صداقت پاسخ دهندگان نظرسنجی آنلاین: درس های گرفته شده

  • ایجاد شده در تاریخ: ۳۰ آذر, ۱۳۹۸
  • توسط: ندا فهیم
صداقت پاسخ دهندگان نظرسنجی آنلاین: درس های گرفته شده

توسعه رابط کاربری جمع آوری داده های آنلاین به شدت بر صداقت پاسخ دهندگان متکی است. این مساله به ویژه در رابطه با نظرسنجی های اینترنتی (یعنی هنگامی که تماس بین محقق و پاسخ دهنده صرفا الکترونیکی است) صدق می‌کند. زمینه های اصلی کاهش آسیب پذیری داده های فرانت اند (Front-End) شامل شناسایی صحیح پاسخ دهندگان، ساخت نظرسنجی هایی که هم از نظر شناختی و هم از نظر احساسی به فرایند تصمیم گیری واقعی مشتری نزدیک باشند، استفاده از انگیزه های مناسب که رفتارهای واکنشی مطلوب را تقویت کرده، و شناسایی و از بین بردن تاثیر متقلبان نظرسنجی است.

هدف از این مقاله ارائه یک سری اقدامات پیشگیرانه است که محققان می توانند و باید برای کاهش این آسیب پذیری ها آنها را به کار بگیرند. این اقدامات مبتنی بر نظریه رفتار مصرف کننده، آمار و نظریه روانشناسی با حمایت تجربی است. این اقدامات همچنین توسط «بپرسیم» و سایر شرکت های تحقیقاتی حرفه ای به طور عملی مورد استفاده قرار گرفته اند.

شناسایی پاسخ دهنده

برآوردهای مختلف جمعیت کاربران اینترنت در ایالات متحده را چیزی در حدود ۶۰ تا بیش از ۷۵ درصد جمعیت و در ایران حدود ۸۹٪ تخمین می‌زنند. با این حال، این بدان معنا نیست که جمعیت کاربران اینترنت به طور متناسب در سراسر زیرگروه ها و خرده فرهنگ ها گسترش یافته اند. بنابراین، بسیاری از شرکت هایی که پنل نظرسنجی‌های آنلاین بزرگ را اداره می کنند، سعی می کنند اطمینان حاصل کنند که پاسخ دهندگان بالقوه از انواع منابع مختلف به کار گرفته شده اند. این کار می تواند از طریق روش های گوناگون از جمله لینک های وب سایت و بنرها، حمایت مالی وب سایت، تبلیغات و خبرنامه های ایمیلی، انتشار مطالب مطبوعاتی در رسانه سنتی، نامه های شخصی، لیست موتورهای جستجو و سایر ابزارهای مشابه انجام شود.

استفاده از یک پروتکل انتخاب دوگانه جهت جلب رضایت مصرف کننده برای دریافت تبلیغات از سوی پنل های پژوهشی/نظرسنجی آنلاین، تبدیل به استاندارد واقعی شده است که توسط شرکت های معتبر مورد استفاده قرار می گیرد. اطلاعات دقیق در مورد پاسخ دهندگان در طول فرآیند ثبت نام جمع آوری شده و پاسخ دهندگان بر اساس پروفایل های خود برای مواقع خاص نظرسنجی به دقت انتخاب شده‌اند. شرکت کنندگان بالقوه نظرسنجی از این پنل ها انتخاب شده و دعوت نامه هایی برای شرکت در نظرسنجی ها برایشان ارسال می شود.

