Pazarlama Araştırması

Ölçeklendirme

Ölçekleme konuları Ölçme seviyeleri Ölçekler!

Ölçme seviyesi Nominal Sıralı(ordinal) Aralık/Oran

Nominal Ölçekler Karşılıklı açık kategoriler Özellikler sadece sınıflandırır Örnek: cinsiyet, bölge, medeni durum, eğitim durumu İstatistiksel işlemler : Mode, frekans crosstabs

Sıralı ölçekler çok veya azı gösterir, fakat ne kadar çok veya az değil MEdyan veya mod kullanabilir , fakat ortalama değil Crosstabs

Aralık/Oran Ölçekleri Ölçekteki sayılar eşit artışları temsil eder Öçlekler en çok istenen istatistiksel özelliklere sahiptir (Oran ölçeği sabit bir sıfır noktası ile aralık ölçeğidir, örneğin yaş ve sıcaklık)

Ölçek tipleri

Veri nominal, sıralı veya aralıklı mı?

Çok seçenekli soru Basit , çok yönlü Tek veya çok cevap 8-10 dan fazla olmayan kategori Karşılıklı açık kategoriler Ön test cevapların %90’ınını kapsayan etiketlenmiş alternatifleri göstermelidir

Tek cevap, Çok seçenekli sorular Seçenek kriteri açıkça ifade edilmeli dir Seçenek kriteri tek bir cevabı tanımlamalıdır

Zorlanmış derecelendirme ölçekleri

Zorlanmış derecelendirme ölçekleri Seçenekler bir diğerine göre değerlendirilir Doğru karar vermeyi taklit eder Dezavantajı: bileşenler arasındaki aralık ölçülmez Bileşenlerin kısıtlı sayısı sıralanabilir, derecelendirilebilir

Guidelines for Using Forced Ranking Scales 10 bileşen veya daha azı Göreceli pozisyon odaktır Tek yargı kriteri kullan Analiz derecelenmiş veri için özel prosedürleri, frekansları sınırlandırır

Likert Ölçeği Yaygın olarak kullanılan ölçek 5 nokta İfadelerle fikir birliği derecesi Bir “yapıyı” ölçmek için birkaç ifade kullanır Örneğin. “müşteri memnuniyeti,” “bağlılık,” “teknolojiye karşı tutum”

Likert Ölçeği

Likert Ölçeği

Likert Ölçeği Kullanımı kolay Kodlaması kolay İstatistiksel analiz için faydalı Genellikle aralık seviyesi olarak davranılır

Likert Ölçeği Unutma: Sadece fikir birliği derecesini sorgulayan ifadeler için kullan Boşluğu iyi kullanan bir kaç bileşen için kullan Bileşenler konuyu içermek için yeterince çeşitlendirilmelidir Bir yapının bileşenleri özetlenebilir Toplamadan önce scorlanmış bileşenleri tersine yeniden kodla

Likert olmayan ancak Likert gibi ölçekler

Anket Tasarımı

İyi bir anket için kriterler Anket gerekli karar verme bilgisini sağlar mı? Anket cevaplayanı düşünür mü?

Anket Geliştirme Adımları Adım 1: Araştırma amaçlarını, kaynakları ve kısıtları belirle Adım 2: Veri toplama yöntemini belirle telefon bireysel posta internet

Anket Geliştirme Adımları Adım 3: Soru Cevaplama formatını belirle Açık uçlu veya kapalı uçlu Ölçek tipleri Adım 4: Soru ifadelerine karar ver (basitlik/yansızlık/ cevaplama dili)

Anket Geliştirme Adımları Adım 5: Akışı ve yerleşimi oluştur nitelendirilmiş cevaplayıcıları tanımlamaya ihtiyaç duyuluyorsa tarama soruları kullan Genel sorulardan özel sorulara hareket et Aynı ölçek tiplerini gruplandır Hassas soruları daha sonra yaz (demografik özellikler sonda) Bölümler arasında köprüler oluştur Daha zor soruları anketin ortasına yerleştir Posta için kişisel/telefon görüşmesi için kapak mektubu yaz

Anket Geliştirme Adımları Adım 6: Soruları ve yerleşimlerini değerlendir Her soru yeterli mi? Anket çok mu uzun? Anketin posta ve internet görünümünü değerlendir Anket karışık mı, düzensiz mi? Açık uçlu cevaplar için yer var mı? İfadelerin anlaşılması kolay mı?

