Как анализировать данные опроса

Итак, вы получили результаты онлайн-опросов. Теперь настало время проанализировать данные, чтобы осмыслить результаты и представить их так, чтобы их было легко понять и принять соответствующие меры. Как только вы собрали статистические результаты опроса и составили план анализа данных, можно начинать обработку полученных результатов. Вот как наши специалисты по изучению опросов интерпретируют количественные данные (в отличие от качественных данных). Они строят свои отчеты на базе ответов на вопросы, которые, в свою очередь, отвечают на вопросы исследования. Даже экспертам бывает трудно интерпретировать необработанные данные. 

Чтобы достичь целей опроса, рекомендуем для начала полагаться на методику опроса, рекомендуемую нашими экспертами. Затем, получив результаты, вы сможете эффективно проанализировать их, используя все доступные вам инструменты анализа данных, включая статистический анализ, аналитику данных, а также графики и диаграммы, отражающие показатели опроса.

Правильный анализ данных опроса — это ключ к получению информации и знаний, необходимых для принятия удачных бизнес-решений. В то же время важно знать о потенциальных проблемах, которые могут усложнить анализ или даже исказить результаты. 

Если задано слишком много открытых вопросов, длительность и сложность анализа могут увеличиться, поскольку такие вопросы дают качественные результаты, не оцениваемые числами. В то же время закрытые вопросы дают результаты, которые легче поддаются анализу. Также анализ может быть затруднен, если были заданы наводящие или предвзятые вопросы а также запутанные или слишком сложные вопросы. Наличие надлежащих инструментов и ноу-хау поможет обеспечить простоту и эффективность анализа опросов.

Подробнее об использовании закрытых и открытых вопросов.

Благодаря множеству методов анализа данных SurveyMonkey позволяет легко превратить необработанные данные в практически применимые выводы, представленные в удобных для восприятия форматах. Такие функции, как автоматические диаграммы и графики, а также облака слов, помогают оживить данные. Например, анализ тональности позволяет получить мгновенную сводку ощущений людей на основе тысяч или даже миллионов открытых текстовых ответов. Вы можете без труда обнаружить положительные, нейтральные и отрицательные настроения или отфильтровать данные по тональности, чтобы выявить области, требующие внимания. Для еще более глубокого исследования можно отфильтровать вопрос по тональности. Представьте себе, что все эти текстовые ответы можно превратить в набор количественных данных.

Облака слов позволяют быстро истолковать ответы в произвольной форме путем наглядного отображения наиболее часто используемых слов. Предлагается ряд способов настройки внешнего вида облака слов — от выбора цвета или шрифта для определенных слов до удобного скрытия неподходящих слов.

Обширный набор функций и инструментов поможет вам решать проблемы анализа и быстро создавать графики и наглядные отчеты. Узнайте, как отчет, вдруг понадобившийся в последнюю минуту, можно мгновенно составить с помощью SurveyMonkey.

Сначала давайте выясним, как вы будете рассчитывать результаты опроса, исходя из главных вопросов опроса. Добавляли ли вы вопросы практического исследования? Пробовали ли вы применить вероятностную выборку? Помните, что, ставя цель для своего опроса, вы должны сформулировать главные вопросы исследования.

Например, если вы организовали образовательную конференцию и провели среди участников опрос для сбора отзывов о проведенном мероприятии, один из ваших главных вопросов исследования может звучать примерно так: «Как участники оценили конференцию в целом?». Теперь взгляните на полученные ответы на конкретный вопрос, который является главным в исследовании:

Планируете ли вы участвовать в этой конференции в следующем году?

Обратите внимание, что среди ответов есть как процентные значения (71%, 18%), так и абсолютные цифры (852, 216). Проценты — это просто процентные доли респондентов, которые дали определенный ответ. Иначе говоря, проценты представляют количество респондентов, которые дали каждый из ответов, в отношении к общему числу людей, ответивших на вопрос. Так, 71 % респондентов (852 из 1200 опрошенных) планируют посетить конференцию в следующем году.

Из этой таблицы также видно, что 18 % респондентов планируют участвовать снова, а 11 % сомневаются в этом.

Правильное определение размера выборки также дает уверенность в том, что вы точно и эффективно проанализируете результаты опроса. Размер выборки — это количество людей, которые должны принять участие в опросе и ответить на все вопросы ответы, чтобы результаты были статистически обоснованными. Даже для специалиста по статистике определение размера выборки для опроса может оказаться непростой задачей. Однако SurveyMonkey берет работу на себя и избавляет вас от догадок благодаря простому и удобному калькулятору погрешности, который поможет вам определить, сколько человек необходимо опросить, чтобы результаты были надежными.

Когда вы ставили цель для своего опроса и разрабатывали план анализа результатов, вы наверняка думали о том, какие подгруппы собираетесь анализировать и сравнивать. И это правильное решение! Например, вы хотели узнать, как отличаются друг от друга ответы преподавателей, студентов и администраторов на вопрос об участии в конференции в следующем году. Чтобы выяснить это, вы можете составить перекрестную таблицу или использовать отчеты перекрестной таблицы, в которых результаты будут показаны по подгруппам:

Из этой таблицы видно, что значительное большинство студентов (86 %) и преподавателей (80 %) планируют участвовать в следующей конференции. Однако администраторы, посетившие вашу конференцию, настроены иначе: менее половины (46 %) из них собираются вернуться! Вероятно, некоторые другие наши вопросы помогут понять, почему так вышло и что можно сделать, чтобы конференция стала более привлекательной для администраторов.