با این حال، بسیاری از شرکت های بزرگ مدیریت پنل در «مسابقه تسلیحاتی» تحقیقاتی درگیر هستند که در آن ادعا می شود اندازه پنل یک فرد یک به طور مستقیم به کیفیت پنل فرد مربوط است. بعضی از شرکت ها هر ازگاه لیست آدرس های ایمیل را خریداری کرده و از آن برای افزایش ساختگی تعداد اعضای گزارش شده ی پنل هایشان استفاده می کنند. واضح است که این منطق، به بررسی دقیق علت نپرداخته و تنها محققان بسیار تازه کار را واجد شرایط می داند. ارائه دهندگان پنل باید همیشه نیاز به تکمیل با منابع بیشتر را (در صورت نیاز) و هنگامی که آن نیاز رخ می دهد، افشا کنند. تقریبا همه ارائه دهندگان پنل حداقل گهگاه با نیاز به انجام این کار مواجه شده اند.

افزون بر این، برخی از شرکت ها در پاکسازی پنل های خود از رکوردهایی با آدرس ایمیل های بد (یا حداقل تفکیک آنها) ناموفق بوده‌اند، حتی پس از اینکه این رکوردها توسط سرویس‌های ایمیل به دلیل این که دیگر فعال نبودند، تحویل (Deliver) نشدند. اما  دلایل متعددی وجود دارد که ایمیل «دلیور نشود». عدم دلیوری از نوع نرم زمانی رخ می دهد که به دلایل موقت، مانند پر بودن صندوق پستی، ایمیل به گیرنده مورد نظر نرسیده باشد. در این مورد، محقق باید تلاش کند تا سه یا چهار بار در طی دوره زمانی معین (به طور معمول یک یا دو هفته) دوباره تماس برقرار کند. اگر سرویس‌دهنده ایمیل یک کد عدم تحویل‌دهی سخت ایجاد کند، بدان معنی است که صندوق پستی یا سرور میزبان فعال نیست، و آدرس ایمیل مربوطه نامعتبر است. در این مورد، این رکورد باید از لیست کاندیدهای نظر سنجی حذف شود. تعداد افراد پنل باید بر طبق آن تنظیم شود، بنابراین ریسک افزایش انتظارات بر اساس شمار اغراق آمیز پنل، وجود ندارد.

وضعیت سوم زمانی است که ایمیل دعوتنامه با موفقیت تحویل داده می شود، اما پاسخ دهنده به دعوت به انجام نظرسنجی پاسخ نمی دهد. اگر یکی از اعضای پنل به تعداد معینی از دعوت های متوالی پاسخ ندهد، این عضو باید از پایگاه داده حذف شود. بپرسیم این نوع هرس را به طور مداوم انجام داده، پنل را تازه نگه داشته و شاخه های خشکیده (افرادی که پاسخ نمی دهند) را حذف می‌کند.

با یک پایگاه داده تمیز، احتمال افزایش میزان پاسخ (و کاهش نگرانی در مورد سوگیری ناشی از افرادی که پاسخ نمی دهند) بیشتر می شود.

طراحی نظرسنجی و پرسشنامه صحیح به صورت آنلاین

ساختار نظرسنجی

نظرسنجی های کاغذی ساده و کم هزینه بوده و امکان تعامل تصاویر و نمودارها را فراهم می کند. اما غیر قابل انعطاف نیز بوده و چرخش لیست، الگوهای عدم دلیوری، یا سایر جنبه های فنی را به راحتی تسهیل نمی‌کنند. نظرسنجی های تلفنیِ کامپیوتری شده، اغلب پر هزینه تر هستند اما به ما امکان استفاده از برخی جنبه های روش تحقیق را می دهند که بررسی های کاغذی این امکان را ندارند. چرخش ها و مدیریت سهمیه بندی ساده سازی شده و مدت زمان پروژه به طور معمول کوتاه می شود. با این حال، نظرسنجی های تلفنی نیز دارای اشکالات ذاتی هستند، از جمله پتانسیل سوگیری ناشی از مصاحبه کننده و ناتوانایی در سنجش رسانه های تصویری.

هنگامی که اینترنت برای اولین بار در اواسط دهه ۱۹۹۰ برای تحقیقات مورد استفاده قرار گرفت، بسیاری از محققان به سرعت متوجه شدند که این تکنولوژی توانایی حذف یا کاهش فراوان بسیاری از نگرانی هایی که روش های پیشین معرفی کرده اند، را دارد.

