error. Tu basta che sappia che lo Standard
Error ci serve per trovare il nostro Intervallo di Confidenza
– Prediction of Accuracy: gli studi fin qua effettuati ci servono per avere un dato il maggior
accurato possibile. Sul serio, vai a pag 11 e guardati l’esempio, praticamente trova che
la percentuale di consultare RC è il 43%, ma quanto è sicuro che sia il 43%? Ebbene, al
95% la probabilità è fra il 33% e il 51% (abbiamo usato l’intervallo di confidenza grazie
all’uso dello Standard Error)
– Sample Size and Confidence
– Permissible Error: non c’è una regola per capire quanto un errore sia permesso,
dipende dalla natura dell’operazione e per questo è una decisione manageriale
– Continuous Data: per questa categoria di Data valgono le stesse nozioni di quanto detto
prima (prima erano Binary Data), tranne per il calcolo dello Standard Error. Vattene a
pag 13 e guarda la formula. Poi comunque anche delle formule non è che ci abbia
capito tanto
– Summary

4) ANALYSIS DATA
Dobbiamo raggruppare le risposte che abbiamo ottenuto e trasformarle in qualcosa che
possiamo leggere, in modo da ottenere delle vere e proprie informazioni. Si possono
rappresentare frequenze, percentuali, grafici di ogni tipo, indici, misure di variabilità,
tabelle incrociate. Queste ultime (cross-tabs) sono molto utili per trovare delle correlazioni
fra più variabili, ma ricordiamo che correlazione non significa causalità.

   
_______

Altri articoli da leggere:

More Like This


Categorie


Università

Add a Comment

Your email address will not be published.Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>



Categorie




Questo sito partecipa al Programma Affiliazione Amazon Europe S.r.l., un programma di affiliazione che consente ai siti di percepire una commissione pubblicitaria pubblicizzando e fornendo link al sito Amazon.it