MFL | Marktforschung

Text Mining wird verwendet, um unstrukturierte Textdaten zu analysieren, z.B. durch Sentiment-Analyse oder Kategorisierung von Aussagen.

Experimente helfen, Ursache-Wirkungs-Beziehungen zu testen und bieten eine Möglichkeit, die Auswirkungen von Marketingmaßnahmen oder anderen Reizen zu messen.

Der erste Schritt ist die präzise Definition der Wissenslücke und der geplanten Verwendung der Ergebnisse, um sicherzustellen, dass die Forschung zielgerichtet und pragmatisch erfolgt.

Es wird geprüft, ob bereits relevante Informationen durch Sekundärforschung verfügbar sind. Bei fehlenden Daten wird ein Briefing für die Primärforschung erstellt.

Interne Durchführung ist sinnvoll, wenn Studien zur Vertiefung des Kundenwissens, zur Nutzung interner Datenquellen und zur flexiblen, agilen Durchführung erforderlich sind.

Externe Durchführung wird empfohlen bei repräsentativen, politischen oder heiklen Themen sowie bei hohem personellen Aufwand.

Bei der Auswahl eines externen Marktforschungsinstituts werden Kriterien wie eigene Erfahrungen, Mitgliedschaften, methodische Kompetenz und Infrastruktur berücksichtigt.

Das Ziel der Kick-off-Sitzung ist es, ein gemeinsames Verständnis zu schaffen, offene Fragen zu klären und Rollen sowie Erwartungen abzustimmen.

Im Studiendesign wird entschieden, welcher Forschungsansatz (qualitativ oder quantitativ) und welche Erhebungsmethode (Befragung oder Beobachtung) am besten geeignet sind.

Bei der Auswahl der Auskunftspersonen wird entschieden, wie viele Interviews oder Beobachtungen durchgeführt werden sollen und welche Kriterien für die Stichprobe gelten.

Das Erhebungsinstrument muss alle Forschungsziele abdecken, einfach und klar formuliert sein, eindeutige Fragen enthalten, neutral sein und überladene Fragen vermeiden.

Der Auswertungsplan stellt sicher, dass alle Daten später nutzbar sind und der Auftraggeber entscheidet, ob er die Rohdaten erhalten möchte.

Zusätzliche Materialien wie Schulungsunterlagen für Befrager und FAQs werden bereitgestellt, sowie externe Informationen wie Flyer oder Webseiten mit Informationen zur Studie.

Feldsteuerung umfasst regelmäßige Kontrollen, um sicherzustellen, dass alles wie geplant verläuft. Sie umfasst Maßnahmen wie zusätzliche Rekrutierung oder Erinnerung von Zielpersonen.

Wenn die nötige Anzahl an Auskunftspersonen erreicht ist, wird das Feld geschlossen.

Bei Verzögerungen oder negativem Feedback kann das Feld verlängert oder frühzeitig beendet werden.

Der erste Schritt ist die Datenbereinigung, bei der Fehler oder Unstimmigkeiten in den Rohdaten erkannt und entfernt werden.

Datenbereinigung bezieht sich auf das Überprüfen und Korrigieren von Fehlern oder Unstimmigkeiten in den Daten.

In der Datenaufbereitung werden die Rohdaten strukturiert, um sie für die Analyse in eine analysierbare Form zu bringen.

In der Datenanalyse werden Muster und Zusammenhänge in den erhobenen Daten erkannt.

In der Dateninterpretation werden die Analyseergebnisse in den Kontext der Forschungsziele gesetzt.

Exploratives Vorgehen ist offen und flexibel, um neue Muster zu entdecken, während konfirmatorisches Vorgehen konkrete Hypothesen bestätigt.

Breaks unterteilen die Daten nach Merkmalen wie Geschlecht, Alter oder Region.

Filter grenzt die Befragten je nach Antworten auf bestimmte Fragen ein, z.B. nur Käufer eines Produkts werden befragt.

Ein Tabellenband bietet einen Überblick über Kreuztabellen und Signifikanztests, um einen schnellen Einblick in die Daten zu geben.

Quantitative Daten liegen oft in Tabellenform vor, während qualitative Daten oft in Audio- oder Videoaufzeichnungen vorliegen.

Transkribieren bedeutet, Audio- oder Videoaufzeichnungen in Textform zu übertragen.

Ausreißer sind extreme Werte, die in den Daten auffallen und einer genaueren Prüfung bedürfen.

Signifikanztests helfen, echte Unterschiede zwischen Gruppen zu erkennen und zufällige Abweichungen zu identifizieren.

In der qualitativen Analyse werden offene Antworten in Kategorien eingeteilt und systematisch festgehalten.

Bivariate Verfahren analysieren Zusammenhänge zwischen zwei Variablen, z.B. mit Kreuztabellen.

Multivariate Verfahren analysieren komplexe Zusammenhänge zwischen mehreren Variablen, z.B. durch Regressionsanalysen.

Ergebnisse sollten mit anderen Datenquellen abgeglichen und auf Plausibilität geprüft werden, um Fehler zu vermeiden.

Fehlerquellen bei der Ergebnisinterpretation sind z.B. falsche Annahmen oder unvollständige Daten.