面向客戶的報告的高級調查研究方法
如同任何研究一樣，最初的步驟是確定調查旨在回答的問題。
營銷人員必須確定研究目標是否具有預測性，解釋性或描述性（對於調查很少見）。 如果這兩類目標都很重要呢？
難度：一般
所需時間：一周
就是這樣：
這完全是關係
通過關鍵驅動分析可以研究大量的依賴和自變量，通常，分析針對一個或多個因變量和多個自變量。 自變量對因變量的統計顯著影響是研究的重點。 一方面，客戶感興趣的是戰略特徵（如市場份額）。 另一方面，有一套績效指標或描述性屬性被認為與某種方式的戰略特徵有關。
關鍵驅動因素分析可以回答“為什麼？”
所選擇的相關變量以及為關鍵驅動因素分析選擇的分析方法在很大程度上取決於研究目標：解釋，預測，描述。
如果解釋是目標，那麼所選擇的獨立變量被認為會影響因變量中觀察到的變化。 自變量也應該是可操作的。 例如，對客戶服務的總體滿意度（因變量）可能與等待時間，退貨的簡單性和退款政策（所有自變量和對變化或行動的響應）有關。
關鍵動因分析可以回答“假如？”
如果預測是研究目標，那麼尋找能夠預測結果的自變量。 在這種情況下，獨立變量不必是可操作的。 預測性研究的目標不是要改變因變量，而是要預測一些事情。 例如，關鍵驅動因素分析可能旨在預測參與吸煙預防計劃後的累犯，但研究人員也可能研究一組不同的自變量，這些自變量被認為可以提高戒菸計劃的成功率。
主要動力分析調查友好
品牌屬性通常分為三類：滿意度，協議或性能評分。 可以使用各種量表來記錄調查受訪者的評分或這些類別中的屬性排名。 最常見的評分量表是李克特，它很容易應用於滿意度和協議聲明。 當調查受訪者對多個品牌的產品或服務或屬性的許多屬性進行評級時，他們可以檢查一個框為“是”，結果數據編碼為1/0。 為了統計分析的目的，這個二進制數據很容易轉換。
針對不同細分市場的不同關鍵驅動力
市場細分研究表明，不同的關鍵驅動因素在不同的市場中可能很重要，並且一些關鍵驅動因素可能在所有細分市場中都很重要。 關鍵驅動因素分析可以簡化調查設計，因為在調查中只能提問一次屬性，但可以將結果數據篩選為反映離散消費者群體的不同“切入”或分檔。 例如，削減可反映人口統計，年齡，性別，社會經濟狀況，收入或教育程度等級。
關鍵驅動分析可以用於分類值
多種分析技術可用於執行關鍵驅動分析。 一些因變量是分類的，不能縮放 ，因此不能通過線性回歸進行分析。 相反，使用線性判別分析或邏輯回歸。 分類變量可用於具有預測和解釋目標的調查。 客戶滿意度或忠誠度調查通常使用分類值來表示客戶關係的狀態（主動/非主動）。
線性 - 還有一件事需要考慮
關鍵驅動力是與期望結果或戰略特徵具有統計顯著關係的屬性。 如果獨立變量與因變量具有直線關係，則認為它是線性的。 一個例子就是價格彈性 - 隨著產品價格的變化，銷售量的線性模式會隨著這些變化而發生。 除非需要非常高水平的預測效度，否則在設計良好的研究中，線性數據可以公平地表示非線性數據，而不必採用更先進的技術。
主要驅動分析的軟件應用程序
許多軟件包旨在執行關鍵驅動程序分析所需的統計過程。 Quirk的雜誌發表軟件評論。
這裡列出的兩個範圍涵蓋了大多數基本應用程序的可用選項範圍，這些應用程序旨在用作Microsoft Excel加載項到SPSS等綜合平台。
ALLSTAT是Microsoft Excel的廉價數據分析和統計解決方案。
SPSS是標準，它經過了許多修訂 - 其中一個IBM SSPS Direct Marketing模塊似乎對市場研究人員特別有用。
關鍵驅動分析的好處
由於關鍵驅動因素分析是高效且可擴展的，因此有助於維護調查設計和分析的預算和資源界限。 現有的品牌驅動因素 - 比如每年進行調查的客戶都很熟悉 - 可以在現有的調查框架中使用; 採用關鍵驅動分析的調查不需要做更長或更複雜的調查。 面向客戶的調查問卷無需明顯改變，以適應關鍵驅動因素分析。 一個使用關鍵驅動分析的故事是可以理解的，並且可以用於展示數據的可視化顯示。
參考
Quirk的市場研究評論發表了關於廣泛的市場研究主題的文章。 他們關於數據使用和研究技術和趨勢的系列文章對那些對調查研究的細節感興趣的研究人員特別有用。
來源
- Quirk的文章＃20010104 - Rajan Sambandam（賓夕法尼亞州華盛頓堡響應中心的分析方法概覽）
- Quirk的文章＃20010297 - > Micheal Lieberman（紐約多變量解決方案的關鍵動因分析）