98
Moderní metody a techniky marketingového výzkumu
Příklad Během skupinového rozhovoru ochutnávali pozvaní účastníci různé modifikace konkrétní potraviny a své poznatky a postoje zapisovali do připravených dotazníků. Zároveň byli snímáni videokamerou.
Výběr metody sběru dat závisí na několika faktorech [110]: ■■ účel a cíl výzkumu – rozhodují o množství, kvalitě a míře zobecnění požadovaných dat; ■■ charakter zkoumané problematiky – určuje míru dostupnosti dat; ■■ vlastnictví zdrojů – představuje naše možnosti časové, finanční a lidské. Nejznámější a také nejčastěji využívanou metodou je dotazování. Sběr dat spočívá v hledání konkrétních odpovědí přímo od respondentů. Můžeme získat informace o znalostech, názorech, preferencích, uspokojení atd. V závislosti na výhodách a nevýhodách či omezeních jednotlivých typů dotazování (viz tabulka 3.2) provádíme výběr nejvhodnějšího typu pro konkrétní zadání výzkumu. Vzhledem ke zvyšujícím se požadavkům na urychlení celého výzkumného procesu dochází stále častěji k využití tzv. reprezentativních panelů respondentů (viz například podkapitola 5.1.2), kteří poskytují své informace po síti nebo na základě telefonického zavolání podle přesně stanovené techniky výběru respondentů. Mezi hlavní problémy využití metody dotazování patří především neochota respondenta spolupracovat či záměrné zkreslení poskytnutých informací. Dalším rizikem je nezastižení respondenta a s tím související prodloužení a prodražování výzkumu. Metodu pozorování využijeme v případech, kdy nebudeme chtít, aby pozorovaná osoba věděla, že je sledována, čímž eliminujeme záměrné zkreslování pozorovaného chování. Pozorování je také vhodné při sběru frekvenčních dat. Problémem pozorování bývá subjektivní vnímání stejného pozorovaného jevu různými pozorovateli odlišně. Stává se také, že pozorovaný jev vůbec nenastane nebo se výrazně změní výchozí situace (podmínky) a vypozorované závěry mají odlišnou vypovídací hodnotu. Příklad Pozorování hustoty provozu na vybrané komunikaci každé první pondělí v měsíci. Pakliže dojde k řetězové havárii, která ochromí na několik hodin dopravu, bude nutné rozhodnout o náhradním pozorování.
Pokud je složité získat data v reálném světě, využijeme pro získání relevantních dat experiment. Probíhá zpravidla v tzv. laboratorních podmínkách (vybereme si vstupní veličiny a eliminujeme vnější vlivy), kde se pozvaní lidé účastní testování vybraných veličin (závislých proměnných) v závislosti na změnách jiných vstupních veličin (nezávislých proměnných). Můžeme tak získat údaje o vztazích mezi příčinou a jejím důsledkem (například testování chuti výrobku nebo vlivu obalu na nákupní chování). Hlavní problém experimentu spočívá v tom, že dosažené výsledky s vybranou malou skupinou účastníků nemusí odpovídat náladám v celé populaci. Navíc účastníci experimentu si jsou obvykle vědomi své účasti na experimentu a mohou se chovat nepřirozeně.
