ככל שהטלפונים הופכים פחות ופחות נפוצים, קשה לערוך סקרים מבוססי טלפון. אבל החדשות הטובות הן שיש דרך חדשה לערוך סקרים! מעורבות אקראית במכשיר (RDE) היא שיטה חדשנית לביצוע מחקר המשתמשת במזהה הייחודי של המשיב כאבן הראשה של השתתפותו.
חשוב לציין כי על ידי התבוננות במזהה של מודעות בעולם המכשיר, חברות סקרים יכולות למנוע הונאות הקשורות ל- SUMA (משתמשים בודדים, חשבונות מרובים). דגימות RDE הן גם אקראיות לחלוטין ולא מוטות. שיפור בחיוג ספרות אקראי, משמש להתקשרות עם טלפונים קוויים (וכעת סלולריים) באופן אקראי.
לגמישות זו יש מספר יתרונות על פני שיטות סקר מסורתיות: RDEs זולים יותר מכיוון שהם אינם דורשים נסיעות או עלויות אחרות הקשורות לביצוע ראיונות; הם מספקים פרטיות רבה יותר למשיבים מכיוון שאף אחד לא רואה מי השלים או לא השלים את הסקר; והם מציעים שליטה רבה יותר על מתי למשיבים יש גישה לסקר מכיוון שאין צורך במראיינים או באנשי צוות אחרים באתרי איסוף (Tucker 1983; ווסט ובלום 2017).
מהי מעורבות אקראית במכשיר?
הבה נציג מעורבות אקראית במכשיר (RDE); היורש הטבעי של RDD (חיוג ספרות אקראי), במונחים של אורתוגרפיה, פילוסופיה ואיכות.
תשאול מעורבות אקראית במכשיר (RDE) מסתמך על רשתות פרסום או פורטלים אחרים במכשירים כדי ליצור מעורבות של אנשים אקראיים במקום שבו הם נמצאים. אחת הגרסאות הנפוצות ביותר של זה היא בתוך מודולי פרסום הטלפון החכם, אבל זה יכול בקלות להיות ממוקם במשחקים, מציאות מדומה, וכו '
העיקרון מאחורי סקרי Random Device Engagement הוא שאנשים שנבחרו על ידי חברת סקרים נוטים יותר להשתתף בסקרים מאשר אלה שלא נבחרו. מפרסמים יכולים לנצל את סקרי RDE בדרך זו כדי להבין טוב יותר מהי חוויית הלקוח במוצרים או בשירותים שלהם וכיצד הם עשויים להיות מסוגלים לשפר אותם.
מעורבות אקראית במכשיר מייצגת יתרון עצום, במיוחד בהשוואה ל- RDD. בעוד סקרים ניתן להשלים בתוך ימים ספורים, זה לא נדיר עבור RDD לקחת שבועות או אפילו חודשים. עם רשתות חברתיות ומיקור המונים בסיוע, סקרים ניתן להשלים קצת יותר מהר מאשר עם RDE, אבל עדיין חסר את המהירות כי RDE מציע.
פאנלים מקוונים דומים במהירות אם אתה משלם תוספת עבור משיבים מפאנלים ממוזגים (פאנלים מקוונים גובים תשלום נוסף כדי לקבל משיבים מפאנלים אחרים מכיוון שזה מגביר את מהירותם).
כשמדובר בדיוק של RDE, חשוב לדעת כי כיסוי הוא אחד הגורמים העיקריים. בתוך השוק האמריקאי, חברות RDE הגדולות יכולות להגיע ליותר מ -5,000,000 משיבים ייחודיים. RDE עדיין מפגרת אחרי RDD מבחינת כיסוי בשלב זה, אך היא תדביק את הפער בקרוב. סקרים במיקור המונים באמצעות מדיה חברתית דומים למיקור המונים בסיוע מדיה חברתית, והסיקור עדיף על פאנלים מקוונים.
לפאנלים הזמינים באינטרנט יש טביעת רגל קטנה מאוד, מה שמשפיע על יכולתם לאסוף מידע מפורט על האוכלוסייה.
שיטות אקראיות למעורבות מכשירים
בואו נסקור את העבודה שפורסמה הן בגואל, אובנג ורוטשילד (2015) והן בקוניצר, קורבט-דייויס ורוטשילד (N.D.) כדי להראות עד כמה דגימות RDE יכולות להיות יעילות. והוסיפו דוגמאות מהבחירות המיוחדות לקונגרס בשנים 2017-2018.
המחקר הראשון נערך על ידי Goel et al. (2015) שהשתמשו במדגם מבוסס אוכלוסייה של 1,200 מצביעים רשומים בבחירות כלליות במישיגן. המדגם נלקח מתיקי בוחרים רשמיים של מועצת הקנבסרים במישיגן וכלל מצביעים שהיו זכאים להצביע אך לא הצביעו בשנת 2004.
