6.3 Proces badań marketingowych 

Proces badań i identyfikacja problemu badawczego

Aby zagwarantować wysoką jakość uzyskanych danych, kluczowe jest zorganizowane, metodyczne podejście do planowania i prowadzenia badań marketingowych. Badanie to proces składający się z określonych etapów, które muszą być realizowane świadomie, starannie i w odpowiedniej kolejności. Tylko wówczas przyniesie on rzetelne rezultaty.

Proces badań marketingowych składa się zazwyczaj z siedmiu etapów (patrz Ilustracja 6.3). Zostaną one szczegółowo omówione w dalszej części rozdziału.

Ilustracja 6.3 Etapy procesu badań marketingowych (Źródło: Rice University, OpenStax, CC BY 4.0).

Badanie marketingowe stanowi odpowiedź na konkretne zapotrzebowanie informacyjne, które wynika z potrzeb decydentów, głównie właścicieli i menedżerów odpowiedzialnych za różne obszary działalności przedsiębiorstwa. To przedsięwzięcie nabiera życia, gdy decydent świadomie definiuje swoje potrzeby informacyjne, uruchamiając tym samym dynamiczny proces badawczy. Należy podkreślić, że każde z badań jest niepowtarzalne, odpowiadając na różnorodne potrzeby związane z podejmowaniem decyzji. Nawet jeśli prowadzi je ta sama osoba w odpowiedzi na zbliżoną potrzebę tego samego decydenta, każde z tych przedsięwzięć stanowi doświadczenie unikalne.

W pierwszym etapie każdego badania marketingowego kluczowe jest zatem zidentyfikowanie problemu decyzyjnego. Jest to punkt wyjścia i swoiste wyzwanie dla badacza. Na podstawie rozmów z decydentami, ekspertami i innymi osobami związanymi z danym zagadnieniem badacz identyfikuje problem, którego decydenci nie są w stanie rozwiązać bez wsparcia informacyjnego. Następnie formułuje się problem badawczy (ang. research problem), który staje się podstawą konkretnych pytań badawczych (ang. research questions) i hipotez (ang. hypothesis).

Problem decyzyjny, problem badawczy, pytania badawcze i hipotezy powinny być spójne, tworząc tzw. strukturę logiczną badania.

Identyfikacja problemu badawczego (ang. problem definition) wiąże się z uświadomieniem sobie, że do podjęcia decyzji opartej na danych potrzeba więcej informacji. Przykładowo przedsiębiorca może być zainteresowany otwarciem nowej małej firmy, ale musi najpierw zdefiniować problem, który ma zostać zbadany. Problemem badawczym związanym z marketingiem w tym przykładzie będzie określenie potrzeb grupy docelowej, a także zidentyfikowanie szans na powodzenie nowego przedsięwzięcia.

Po dokładnym określeniu problemu badawczego możemy przejść do postawienia pytań badawczych. Ich liczba uzależniona jest od złożoności problemu badawczego. Pytanie badawcze to nic innego jak opisanie fragmentu problemu badawczego w formie pytającej. Każde z pytań określa, jakie informacje są niezbędne do pełnego wyjaśnienia danej części zagadnienia. Należy podkreślić, że pytania badawcze nie są tym samym co pytania w kwestionariuszu ankiety. Choć czasami można zamienić jedno na drugie. Często do uzyskania pełnej odpowiedzi na pytania badawcze trzeba zadać kilka pytań w kwestionariuszu ankiety.

Tworząc pytania badawcze musimy zadbać o to, aby ich liczba była wystarczająca. Muszą dawać pewność, że ostatecznie uzyskamy wszystkie kluczowe informacje potrzebne do rozwiązania problemu badawczego. Nie należy natomiast pytać o kwestie nieistotne czy zbędne. To tylko zwiększy koszty badań, niekoniecznie poprawiając ich jakość. A oto przykładowe pytania badawcze: Jakie są oczekiwania przyszłych klientów odnośnie do cen oferowanych produktów? Czy klienci oczekują zmiany opakowania produktu? Gdzie klienci chcieliby kupować produkty? Z jakich mediów klienci najczęściej czerpią informacje o produktach? Czy marka przedsiębiorstwa jest znana na rynku docelowym? Jak duże jest grono klientów, którzy byliby zainteresowani naszą ofertą?

Po postawieniu pytań badawczych przychodzi czas na sformułowanie hipotez, czyli przypuszczeń dotyczących badanego zjawiska, które zostaną potwierdzone lub odrzucone (sfalsyfikowane) podczas badania. Hipotezy mają postać zdań twierdzących. Powinny być precyzyjne, jasne i dotyczyć tylko jednej badanej zależności. Przykładowa hipoteza może brzmieć następująco: W decyzjach rutynowych dotyczących zakupu kosmetyków wpływ opakowania na decyzję zakupową jest mniejszy niż w przypadku zakupów nowych i modyfikowanych.

Dodatkowo na początkowym etapie badania należy przyjrzeć się badanej populacji (ang. target population), czyli osobom, których dotyczy badanie. Przypomina to nieco określenie rynku docelowego, ponieważ odnosi się do grupy, która będzie przedmiotem zainteresowania w naszej analizie.

