Autora Blogs Par Finansēm Un Uzņēmējdarbību

Kā izmantot galvenos draiverus, lai analizētu apsekojuma datus


Apsekojuma dati ir labi piemēroti procesam, ko sauc par galveno vadītāja analīzi. Galveno draiveru identificēšana un analīze var palīdzēt tirgotājiem un reklāmdevējiem atrast atbildes uz tādiem jautājumiem kā: Kas vada manu klientu, lai pārietu uz citu zīmolu? Kas veicina patērētāja vēlmi iegādāties savu produktu? Kura patērētāju grupa ir visvairāk apmierināta ar mūsu pakalpojumiem?

Tāpat kā jebkurā citā pētījumā, sākotnējais solis ir apzināt jautājumus, uz kuriem aptaujas mērķis ir atbildēt. Tirgotājam ir jānosaka, vai pētījuma mērķis ir paredzams, paskaidrojošs vai aprakstošs (reti aptaujā). Ko darīt, ja abi mērķi ir svarīgi?

Grūtības: Vidējais

Nepieciešamais laiks: Viena nedēļa

Tas ir viss par attiecībām

Plašāku skaitu atkarīgu un neatkarīgu mainīgo var izpētīt, izmantojot galveno vadītāja analīzi, un, parasti, analīze ir vērsta uz vienu vai vairākiem atkarīgiem mainīgajiem un vairākiem neatkarīgiem mainīgajiem. Tā ir statistiski nozīmīga neatkarīgā mainīgā ietekme uz atkarīgo mainīgo, kas ir pētījuma uzmanības centrā. No vienas puses, ir stratēģiska īpašība (piemēram, tirgus daļa), kas interesē klientu. No otras puses, ir virkne darbības rādītāju vai aprakstošu atribūtu, kas, domājams, kaut kādā veidā ir saistīti ar stratēģiskajiem raksturlielumiem.

"Kāpēc?"

Izvēlētie attiecīgie mainīgie lielumi un galvenās vadītāja analīzei izvēlētā analītiskā metode lielākoties ir pētījuma mērķa funkcija: skaidrojums, prognozēšana, apraksts.

Ja mērķis ir izskaidrojums, tiek uzskatīts, ka atlasītie neatkarīgie mainīgie ietekmē atkarīgo mainīgo lielumu. Neatkarīgajiem mainīgajiem jābūt arī apstrīdamiem. Piemēram, kopējā apmierinātība ar klientu apkalpošanu (atkarīgais mainīgais), iespējams, ir saistīta ar gaidīšanas laiku, atgriešanās vienkāršību un kompensācijas politiku (visi neatkarīgi mainīgie un atsaucīgi uz izmaiņām vai rīcību).

"Ko darīt, ja?"

Ja prognozes ir pētniecības mērķis, tiek meklēti neatkarīgi mainīgie, kas apliecina solījumu paredzēt rezultātu. Šajā gadījumā neatkarīgajiem mainīgajiem nav jābūt apstrīdamiem. Prognozējošā pētījuma mērķis nav mainīt atkarīgo mainīgo, bet kaut ko paredzēt. Piemēram, galveno vadītāju analīzi varētu paredzēt, lai prognozētu recidīvu pēc dalības smēķēšanas profilakses programmā, bet pētnieki varētu arī izpētīt citu neatkarīgu mainīgo kopumu, kas, domājams, uzlabos savu smēķēšanas atmešanas programmas panākumu līmeni.

Tas ir aptaujas draudzīgs

Zīmolu atribūti bieži vien ietilpst vienā no trim kategorijām: apmierinātība, vienošanās vai veiktspējas novērtējums. Dažādu skalu var izmantot, lai reģistrētu aptaujas respondentu vērtējumus vai atribūtu klasifikāciju šajās kategorijās. Visbiežāk vērtējuma skala ir Likert, kas ir viegli pielietojams apmierinātības un vienošanās paziņojumos. Ja aptaujas respondenti novērtē daudzus produkta vai pakalpojuma atribūtus vai atribūtus vairākos zīmolos, viņi var atzīmēt lodziņu "jā" ar iegūto datu kodu 1/0.

Šie binārie dati ir viegli konvertējami statistiskās analīzes vajadzībām.