بسیاری از محدودیت های نظرسنجی های تلفنی و نظرسنجی های کاغذیِ کامپیوتری شده، به ویژه آنهایی که از طریق پست انجام می شدند، حذف شدند. اما هنوز گام بزرگ دیگری برای برداشتن در این زمینه وجود دارد؛ بسیاری از نظرسنجی های مبتنی بر اینترنت صرفا نظرسنجی های کاغذی هستند که به فرم الکترونیکی تبدیل شده اند. این مساله به ویژه در مورد برنامه های ساده «خودت انجام بده» (DIY) که امروز به وفور در صنعت تحقیقات وجود دارند، صحت دارد. مشکل بزرگ این روش این است که شیوه ای نیست که مصرف کنندگان با آن جهان را مشاهده و ارزیابی می کنند. این نظرسنجی های ساده فرایندهای تصمیم گیری مصرف کننده را تقلید نمی کنند؛ در بهترین حالت، آنها به جای بینش عمیق، تاثیرات سطحی را دریافت می کنند. بنابراین آنچه محققان دریافت می کنند، به جای اطلاعات قابل استفاده، آنالوگی از نظرات و عقاید مصرف کننده است.

در طی چند سال گذشته، چندین پلتفرم مختلف در جهت توسعه نظرسنجی های واقع گرایانه‌تر قرار گرفته‌اند که برای پاسخ دهندگان جذاب تر بوده است؛ با این روش پاسخ هایی متفکرانه تر و معنی دارتر استنباط می‌شود که  نمایندگان بهتری برای فهم فرایندهای واقعی تصمیم گیری هستند.

به عنوان مثال، بینش خریداران را عرصه رقابت در نظر بگیرید. بعضی از تکنیک های جدیدتر شامل استفاده از برنامه های فلش و انیمیشن سه بعدی، استفاده از محرک های چند رسانه ای و استفاده از روش های پاسخ دهی تعاملی تر برای فراهم ساختن شبیه سازی یک محیط خرید واقعی است. اینترنت این شیوه را به مراتب بهتر از هر روش تحقیق توسعه یافته پیشین، شاید به استثنای مصاحبه های عمیق فردی، تسهیل کرده است. برخی از محققان همچنان به استفاده از روش های DIY یا قدیمی ادامه داده و همچنان متعجب هستند که چرا تحقیقات آنها نتایج بسیار قابل اعتماد یا معناداری تولید نمی کند. دیگران، با استفاده از رویکرد ادغام واقع گرایی بیشتر با روش های تحقیقاتی خود، شاهد جذب پاسخ دهندگان بیشتر، پاسخ های معنی دارتر و دقیق‌تر و نتایج تحقیقاتی کاربردی تر خواهند بود.

انگیزه‌های پاسخ دهنده

یک راه حل برای دستیابی به پاسخ هایی با کیفیت بالاتر، سازماندهی ارتباط متقابل سودمند با پاسخ دهندگان است. در یکی از پروژه های اخیر، پاسخ دهندگان پروژه «عقاید مصرف کننده آمریکایی (American Consumer Opinion)» درباره علت تکمیل نظرسنجی مورد پرسشگری قرار گرفتند. پاسخ ها شامل تمایل به مشارکت در این مسیر و ارائه اطلاعات، علاقه به دیدن آنچه که ممکن است در آینده معرفی شود و نیاز عمومی به اشتراک گذاری نظرات با دیگران بود. انگیزه های مالی (دریافت هزینه برای تکمیل نظرسنجی ها) در میانه رتبه بندی انگیزه‌ها قرار داشت. این نتایج با تحقیقات پیشین که توسط Franke و Shah (2003) انجام گرفته بود، سازگاری داشت. مهمترین نکته قابل توجه، دستیابی به پاسخ هایی با کیفیت بالا است.