Niestety wielu młodych badaczy rezygnuje z tego istotnego etapu, uznając go za zbędny. W efekcie omijają kluczowy moment, przechodząc prosto do projektowania narzędzi pomiarowych. Jednak takie uproszczenia mogą prowadzić do poważnych błędów. Właściwe zdefiniowanie problemu decyzyjnego i badawczego to fundament, który wpływa na wartość wyników badania jako użytecznego źródła informacji wspierającego proces podejmowania decyzji. Przeprowadzenie badania bez przejścia tego etapu można porównać do próby rozwiązania łamigłówki z pominięciem kluczowych informacji.

Opracowanie planu badań

Krok drugi to opracowanie planu badań. Obejmuje on określenie, jaki rodzaj badań jest niezbędny do osiągnięcia celów ustalonych na pierwszym etapie i w jaki sposób dane te zostaną zebrane. Dodatkowo wskazuje, jakie są ramy czasowe badań i budżet do dyspozycji. Jeśli informacje trzeba uzyskać w ciągu następnego tygodnia, zostanie wdrożony inny plan niż w sytuacji, w której na zadanie przewidziano kilka miesięcy. Są to kwestie, które badacz powinien przeanalizować, by sprostać zidentyfikowanym potrzebom.

Badania marketingowe można sklasyfikować ze względu na źródło wykorzystywanych danych, wyodrębniając badania źródeł wtórnych i badania źródeł pierwotnych. Badania źródeł wtórnych (ang. desk research) to analiza istniejących danych, które powstały w wyniku wcześniejszych badań lub pomiarów, zazwyczaj prowadzonych w innym celu. Do źródeł wtórnych często zalicza się także dane wewnętrzne, takie jak raporty sprzedażowe, sprawozdania pracowników działu obsługi klienta. Badacze sięgają także po dane wtórne zewnętrzne, takie jak raporty agencji badawczych, opracowania Głównego Urzędu Statystycznego bądź też artykuły naukowe. Cennym źródłem danych wtórnych są również dane syndykatowe (ang. syndicated data), zwane również danymi rynkowymi. Są to informacje dotyczące rynku i konsumentów zbierane i udostępniane przez zewnętrzne organizacje lub firmy badawcze. Te dane są dostępne dla różnych przedsiębiorstw i zainteresowanych insytytucji, które mogą wykorzystywać je do analizy rynku, trendów konsumenckich oraz podejmowania decyzji biznesowych. Dane syndykatowe obejmują różnorodne obszary, takie jak sprzedaż detaliczna, zachowania konsumentów, preferencje zakupowe czy też dane demograficzne. Są one często pozyskiwane za pomocą badań rynkowych, monitorowania sprzedaży, ankiet konsumenckich czy analizy danych transakcyjnych. Korzystanie z danych syndykatowych umożliwia przedsiębiorstwom uzyskanie szerszej wiedzy o rynku. Posłużenie się informacjami, które są dostępne publicznie, nawet jeśli wiąże się z koniecznością wykupienia dostępu lub opłacenia subskrypcji, eliminuje często konieczność przeprowadzania własnych, zdecydowanie kosztowniejszych badań.

Badania źródeł pierwotnych (ang. primary research) polegają natomiast na zbieraniu i analizie danych pozyskiwanych specjalnie w celu rozwiązania bieżącego problemu badawczego. Przykłady gromadzenia danych pierwotnych obejmują sondaż, obserwację, eksperyment lub wywiady indywidualne i grupowe, które są prowadzone na potrzeby bieżącego projektu.

Jak widać w Tabeli 6.1 cechy danych pierwotnych i wtórnych są często przeciwstawne - pozytywne aspekty danych pierwotnych są negatywną stroną danych wtórnych.

Istnieje jeszcze wiele innych klasyfikacji typów badań, które uwzględniają różne kryteria. Poniżej przedstawione zostaną jedynie najistotniejsze podziały odnoszące się do badań marketingowych. Klasyfikując je ze względu na częstotliwość przeprowadzania, można wyróżnić badania stałe, okresowe i sporadyczne.

Badania stałe są przeprowadzane regularnie, z wykorzystaniem głównie zewnętrznych źródeł wtórnych, takich jak portale gospodarcze czy raporty. Sięga się także do danych wewnętrznych, np. raportów sprzedażowych czy zapisów księgowych.

Badania okresowe są realizowane cyklicznie – mierzą te same zjawiska w regularnych odstępach czasu. Przykłady obejmują cotygodniowe, comiesięczne czy kwartalne analizy cen konkurencyjnych, stopnia satysfakcji klientów oraz postaw wobec reklamy.

Badania sporadyczne są przeprowadzane nieregularnie, aby zaspokoić konkretną potrzebę informacyjną decydentów. Inicjatywa zazwyczaj pochodzi od decydenta i obejmuje badania dotyczące potrzeb i satysfakcji klientów, testowania nowych koncepcji produktów czy elastyczności cenowej popytu.

Ze względu na wielkość i sposób doboru badanej zbiorowości możliwe jest wyodrębnienie badań wyczerpujących i niewyczerpujących. Badania wyczerpujące to takie, które obejmują całą znaną i określoną populację, natomiast badania niewyczerpujące ograniczają się do części populacji zwanej próbą.

W kontekście badań niewyczerpujących można zidentyfikować dwie główne kategorie: badania reprezentatywne i niereprezentatywne. Badania reprezentatywne (ang. representative research) oparte są na próbie, której struktura jest zbliżona do struktury całej populacji. Można to osiągnąć dzięki losowemu doborowi elementów do próby, co oznacza, że każdy element populacji miał równą szansę włączenia się do badania.

