Undersökningsdata lämpar sig väl för en process som kallas nyckeldrivaranalys. Att identifiera och analysera viktiga drivkrafter kan hjälpa marknadsförare och annonsörer hitta svar på frågor som: Vad får min kund att byta till ett annat varumärke? Vad bidrar till en konsuments benägenhet att köpa min produkt? Som konsumentgrupp är mest nöjda med våra tjänster?
Som i all forskning är det första steget att identifiera frågor som undersökningen är utformad för att besvara. Marknadsföraren måste avgöra om forskningsmålet är prediktivt, förklarande eller beskrivande (sällsynt för en undersökning). Vad händer om båda typerna av mål är viktiga?
Svårighet: Genomsnitt.
Tid som krävs: En vecka.
Allt handlar om relation
Ett brett utbud av beroende och oberoende variabler kan studeras genom nyckeldrivaranalys och, typiskt är analysen inriktad på en eller flera beroende variabler och multipeloberoende variabler. Det är den statistiskt signifikanta effekten av den oberoende variabeln på den beroende variabeln som är i fokus för forskningen. Å ena sidan finns det en strategisk egenskap (som marknadsandel) av intresse för kunden. Å andra sidan finns det en uppsättning resultatindikatorer eller beskrivande attribut som tros vara relaterade till den strategiska egenskapen på något sätt.
"Varför?"
De relevanta variablerna som väljs och den analytiska metoden som väljs för nyckeldrivaranalys är till stor del en funktion av forskningsmålet: förklaring, förutsägelse, beskrivning.
Om en förklaring är målet, tros de valda oberoende variablerna påverka variationen som observeras i den beroende variabeln. De oberoende variablerna bör också kunna åtgärdas. Till exempel är den övergripande tillfredsställelsen med kundservice (den beroende variabeln) sannolikt relaterad till väntetid, enkel retur och återbetalningspolicy (alla oberoende variabler och känsliga för förändringar, eller handling).
"Tänk om?"
Om förutsägelse är forskningsmålet eftersträvas oberoende variabler som visar lovande för att förutsäga ett utfall. I det här fallet behöver de oberoende variablerna inte vara åtgärdsbara. Målet med prediktiv forskning är inte att ändra den beroende variabeln, utan att förutsäga något om den. Till exempel kan nyckelföraranalys utformas för att förutsäga återfall i återfall efter deltagande i ett rökförebyggande program, men forskare kan också undersöka en annan uppsättning oberoende variabler som tros förbättra framgångsfrekvensen för deras rökavvänjning program.
Det är undersökningsvänligt
Varumärkesattribut faller ofta in i en av tre kategorier: nöjdhet, överenskommelse eller prestationsbetyg. En mängd olika skalor kan användas för att registrera respondenternas betyg eller rangordning av attribut i dessa kategorier. Den vanligaste betygsskalan är Likert, som lätt appliceras på nöjdhets- och överenskommelser. När undersökningsrespondenterna betygsätter många attribut för en produkt eller tjänst eller attribut från flera varumärken kan de markera en ruta för "ja" med resultatet data kodad 1/0. Dessa binära data konverteras lätt för statistisk analys.
Olika marknadssegment
Marknadssegmenteringsundersökningar indikerar att olika nyckelfaktorer kan vara viktiga på olika marknader och att vissa nyckelfaktorer kan vara viktiga inom alla marknadssegment. Key driver analys kan förenkla undersökningsdesign eftersom ett attribut bara kan frågas en gång i en undersökning, men den resulterande informationen kan filtreras in i olika "snitt" eller trancher som speglar diskreta konsumentgrupper. Till exempel kan nedskärningar spegla demografi, ålder, kön, socioekonomisk status, inkomst eller utbildningsnivåer.
Kategoriska värden
En mängd olika analytiska tekniker kan användas för att utföra en nyckeldrivaranalys. Vissa beroende variabler är kategoriska, inte skalade och kan därför inte analyseras med linjär regression. Istället, linjär diskriminantanalys eller logistisk regression används. Kategoriska variabler kan användas i undersökningar med både prediktiva och förklarande syften. Kundnöjdhets- eller lojalitetsundersökningar använder ofta kategoriska värden som t.ex. indikerar statusen för kundrelationen (aktiv/icke-aktiv).
Linjäritet: En sak till att tänka på
En nyckelfaktor är ett attribut med ett statistiskt signifikant samband med ett önskat resultat eller strategisk egenskap. Den oberoende variabeln anses vara linjär om den har ett linjärt samband med den beroende variabeln. Ett exempel skulle vara priselasticitet - när priset på produkten förändras uppstår ett linjärt mönster av försäljningsvolymen som svar på dessa förändringar. Såvida inte en mycket hög nivå av prediktiv validitet krävs, i en väldesignad studie, kan linjär data ganska representera icke-linjär data, utan att behöva tillgripa mer avancerade tekniker.
Programvaruapplikationer
Många programvarupaket är utformade för att utföra de statistiska processer som behövs för analys av nyckeldrivrutiner. Quirks tidning publicerar mjukvarurecensioner.
De två som listas här spänner över utbudet av tillgängliga alternativ från de mest grundläggande applikationerna utformade för att fungera som Microsoft Excel-tillägg till omfattande plattformar som SPSS.
ALLSTAT är en billig dataanalys och statistisk lösning för Microsoft Excel.
SPSS är standarden, och den har genomgått många revisioner - varav en IBM SSPS Direct Marketing-modul verkar vara särskilt funktionellt för marknadsforskare.
Fördelar
Eftersom nyckeldrivaranalys är effektiv och skalbar, hjälper den till att upprätthålla budget- och resursgränserna för undersökningsdesign och analys. Befintliga varumärkesdrivare - t.ex. som är bekanta för kunder som årligen gör en undersökning - kan användas inom befintliga undersökningsramar; undersökningar som använder nyckeldrivaranalyser behöver inte göras längre eller mer komplicerade. Kundinriktade frågeformulär behöver inte förändras märkbart för att tillgodose nyckeldrivaranalyser. En historia som använder nyckeldrivaranalys är förståelig och lämpar sig för en visuell visning av data för presentation.
Referens
Quirks marknadsundersökningsgranskning publicerar artiklar om ett brett spektrum av marknadsundersökningsämnen. Deras serie på Dataanvändning och Forskningstekniker och trender är särskilt användbara för forskare som är intresserade av muttrar och bultar inom undersökningsforskning.
- Quirks artikel #20010104 - En undersökning av analysmetoder av Rajan Sambandam (av Response Center i Fort Washington, PA)
- Quirks artikel #20010297 - Key Driver Analysis av Micheal Lieberman (från Multivariate Solutions, New York
