Quantitative Marktforschung ist die Anwendung von quantitativen Forschungstechniken zum Feld des Marketings. Es hat Wurzeln sowohl in der positivist Ansicht von der Welt als auch im modernen Marktgesichtspunkt, dass Marketing ein interaktiver Prozess ist, in dem sowohl der Käufer als auch Verkäufer eine befriedigende Vereinbarung auf den "vier Ps" des Marketings treffen: Produkt, Preis, Platz (Position) und Promotion.

Als eine soziale Forschungsmethode schließt es normalerweise den Aufbau von Fragebogen und Skalen ein. Leute, die (Befragte) antworten, werden gebeten, den Überblick zu vollenden. Marketers verwenden die Information, die so erhalten ist, um die Bedürfnisse nach Personen im Marktplatz zu verstehen, und Strategien und Marktpläne zu schaffen.

Spielraum und Voraussetzungen

Typisches allgemeines Verfahren

Einfach gibt es fünf größere und wichtige am Forschungsprozess beteiligte Schritte:

1. Das Definieren des Problems.
2. Forschungsdesign.
3. Datenerfassung.
4. Analyse.
5. Das Berichtsschreiben & die Präsentation.

Eine kurze Diskussion über diese Schritte ist:

1. Problem-Rechnungskontrolle und Problem-Definition - Wie ist das Problem? Wie sind die verschiedenen Aspekte des Problems? Welche Information ist erforderlich?
2. Konzeptualisierung und operationalization - Wie genau definieren wir die beteiligten Konzepte? Wie übersetzen wir diese Konzepte in erkennbare und messbare Handlungsweisen?
3. Hypothese-Spezifizierung - Was Anspruch (E) wollen wir prüfen?
4. Forschungsdesignspezifizierung - Welcher Methodik, um zu verwenden? - Beispiele: Fragebogen, Überblick
5. Frage-Spezifizierung - Was Fragen zu fragen? Worin Ordnung?
6. Skala-Spezifizierung - Wie werden Einstellungen abgeschätzt?
7. Die Stichprobenerhebung der Designspezifizierung - Wie ist die Gesamtbevölkerung? Welche Beispielgröße ist für diese Bevölkerung notwendig? Was die Stichprobenerhebung der Methode zu verwenden? - Beispiele: Wahrscheinlichkeit sampling:-(Traube-Stichprobenerhebung, geschichtete Stichprobenerhebung, einfache zufällige Stichprobenerhebung, Mehrstufenstichprobenerhebung, systematische Stichprobenerhebung) & Nichtwahrscheinlichkeit sampling:-(Bequemlichkeitsstichprobenerhebung, Urteil-Stichprobenerhebung, Zweckmäßige Stichprobenerhebung, Quote-Stichprobenerhebung, Schneeball-Stichprobenerhebung, usw.)
8. Datenerfassung - Gebrauch-Post, Telefon, Internet, fängt Einkaufszentrum ab
9. Kodifizierung und Wiederspezifizierung - Machen Anpassungen an die rohen Daten, so ist es mit statistischen Techniken und mit den Zielen der Forschung - Beispiele vereinbar: Zahlen, Konsistenzprüfungen, Ersetzungen, Auswischen zuteilend, erklettert Gewichtung, Platzhaltervariablen, Transformationen, Skala-Standardisierung
10. Statistische Analyse - Führt verschiedene beschreibende und zu folgernde Techniken (sieh unten) auf den rohen Daten Durch. Machen Sie Schlussfolgerungen von der Probe bis die ganze Bevölkerung. Prüfen Sie die Ergebnisse für die statistische Bedeutung.
11. Interpretieren Sie und integrieren Sie Ergebnisse - Was bedeuten die Ergebnisse? Welche Schlüsse können gezogen werden? Wie beziehen sich diese Ergebnisse auf die ähnliche Forschung?
12. Schreiben Sie den Forschungsbericht - Bericht hat gewöhnlich Kopfstücke wie: 1) Exekutivzusammenfassung; 2) Ziele; 3) Methodik; 4) Hauptergebnisse; 5) ausführliche Karten und Diagramme. Präsentieren Sie den Bericht beim Kunden in einer 10-minutigen Präsentation. Seien Sie zu Fragen bereit.