Natomiast badania niereprezentatywne (ang. non-representative research) cechują się celowym lub przypadkowym doborem próby. Te badania są łatwiejsze i tańsze w realizacji niż ich reprezentatywne odpowiedniki, jednak uniemożliwiają stosowanie technik statystycznych do wnioskowania na temat całej populacji. Ze względu na aspekt statystyczny są traktowane jako badania wyczerpujące, przeprowadzone na małej populacji identycznej z pobraną próbą.

Ze względu na typ wykorzystanych danych można dokonać podziału badań na jakościowe i ilościowe.

Badania jakościowe (ang. qualitative research), charakteryzujące się niestrukturyzowanym podejściem, pozwalając na dogłębne zrozumienie badanych zjawisk i interpretację kontekstu. W trakcie tych badań gromadzone są różnorodne typy danych, takie jak słowa, obrazy, teksty czy dźwięki, co sprawia, że struktura tych danych jest bardziej złożona i trudniejsza do ujednolicenia niż w przypadku badań ilościowych. Przykładowe dane jakościowe obejmują treści zapisane podczas wywiadów, notatki z obserwacji terenowych, fotografie lub nagrania audio.

Z kolei badania ilościowe (ang. quantitative research) opierają się na ustrukturyzowanym podejściu i analizie dużych ilości danych numerycznych. Te dane są idealne do przewidywania trendów i statystycznego generalizowania wyników, ponieważ są łatwiejsze do ustandaryzowania. Przykłady danych ilościowych obejmują wyniki badań ankietowych z zamkniętymi pytaniami w kwestionariuszach, dane demograficzne, wyniki testów czy raporty odnoszące się do ilości sprzedanych produktów.

Różne typy danych różnicują także możliwość stosowania analizy statystycznej. Badania jakościowe, z racji niestrukturyzowanych danych, często wymagają bardziej interpretacyjnego podejścia, a analiza statystyczna przy wykorzystaniu tradycyjnych metod nie zawsze jest możliwa. W przypadku badań ilościowych, ze względu na liczbowy charakter danych, analiza statystyczna staje się łatwiejsza i pozwala na bardziej obiektywne wnioskowanie. Oba te podejścia wzbogacają jednak proces badawczy, dostarczając kompleksowej informacji na temat badanego zjawiska.

Przyjmując jako kryterium podziału cel prowadzonych badań, możliwe jest wyróżnienie badań eksploracyjnych i rozstrzygających. W ramach drugiej kategorii występują natomiast badania opisowe i przyczynowo-skutkowe.

Badania eksploracyjne (ang. exploratory research) są zwykle stosowane, gdy pojawia się potrzeba głębszego poznania i zrozumienia danego zjawiska. Celem badań eksploracyjnych jest najczęściej określenie problemu badawczego wytyczającego kierunek dalszych badań. W badaniach eksploracyjnych dominują metody jakościowe, ale niejednokrotnie należy sięgać także po dane ilościowe. Dane w badaniach eksploracyjnych są gromadzone najczęściej poprzez grupy fokusowe, wywiady pogłębione i obserwacje. Na tym etapie często sięga się także po już istniejące dane wtórne.

Badania rozstrzygające (ang. confirmatory research), znane również jako badania konfirmacyjne, skoncentrowane są na potwierdzaniu lub odrzucaniu konkretnych hipotez. W przeciwieństwie do badań eksploracyjnych, które służą zdobyciu ogólnych informacji na temat danego zagadnienia, badania rozstrzygające prowadzone są w celu uzyskania precyzyjnych odpowiedzi na konkretne pytania badawcze. Wykorzystują one zaawansowane metody statystyczne i staranne zaplanowane eksperymenty, umożliwiając firmom uzyskanie konkretnych informacji niezbędnych do skutecznego podejmowania decyzji biznesowych i opracowywania strategii.

Istotną rolę w badaniach rozstrzygających odgrywają badania opisowe (ang. descriptive research). Ich głównym celem jest zebranie, systematyzacja i opisanie danych bez wnioskowania czy próby wyjaśnienia związków przyczynowo-skutkowych. W kontekście badań marketingowych tego rodzaju podejście pozwala na uzyskanie szczegółowego obrazu danej sytuacji, zjawiska lub badanej populacji. W ramach badań opisowych korzysta się z różnych metod zbierania danych, takich jak badania ankietowe, obserwacje czy analiza dokumentów, by dostarczyć kompleksowego opisu zjawiska poddawanego badaniom. Są one szczególnie użyteczne w fazie zbierania informacji i tworzenia podstawowego obrazu tematu przed ewentualnymi bardziej zaawansowanymi badaniami.

Najczęstszą metodą wdrażania projektu badań opisowych jest przeprowadzenie sondażu z wykorzystaniem kwestionariusza ankiety. Niektóre rodzaje sondaży zostaną opisane w dalszej części tego rozdziału. Dane opisowe mają charakter ilościowy, co oznacza, że można je analizować za pomocą metod statystycznych i przedstawiać z wykorzystaniem narzędzi wizualnych, takich jak tabele i wykresy.

Dane opisowe są pomocne w wyjaśnieniu obecnej sytuacji. W przedstawionym na początku rozdziału przykładzie firma LEGO chciała opisać sytuację dotyczącą korzystania z jej produktu przez dzieci. Aby zebrać dużą liczbę opinii, stworzono kwestionariusz ankiety. Zebrane dane pozwoliły firmie zmierzyć obecne nastawienie rodziców, dzięki czemu można było wprowadzić zmiany w strategii marketingowej firmy.

