定量营销研究

定量营销研究是定量研究技术在营销研究领域的应用。它既源于实证主义的世界观，也源于现代营销观点，即营销是一个互动过程，在这个过程中，买卖双方就营销的“四个P”达成令人满意的协议：产品、价格、地点（位置）)和促销。

作为一种社会研究方法，它通常涉及问卷和量表的构建。要求回答的人（受访者）完成调查。营销人员使用这些信息来获取和了解市场中个人的需求，并制定策略和营销计划。

最流行的定量营销研究方法是调查。调查通常包含结构化问题和开放式问题的组合。调查参与者回答相同的问题集，这使研究人员可以轻松地比较不同类型的受访者的回答。可以通过以下四种方式之一分发调查：电话、邮件、面对面和在线（无论是通过移动设备还是台式机）。

另一种定量研究方法是对个体如何应对不同情况或情景进行实验。这方面的一个例子是对一段营销传播进行A/B测试，例如网站登录页面。网站访问者会看到不同版本的登录页面，营销人员会跟踪哪个版本更有效。

定量研究用于消费者研究和企业对企业(B2B)研究。但是，消费者研究人员和B2B研究人员在分布调查的方式上存在差异。

通常，调查通过电话或邮件在网上分发，而不是当面分发。然而，在B2B研究中，在线研究并不总是可行的，这通常是因为很难通过电子邮件联系到某些业务决策者。因此，B2B研究人员仍然经常通过电话进行调查。

简而言之，研究过程涉及五个主要且重要的步骤：

1. 定义问题。
2. 研究设计。
3. 数据收集。
4. 数据分析。
5. 报告写作和演示。

关于这些步骤的简要讨论是：

1. 问题审核和问题定义-问题是什么？问题的各个方面是什么？需要什么资料？
2. 概念化和操作化——我们如何准确定义所涉及的概念？我们如何将这些概念转化为可观察和可测量的行为？
3. 假设规范-我们要测试什么声明？
4. 研究设计规范-使用什么类型的方法？-示例：问卷调查、调查
5. 问题规范-要问什么问题？以什么顺序？
6. 规模规范-如何对偏好进行评级？
7. 抽样设计规范-总人口是多少？这个人群需要多大的样本量？使用什么抽样方法？-示例：概率抽样：-（整群抽样、分层抽样、简单随机抽样、多阶段抽样、系统抽样）和非概率抽样：-（方便抽样、判断抽样、目的抽样、配额抽样、雪球抽样），ETC。）
8. 数据收集-使用邮件、电话、互联网、商场拦截
9. 编码和重新规范-对原始数据进行调整，使其与统计技术和研究目标兼容-示例：分配数字、一致性检查、替换、删除、加权、虚拟变量、尺度转换、尺度标准化
10. 统计分析-对原始数据执行各种描述性和推理技术（见下文）。从样本推论到整个人口。检验结果的统计显着性。
11. 解释和整合调查结果-结果意味着什么？可以得出什么结论？这些发现与类似研究有何关联？
12. 撰写研究报告——报告通常有以下标题：1）执行摘要；2)目标；3)方法论；4)主要发现；5)详细的图表和图表。在10分钟的演示文稿中向客户展示报告。为提问做好准备。

设计步骤可能涉及试点研究，以发现任何隐藏的问题。编码和分析步骤通常由计算机使用统计软件执行。数据收集步骤在某些情况下可以自动化，但通常需要大量人力来承担。口译是一种只有经验才能掌握的技能。

为定量营销研究获取的数据几乎可以用任何统计分析技术进行分析，大致可分为描述性统计和统计推断。一组重要的技术是与统计调查相关的技术。在任何情况下，适当类型的统计分析都应考虑可能出现的各种类型的错误，如下所述。

应测试研究的可靠性、普遍性和有效性。

泛化性是从样本到总体进行推断的能力。

可靠性是衡量指标产生一致结果的程度。

• 如果在类似情况下重复研究，重测信度检查结果的相似程度。使用Pearson系数评估重复测量的稳定性。
• 如果使用不同的形式重复研究，替代形式的可靠性检查结果的相似程度。
• 内部一致性可靠性检查研究中包含的单个测量值转换为综合测量值的程度。内部一致性可以通过关联测试的两半（半信度）的性能来评估。使用Spearman-Brown预测公式调整Pearson积矩相关系数的值，以对应两个全长测试之间的相关性。常用的度量是Cronbach'sα，它等同于所有可能的分半系数的平均值。增加样本量可以提高可靠性。

有效性询问研究是否衡量了它的意图。

• 内容验证（也称为面部有效性）检查研究内容与待研究变量的相关程度；它试图回答研究问题是否代表正在研究的变量。它证明了测试的项目是从被测量的域中提取的。
• 标准验证检查研究标准相对于其他可能标准的意义。稍后收集标准时，目标是建立预测有效性。
• 构造验证检查正在测量的基础构造。构念效度有三种变体：会聚效度（研究与同一构念的其他测量的相关程度如何）、区分效度（研究与相反构念测量的相关程度如何）和法理效度（研究与对立构念测量的相关程度理论要求的其他变量）。
• 内部验证，主要用于实验研究设计，检查因变量和自变量之间的关系（即自变量的实验操作是否真的导致了观察到的结果？）
• 外部验证检查实验结果是否可以推广。

有效性意味着可靠性：有效的度量必须是可靠的。然而，可靠性并不一定意味着有效性：可靠的度量并不意味着它是有效的。

随机抽样误差：

• 样品太小
• 样品不具有代表性
• 使用了不恰当的抽样方法
• 随机误差

研究设计错误：

• 引入偏见
• 测量误差
• 数据分析错误
• 抽样框误差
• 人口定义错误
• 缩放误差
• 问题构造错误

面试官错误：

• 记录错误
• 作弊错误
• 质疑错误
• 受访者选择错误

受访者错误：

• 无响应错误
• 无能错误
• 伪造错误

假设错误：

• I型错误（也称为alpha错误）
  • 研究结果导致拒绝原假设，即使它实际上是正确的
• II型错误（也称为beta错误）
  • 研究结果导致接受（不拒绝）原假设，即使它实际上是错误的