Průvodce pro výzkumníky k sledování studií

Co je to sledovací studie?

Sledovací studie vám pomáhají průběžně sledovat dané výzkumné téma prostřednictvím opakovaného rozesílání stejného dotazníku a porovnávání toho, jak se vaše údaje v průběhu času mění.

Témata, která byste jako firma mohli chtít sledovat, se obvykle pohybují od změn ve vaší cílové skupině (např. demografické údaje, hodnoty, postoje, spotřeba médií) přes vnímání vaší značky (např. image), zákaznické zkušenosti (např. frekvence nákupů, spokojenost zákazníků, retence zákazníků) až po účinnost reklamních kampaní (např. povědomí o značce). Kromě toho jsou sledovací studie velmi běžné v rámci volebních průzkumů, např. při sledování preferencí politických stran nebo relevance a významu určitých témat pro voliče.

S ohledem na to má přístup, z něhož vycházejí sledovací studie, tři hlavní aspekty: Za prvé, sledovací studie poskytují 360° pohled na dané téma a jejich cílem je vykreslit celkový obraz. Nezaměřují se nutně na to, aby dokázaly vysvětlit všechny detaily, ale spíše na pochopení nejdůležitějších klíčových ukazatelů výkonnosti (KPI). Proto jsou data z průběžných studií často integrována a uváděna do kontextu s externími zdroji dat.

Zadruhé se sledovací studie zaměřují spíše na vývoj než na stávající stav. Pro sledovací studie není tak důležité podrobně vyhodnocovat konkrétní problém, jako spíše sledovat, zda se situace celkově vyvíjí správným směrem. Sledovací studie mohou také pomoci posoudit dopad nepředvídaných událostí z minulosti, jako je například vstup nového konkurenta na trh.

Za třetí, sledovací studie vycházejí z proaktivního přístupu. Snaží se včas odhalit relevantní změny, aby bylo možné přijmout opatření ještě předtím, než se tyto záležitosti stanou skutečným problémem.

Zahájení sledovací studie

S ohledem na to se podívejme na typické aspekty a osvědčené postupy při nastavování nové sledovací studie nebo při úpravách stávající studie. V ideálním případě byste se měli snažit vyhnout změnám v již probíhající sledovací studii, protože každá změna ve vaší metodice nebo dotazníku může ovlivnit vaše časové řady. Proto je klíčové zachovat vysokou srovnatelnost všech časových bodů. Navíc, jelikož budete sledovací studii provádět po dobu několika měsíců či let, mohou rozhodnutí ohledně jejího návrhu učiněná při jejím nastavení mít obrovský dopad na celkovou hodnotu studie v průběhu jejího trvání. Právě proto je tak nesmírně důležité nastavit sledovací studii správně hned na začátku.

Nebojte se, pokud se vám tento požadavek jeví jako poněkud náročný: tento článek nejen nastíní nejdůležitější aspekty, které je třeba při nastavení zohlednit, ale také poskytne několik rad, jak v případě potřeby sledovací studii později upravit. A jako vždy, pokud máte jakékoli další dotazy, neváhejte se na nás obrátit. Rádi se s vámi podělíme o naše zkušenosti.

Vypracování dotazníku

Sledovací studie se mohou týkat téměř jakéhokoli tématu a mohou být zaměřeny na jakoukoli cílovou skupinu. Právě proto neexistuje univerzální šablona pro dotazníky sledovacích studií. Rádi bychom se s vámi však podělili o několik postřehů a zkušeností, které vám mohou pomoci při sestavování vašeho vlastního dotazníku.

360° pohled: Člověk snadno přehlédne les kvůli stromům. To může vést nejen k velmi rozsáhlému (a potenciálně irelevantnímu) dotazníku, ale také zvyšuje riziko, že vám uniknou důležité aspekty. Snažte se soustředit pouze na hlavní KPI (např. povědomí o značce, image značky) a první návrh dotazníku udržujte co nejkratší a nejstručnější. Tento dotazník pak můžete rozšířit o relevantní kontextové proměnné, které pomohou vysvětlit vaše KPI (např. demografické údaje, frekvence používání, konkurenční prostředí, spotřeba médií).