Badania przyczynowo-skutkowe (ang. causal research) pomagają określić związek przyczynowo-skutkowy między dwoma lub więcej czynnikami. Badacze zazwyczaj wykorzystują eksperymenty (ang. experimental research) w celu określenia związku przyczynowego. Przykładem jest testowanie A/B – sytuacja, w której jedna grupa uczestników badania (grupa A), jest poddawana oddziaływaniu jednego czynnika, a następnie porównywana z uczestnikami z grupy B, którzy doświadczają innego oddziaływania. Przykładem może być pokazanie dwóch różnych reklam telewizyjnych panelowi konsumentów, a następnie zmierzenie różnicy w postrzeganiu produktu. Innym przykładem może być zastosowanie dwóch różnych wersji opakowań dostępnych na różnych rynkach. Badanie to odpowiedziałoby na pytanie „Czy produkt w jednym opakowaniu sprzedaje się lepiej niż w drugim?”. Porównanie wyników sprzedaży na każdym rynku byłoby częścią badania przyczynowego.7

Wybór metody zbierania danych

Zbieranie danych (ang. data collection) to systematyczne gromadzenie informacji, które pomogą rozwiązać zidentyfikowany problem. Wybór właściwej metody zbierania danych wymaga od badacza zrozumienia analizowanej populacji i planu określonego w poprzednim kroku. Nie ma sposobu idealnego. Każda metoda ma zarówno zalety, jak i wady, więc ważne jest, aby wybrać najlepiej odpowiadającą specyfice populacji docelowej badania i celom, które chcemy osiągnąć.

Niektóre dane najlepiej zbierać, obserwując działania konsumentów. Na przykład ile samochodów mija dany billboard w ciągu dnia? Z jakiej strony internetowej potencjalny klient trafił na stronę przedsiębiorstwa? Kiedy konsumenci najczęściej korzystają z automatów z przekąskami w pracy? O jakiej porze dnia ruch w mediach społecznościowych jest największy? Jaki jest najczęściej oglądany program telewizyjny w tym tygodniu?

Obserwacja (ang. observational research) to gromadzenie danych dotyczących działań podejmowanych przez obserwowane osoby. Badacz może obserwować badane osoby niejako z zewnątrz, nie wchodząc w interakcję z badaną grupą, lub wręcz przeciwnie – stać się jej członkiem, przebywać w badanym otoczeniu przez dłuższy czas. W pierwszym przypadku mówimy o obserwacji nieuczestniczącej (ang. non-participant observation), w drugim o obserwacji uczestniczącej (ang. participant observation).

Obserwacja niejawna (ang. unobtrusive observation) ma miejsce wtedy, gdy osoby obserwowane nie mają świadomości, że są przedmiotem badania. Przykładem obserwacji niejawnej może być obserwowanie interakcji kupujących z nową ekspozycją pluszowych maskotek za pomocą lustra weneckiego. Marketerzy mogą zidentyfikować, które produkty były oglądane częściej, a które ignorowane.

Nie można też zapominać o obserwacji z użyciem technologii do zbierania danych. Przykłady obserwacji zautomatyzowanej (ang. machine observation) obejmują wykorzystanie rejestratorów, które mierzą liczbę pojazdów przejeżdżających przez określone miejsce. Za pośrednictwem automatycznych urządzeń można również ocenić liczbę kupujących, którzy wchodzą do sklepu, najczęściej wybierane wejście na stację kolejową lub najbardziej popularny czas pozostawiania samochodów na parkingu.

Mówiąc o metodach badawczych, warto wspomnieć o jeszcze jednym podejściu, które może być wykorzystane zarówno w badaniach eksploracyjnych, jak i rozstrzygających. Mowa tu o badaniu etnograficznym. Badania etnograficzne (ang. etnographic resaearch) prowadzone są w terenie poprzez obserwowanie zachowań ludzi w ich naturalnym środowisku. W przypadku badań marketingowych projekty etnograficzne pomagają określić, w jaki sposób produkt jest używany, jakie działania są uwzględnione w jego wyborze lub w jaki sposób konsument wchodzi w interakcję z nim.

Przykładem badań etnograficznych może być obserwacja sposobu, w jaki konsument korzysta z określonego produktu, powiedzmy, sody oczyszczonej. Chociaż wiele osób kupuje sodę oczyszczoną jako produkt spożywczy, jej zastosowania są szerokie. Czy klienci używają jej jako środka do usuwania zapachów z lodówki, pasty do zębów, do polerowania klamry paska, czy jedynie do pieczenia ciasta?

Omawiając metody gromadzenia danych, nie sposób nie wspomnieć o wywiadach. Wyróżniamy dwa ich podstawowe rodzaje – wywiady indywidualne pogłębione oraz wywiady grupowe (zogniskowane / fokusowe).

Jeśli chcesz uzyskać od uczestników badania bardziej szczegółowe odpowiedzi, jedną z opcji jest przeprowadzenie wywiadu indywidualnego. Wywiady indywidualne pogłębione (ang. individual in-depth interview) pozwalają badaczowi zadawać pytania, które pasują do unikalnej perspektywy respondenta, a także pytania uzupełniające, które opierają się na już udzielonych odpowiedziach. Taki wywiad umożliwia głębsze zrozumienie potrzeb respondenta, co jest kolejną mocną stroną tego sposobu gromadzenia danych. Wadą wywiadów indywidualnych pogłębionych jest to, że dyskusja może być bardzo czasochłonna i prowadzi do uzyskania odpowiedzi tylko od jednego respondenta w jednym wywiadzie. Dlatego też ta metoda może nie być naj lepszym wyborem w przypadku konieczności zebrania opinii dużej grupy respondentów.