מחקר זה גילה כי לא-מצביעים נטו יותר ממצביעים להעדיף את קרי על פני בוש ב-2004, עם יתרון יחסי של 8 נקודות אחוז לקרי בקרב הלא-מצביעים לעומת 3 נקודות אחוז בלבד בקרב המצביעים (עמ'<0.05).
המחקר השני נערך על ידי Konitzer et al., (2016) שהשתמשו במחקר הבחירות לקונגרס השיתופי (CCES), אשר ראיין 1,068 משיבים באמצעות RDD במהלך מחזור הבחירות לנשיאות 2008. מערך הנתונים של CCES כולל מידע על עמדותיהם הפוליטיות של המשיבים, כמו גם על התנהגות ההצבעה שלהם בעבר, מה שאפשר לקוניצר ועמיתיו לבחון כיצד התנהגות הצבעה בעבר משפיעה על שיעור ההצבעה בעתיד.
החוקרים הצליחו להדגים כיצד השימוש ב-RDE, באמצעות Pollfish, הצליח להתאים באופן הדוק לסקרים סטנדרטיים של זהב כמו הסקר החברתי הכללי. החוקרים מצאו כי שיטה זו יכולה לשמש להחלפת שיחות בית בסקרים מכיוון ששיחות בית הן לעתים קרובות יקרות מדי עבור רוב פרויקטי המחקר להרשות לעצמם, ולכן זהו אמת מידה שימושית.
התוצאות הראו כי תחזיותיהם המבוססות על סקר בודד אינן גרועות משמעותית מהתחזיות של צוברי סקרים כגון Huffington Post Pollster (HPP). כאשר השוו את הערכות המדינה שלהם מול התוצאה בפועל, הם מצאו כי בהשוואה להערכות HPP, RMSE שלהם היה רק מעט גבוה יותר: 4.24% נקודות לעומת 3.62% נקודות (עבור 50 מדינות ללא DC)
שיטה #1 – חיוג ספרות אקראי (RDD)
השיטה הראשונה, חיוג ספרות אקראי (RDD), היא השיטה המסורתית. זה עובד מצוין, אבל זה נידון לכישלון בשנים הקרובות. לכן, זה באמת על אילו משיטות דגימת הסקר המקוון החדש יחליף אותו: פאנלים מקוונים, מיקור המונים בסיוע, או מעורבות מכשיר אקראית (RDE). אנו מאמינים כי RDE הוא העתיד.
במהלך 2017 ו-2018 חברות סקרים השתמשו בכל שלוש השיטות החדשות לחיזוי תוצאות הבחירות לקונגרס: RDE עולה בהרבה על השתיים האחרות.
חברות סקרים השתמשו בשלוש שיטות חדשות כדי לחזות את תוצאות הבחירות לקונגרס במהלך 2017 ו-2018. RDE מתפקד טוב יותר מהאחרים.
במאמר זה נסקור בפירוט את חוזקות השיטה, כולל סקרים שנערכו על ידי מכון המחקר פיו.
שיטה #2 –T elemetry Data
השימוש בנתוני טלמטריה במחקר סקר אינו חדש. למעשה, הדוגמה המפורסמת ביותר לטכניקה זו היא מחקרי הבחירות הלאומיים האמריקניים (ANES), אשר אוספים סקרים טלפוניים ופנים אל פנים ברמת משק הבית מאז 1948. ANES אוסף מידע זה על בסיס מתגלגל כך שחוקרים יכולים לעקוב אחר שינויים לאורך זמן ועל פני מיקומים גיאוגרפיים.
לאחרונה, RDE החלה להשלים את הנתונים שנאספו עם מגוון רחב של נתונים פרמטריים או טלמטריים.
אנשים שלוקחים סקרים שונים מהותית מאלה שלא לוקחים סקרים, כפי שכולנו יודעים. כחנות האנליטיקה הפרוגרסיבית, טענה CIVIS לאחרונה, סוללה של כמעט 30 שאלות דמוגרפיות, תפיסתיות וסגנון חיים נוספות שעוסקות במושגים של אמון חברתי וקוסמופוליטיות נחוצות כדי להיות מסוגלים לשקול ולתקן את כל הדרכים שבהן המשיבים לסקר הם יוצאי דופן.
כפי שטוענים קוניצר, אקמן ורוטשילד (2016), נתוני טלמטריה הם דרך הרבה יותר חסכונית (ולא פולשנית) לאסוף משתנים אלה. מיקום הבית והעבודה, דפוסי יוממות או ניידות, או ההרכב הפוליטי של השכונה או הרשת החברתית של האדם, הנגזרים מנתוני קואורדינטות מיקום אורכיות מבוססי לוויין (קרי: מדויקים ביותר) מנבאים היטב משתנים דמוגרפיים.