انگیزه‌ها (و جوایز) ابزاری برای سپاس­گزاری و قدردانی از پاسخ دهندگان برای زمان و توجهی که صرف پاسخ دادن به نظرسنجی کرده اند، هستند. انواع مختلفی از ابزارهای سپاسگزاری وجود دارد: برخی مالی و برخی غیر مالی. مثلا وب سایت های سفارشی با اطلاعات، بازی ها و سایر موارد جذاب برای گروه های خاصی از پاسخ دهندگان.

علاوه بر پاداش های عمومی مرتبط با عضویت در یک پنل پاسخ دهندگان، انگیزه های خاصی وجود دارند که با تکمیل نظرسنجی های فردی ارتباط دارند. ارائه دهندگان پنل های مختلف از انگیزه های مختلفی، اعم از جمع آوری امتیازات در جهت جایزه های مشخص، تا شرط بندی بر روی پول استفاده می کنند.

وقتی که به علاقه‌مندی پاسخ دهنده در میان انگیزه‌ها می رسیم، پول حرف اول را می زند. تعدادی از مطالعات تجربی (Cobanoglu، Eyerman، Kulka و Zagorsky) نشان داده اند که انگیزه های نقدی نرخ پاسخ بسیار بالاتر و نرخ خستگی پایینتری حاصل می کنند. با این حال، بحث هایی علیه پول نقد وجود دارد. یکی از آنها این است که هزینه نظرسنجی را بالا می برد. اگر چه این استدلال معتبری است که باید آن را در نظر گرفت، اما موردی از درون متمرکز بوده و باید در برابر ارزش نامشهود یک پاسخ دهنده متعهدتر و راضی تر مورد سنجش قرار گیرد.

بحث دیگر علیه استفاده از انگیزه های نقدی این است که آنها پاسخ دهندگان حرفه ای را جذب خواهند کرد که به دنبال کسب درآمدی تکمیلی از طریق تکمیل نظرسنجی ها بوده و پاسخ ها و اعتبار آنها مشکوک است. یک راه برای مقابله با این نگرانی، محدود کردن تعداد نظرسنجی هایی است که فرد طی یک دوره زمانی خاص دریافت می کند. پاسخ دهنده باید دعوت نامه های کافی برای ادامه مشارکت در پنل را دریافت کند، با این حال تعداد دعوت نامه ها نباید به گونه ای باشد که خسته کننده بودن نظرسنجی یا انگیزه های درآمد اضافی را به معادله وارد کند.

بپرسیم کنترل های سخت گیرانه‌ای بر مشارکت پاسخ دهندگان در مرحله نمونه گیری قرار می دهد. سیاست های ما اجازه خودگزینی در نظرسنجی را نمی دهد؛ پاسخ دهندگان باید توسط ما برای مشارکت دعوت شوند. اگر نظرسنجی یک غربالگر ساده برای تعیین صلاحیت باشد، پاسخ دهنده ممکن است پس از چهار روز کاری دوباره به مجموعه نمونه ها وارد شود. اگر پاسخ دهندگان غربالگری یا نظرسنجی را کامل کنند، برای ۱۵روز از مجموعه نمونه ها حذف شده و همچنین برای شش ماه از انجام نظرسنجی دیگری با موضوع مشابه، محروم می شوند. پاسخ دهنده چهار یا پنج نظرسنجی را در طی یک سال تکمیل می کند، که نگرانی های انگیزه درآمد تکمیلی را به طور کامل حذف می کند.

