Undersøgelsesdata egner sig godt til en proces kendt som nøgledriveranalyse. At identificere og analysere nøgledrivere kan hjælpe marketingfolk og annoncører finde svar på spørgsmål som: Hvad får min kunde til at skifte til et andet mærke? Hvad bidrager til en forbrugers tilbøjelighed til at købe mit produkt? Hvilken forbrugergruppe er mest tilfreds med vores tjenester?
Som i enhver forskning er det første trin at identificere spørgsmål, som undersøgelsen er designet til at besvare. Markedsføreren skal afgøre, om forskningsmålet er prædiktivt, forklarende eller beskrivende (sjældent for en undersøgelse). Hvad hvis begge typer mål er vigtige?
Vanskelighed: Gennemsnit.
Påkrævet tid: En uge.
Det handler om forhold
En bred vifte af afhængige og uafhængige variabler kan studeres gennem nøgledriveranalyse og, typisk er analysen rettet mod en eller flere afhængige variable og multiple 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 karakteristik (som markedsandel) af interesse for kunden. På den anden side er der et sæt præstationsindikatorer eller beskrivende attributter, som menes at være relateret til den strategiske karakteristik på en eller anden måde.
"Hvorfor?"
De relevante variabler, der vælges, og den analytiske metode, der er valgt til nøgledriveranalyse, er i høj grad en funktion af forskningsmålet: forklaring, forudsigelse, beskrivelse.
Hvis en forklaring er målet, menes de valgte uafhængige variable at påvirke variationen observeret i den afhængige variabel. De uafhængige variabler bør også kunne handles. For eksempel er den overordnede tilfredshed med kundeservice (den afhængige variabel) sandsynligvis relateret til ventetid, enkel returnering og refusionspolitik (alle uafhængige variabler og reagerer på ændringer, eller handling).
"Hvad hvis?"
Hvis forudsigelse er forskningsmålet, søges uafhængige variabler, der viser lovende for at forudsige et resultat. I dette tilfælde behøver de uafhængige variabler ikke at kunne handles. Målet med prædiktiv forskning er ikke at ændre den afhængige variabel, men at forudsige noget om den. For eksempel kan nøgledriveranalyse være designet til at forudsige recidiv efter deltagelse i et rygeforebyggelsesprogram, men forskere kan også undersøge et andet sæt uafhængige variabler, der menes at forbedre succesraten for deres rygestop program.
Det er undersøgelsesvenligt
Varemærkeegenskaber falder ofte i en af tre kategorier: Tilfredshed, enighed eller præstationsvurderinger. En række forskellige skalaer kan bruges til at registrere respondenternes vurderinger eller rangering af attributter i disse kategorier. Den mest almindelige vurderingsskala er Likert, som let kan anvendes til tilfredsheds- og aftaleudsagn. Når undersøgelsesrespondenter vurderer mange egenskaber ved et produkt eller en tjeneste eller egenskaber på tværs af flere brands, kan de markere et felt for "ja" med det resulterende data kodet 1/0. Disse binære data konverteres let med henblik på statistisk analyse.
Forskellige markedssegmenter
Markedssegmenteringsundersøgelser indikerer, at forskellige nøgledrivere kan være vigtige på forskellige markeder, og at nogle nøgledrivere kan være vigtige på tværs af alle markedssegmenter. Key driver analyse kan forenkle undersøgelsesdesign da en egenskab kun kan spørges én gang i en undersøgelse, men de resulterende data kan filtreres i forskellige "udskæringer" eller trancher, der afspejler diskrete forbrugergrupper. For eksempel kan nedskæringer afspejle demografi, alder, køn, socioøkonomisk status, indkomst eller uddannelsesniveau.
Kategoriske værdier
En række analytiske teknikker kan bruges til at udføre en nøgledriveranalyse. Nogle afhængige variabler er kategoriske, ikke skalerede og kan derfor ikke analyseres ved lineær regression. I stedet, lineær diskriminant analyse eller logistisk regression anvendes. Kategoriske variabler kan bruges i undersøgelser med både prædiktive og forklarende mål. Kundetilfredsheds- eller loyalitetsundersøgelser anvender ofte kategoriske værdier, der for eksempel angiver status for kundeforholdet (aktiv/ikke-aktiv).
Linearitet: Endnu en ting at overveje
En nøgledriver 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 en lineær sammenhæng med den afhængige variabel. Et eksempel kunne være priselasticitet - efterhånden som prisen på produktet ændrer sig, opstår der et lineært mønster af salgsvolumen som reaktion på disse ændringer. Medmindre et meget højt niveau af prædiktiv validitet er påkrævet, i en veldesignet undersøgelse, kan lineære data retfærdigt repræsentere ikke-lineære data uden at skulle ty til mere avancerede teknikker.
Software applikationer
Mange softwarepakker er designet til at udføre de statistiske processer, der er nødvendige for nøgledriveranalyse. Quirks magasin udgiver softwareanmeldelser.
De to anførte her spænder over rækken af tilgængelige muligheder fra de mest basale applikationer designet til at fungere som Microsoft Excel-tilføjelser til omfattende platforme såsom SPSS.
ALLSTAT er en billig dataanalyse- og statistisk løsning til Microsoft Excel.
SPSS er standarden, og den har gennemgået mange revisioner - hvoraf en IBM SSPS Direct Marketing-modul synes at være særligt funktionel for markedsforskere.
Fordele
Fordi nøgledriveranalyse er effektiv og skalerbar, hjælper den med at opretholde budget- og ressourcegrænserne for undersøgelsesdesign og -analyse. Eksisterende branddrivere - f.eks. som er velkendte for kunder, der årligt tager en undersøgelse - kan bruges inden for eksisterende undersøgelsesrammer; undersøgelser, der anvender nøgledriveranalyse, behøver ikke at blive længere eller mere komplicerede. Kundevendte spørgeskemaer behøver ikke ændre sig mærkbart for at imødekomme nøgledriveranalyse. En historie, der bruger nøgledriveranalyse, er forståelig og egner sig til en visuel visning af dataene til præsentation.
Reference
Quirks markedsundersøgelsesgennemgang udgiver artikler om en bred vifte af markedsundersøgelsesemner. Deres serie på Databrug og Forskningsteknikker og -tendenser er især nyttige for forskere, der er interesseret i møtrikker og bolte i undersøgelsesforskning.
- Quirks artikel #20010104 - En undersøgelse af analysemetoder af Rajan Sambandam (fra Response Center i Fort Washington, PA)
- Quirks artikel #20010297 - Key Driver Analyse af Micheal Lieberman (fra Multivariate Solutions, New York