שיטה #3 – דיגום נחלים
דגימת נהר היא שיטה לגיוס משיבים המשתמשים במודעות באנר. זהו נוהג נפוץ במחקר שוק וסקרים, אבל יש לו כמה חסרונות גדולים.
בהתאם לשיטת דגימת הנהר, מודעות באנר יכולות לשמש לתשאולים, או מעורבות יכולה להתבצע דרך אתרי אינטרנט מדור קודם או מיקומים שבהם ספירת נתונים מהירה מגייסת משיבים. ל-RDE יש גישה למספרי חשבונות, אך דגימת נהרות לא, מה שמציג שני חסרונות חמורים: דגימת נהר אינה מסוגלת לזהות SUMA – רמאים עלולים לרמות על ידי השתתפות פעמיים באותו סקר, במיוחד אם יש תמריץ כספי להשתתף. בנוסף, כל רמה של מיקוד דמוגרפי/גיאוגרפי נראית בלתי אפשרית.
התהליך פשוט: בקשת מודעה מגיעה לשרת, אשר לאחר מכן מפנה אותו לרשת המודעות לעיבוד ישירות. רשת המודעות קובעת אם יש פרסומות זמינות המתאימות למשתמש מסוים זה ושולחת אותן לשרת.
סקרי RDE טובים נעשים בשיתוף פעולה של המו"ל, ומספקים חוויה מקורית, בעוד מודעות באנר נדחפות דרך רשת המודעות.
דוגמאות למעורבות אקראית במכשיר
כפי שתואר קודם לכן, אנו מאמינים באמונה שלמה שחיוג ספרות אקראי (RDD) נידון לאבדון. פאנלים מקוונים הם יעילים אך יקרים, מיקור המונים בסיוע עובד היטב אך לוקח זמן רב מדי, ומעורבות אקראית במכשיר (RDE) היא הרבה יותר מהירה וחסכונית.
העתיד של RDE ורוד. החדירה של מכשירים תגדל עוד יותר בעתיד, תגדיל את טווח ההגעה של RDE בארה"ב ותהפוך את RDE לחלופה המעשית היחידה בשווקים פחות מפותחים. קחו לדוגמה את אפריקה: שיעור חדירת הסמארטפונים צפוי לגדול ב-52.9% משנה לשנה.
נכון לעכשיו, ישנם 293 מיליון משתמשי סמארטפונים ברחבי היבשת, כלומר אם לוקחים בחשבון את שיעורי הצמיחה הנוכחיים, יהיו 929.9 מיליון סמארטפונים עד שנת 2021 באפריקה. אבל העתיד הוורוד של RDE אינו קשור רק לחדירה – התקדמות בגישור מזהי מודעות עם מזהים ידועים אחרים בשוק האמריקאי פירושה שמיקוד אישי המבוסס על היסטוריה פיננסית או דפוסי הוצאות בכרטיסי אשראי יהיה אפשרי.
ובעוד אנחנו מדברים על גישור על מקורות נתונים: חברות סקרים פוליטיים יכולות כעת לערוך סקרים ישירות מתיק בוחרים של 250 מיליון אמריקאים.
מסקנה
התחלנו בדיון על האופן שבו RDD מסורתי עבד וכיצד הוא נידון לכישלון על ידי חוסר השתתפות של אנשים צעירים שנוטים פחות להיות קוויים. סקרנו שתי טכניקות חדשות: פאנלים מקוונים ומיקור המונים בסיוע. פאנלים מקוונים דומים RDD מסורתי אבל עם טכנולוגיה מודרנית יותר; הם אינם דורשים מהמשתתפים לענות על שאלות כלשהן בעצמם או אפילו לדבר עם בן אדם.
במקום זאת, הם משתמשים בסקריפטים ואלגוריתמים אוטומטיים לאיסוף נתונים ממשתמשי אינטרנט שמסכימים להשתתף. מיקור המונים בסיוע משתמש בבני אדם כמו גם במחשבים; בני אדם משמשים למשימות כמו תיוג תמונות או תמלול הקלטות קוליות, בעוד שמחשבים עושים דברים אחרים כגון ניתוח מסמכי טקסט למטרות ניתוח סנטימנט.
לבסוף, דנו בשיטה המועדפת עלינו: מעורבות אקראית במכשיר (RDE). שיטה זו משתמשת באלגוריתמים מתוחכמים כדי לזהות מכשירים באופן אוטומטי.
למד כיצד לנצל את עוצמת המחקר עם הקהל של QuestionPro. המוצרים שלנו משמשים יותר מ-3 מיליון אנשים ביותר מ-50 מדינות, ואנחנו תמיד מחפשים דרכים חדשות להשתמש בטכנולוגיה שלנו כדי לעזור לך לאסוף תובנות משמעותיות יותר מהלקוחות שלך.
השתמש בקהל של QuestionPro כדי לעזור לך ליצור סקרים מדויקים יותר שיספקו לך נתונים טובים יותר.