Zaměření na vývoj: Další věc, kterou byste měli vědět, je, že ne každá otázka je vhodná ke sledování. Pokud se daná otázka ve vaší organizaci neopakuje, pravděpodobně by neměla být do dotazníku zahrnuta. Snažte se také odhadnout očekávanou frekvenci změn. Pokud v průběhu času neočekáváte změny, nemá smysl tyto otázky sledovat. Naopak, pokud jsou vaše změny velmi kolísavé, může se stát, že ve vašich datech bude spousta šumu, aniž byste byli schopni jakoukoli z těchto změn vysvětlit. Uvědomte si, že různé techniky dotazování mohou také ovlivnit, jak stabilní nebo proměnlivé jsou vaše časové řady. Zatímco například průzkumy veřejného mínění jsou obvykle stabilnější, implicitní dotazování může odhalit i nepatrné změny v emocionální vazbě zákazníka a vytvořit mnohem diferencovanější obraz. Závěrem lze říci, že byste se měli pokusit odhadnout typické časové rámce pro všechny změny, které chcete sledovat, a mít je na paměti pro pozdější plánování frekvence vzorkování.

Proaktivní přístup: Zamyslete se nad tím, jak hodláte reagovat na změny ve vaší sledovací studii. Vaše sledovací studie by měla být v souladu s procesy ve vaší organizaci. Pokud pořádáte pravidelné čtvrtletní schůzky k určitému tématu, možná budete chtít nejen mít k danému datu k dispozici aktuální data, ale také být schopni vysvětlit možné změny a nasměrovat vás správným směrem ohledně toho, co by se mělo dělat dál. Propojení vaší sledovací studie se stávajícími daty ve vaší společnosti (např. tržby, výdaje na reklamu) vám pomůže zasadit poznatky získané ze sledování do kontextu.

Odběr vzorků

Výběr vzorku pro sledovací studie se vždy rozhoduje individuálně. Celkovým cílem všech sledovacích studií je však zajistit, aby vzorky zůstaly v průběhu času co nejkonzistentnější. To platí zejména pro kvalitu dat: pokud svou sledovací studii založíte na nekvalitním zdroji dat, její celková hodnota se časem sníží. Podívejme se na faktory, které je třeba zohlednit při navrhování vzorku pro sledovací studii.

Cílová skupina

Prvním krokem je definovat vaši cílovou skupinu. Osvědčeným postupem je nevymezovat ji příliš úzce. Místo toho se snažte předvídat, kdo by se mohl v budoucnu stát součástí vaší cílové skupiny, až se vaše společnost a její produkty dále vyvinou. Abyste mohli tyto změny později sledovat, měli byste do svého výběru vzorku od samého začátku zahrnout všechny potenciální cílové skupiny. To vám také pomůže změřit, do jaké míry vaše cílová skupina v rámci širší populace roste nebo se zmenšuje.

Druhý bod se týká správného vymezení cílové skupiny. To je obzvláště důležité u B2B cílových skupin, kde nesprávná definice cílové skupiny může ovlivnit platnost a proveditelnost vašeho průzkumu. Řekněme, že máte na mysli (potenciální) odběratele reklamních předmětů. Pokud definujete svou cílovou skupinu jako všechny osoby, jejichž pracovní pozice je „CMO“ (protože všichni CMO mohou rozhodovat o reklamních předmětech), můžete opomenout společnosti, které nemají CMO, nebo všechny zaměstnance, kteří mohou činit určitá rozhodnutí, aniž by se museli ptát svého CMO. Tyto skupiny lidí mohou být stále (potenciálními) kupci, a proto by měly být součástí vaší cílové skupiny. Opět se snažte definici cílové skupiny udržet co nejširší, protože špatná operacionalizace může rovněž poškodit validitu a proveditelnost vašeho výzkumu.