Der Designschritt kann eine Vorstudie dazu einschließen, um irgendwelche verborgenen Probleme zu entdecken. Die Kodifizierung und Analyse-Schritte werden normalerweise durch den Computer mit der statistischen Software durchgeführt. Die Datenerfassungsschritte, kann in einigen Beispielen, automatisiert werden, aber häufig verlangen, dass bedeutende Arbeitskräfte übernehmen. Interpretation ist eine Sachkenntnis gemeistert nur durch die Erfahrung.

Statistische Analyse

Die für die quantitative Marktforschung erworbenen Daten können durch fast einige der Reihe von Techniken der statistischen Analyse analysiert werden, die in die beschreibende Statistik und statistische Schlussfolgerung weit gehend geteilt werden kann. Ein wichtiger Satz von Techniken ist, der sich auf statistische Überblicke bezogen hat. In jedem Beispiel sollte ein passender Typ der statistischen Analyse die verschiedenen Typen des Fehlers in Betracht ziehen, der, wie entworfen, unten entstehen kann.

Zuverlässigkeit und Gültigkeit

Forschung sollte für die Zuverlässigkeit, generalizability, und Gültigkeit geprüft werden.

Generalizability ist die Fähigkeit, Schlussfolgerungen von einer Probe bis die Bevölkerung zu machen.

Zuverlässigkeit ist das Ausmaß, zu dem ein Maß konsequente Ergebnisse erzeugen wird.

• Test - testet Zuverlässigkeitskontrollen wieder, wie ähnlich die Ergebnisse darin bestehen, wenn die Forschung unter ähnlichen Verhältnissen wiederholt wird. Die Stabilität über wiederholte Maßnahmen wird mit dem Koeffizienten von Pearson bewertet.
• Alternative bildet Zuverlässigkeitskontrollen, wie ähnlich die Ergebnisse darin bestehen, wenn die Forschung mit verschiedenen Formen wiederholt wird.
• Innere Konsistenz-Zuverlässigkeit überprüft, wie gut die individuellen in die Forschung eingeschlossenen Maßnahmen in ein zerlegbares Maß umgewandelt werden. Innere Konsistenz kann durch das Entsprechen der Leistung auf zwei Hälften eines Tests (Spalt-Hälfte der Zuverlässigkeit) bewertet werden. Der Wert des Produktmoment-Korrelationskoeffizienten von Pearson wird mit der Vorhersageformel von Spearman-Brown angepasst, um der Korrelation zwischen zwei lebensgroßen Tests zu entsprechen. Ein allgemein verwendetes Maß ist der α von Cronbach, der zur bösartigen von der ganzen möglichen Spalt-Hälfte von Koeffizienten gleichwertig ist. Zuverlässigkeit kann durch die Erhöhung der Beispielgröße verbessert werden.

Gültigkeit fragt, ob die Forschung gemessen hat, was es vorgehabt hat.