برای اطمینان از ارتباط کافی با پاسخ دهندگان، بپرسیم تحقیق خود را با استفاده از اعضای پنل انجام می دهد. نمونه هایی از این موارد شامل ردیابی اقتصادی ماهانه است که ما در ایران انجام داده ایم، مطالعات تقسیم نمونه که در آن روش ها و رویکردهای مختلفی مورد بررسی قرار گرفته  اند، و غربالگری های فصلی ما برای شناسایی دسته کاربران با مشارکت پایین هستند. این فعالیت ها ما را قادر می سازد تا با پاسخ دهندگانی که ممکن است برای پروژه های حمایت شده توسط مشتری واجد شرایط نباشند، یا پاسخ دهندگانی که بیش از حد در جمعیت پنل نماینده دارند، ارتباط برقرار کرده و آنها را در روند نظرسنجی درگیر نگه داریم. هنگامی که یک نظرسنجی حمایت شده توسط مشتری به طور مرتب پاسخ داده شده و برگردانده می شود، این مشارکت به میزان پاسخ بیشتر و پاسخ های متفکرانه تر تفسیر می شود.

در نهایت، مزیت اغلب نادیده گرفته شده استفاده از انگیزه نقدی برای تکمیل نظرسنجی، مرحله تضمین کیفیت نهایی است که این روش می تواند ارائه دهد. بپرسیم، مبالغ جوایز تشویقی را به اعضای پنل ارسال می کند، بنابراین ما باید نام قانونی و شماره حساب و کدملی هر عضو پنل را برای تکمیل معامله بدانیم. این کار موارد بیشتری را به تلاش ها برای جلوگیری از تقلب در مدیریت پنل های ما اضافه می کند. چنین تضمین کیفیتی با سایر روش های انگیزشی امکان پذیر نخواهد بود.

کاهش فریب دهندگان نظرسنجی

حتی با تمام کنترل ها و اقدامات انجام شده در به کارگیری افراد و ایجاد انگیزه برای پاسخ دهندگان، متقلبان می توانند گاهی اوقات از طریق نیرنگ های مختلف قسر در رفته و پاسخ هایی ارائه دهند که می تواند محققان را گمراه کند. علاوه بر روش های به کارگیری افراد و کنترل مدیریت پنل مورد بحث در بالا، محققان باید شیوه های نظرسنجی خاصی را در نظر بگیرند تا اطلاعات «متقلبان» بالقوه را برای تعیین اینکه آیا داده های اعضای پنل باید حذف شود یا خیر، نشاندار کند. شناسایی پاسخ دهندگانی که رفتارهای فریبکارانه نشان می دهند نیز برای حذف آنها از پنل برای جلوگیری از شرکت آنها در نظرسنجی های بعدی اهمیت دارد.

تعدادی تکنیک پیشینی و پسینی وجود دارد که به دور نگه داشتن متقلبان از نظرسنجی ها، و همینطور به تمیز نگه داشتن مجموعه داده از آنهایی که برای انجام حرکات پنهانی در نظرسنجی صحنه سازی کرده اند، کمک می کند. تکنیک های پیشینی به طور کلی پیش از اینکه ایمیل های دعوت ارسال شود، در بپرسیم، رخ می دهند و شامل تلاش های زیادی برای شناسایی اطلاعات ثبت‌نام سرهم بندی شده، مانند آدرس های نامعتبر، شغل، تحصیلات غیرمنطقی، ثبت نام های تکراری، و اطلاعات حقوقی دروغین ارائه شده در طول ثبت نام هستند.

علاوه بر این، سوالات تله دار درون نظرسنجی ها به منظور شناسایی پاسخ دهندگانی که پیش از انتخاب پاسخ، سوالات را نمی خوانند، یا کسانی که از روش های پاسخ دهی خودکار استفاده می کنند، گنجانده شده اند. نمونه هایی از سوالات تله عبارتند از یک دستور ساده برای انتخاب یک پاسخ خاص از لیست کوتاهی از آیتم ها، مانند از پاسخ دهنده بخواهید «گربه» را از لیست کوتاهی از حیوانات که شامل پاسخ «گربه» است، انتخاب کند. تنوعی که به طور گسترده ای در بسیاری از صنایع استفاده می شود این است که از پاسخ دهنده می خواهند یک یا دو کلمه خاص را در یک تکست باکس تایپ کند که نسخه ای از آن کلمه را با سبک خاصی در نظرسنجی تکرار می کند.