Způsob sběru dat

Jakmile budete mít první návrh dotazníku a představu o cílové skupině, můžete začít uvažovat o nejvhodnější metodě provádění rozhovorů. Pokud například váš dotazník vyžaduje použití grafických prvků (např. log), vhodnou metodou by mohly být online rozhovory. Totéž platí, pokud chcete automatizovat výběr vzorku tak, aby se pozvánky k průzkumu odesílaly na základě určitých událostí ve vašem CRM systému (např. zpětná vazba od zákazníků po každém nákupu). Na druhou stranu některé cílové skupiny vyžadují použití telefonických rozhovorů, zejména pokud nejsou v online panelech dostatečně zastoupeny (tj. tzv. „nonliners“). V některých případech může dokonce dávat smysl oslovit respondenty telefonicky a pozvat je k účasti na online rozhovorech. Výběr správné metody pro váš konkrétní průzkum závisí na vaší konkrétní cílové skupině a dotazníku.

Jakmile si osvojíte metodické požadavky, mějte na paměti, že sběr dat by měl být v rámci sledovacích studií vždy považován za dlouhodobé rozhodnutí. Musíte se ujistit, že najdete konzistentní a vysoce kvalitní zdroj dat, který bude základem vašich časových řad. Plánujte s předstihem a snažte se odhadnout, zda vám zdroj vzorku bude schopen v dlouhodobém horizontu poskytnout dostatečný počet účastníků z vaší cílové skupiny. Pokud tomu tak nebude, můžete být v budoucnu nuceni kombinovat různé zdroje dat, což by mohlo ohrozit konzistenci vašich dat. V takových případech byste měli zvážit změnu zvolené metody nebo začít s kombinovaným vzorkem hned od začátku, aby zůstal dlouhodobě konzistentně kombinovaný.

Vzorkovací frekvence

Jakmile si vyberete metodu sběru dat, měli byste stanovit frekvenci vzorkování. Vzorkování lze provádět průběžně, zejména pokud pozvánky spouštíte na základě událostí ve vašem CRM systému v okamžiku, kdy k nim dojde. Běžnějším způsobem je však seskupení všech pozvánek a jejich odesílání v pravidelných vlnách. Právě v tomto okamžiku se projeví vaše úvahy při sestavování dotazníku, stejně jako dostupnost nového vzorku.

Začněme s předpokládanou četností změn vašich KPI. Pokud očekáváte časté změny, měli byste provádět měření častěji. Naopak, pokud očekáváte, že vaše čísla zůstanou v průběhu času poměrně stabilní, můžete mezi jednotlivými vlnami měření ponechat delší časové intervaly. V obou případech se při stanovování frekvence vzorkování snažte zohlednit sezónní vlivy. Velmi často se totiž v průběhu roku výrazně liší využívání produktů i image značek.

Dalším faktorem, který je třeba zvážit, je dostupnost vzorku. Pokud máte neomezený zdroj nových respondentů, můžete provádět časté vlny průzkumu, aniž by vám došli účastníci. Na druhou stranu, pokud máte velmi úzkou cílovou skupinu, může být proveditelnost častých vln omezená. V takovém případě můžete buď provádět dotazování méně často, nebo v analýze postupně kombinovat poslední vlny, abyste získali stabilní základ pro analýzu dat (např. klouzavé průměry za poslední dvě vlny dohromady).

Velikost vzorku

V neposlední řadě ještě pár slov k doporučené velikosti vzorku pro jednotlivé vlny. Čím více členění chcete analyzovat pro různé segmenty vaší cílové skupiny a čím jemnější rozdíly chcete odhalit, tím více případů budete ve své analýze potřebovat, abyste dosáhli spolehlivých výsledků. Velikost vzorku však souvisí také s frekvencí. Čím častěji provádíte dotazování, tím více je v daném období zapotřebí (čerstvého) vzorku.

Vzhledem k tomu, že velikost vzorku, četnost odběru vzorků a způsob sběru dat spolu úzce souvisejí, může v některých případech chvíli trvat, než najdete optimální kombinaci všech těchto parametrů. Věnujte tomu dostatek času, zvažujte různé možnosti a snažte se najít pro svou studii tu nejlepší možnou variantu.