Na wykorzystanie zalet wywiadu i zastosowanie ich do małej grupy pozwala wywiad zogniskowany (in. wywiad fokusowy lub grupa fokusowa) (ang. focus group). Grupa fokusowa to niewielka grupa osób, zwykle od 8 do 12, które odpowiadają określonym kryteriom doboru próby. Osobom tym zadaje się serię pytań i zachęca do wspólnego rozwijania odpowiedzi, do dyskusji, w której zgodzą się lub nie z innymi członkami grupy. Grupy fokusowe są podobne do indywidualnych wywiadów pogłębionych, ponieważ pozwalają badaczowi, za pośrednictwem prowadzącego dyskusję moderatora, uzyskać bardziej szczegółowe informacje od małej grupy respondentów (patrz Ilustracja 6.4).

Jedną z zalet wywiadu fokusowego w porównaniu z wywiadami indywidualnymi jest synergia, jaka może powstać, gdy uczestnicy korzystają z pomysłów innych osób. Dodatkowo, w tym samym czasie można wysłuchać wielu respondentów zamiast jednego.8

Oczywiście, podobnie jak w przypadku każdego narzędzia gromadzenia danych wywiad fokusowy też ma swoje wady. Istnieje ryzyko, że jego uczestnicy zostaną zdominowani przez jedną lub dwie silne osobowości, a sama forma badania może zniechęcać bardziej nieśmiałe osoby do zabierania głosu. Wreszcie, podobnie jak w przypadku wywiadów indywidualnych, odpowiedzi w grupie fokusowej mają charakter jakościowy. Dlatego ich analiza wymaga czasu i często bardziej kreatywnego podejścia, a możliwość wykorzystania w niej metod statystycznych jest bardzo ograniczona.

Ilustracja 6.4 Grupa fokusowa to metoda badawcza zbierania danych o klientach, która polega na zadawaniu pytań przez moderatora małej grupie osób reprezentujących grupę docelową. (Źródło: „Meeting” UBC Learning Commons/flickr, CC BY 2.0).

Ustrukturyzowany zestaw pytań w jednym instrumencie badawczym nazywany jest ankietą lub kwestionariuszem ankiety (ang. qustionnaire). Ze względu na swoją wszechstronność ankiety są powszechnie stosowane do gromadzenia danych pierwotnych. Kwestionariusz wykorzystany w badaniu sondażowym (ang. survey) pozwala badaczowi zadać ten sam zestaw pytań dużej grupie respondentów. Sondaże są elastyczne i mogą gromadzić różnorodne dane ilościowe i jakościowe. Pytania mogą obejmować uproszczone pytania typu „tak” lub „nie”, pytania typu „wybierz wszystkie, które mają zastosowanie”, pytania z wykorzystaniem skali lub różne rodzaje pytań otwartych. Istnieją cztery rodzaje sondaży (patrz Tabela 6.2), z których każdy ma pewne plusy i minusy.

Zacznijmy od sondaży pocztowych (ang. mail survey), gdzie kwestionariusze ankietowe wysyłane są do potencjalnych respondentów za pośrednictwem poczty. Tego typu badania były kiedyś często stosowane ze względu na możliwość dotarcia do każdego gospodarstwa domowego. W niektórych przypadkach kwestionariusz ankietowy wysyłany pocztą jest nadal najlepszym sposobem gromadzenia danych. Na przykład, gdy należy dotrzeć do osób niekorzystających z internetu i mieszkających w mało dostępnych lokalizacjach. Zaletą jest to, że respondenci mogą wypełnić i odesłać kwestionariusz w dogodnym dla siebie czasie. Wadą badań pocztowych są koszty i opóźnienia w udzielaniu odpowiedzi. Wysłanie kwestionariusza pocztą wymaga opłaty pocztowej zarówno gdy jest on wysyłany do odbiorcy, jak i gdy jest zwracany. To, wraz z kosztami druku, papieru oraz kopert wysyłkowych i zwrotnych, bardzo podnosi koszty. Przygotowanie fizycznej wysyłki ankiet wymaga czasu. Ponadto wypełnione kwestionariusze mogą zostać zwrócone kilka tygodni po ich wysłaniu lub nieodesłane nigdy. Wreszcie, dane z wypełnionych kwestionariuszy muszą być ręcznie wprowadzane do oprogramowania analitycznego, co może powodować opóźnienia lub problemy z powodu błędów przy przenoszeniu danych.

Ilustracja 6.5 Sondaż pocztowy to metoda badawcza polegająca na zbieraniu danych o klientach za pośrednictwem poczty, umożliwiająca firmom dotarcie do dużej liczby gospodarstw domowych. (Źródło: „Census” KSRE Photo/flickr, CC BY 2.0).