یک فرایند پیچیده تر، اما به همان اندازه ارزشمند که به طور معمول توسط بپرسیم انجام می شود، بررسی پاسخ های باز و پاسخ های تصادفی یا غیر منطقی است.

شرکت های تحقیقاتی باید به پیگیری مدت زمان تکمیل نظرسنجی ادامه داده و پاسخ دهندگانی که نظرسنجی را به سرعت انجام می دهند باید برای بررسی داده ها نشاندار شوند. برای مثال، اگر زمان معمول تکمیل یک نظرسنجی ۱۵ دقیقه باشد، هر پاسخ دهنده ای که نظرسنجی را با روش فوق العاده سریعی انجام دهد، باید بسیار دقیق تر مورد بررسی قرار گیرد. شرکت هایی که مراقب متجاوزان از سرعت مجاز هستند، از روش های مختلفی برای تعیین مرزهای هر پروژه استفاده می کنند. یک روش ساده اما موثر این است که به تمام پاسخ دهندگانی که از چهار یا پنج انحراف استاندارد از زمان متوسط تکمیل تجاوز کرده اند، نگاه کنید.

روش دیگر که بیشتر برای نظر سنجی هایی که شامل شبکه هایی از مقیاس های تفاضلی معنایی یا نگرشی نوع لیکرت هستند، کاربردی است، بررسی هر پاسخ برای الگوهایی از پاسخ ها است. خط مستقیم (انتخاب گزینه های مشابه به طور متوالی) یا الگوی هندسی منظم پاسخ ها باید برای بررسی دقیق تر نشاندار شوند. اغلب نظرسنجی ای که به خوبی انجام شده باشد، دارای بررسی منطقی سوالات در بخش های مختلف است تا به شناسایی این که آیا فرد صادقانه پاسخ داده است یا فقط به سرعت نظرسنجی را تکمیل کرده است، کمک کند.

هنگامی که پاسخ نظرسنجی برای یک متقلب احتمالی نشاندار می شود، ارائه دهنده پنل و تحلیلگران داده باید تصمیم بگیرند که آیا داده ها را حفظ کرده یا آن را حذف کنند. موارد اصلی که باید در نظر گرفته شوند عبارتند از:

  • مدت زمان تکمیل (شتابگران)
  • الگوهای پاسخ (به عنوان مثال خط مستقیم)
  • تکمیل/تناسب پاسخ های پایان باز
  • پاسخ ها به سوالات تله ی متقلبان

اگر نتایج حاصل از این بررسی ها بلافاصله محققان را به حذف آن رکورد از مجموعه داده یا پنل هدایت نکرد، گام مهم دیگر می تواند حذف رکورد(ها) از مجموعه داده و نگاه به مواردی باشد که بالاترین رتبه را در جدول دارند. این کار به تعیین اینکه رکورد(ها) تفاوت عمده ای در نتایج کلی نظرسنجی ایجاد می کنند یا خیر، کمک می کند. اگر اینگونه باشد، این نظرسنجی باید از مجموعه داده حذف شود. عضو پنل باید در پایگاه داده به عنوان متقلب علامت گذاری شده و برای نظرسنجی های آینده از پنل حذف شود. در غیر این صورت، پاسخ دهنده باید به عنوان مشکوک برچسب گذاری شود و هر گونه نظرسنجی در آینده از آن شخص باید برای رفتار تقلب احتمالی مورد بررسی قرار گیرد. تخلف های مکرر معمولا تردید در رفتار متقلبانه را تایید نموده و در نتیجه پاسخ دهنده به طور دائم از پایگاه داده حذف خواهد شد. با انجام نظرسنجی های مبتنی بر اینترنت از اواسط دهه ۱۹۹۰، تحلیلگر تصمیم گیری دریافت که کمتر از ۱٪ از همه پاسخ دهندگان به عنوان متقلب در نظر گرفته می شوند. این کار به ما امکان می دهد تا پاسخ دهندگانی که به سرعت به نظرسنجی پاسخ می دهند یا در غیر این صورت تقلب می کنند را بدون لطمه زدن به اندازه نمونه مطلوب از پاسخ های کامل، حذف کنیم.