Dodání dat

Posledním aspektem, který je třeba zohlednit při přípravě sledovací studie, je nejúčinnější způsob předávání dat. Pro sledovací studie je typické, že se v každé vlně opakují stejné kroky. Právě proto je automatizace všech opakujících se úkolů pro sledovací studie obzvláště přínosná: automatizace je nejen nákladově efektivnější, ale také zajišťuje větší konzistenci všech získaných poznatků tím, že eliminuje lidský faktor jako možný zdroj chyb.

Data lze dodávat ve všech běžných formátech: jako surová data, tabulky nebo grafické přehledy. V posledních letech se však pro mnoho odběratelů staly preferovanou volbou dashboardy. Dashboardy dokážou nejen pracovat s daty v reálném čase, ale také umožňují integrovat různé zdroje dat (např. tržby ze systému CRM, datové toky ze sociálních médií, Google Analytics) a poskytují komplexní přehled o vývoji. V neposlední řadě disponuje mnoho dashboardů analytickými schopnostmi, které daleko přesahují pouhou vizualizaci četností v barevných (a stahovatelných) grafech. Lze je považovat za komplexní zdroj všech relevantních obchodních poznatků. Právě proto se v posledních letech staly tak důležitými pro sledování studií.

Revize probíhajících sledovacích studií

I když by se mělo zabránit zbytečným změnám v průzkumech sledujících vývoj, některé změny se v průběhu času mohou stát nezbytnými. Svět podnikání se neustále vyvíjí: do popředí se dostávají nové mediální kanály a mění se vzorce využívání médií. Konkurenční prostředí se mění s příchodem nových hráčů na trh nebo s etablováním nových kategorií produktů. Na významu získávají nová témata. Příkladem z posledních let je společenská odpovědnost firem. Navíc se neustále vyvíjejí i naše výzkumné metody. Inovativní technologie se staly dostupnějšími a kvalita mnoha metod se zlepšila. Například některé z dříve těžko dosažitelných cílových skupin lze nyní oslovit prostřednictvím online panelů. Stručně řečeno: Zlaté pravidlo zachování vysoké konzistence by nemělo sloužit jako ospravedlnění pro lpění na zastaralém uspořádání. Právě v takových případech se změny stávají nezbytnými. Jak ale postupovat?

Nejčastější změny se týkají dotazníku – přidávání nových otázek či položek a odstraňování těch, které již nejsou relevantní. Vždy, když se tyto změny zásadně dotýkají tématu a logiky dotazníku, doporučujeme provést paralelní testy nové verze s původní verzí, aby bylo možné kvantifikovat dopad provedených změn. Další možností je provést samostatnou ad hoc studii mimo rámec sledovací studie, aby se zajistilo, že změny nijak neovlivní žádné z dlouhodobě sledovaných časových řad.

Další typickou změnou je přechod od telefonických rozhovorů k online rozhovorům, protože to může být v některých případech nákladově efektivnější řešení. Všechny rozhovory lze plně automatizovat a již nejsou závislé na dostupnosti osobního tazatele. V tomto případě platí stejné doporučení jako výše: zkuste provést paralelní testování nebo samostatnou ad hoc studii, abyste mohli porovnat staré časové řady s novou metodou. Při změně metody dochází často ke změnám v celkových číslech a tato srovnání vám pomohou tento efekt zohlednit (a případně data odpovídajícím způsobem zvážit, aby byla zachována srovnatelnost).

V neposlední řadě, vzhledem k tomu, že se technologie v posledních letech stala dostupnější, zkuste automatizovat své datové přehledy pomocí řídicího panelu. To vám také umožní propojit vaše sledovací data s dalšími zdroji dat, jako jsou například údaje o tržbách z vašeho CRM systému. Investice do nastavení dashboardu vám nejen přinese přidanou hodnotu v oblasti analytiky, ale také se vám vrátí v průběhu dalšího sledování.