Sondaże telefoniczne (ang. phone survey) są wypełniane podczas rozmowy telefonicznej z respondentem. Chociaż tradycyjna ankieta telefoniczna wymaga od osoby zbierającej dane rozmowy z uczestnikiem, obecna technologia pozwala na wypełnianie kwestionariuszy głosowych wspomaganych komputerowo, CATI (ang. computer assisted telephone interviewing) lub kwestionariuszy wypełnianych przez naciśnięcie przez respondenta określonego przycisku dla każdej potencjalnej odpowiedzi. Ankiety telefoniczne są czasochłonne, ale pozwalają ankietowanemu na zadawanie pytań, a ankieterowi na udzielenie dodatkowych wyjaśnień do pytań, jeśli jest to uzasadnione. Ankiety telefoniczne wymagają, aby respondent wypełniał kwestionariusz jednocześnie z ankieterem, co jest pewnym ograniczeniem, ponieważ usztywnia czas przeprowadzania badania. Nie należy dzwonić do respondenta w późnych godzinach wieczornych, nocnych i wczesnoporannych. Dodatkowo, z uwagi na niechęć respondentów do uczestniczenia w długich rozmowach telefonicznych, kwestionariusz nie może być zbyt rozbudowany. Same pytania natomiast muszą być bardzo uproszczone, bo respondent nie ma możliwości ich odczytania i dłuższego zastanowienia się nad odpowiedzią.

Z sondażami osobistymi (ang. in-person surveys) mamy do czynienia wtedy, gdy respondent i osoba zbierająca dane znajdują się fizycznie w tym samym miejscu. Sondaże osobiste umożliwiają respondentowi dzielenie się konkretnymi informacjami, zadawanie pytań ankieterowi i kontynuowanie poprzednich odpowiedzi. Badania za pomocą tej techniki mogą odbywać się na różne sposoby: w miejscu zamieszkania respondenta, w miejscu publicznym (np. sklep, ulica, dworzec) lub w miejscu pracy danej osoby. Chociaż sondaże osobiste są czasochłonne i wymagają więcej pracy do zebrania danych niż niektóre inne techniki, czasem jest to najlepszy sposób na uzyskanie wymaganych informacji. Jedną z ich wad jest niechęć potencjalnych respondentów do przerywania bieżącej aktywności i odpowiadania na pytania. Co więcej, ludzie mogą nie czuć się komfortowo, dzieląc się prywatnymi lub osobistymi informacjami podczas spotkania twarzą w twarz.

Dane w sondażu elektronicznym (ang. electronic survey) są gromadzone za pomocą środków cyfrowych. Taka technika zbierania danych może stanowić uzupełnienie wcześniej omówionych technik, a także dostarczyć nowych możliwości. Kwestionariusze ankiety mogą być wysyłane pocztą elektroniczną, a respondenci mogą odpowiedzieć na wiadomość e-mail lub otworzyć hiperłącze do ankiety online (patrz Ilustracja 6.6). Dodatkowo można wysłać tradycyjny list proszący członków próby badawczej o zalogowanie się na stronie internetowej zamiast odsyłania odpowiedzi pocztą. Wielu marketerów korzysta obecnie z linków, kodów QR lub urządzeń elektronicznych, aby umożliwić respondentowi łatwe wypełnienie kwestionariusza, a sobie szybki dostęp do danych. Zaletą gromadzenia danych w formie cyfrowej jest mniejsza czasochłonność. Często jest to bardziej ekonomiczny sposób pozyskiwania i przetwarzania odpowiedzi niż tradycyjne techniki.

Ilustracja 6.6 Przykład elektronicznego kwestionariusza ankiety. (Źródło: Rice University, OpenStax, CC BY 4.0).

Wybór sposobu gromadzenia danych ma kluczowe znaczenie dla ostatecznego wyniku, ale także dla samego przebiegu badania. Wpływa na sposób zadawania pytań oraz wskaźnik odpowiedzi. Wskaźniki odpowiedzi (ang. response rate) w badaniach sondażowych są obliczane poprzez podzielenie liczby wypełnionych ankiet przez całkowitą liczbę podjętych prób.

Dobór próby badawczej

Mimo że czasem możesz chcieć uwzględnić w swoich badaniach każdą możliwą osobę, która pasuje do twojego rynku docelowego, często nie jest to wykonalne lub opłacalne. Decydując się na uwzględnienie wszystkich osób, należałoby przeprowadzić badanie wyczerpujące, którego przykładem jest spis ludności (ang. census). Nakłonienie wszystkich do udziału byłoby czasochłonne, bardzo kosztowne, a często wręcz niemożliwe, więc zamiast tego marketerzy używają próby (ang. sample), która stanowi część populacji objętą badaniem. Jest to podobne do próbek, które można otrzymać w sklepie spożywczym lub lodziarni; nie jest to pełna porcja, ale daje nam możliwość posmakowania całego asortymentu.

Skąd więc wiadomo, kto powinien zostać włączony do próby? Badacze określają tzw. operat losowania (ang. sample frames), czyli wykaz jednostek należących do danej populacji. Operatem losowania dla jednego badania mogą być studenci, którzy mieszkają na kampusie; dla innego emeryci na Podlasiu lub właściciele małych firm, którzy zatrudniają mniej niż 10 pracowników. Poszczególne podmioty w ramach operatu losowania są uważane za jednostkę badawczą (ang. sampling unit). Jednostką badawczą jest każdy indywidualny respondent uznany za pasującego do operatu losowania ustanowionego na potrzeby badania. Gdyby badacz chciał, aby w badaniu uczestniczyły przedsiębiorstwa, wówczas jednostką badawczą byłaby firma.

Liczba jednostek próby uwzględnionych w badaniu to wielkość próby (ang. sample size). Można przeprowadzić różne obliczenia, aby wskazać, jaka powinna być prawidłowa wielkość próby (tzn. dająca możliwość wyciągania z badania wiarygodnych wniosków). Pod uwagę należy wziąć wielkość populacji, poziom ufności, który służy do szacowania błędu z próby, rozkład zmiennych w populacji, łatwość dostępu do jednostek w operacie oraz budżet przeznaczony na badania.