Anket Geliştirme Adımları Adım 7: İlgili grupların onayını sağla Adım 8: Ön test ve Düzeltme Profesyonel meslekdaşlar ile ön test Cevaplayıcı profiline uygun bir örnek ile ön test Adım 9: Son kopyanın hazırlanması Adım 10: Uygulama

Örnekleme

Örnek Tipleri İki kategori: Olasılık(P-probability): Her kitle bileşeni bilinir, örneğe sıfır olmayan dahil olma şansına sahiptir Olasılık değil(N-Non-probability): bir kitle bileşeninin örneğe dahil olma olasılığı matematiksel olarak tahmin edilemez

Örnek tipleri İstatistikçinin fikri: Tüm N-P örnekleri işe yaramaz çünkü sonuçlarınızın genelletireceğiniz seviyeyi tahmin edemezsiniz Anvak,N-P örnekleri niçin kullanılır?

Olasılık olmayan(N-Non-probability) Örnekleri Uygunluk Karar Pay

Uygunluk örnekleri “Kazara örnekler” – Örnektekiler verinin toplandığı yerdir Pazarlamada bir büyük formu “ alışverişin durdurulmasıdır” İstatistikçiler ne düşünür? “Uygunluk örneği temelinde seçilen örnekler, büyüklüğüne rağmen, nadiren ve tanımlayıcı ve nedensel araştırmalar için tavsiye edilmez.”

Uygunluk örnekleri Mümkünse, ana kitlenizin olduğu yerden örnek toplayın (mağaza araştırmalarında perakendecilerin toplanması) Örnekteki çeşitliliği geliştir (e.g. çeşitli bölgeleri kullanarak alışverişte durdurma ) Tanımlayıcı tahminler yapmaktan çok değişkenler arasındaki ilişkileri daha iyi anlamak

Karar örnekleri Amaçlı örnekleme olarak da adlandırılır Örnek bileşenleri elle toplanır, çünkü onların ilgili ana kitlenin temsilcileri oldukları hissedilir Araştırmacının ana kitleden tüm grupları veya segmentleri temsil etmeye çalıştığı içinde küçük bir grup (10 kadar küçük olabilir)

Karar örnekleri Kartopu dizaynı: karar örneğinin özel bir formu a Küçük özelleştirilmiş ana kitleler için uygun Her cevaplayıcı bir veya daha fazla diğer ana kitle üyelerinin tanımlamak için sorulur

Quota örneklemesi Ana kitle içinde bilinen olayların oranına göre örnek bileşenlerini seçerek temsil etmeye çalışır

Quota örneklemesi örnek: Bir kampüste yiyecek hizmetleri hakkında mezun olmamış öğrencilerin araştırılması Adım 1: araştırmacı önemli olduğuna inandığı özellikleri tanımlar, örn,yaş, cinsiyet, sınıf seviyesi. Adım 2: Ana kitlede cinsiyet ve sınıf seviyesinin dağılımına bakar

Quota örneklemesi Sınıf seviyesi 1. sınıf 3200 2. sınıf 2600 Son sınıf 2000 Cinsiyet Kız 4500 Erkek 5500 Örnek 100 ise her tipten ne kadar seçmeliyim?

Quota Sampling Aldatılmaz – pay özelliklerinin kişisel, subjektif seçimine güvenir Örnek hala diğer bazı özellikleri ile ilgili hala temsil edilemeyebilir (örnekte, belki geldikleri şehir)

Olasılık örneklemesi Temsili garanti etmez, fakat örnekleme hatasının değerlendirilmesine izin verir Örnekleme hatası: bir nüfus sayımındansa bir örnek kullanıldığı için ortaya çıkan hatadır

Basit rassal örnekleme (SRS) Her örnek bileşeni bilinir, sıfır değildir seçilme şansı eşittir Örnek : Sayısal loto sayıları Veya bir şapkaya herksin ismini yazıp koymak Büyük anket firmaları yaklaşık rassal örnek için rassal numara çevirmeyi kullanır Veya rassal sayı tablosunu kullanır

