ANALYYSILLÄ VAI ILMAN

  • Tilastollisia monimuuttujamenetelmiä käyttämällä saadaan tutkimuksen tulokset esille tehokkaammin ja tulosten hyödynnettävyys toiminnan kehittämisessä on merkittävästi parempi.
  • Esimerkiksi asiakastyytyväisyystutkimuksessa tulosten tarkastelu pelkästään hyvien tai huonojen arvosanoja saaneiden kysymysten osalta ei anna kovin hyvää lähtökohtaa määrittää kehittämistä vaativia toimintoja ja palveluja, eikä tulosten tulkinta tältä pohjalta anna riittävän hyvää kuvaa sidosryhmien tyytyväisyyden tilasta. Mikäli jokin ominaisuus saa huonoja arvosanoja, mutta ominaisuuden tärkeys vastaajakunnalle tai sen vaikutus sidosryhmien kokonaistyytyväisyyden kannalta on vähäinen tai jopa merkityksetön, ei huonoa tulosta (välttämättä) kannata nostaa kehittämiskohteeksi. Analysoimalla tutkimusaineisto monimuuttujamenetelmin, voidaan selvittää asiakkaiden tyytyväisyyteen voimakkaimmin vaikuttavat asiat (toiminnot ja/tai palvelut) ja keskittyä kehittämiskohteissa tai vahvuusalueissa enemmän näihin.
  • Tilastollisilla monimuuttujamenetelmillä on erilaisia vaatimuksia tutkimusaineiston suhteen. Kun eri menetelmillä on hieman erilaisia vaatimuksia, voidaan niitä valikoida tutkimusaineistojen tarjoamien edellytysten mukaan. Toisaalta analyysimenetelmillä on myös erilaiset kyvyt tai tavoitteet ja tietysti jokaisessa tutkimuksessa on valittava se tai ne menetelmät, jotka voivat parhaiten palvella.

Esimerkkejä eri analyysimenetelmistä

  • Korrelaatioanalyysi: Analysoidaan muuttujien välisiä riippuvuussuhteita. Hyvin käyttökelpoinen esim. asiakastyytyväisyystutkimuksissa, käytölle ei juurikaan rajoituksia. Korrelaatioiden avulla voidaan kuvata esim. erilaisten mielipiteiden tai vastaavien mahdollisia vaikutuksia vaikkapa osto- ja valintapäätöksiin.
  • Regressioanalyysi: Etsittäessä tehokkaimpia perusteita esim. ostopäätöksille yrityskuvamuuttujien tms. joukosta. Antaa mahdollisuuden tehokkaasti selvittää esim. ostopäätösten syntymistä. Lisäksi se tekee mahdolliseksi ostopäätösprosessien simuloinnit, jolloin voidaan selvittää sitä, miten jotkut tulevat tai mahdolliset muutokset vaikuttavat ostoihin. Käytölle melko vaativia rajoituksia.
  • Kanoninen malli: Mallissa tarkastellaan eri osa-alueiden/-tekijöiden vaikutusta esim. kokonaistyytyväisyyteen tai sitoutumiseen. Käytetään usein silloin, kun esim. asiakastyytyväisyydessä osa-alueet /-tekijät eivät vaikuta kokonaistyytyväisyyteen /-tyytymättömyyteen samalla tavalla ts. riippuvuussuhteet eivät ole lineaarisia.
  • Faktorianalyysi: Muuttujarakenteiden selvittämiseksi ja esim. yrityskuvamuuttujien taustalla vaikuttavien perusdimensioiden tunnistamista varten. On hyvin käyttökelpoinen pitkien väittämäkysymysten tuloksia tulkittaessa, koska faktoreiden avulla voidaan väittämistä ja niiden taustalla olevista asenteista saada kokonaisvaltaisempi käsitys, selvitetään muuttujajoukon piilevät (latentit) ulottuvuudet. Välttämätön analyysi ryhmittelyanalyysiä tehtäessä.
  • Ryhmittely- eli klusterianalyysi: Kohdehenkilöiden ryhmittelemiseksi mielipiteiden perusteella optimaalisiin ryhmiin, segmentteihin. Ryhmittely on tehokkaan mielipiteiden selvittämisen avainkäsite, koska sen avulla voidaan hallita ihmisten välisen erilaisuuden aiheuttamaa mielipiteiden sekoittumista ja tutkimustulosten selityskyvyn latistumista. Ryhmittely pitäisi tehdä aivan jokaisesta sellaisesta tutkimusaineistosta, jossa on jotain muita vastaajia kuvaavia taustatietoja kuin demograafiset taustiedot.
  • Conjoint analyysi: Ostopäätösten tms. päätösten perusteiden mallintamiseen ja uusien tuotevarianttien simuloimiseen.
  • AID-analyysi/ moniulotteinen rakenneyhtälömalli: Alun perin nimenomaan markkinatutkimustarkoituksiin kehitetty analyysitapa. Se esittää tuloksensa ns. puun mallisena kuviona, jossa analyysi etenee etsiytyy kohti tutkittavan ilmiön tehokkaampaa selittämistä. Käytetään, kun tarkoitus nimenomaan selvittää esim. miten asiakastyytyväisyys rakentuu.