Istnieją dwa główne sposoby doboru prób badawczych: losowe i nielosowe (patrz Ilustracja 6.8). Losowe próby (ang. probability samples) to takie, w których każdy ich członek ma dokładnie takie samo prawdopodobieństwo bycia wybranym do udziału w badaniu. Można wyróżnić kilka losowych sposobów doboru próby. Jedna z technik nazywana jest prostym losowym doborem próby, w którym każda osoba ma to samo prawdopodobieństwo bycia wybraną do próby, a także równe szanse na wykluczenie. Przykładem prostego doboru losowego może być umieszczenie nazwisk wszystkich członków grupy w kapeluszu i po prostu wylosowanie określonej liczby, która zostanie uwzględniona. Loteria jest także dobrym przykładem prostego doboru losowego.

Ilustracja 6.7 Sposoby doboru próby. (Źródło: Rice University, OpenStax, CC BY 4.0).

Innym rodzajem doboru losowego jest dobór warstwowy (ang. stratified random sample), w którym populacja jest dzielona na grupy według kategorii określanych często warstwami, a następnie losowo wybierana jest próba z każdej kategorii. Na przykład, jeśli przeprowadzasz badanie studentów twojej uczelni i chcesz się upewnić, że uwzględniłeś wszystkie roczniki, możesz wziąć nazwiska wszystkich studentów i podzielić je na różne grupy według roku studiów – pierwszy, drugi, trzeci itd. Następnie z tych warstw należy wylosować nazwiska studentów, którzy zostaną włączeni do próby.

Nielosowy dobór próby (ang. nonprobability sample) cechuje się tym, że każdy potencjalny członek próby ma nieokreślone prawdopodobieństwo bycia wybranym do próby. Wyniki badań, które pochodzą z próby nielosowej, nie mogą być odniesione do innych grup i generalizowne na całą populację. W tym przypadku nie korzysta się z operatu losowania. Próba jest niereprezentatywna. Istnieje kilka sposobów doboru nielosowego. Poniżej omówione zostaną dwa z nich: dobór przypadkowy/wygodny i dobór celowy.

Jak sama nazwa wskazuje, dobór przypadkowy (ang. convenience sample) ma miejsce wtedy, gdy badacz znajduje grupę za pomocą nienaukowej metody, wybierając potencjalnych uczestników badania w dogodny dla siebie sposób. Przykładem może być poproszenie innych studentów w grupie, o wypełnienie kwestionariusza, którą wykonujesz w ramach zadania na zajęciach lub rozdawanie ankiet podczas meczu koszykówki czy przedstawienia teatralnego.

Dobór celowy (ang. judgmental sampling) polega natomiast na tym, że badacz sam dobiera jednostki do próby w taki sposób, aby spełniały one ustalone wcześniej kryteria. Na przykład może cię interesować zbadanie matek, więc siadasz przed sklepem z zabawkami i prosisz osobę, która ma na rękach dziecko, o wzięcie udziału w badaniu.

Zbieranie danych

Teraz, gdy opracowano już cały plan, stworzono narzędzie i zidentyfikowano grupę uczestników, nadszedł czas, aby rozpocząć zbieranie danych. Jak wyjaśniono w tym rozdziale, zbieranie danych to proces gromadzenia informacji z różnych źródeł, które pozwolą osiągnąć cele badawcze określone w kroku pierwszym. Zbieranie danych może być tak proste, jak wysłanie wiadomości e-mail z załączonym linkiem do kwestionariusza ankiety, lub tak złożone, jak eksperyment z udziałem setek konsumentów. Metoda zbierania danych ma bezpośredni wpływ na czas trwania tego procesu. Przeprowadzanie osobistych wywiadów lub przeprowadzanie eksperymentów, może wydłużyć proces badawczy o tygodnie lub miesiące, podczas gdy wysłanie ankiety elektronicznej daje badaczowi szansę na zebranie niezbędnych danych w ciągu kilku dni.9

Analiza i interpretacja danych

Po zebraniu danych można przejść do ich analizy. Analiza danych (ang. data analysis) to proces ich porządkowania i przekształcania w taki sposób, aby uzyskać użyteczne, zrozumiałe, łatwe do dalszego wykorzystania informacje. Sama analiza może przybierać różne formy, od zastosowania podstawowych statystyk opisowych po bardziej kompleksową wizualizację danych. Najpierw omówmy kilka podstawowych statystyk, które można wykorzystać w procesie analizy danych.

Pierwszą z nich jest średnia, wykorzystywana w analizie danych ilościowych. Statystyka ta jest często definiowana jako średnia arytmetyczna (ang. arthmetic mean) wszystkich wartości zmiennych. Wzór na wyliczenie średniej jest następujący:

Typowym przykładem zastosowania średniej jest obliczanie wyników testów. Załóżmy np., że twoje wyniki z testów z marketingu to: 72, 85, 68 i 77 punktów. Aby znaleźć średnią, należy zsumować te cztery wyniki, co daje 302. Następnie liczbę tę należy podzielić przez liczbę wyników testów, czyli przez 4. Średnia wynosiłaby zatem 302 podzielone przez 4, co dałoby średni wynik testu 75,5.