Sistematik örnekleme Sistematik olarak bir ana kitlenin üyelerinin listesi yardımıyla örnek oluşturulur ÖRnek: Ana kitle 10,000 kişiden oluşuyorsa ve 1000 örnek büyüklüğüne ihtiyacımız varsa, listedeki her 10. kişiyi seçeriz . Tüm pratik örneklerde prosedür basit rassal örneklemeye eşdeğer örnekle sonuçlanır

Sistematik örnekleme Sistematik örneklemenin bir diğer örneği: Seçilen bir sayfa veya kolonda milimetrelere göre seçmek

Katmanlaşmış örnekleme Örnek çerçevesindeki alt gruplar hakkındaki bilgi örnek planının etkinliği geliştirmek için kullanılır

Katmanlaşmış örnekleme Kullanmak için üç önemli neden Bazı alt gruplar diğerlerinden daha homojendir çünkü daha az sayı aynı doğruluk seviyesini sağlamak için bu gruplarda ihtiyaç duyulur Grup karşılaştırması çalışmanın amacıdır (oransız örnekleme) Bazı bileşenler araştırma ilgisinin sonuçlarının belirlenmesinde diğerlerinden daha önemlidir

Hisse(quato) örneklemesinden farkı nedir? Katman içinde,örnek bileşenlerinin seçimi rassaldır, ilk elverişli değildir

Katmanlaştırmanın kötü kullanımı Rassal örneklemenin temsil edemeyeceği güvensiz insanları memnun etmek Araştırma işbirliği ile MAJOR problemler için doğrulamak

Hemen sonra katmanlaştırmaya evet Örneklemeden sonra yapılır İşbirliği olmadan üretilen örnek ve ana kitle arasındaki MINOR farklılıkları doğrular

Alan veya küme örneklemesi Bileşenler coğrafi olarak homojen kümelere gruplanır (bir şehir 40 bölgeye bölünür) Bu bölgelerden 10 tanesi rassal olarak seçilir Bu büyük alanlardan, alanlar içindeki bloklar rassal olacak seçilecektir, Her blok içinde, her ailenin araştırılmasına çalışılır

Alan veya küme örneklemesi Özellikle kapıdan kapıya bireysel araştırmalar için faydalıdır ( önemli oranda maliyeti azaltır) Ancak, kümeleme örnekleme hatalarını artırır (birlikte yakın yaşayan insanlar daha benzer olma eğilimindedir) İstatistik formülü Pazar araştırmasında 20-25 kümenin site başına 20-25 gözlem ile uygun olduğunu önerir

Veri işleme 1. Editing 2. Kodlama 3. Veri girişi 4. Verinin temizlenmesi 5. Tablolaştırma ve İstatistiksel analiz

Adım 1: Editing Editing: görüşmecinin/cevaplayanın hatalarını kontrol etme Şablonların takip edildiğinden emin ol Belirsiz cevaplar veri girişi için açıklanır Açık uçlu sorular kod için karar ve ilgi için gözden geçirilir

Adım 2: Kodlama Kodlama: bir soruya verilen çeşitli cevaplara sayısal kodların atanması prosesi Kapalı uçlu sorulara atanan sayılar Açık uçlu sorular için geliştirilen kategoriler Değişken isimleri, değer etiketleri, kaçan değer kodları bilgisayara girilir Bir veri sözlüğü veya kod kitabı sonuçtur.

Adım 3: Veri Girişi Elle veya otomatik olarak Otmatik: CATI, CAPI, optik izleme, internet Elle veri girişi ikili girişi içerebilir

Adım 4: Veri sadeleştirme Makina kontrolü dahil “sadeleştirme” için birden fazla yol vardır Tüm sorular için frekansların üretilmesi ile başlayabilir Kodlar belirlenmiş bir aralık içinde ise görmek için kontrol edilir

Adım 5: Tablolaştırma ve İstatistiksel analiz Tek yol frekans tablosu: bir anket sorusunun her cevabı için cevapların sayısını gösteren tablo Crosstabs ANOVA Regresyon Vb.