Ukázka elektronické knihy, UID: KOS182764
Realizace výzkumu
99
4.1.3 Kontrola sběru dat Kontrola může být chápána ve třech rovinách: ■■ kontrola pro potřeby zpracovatele, ■■ kontrola pro potřeby respondenta, ■■ kontrola pro potřeby zadavatele. Pokud neprovádíme zrovna online dotazování, pak vždy pracujeme s nějakými externími spolupracovníky, kteří nám pomáhají sbírat data. Proto je již na vstupním školení zpravidla informujeme o tom, že budeme provádět kontrolu jejich práce v terénu. Tímto způsobem je motivujeme, aby práci odvedli nejen v požadované kvantitě, ale především v kvalitě, která je potřebná pro získání relevantních dat. Kontrola nám pomáhá při ověřování reprezentativnosti výběru respondentů, při hodnocení práce tazatelů, při potvrzování pravdivosti zjištěných údajů, zda byla činnost skutečně vykonána atd. Základními nástroji kontroly bývá znovu oslovení náhodně vybrané skupiny respondentů (nejčastěji telefonicky). Při dotazování potřebujeme aktivní spolupráci respondenta. Proto nesmíme dát respondentovi záminku, aby nám nedůvěřoval. Jinak nám, resp. našim spolupracovníkům nemusí poskytnout všechna potřebná data, nebo je záměrně zkreslí. Aby získal větší jistotu, provádí kontrolu identity tazatele. Výzkumné agentury proto vybaví své lidi, kteří přicházejí do kontaktu s respondenty, průkazem tazatele. Příklad Průkaz tazatele by měl obsahovat především jméno a příjmení tazatele, jeho fotografii, název, adresu a razítko zadavatele výzkumu, resp. výzkumné agentury, platnost průkazu (dobu dotazování).
Největší riziko při výzkumu podstupuje zákazník výzkumné agentury (zadavatel), neboť vynakládá firemní nebo dokonce osobní finanční prostředky na zajištění služby. Proto má právo provádět kontrolu odvedené práce. Měli bychom proto evidovat kvantitativní i kvalitativní úroveň osob, které sbírají data. Nejčastěji jde o v elektronické podobě zpracované evidenční listy těchto osob a údaje o jejich vykonané práci. Příklad V dnešní době propojení řady výzkumných metod s výpočetní technikou dochází k vytváření a editování evidenčních listů automaticky, neboť sofistikované systémy sběru dat umožňují zaznamenat začátek a konec každého případu (například telefonování), identifikaci pracovníka, úspěšnost, průměrnou a celkovou dobu atd.
Evidence terénních prací by měla být charakterizována především kvantitativními údaji (počet provedených návštěv, obtelefonovaných respondentů, odeslaných dotazníků nebo datových souborů tazateli a jejich návratnost atd.). Kvalita by měla být vyjádřena způsobem prováděné kontroly terénních prácí apod.
Ukázka elektronické knihy, UID: KOS182764
100
Moderní metody a techniky marketingového výzkumu
4.2 Zpracování dat Tato část by vám měla pomoci: ■■ ■■ ■■ ■■
opravit shromážděná chybná data, vhodně roztřídit shromážděná data, správně postupovat při kódování proměnných, připravit datovou matici a další vstupy pro analýzu dat.
Klíčová slova: kontrola úplnosti • logická kontrola • neutrální odpovědi • výběrová chyba • nevýběrové chyby • úprava dat • vážení dat • třídění • stupeň třídění • kódování • kód • typy proměnných • datová matice
Jakmile se nám podaří nashromáždit požadovaný objem dat, nemůžeme okamžitě začít s analýzou dat a výpočty jakéhokoli druhu. Abychom minimalizovali riziko nepřesných doporučení z provedených výzkumů, musíme nasbíraná data vhodně zpracovat. Nejprve provedeme kontrolu a úpravu dat. Postupně provádíme další úkony, abychom maximálně zpřesnili vstupní data pro provádění analýz, jejichž výstupy ve finále interpretujeme a formulujeme na jejich základě správná doporučení. Samozřejmostí dnešní doby je zpracovávání dat a provádění vybraných zmíněných úkonů pomocí výpočetní techniky.
4.2.1 Kontrola a úprava dat Správně připravená data pro další analýzy by měla vykazovat vysoké hodnoty především těchto dvou ukazatelů: ■■ validita dat (přesnost, platnost, věrohodnost, nevychýlenost, správnost) – měříme skutečně to, co jsme zamýšleli měřit; ■■ reliabilita dat (spolehlivost, opakovatelnost, stálost, pravdivost) – při opakované aplikaci dostaneme shodné výsledky (pokud nedošlo ke změně zkoumaného objektu).
reliabilita: ano validita: ne
reliabilita: ne validita: ano
reliabilita: ne validita: ne
reliabilita: ano validita: ano
Obr. 4.1 Validita a reliabilita
Ukázka elektronické knihy, UID: KOS182764