بپرسیم پایگاه داده را از فریبکاران حفظ کرده، و هر ثبت‌نام کننده جدید در پنل آنلاین بپرسیم و سایر پایگاه‌داده‌های مرتبط، برای اطمینان از اینکه متقلبانِ شناسایی شده مجاز به پیوستن مجدد نیستند، برای مقایسه در پایگاه داده غربال می شود.

نتیجه گیری و توصیه

مسئله کیفیت داده یکی از موارد در حال پیشرفت برای محققان حرفه ای بازار است، خواه آنها در طرف عرضه کننده یا در طرف مشتری باشند. محققان پیوسته در حال تلاش برای بهبود روش ها و تکنیک های خود هستند تا انگیزه های آگاهانه و ناخودآگاه و نیز رفتار مصرف کنندگان را درک کنند. عمق درک ما توسط پاسخ دهندگانی که صادقانه پاسخ ها را نمی دانند تا سوالات را بررسی کنند، سردرگم شده و ما را به توسعه تکنیک های پیچیده تر هدایت می کند تا درون ذهن مصرف کننده را عمیق تر کاوش کند. در صورتی که پاسخ دهندگان متقلب، که یا از نظر سنجی ها به عنوان ابزاری برای رفتارهای مخرب استفاده می کنند و یا صرفا «پول مفت» می خواهند، شناسایی نشده و از روند حذف نشوند، می توانند این تکنیک های پیشرفته و پیچیده را خراب کنند. در نهایت، آنها می توانند (با اطلاعات غلط) برای خریداران تحقیقات بازار، میلیون ها دلار به شکل تصمیمات بد کسب و کار هزینه داشته باشند.

این مقاله برخی استدلال ها در مورد شناسایی و حذف پاسخ دهندگان متقلب، پیش و در طی روند نظرسنجی را ارائه می دهد. استفاده از هر تکنیک به طور جداگانه، مقداری ارزش نهایی برای آن فرایند ایجاد می کند. یک برنامه جامع اطمینان از کیفیت داده ها از هر تکنیک در ترکیب با دیگر تکنیک ها استفاده می کند، تا به محققان اعتماد به نفس بالایی دهد که بینششان نسبت به انگیزه ها و رفتار مصرف کنندگان معنی دار تر و کاربردی تر است.

همانند هر صنعتی، افرادی وجود خواهد داشت که به منظور دستیابی به صرفه جویی در وقت و هزینه، از میانبرها استفاده نموده و فرضیه هایی درباره کیفیت داده ها ایجاد خواهند کرد.

منبع

دیدگاه‌ها

دیدگاه خود را بنویسید

بپرسیم در یک نگاه

بپرسیم اولین پلتفرم نظرسنجی آنلاین برپایه وبسایت و اپلیکیشن است که با ارائه خدمات متنوع مبتنی بر نظرسنجی به شما کمک می‌کند تا با سرعت بیشتر و هزینه پایین‌تر نتایج مورد نیاز خود را در زمینه تحقیقات بازار به دست آورده و با استفاده از اطلاعات حاصله برای درک بهتر جامعه به جهت راه اندازی یا گسترش تجارت و شناخت آسیب های محصول، از متضرر شدن کسب و کار جلوگیری کرده و بر در آمد خود بیافزایید.

خبرنامه بپرسیم

ما هم مثل شما از هرزنامه بیزاریم، به همین دلیل فقط مطالب مفید و اطلاعیه‌هایی در مورد جشنواره‌ها را برای شما ارسال خواهیم کرد.