• Zufriedene Gültigkeitserklärung (auch genannt Gesichtsgültigkeit) überprüft, wie gut der Inhalt der Forschung mit den zu studierenden Variablen verbunden ist; es bemüht sich zu antworten, ob die Forschungsfragen die Variablen vertretend sind, die erforschen werden. Es ist eine Demonstration, dass die Sachen eines Tests vom Gebiet gezogen werden, das wird misst.
• Kriterium-Gültigkeitserklärung überprüft, wie bedeutungsvoll die Forschungskriterien hinsichtlich anderer möglicher Kriterien sind. Wenn das Kriterium später gesammelt wird, ist die Absicht, prophetische Gültigkeit zu gründen.
• Konstruktionsgültigkeitserklärung überprüft das, welche zu Grunde liegende Konstruktion gemessen wird. Es gibt drei Varianten der Konstruktionsgültigkeit: Konvergente Gültigkeit (wie gut sich die Forschung auf andere Maßnahmen derselben Konstruktion bezieht), discriminant Gültigkeit (wie schlecht sich die Forschung auf Maßnahmen bezieht, Konstruktionen entgegenzusetzen), und nomological Gültigkeit (wie gut sich die Forschung auf andere Variablen, wie erforderlich, durch die Theorie bezieht).
• Innere Gültigkeitserklärung, verwendet in erster Linie in experimentellen Forschungsdesigns, überprüft die Beziehung zwischen den abhängigen und unabhängigen Variablen (d. h. Die experimentelle Manipulation der unabhängigen Variable verursachen wirklich die beobachteten Ergebnisse?)
• Außengültigkeitserklärung überprüft, ob die experimentellen Ergebnisse verallgemeinert werden können.

Gültigkeit bezieht Zuverlässigkeit ein: Ein gültiges Maß muss zuverlässig sein. Zuverlässigkeit bezieht Gültigkeit jedoch nicht notwendigerweise ein: Ein zuverlässiges Maß deutet nicht an, dass es gültig ist.

Typen von Fehlern

Zufällige Stichprobenfehler:

• zu kleiner Beispiel-
• Probe nicht vertretender
• unpassende ausfallende Methode hat verwendet
• zufällige Fehler

Forschungsdesignfehler:

• Neigung hat eingeführt
• Maß-Fehler
• Datenanalyse-Fehler
• die Stichprobenerhebung des Rahmenfehlers
• Bevölkerungsdefinitionsfehler
• Schuppen des Fehlers
• Frage-Baufehler

Interviewer-Fehler:

• Aufnahme von Fehlern
• Betrug von Fehlern
• Verhör von Fehlern
• beklagter Auswahl-Fehler

Beklagte Fehler:

• Nichtansprechfehler
• Unfähigkeitsfehler
• Fälschungsfehler

Hypothese-Fehler:

• Fehler des Typs I (auch genannt Alpha-Fehler)
• die Studienergebnisse führen zur Verwerfung der ungültigen Hypothese, wenn auch es wirklich wahrer ist
• Fehler des Typs II (auch genannt Beta-Fehler)
• die Studienergebnisse führen zur Annahme (Nichtverwerfung) der ungültigen Hypothese, wenn auch es wirklich falscher ist

Siehe auch

• Wahl, modellierend
• Quantitative Forschung
• Qualitative Forschung
• Unternehmensfeed-Back-Management
• Marktforschung
• mTAB

• QuestionPro
• Qualtrics
• Online-Tafel
• Schätzung der Skala
• Master der Marktforschung
• Maximale Unterschied-Vorliebe, die klettert
• Urtak

Liste von zusammenhängenden Themen

• Liste von Marktthemen
• Liste von Verwaltungsthemen
• Liste von Wirtschaftthemen
• Liste von Finanzthemen
• Liste von Buchhaltungsthemen
• Bradburn, Norman M. und Seymour Sudman. Wahlen und Überblicke: Das Verstehen, was sie uns (1988) erzählen
• Gegenteilig, Überblick-Forschung von Jean M in den Vereinigten Staaten: Wurzeln und Erscheinen 1890-1960 (1987), die Standardgeschichte
• Glynn, Carroll J., Susan Herbst, Garrett J. O'Keefe und Robert Y. Shapiro. Öffentliche Meinung (1999) Lehrbuch
• Oskamp, Stuart und P. Wesley Schultz; Einstellungen und Meinungen (2004)
• James G. Webster, Patricia F. Phalen, Lawrence W. Lichty; Einschaltquote-Analyse: Die Theorie und Praxis von Audience Research Lawrence Erlbaum Associates, 2000
• Jung, Michael L. Wörterbuch der Stimmabgabe: Die Sprache der zeitgenössischen Meinungsforschung (1992)