Määrällisen tutkimuksen tehokas hyödyntäminen

Määrällisten menetelmien tunnistaminen ja tietojen kerääminen.

QuantData_LowResMäärällinen eli kvantitatiivinen tutkimus mahdollistaa jostakin ihmisryhmästä otetun otoksen tuloksien yleistämisen koko ryhmään. Määrällinen tutkimus on sekä strukturoitua että tilastollista. Sen ansiosta tuloksien pohjalta voidaan tehdä johtopäätöksiä ja tietoon perustuvia päätöksiä jatkotoimenpiteistä.

Useimmiten määrällistä tutkimusta käytetään ennalta määritetyn hypoteesin vahvistamiseen tai kumoamiseen. Hypoteesi voi pohjautua aiempaan laadulliseen tutkimukseen.

Määrällisen tutkimuksen kysymykset muodostavat suurimman osan useimmista kyselyistä. Niitä kuitenkin käytetään usein tehottomasti. Määrällisen tutkimuksen kysymystä suunniteltaessa on varmistettava, että se auttaa saavuttamaan jonkin seuraavista kolmesta tavoitteesta:

1. Jonkin vastaajien ominaisuuden määrittäminen. Kaikki suljetut kysymykset pyrkivät määrittämään tämän ominaisuuden tarkemmin. Tällä menetelmällä saadaan tietoja esimerkiksi seuraavista asioista:

  • Ominaisuudet: Ikä, sukupuoli, etninen tausta, tulotaso jne.
  • Käyttäytyminen: Vastaajan tavat, kuten internetin käyttöön kuluva aika tunteina viikossa, työmatkakäytännöt, liikuntaharrastukset jne.
  • Mielipide tai asenne: Vastaajan ajatukset esimerkiksi siitä, miten tyytyväinen hän on tuotteeseen tai vaikkapa äänestämänsä kansanedustajan toimintaan.

Näiden ominaisuuksien tietäminen auttaa ymmärtämään, ketä kyselytutkimuksen vastaajat ovat, miten he toimivat, mistä he pitävät ja mitä he odottavat.

Ilmainen e-opas kyselytutkimusten tekoon Lue vinkit kyselytutkimuksen asiantuntijoilta - näin luot loistavia kyselyitä, joilla saat luotettavat tulokset.

Ota avuksi oppaamme →

2. Yleisien suuntauksien mittaaminen: Kun sama kyselytutkimus toistetaan useita kertoja tiettynä ajanjaksona, tietomassasta alkaa erottua suuntauksia eli trendejä. Ehkä mielipiteet ovat hitaasti kääntymässä johonkin suuntaan tai ehkä havaittavissa on vuodenaikavaihtelua?  Joka tapauksessa suuntauksien tarkastelu asettaa kyselytutkimuksen tulokset asiayhteyteensä.

Esimerkki: olet pyytänyt asiakkaitasi arvostelemaan tyytyväisyytensä yrityksesi asiakaspalveluun asteikolla, jonka ääripäät ovat “hyvin tyytyväinen” ja “hyvin tyytymätön”. 20 % vastaajista on valinnut vaihtoehdon “hyvin tyytyväinen”. Vaikka on hyvä tietää yrityksen senhetkinen tilanne, tätä lukemaa voidaan myös käyttää vertailukohtana, kun edistymistä mitataan jatkossa.

Oletetaan, että alkuperäisen kyselytutkimuksen jälkeen yrityksessäsi on tehty muutoksia tavoitteena vastata asiakkaiden tarpeisiin paremmin. Nyt voit tehdä saman kyselytutkimuksen uudelleen ja tarkastella, onko “hyvin tyytyväisien” asiakkaiden määrä kasvanut vai vähentynyt. Näin pystyt tehokkaasti mittaamaan kyselytutkimuksien välillä tehtyjen uusien aloitteiden ja käyttöönotettujen prosessien vaikutusta sekä sitä, miten olet edistynyt asiakastyytyväisyyden parantamisessa.

3. Ryhmien vertailu: Kyselytutkimuksen kysymyksillä voidaan myös tehdä vertailuja vastaajaryhmien välillä.

Palatkaamme edelliseen esimerkkiin. Lisäämällä kyselyyn väestötieteellisiä kysymyksiä, joilla selvitetään vastaajien ikä, sukupuoli ja tulotaso, pystyt vertaamaan esimerkiksi, ovatko nuoret miehet tyytyväisempiä yrityksesi palveluun kuin varttuneemmat naiset?

Vertailemalla eri ryhmiä pystyt määrittämään kohderyhmät, miten niille viestitään ja milloin tuotteeseen on tehtävä muutoksia, jotta se soveltuu tietylle markkina-alueelle. Voit myös vertailla yrityksesi tyytyväisien asiakkaiden prosenttiosuutta johonkin muuhun yritykseen, jotta saat selville, miten yrityksesi pärjää kilpailijoihinsa verrattuna.

Muita määrällisen tutkimuksen käyttötarkoituksia

Kyselytutkimuksien maailman lisäksi määrällistä tutkimusmenetelmää voidaan käyttää myös useilla muilla tavoilla. Tässä muutamia esimerkkejä:

1. Todellisen datan havainnointi: On todennäköistä, että keräät joka päivä tietoa, joka voi auttaa tekemään määrälliseen arviointiin perustuvia päätöksiä. Se voi tarkoittaa mitä tahansa asiakkaiden vierailujen kestoajoista yrityksesi verkkosivustolla myynnin huippukausien tarkasteluun. Tämä tosimaailman tieto, josta nykyään käytetään yleisnimitystä Big Data, voi olla aivan yhtä hyödyllistä päätöksentekosi tukena kuin itse tekemäsi tutkimukset!

Big Data voi kertoa paljon siitä, mitä ihmiset tekevät, mutta muista, että se harvoin kertoo, miksi he toimivat tietyllä tavalla. Siihen tarvitaan suoraviivaisempaa laadullista ja määrällistä tutkimusta.

2. Syy-seurausyhteyksien etsiminen: Kausaalisella koeasettelulla pyritään määrittämään syy-seurausyhteyksiä, jotta “miksi” saataisiin selville. Se tehdään tarkkailemalla, mitä tapahtuu, kun jotain uutta lisätään tiettyyn ympäristöön. Tämä uusi elementti voi olla mitä tahansa mainoksen vaikutuksesta myyntiin tai toimiston juhlien vaikutuksesta työntekijöiden sitoutumiseen.

Esimerkki: suunnittelet jonkin myymäsi tuotteen pakkauksen vaihtamista uudenlaiseen, ja haluat selvittää sen mahdollisen vaikutuksen myyntimääriin. Voit julkaista uuden pakkauksen vain muutamissa kaupoissa ja verrata sen myyntiä vanhoihin pakkauksiin. Syy-seurausyhteyden selvittäminen on A/B-testauksen taustalla oleva konsepti.

Nyt sinulla on tarvittavat työkalut, että pääset heti jatkamaan täyttä höyryä valitsemallasi tiellä. Älä kuitenkaan unohda laadullista tutkimusta, ennen kuin jatkat eteenpäin. Lisätietoja molempien tutkimusmenetelmien käyttämisestä tutkimuksessasi on tässä artikkelissa.

Tämä artikkeli kuuluu SurveyMonkeyn Kyselytutkimuksen perusteet -projektiin. Toivomme, että pystymme auttamaan yhä useampia laatimaan fiksuja kyselytutkimuksia. Lue lisää projektista ja roolistamme tutkimusyhteisössä.