Dažādi tirgus segmenti

Tirgus segmentācijas pētījumi liecina, ka dažādos tirgos var būt svarīgi dažādi galvenie virzītājspēki un ka daži galvenie virzītājspēki var būt svarīgi visos tirgus segmentos. Galvenā vadītāja analīze var vienkāršot aptaujas dizainu, jo atribūtu var uzdot tikai vienu reizi apsekojumā, bet iegūtos datus var filtrēt dažādos "gabalos" vai daļās, kas atspoguļo atsevišķas patērētāju grupas. Piemēram, izcirtņi var atspoguļot demogrāfiju, vecumu, dzimumu, sociāli ekonomisko stāvokli, ienākumus vai izglītības līmeni.

Kategorijas vērtības

Lai veiktu galveno vadītāja analīzi, var izmantot dažādas analītiskās metodes. Daži atkarīgi mainīgie ir kategoriski, nav mērogoti, un tāpēc tos nevar analizēt ar lineāru regresiju. Tā vietā izmanto lineāro diskriminācijas analīzi vai loģistisko regresiju. Kategoriski mainīgie lielumi var tikt izmantoti aptaujās, kurās ir gan prognozes, gan paskaidrojuma mērķi. Klientu apmierinātības vai lojalitātes aptaujas bieži izmanto kategoriskas vērtības, kas norāda, piemēram, klientu attiecību statusu (aktīvo / neaktīvo).

Linearitāte: vēl viena lieta, kas jāapsver

Galvenais virzītājspēks ir atribūts ar statistiski nozīmīgu saikni ar vēlamo rezultātu vai stratēģisko īpašību. Neatkarīgais mainīgais tiek uzskatīts par lineāru, ja tam ir taisnas attiecības ar atkarīgo mainīgo. Kā piemēru varētu minēt cenu elastību, jo, mainoties produkta cenai, reaģējot uz šīm izmaiņām, notiek lineārs pārdošanas apjoma modelis. Ja vien nav vajadzīgs ļoti augsts prognozēšanas līmenis, labi izstrādātā pētījumā lineārie dati var godīgi atspoguļot nelineāros datus, neizmantojot progresīvākas metodes.

Programmatūras lietojumprogrammas

Daudzas programmatūras pakotnes ir paredzētas, lai veiktu galvenos vadītāja analīzes procesus. Quirk žurnāls publicē programmatūras pārskatus.

Šeit minētie divi ietver pieejamo opciju klāstu no visvienkāršākajām lietojumprogrammām, kas paredzētas darbam kā Microsoft Excel pievienojumprogrammas vispusīgām platformām, piemēram, SPSS.

ALLSTAT ir lēts datu analīzes un statistikas risinājums Microsoft Excel.

SPSS ir standarts, un tas ir ticis pakļauts daudziem labojumiem - viens no tiem ir SSSS Direct Marketing modulis, kas šķiet īpaši funkcionāls tirgus pētniekiem.

Ieguvumi

Tā kā galvenā vadītāja analīze ir efektīva un pielāgojama, tā palīdz uzturēt apsekojuma izstrādes un analīzes budžeta un resursu robežas. Esošie zīmju draiveri - teiksim, kas ir pazīstami klientiem, kuri ik gadu veic aptauju - var tikt izmantoti esošajās apsekojumu sistēmās; aptaujas, kurās izmanto galveno vadītāja analīzi, nav nepieciešams veikt ilgāk vai sarežģītāk. Uz klientu orientētām anketām nav būtiski jāmaina galvenās vadītāja analīze. Stāsts, kas izmanto galveno draiveru analīzi, ir saprotams un ļauj vizuāli attēlot datus prezentācijai.

Atsauce

Quirk tirgus izpētes pārskats publicē rakstus par plašu tirgus izpētes tēmu klāstu. To sērija Datu izmantošana un Pētniecības metodes un tendences ir īpaši noderīgi pētniekiem, kuri ir ieinteresēti apsekojuma pētījumu riekstiem un skrūvēm.

Avoti

  • Quirk's pants # 20010104 - Analīzes metožu apsekojums Rajan Sambandam (atbildes centrs Vašingtonā, PA)
  • Quirk's pants # 20010297 - Key Driver Analysis Micheal Lieberman (Ņujorkas daudzfaktoru risinājumu)


Video No Autora:

Saistītie Raksti:

✔ - Starpība starp šķīrējtiesu un tiesvedību

✔ - Parādu vadīšanas rādītāju apmācība

✔ - Iepirkuma un piegādes ķēdes ietekmes kvalitāte


Noderīga? Dalīties Ar Saviem Draugiem!