Inną często stosowaną statystyką jest mediana (ang. median), nazywana też liczbą środkową. Aby wyznaczyć medianę, wszystkie odpowiedzi liczbowe sortuje się w kolejności rosnącej lub malejącej. Środkowa liczba, czyli mediana, dzieli zbiór danych na dwie równe części. Jest ona powszechną statystyką przy określaniu poziomu dochodów w określonym regionie geograficznym.10 Na przykład w Polsce w październiku 2022 mediana wynagrodzeń zatrudnionych w podmiotach zatrudniających 10 i więcej osób wynosiła 5701,62 zł. Połowa zatrudnionych osiągała dochody niższe niż ta kwota, a druga połowa – wyższe. W przypadku mężczyzn mediana była o 11,3% wyższa niż u kobiet.11 Połowa zatrudnionych osiągała dochody niższe niż ta kwota, a druga połowa – wyższe.

Dominanta (ang. mode) to kolejna statystyka, która jest używana do analizy zarówno w danych ilościowych, jak i jakościowych. Dominanta reprezentuje najczęstszą odpowiedź. Kolor oczu, kolor włosów i kolor pojazdu można przedstawić za pomocą dominanty. Badacze raportujący wyniki badań zazwyczaj przedstawiają częstotliwość wszystkich odpowiedzi, nie ograniczając się do tej najczęstszej. Takie wyniki można łatwo przedstawić na wykresie częstotliwości,12 jak ten na Ilustracji 6.8.

Ilustracja 6.8 Wykres częstotliwości (Źródło: Rice University, OpenStax, CC BY 4.0).

Badacze wykorzystują również inne rodzaje analiz do reprezentowania danych. Na przykład jeśli ważna jest relacja między dwiema wartościami, to należy ją uwzględnić w analizie. W takim przypadku można udostępnić dane w formie tabeli krzyżowej lub wykresu (patrz Ilustracja 6.9). Poniżej również zaprezentowano dane odnoszące się do korzystania z mediów społecznościowych, tym razem w zestawieniu krzyżowym z płcią. Jak widać, informacje są bardziej rozbudowane, gdy można rozróżnić identyfikatory płci i ilość czasu spędzanego dziennie w mediach społecznościowych.

Ilustracja 6.9 Wykres relacji dwóch zmiennych (Źródło: Rice University, OpenStax, CC BY 4.0).

Nie wszystkie dane można przedstawić w formie graficznej ze względu na charakter informacji. Czasami w przypadku jakościowych metod gromadzenia danych odpowiedzi nie mogą być przekształcone w prostą statystykę lub wykres. W takim przypadku można wykorzystać cytaty, zwane też dosłownymi wypowiedziami (ang. verbatims). Są to bezpośrednie wypowiedzi respondentów. Często można zobaczyć dosłowne wypowiedzi, czytając recenzję filmu lub książki. Wypowiedzi krytyków, wykorzystywane w części lub w całości, przedstawiają ich odczucia na temat nowo wydanej pozycji. Cytaty są przywoływane w raportach z wywiadów pogłębionych lub grup focusowych. Pozwala to czytelnikowi na własną interpretację, uzupełniającą propozycję wniosków przedstawionych przez badacza. Dzięki cytatom raport jest odbierany jako bardziej obiektywny.

Przygotowanie raportu z badań

Proces badań marketingowych kończy się udostępnieniem uzyskanych wyników i przedstawieniem decydentom zaleceń dotyczących przyszłych działań. Jednym z elementów raportu jest również omówienie ograniczeń badania, czyli obszarów, które mogły zostać pominięte w bieżącym projekcie badawczym lub mogą ograniczać możliwość generalizacji wyników na inne badane grupy. Dodatkowo zalecane jest wskazanie obszarów dalszych badań. Bez ostatniego etapu, w którym przygotowywany jest raport z badań marketingowych, pierwsze sześć kroków jest bezwartościowe. Dopiero po udostępnieniu informacji poprzez formalną prezentację lub raport można wdrożyć wynikające z nich zalecenia i wprowadzić ulepszenia. Pierwsze sześć kroków służy do gromadzenia informacji, podczas gdy ostatni ma pomóc w podjęciu decyzji stanowiącej podstawę do dalszego działania. Podczas ostatniego kroku przeprowadzana jest również ocena całego procesu badawczego. Warto sobie zadać następujące pytania: Gdyby te badania miały zostać przeprowadzone ponownie, to czy – i jak – zrobilibyśmy to inaczej? Czy pytania ankietowe zadane respondentom pozwoliły uzyskać właściwe informacje? Odpowiedzi na niektóre z tych kluczowych pytań mogą prowadzić do dodatkowych badań, innych badań lub dalszej analizy zebranych danych.

Operacjonalizacja w badaniach marketingowych

Operacjonalizacja w badaniach marketingowych odnosi się do procesu przekształcania abstrakcyjnych pojęć i zmiennych teoretycznych na konkretne, mierzalne wskaźniki, które są prezentowane w raporcie. Jest to kluczowy etap w projektowaniu badania, który umożliwia przejście od koncepcji teoretycznych do praktycznego zbierania danych. Operacjonalizacja pozwala określić, jak dokładnie zmienne badawcze zostaną zdefiniowane i zmierzone, co umożliwia uzyskanie precyzyjnych wyników. W kontekście marketingu operacjonalizacja może obejmować przekształcanie abstrakcyjnych koncepcji, takich jak lojalność klienta czy skuteczność kampanii reklamowej, w konkretne wskaźniki, takie jak liczba powtarzających się transakcji klienta czy stopień zauważalności reklamy. Dzięki operacjonalizacji badacze i marketerzy są w stanie dokładnie mierzyć i analizować zjawiska związane z rynkiem i konsumentami.