Фильтрация — это еще один метод анализа данных при моделировании. Фильтрация означает сосредоточение внимания на одной конкретной подгруппе и отсеивание остальных. То есть, вместо сравнения подгрупп между собой, здесь мы просто смотрим, как одна подгруппа ответила на вопрос. Сочетание фильтров позволит вам добиться наивысшей точности данных.

Например, вы можете отобрать только женщин или только мужчин, а затем снова составить перекрестную таблицу по типу участников, чтобы сравнить женщин-администраторов, женщин-преподавателей и студенток. Однако при таком отборе данных следует помнить: каждый раз, когда вы применяете фильтр или перекрестную таблицу, размер выборки уменьшается. Чтобы убедиться, что результаты остаются статистически значимыми, полезно использовать калькулятор размера выборки.

Графики могут стать незаменимым инструментом, когда вам нужно быстро продемонстрировать результаты анализа данных в понятной для всех форме. В SurveyMonkey легко создавать графики, которые придают ясность и контекст вашему анализу, что, в свою очередь, делает использование данных более целенаправленным и действенным.  

Кросс-табуляция, иначе называемая отчетом перекрестной таблицы, — полезный инструмент для углубленного изучения данных. При кросс-табуляции ваши данные структурируются в виде перекрестной таблицы, которая группирует респондентов по общим признакам или на основе ответов на вопросы опроса, позволяя вам сравнить ответы каждой группы с другими группами. Это помогает лучше понять каждую группу респондентов и выяснить, чем они отличаются друг от друга.

Допустим, в вашем опросе для сбора отзывов о конференции один из ключевых вопросов звучит так: «В целом насколько вы удовлетворены этой конференцией?». 

Результаты показывают, что конференцией довольны 75 % участников. Звучит неплохо, казалось бы. Но нельзя ли больше контекста? С чем сравнивать? Это лучше или хуже, чем в прошлом году? Как выглядит эта конференция по сравнению с другими?

Сопоставительный анализ может дать ответы на эти и другие вопросы, давая возможность легко провести сравнение с прошлыми и текущими данными, чтобы определить тенденции в вашей отрасли и на рынке и увидеть, как вы им следуете.

Допустим, вы задавали такой же вопрос в опросе о конференции в прошлом году. Тогда вы сможете сравнить ответы и выявить тенденции. Социологи любят говорить, что выявление тенденций — уже половина успеха. Если в прошлом году уровень удовлетворенности был 60 %, то в этом году он увеличился на 15 процентных пунктов! Что вызвало это повышение удовлетворенности? Вероятно, это станет ясно из ответов на другие вопросы вашего опроса.

Если у вас нет данных с конференций прошлых лет, начните с этого года собирать отзывы после каждой конференции. Это называется сопоставительным анализом. Вы задаете контрольную или эталонную цифру и, двигаясь вперед, можете видеть, изменился ли этот показатель и если да, то как. Можно сопоставлять не только удовлетворенность участников, но и другие аспекты. Вы сможете год за годом отслеживать, что думают участники конференции. Это называется долгосрочным анализом данных.

Можно даже отслеживать данные для разных подгрупп. Допустим, что уровень удовлетворенности с каждым годом растет у студентов и преподавателей, но не у администраторов. Возможно, вы захотите посмотреть ответы администраторов на различные вопросы и попытаться понять, почему они не так довольны, как другие участники.

Вы знаете, сколько участников сообщили о своем желании снова участвовать в конференции, но откуда вы знаете, можно ли доверять ответам на этот опрос и можно ли с уверенностью использовать их для обоснования будущих решений? Важно учитывать качество данных и знать, из чего складывается статистическая значимость.

В обиходной речи слово «значимость» означает важность или значительность. Но для анализа и статистики опросов этот термин означает «оценка точности». Здесь в работе над опросом неизбежно появляется слово «приблизительно». В частности оно означает, что результаты опроса точны на определенном уровне доверия, а не случайным образом. Делать выводы на основе неточных (то есть статистически незначимых) результатов рискованно. Первым фактором, который следует учитывать при любой оценке статистической значимости, является репрезентативность выборки, то есть насколько группа людей, принимавшая участие в вашем опросе, «похожа» на общую совокупность людей, для которой вы хотите сделать выводы.

Возможно, все не так хорошо, если из участников конференции, которые ответили на опрос, 90 % — мужчины, однако лишь 15 % всех участников конференции были мужчинами. Чем больше вы знаете о группе, которую хотите изучать, тем больше уверенности у вас будет, когда опрос согласуется с этими цифрами. Если в нашем примере мужчины составляют 15 % респондентов, значит в плане пола результаты достаточно достоверны.

Если выборка вашего опроса сформирована путем случайного отбора из известной общей совокупности, статистическую значимость можно рассчитать простым способом. Основной фактор при этом — размер выборки. Предположим, что в опросе приняли участие 50 из 1000 человек, посетивших вашу конференцию. Пятьдесят — это небольшой размер выборки, который вызывает большую погрешность. Иными словами, ваши результаты не будут иметь большого веса.

Скажем, вы спросили своих респондентов, сколько из 10 заседаний конференции они посетили. И вот как выглядят результаты:

Возможно, вы захотите проанализировать среднее значение. Как вы помните, существует три разных типа средних величин: среднее арифметическое, медиана и мода.

В приведенной выше таблице среднее количество посещенных заседаний составляет 6,1. Здесь указано среднее арифметическое — тот тип средней величины, который, вероятно, наиболее знаком вам. Чтобы определить среднее арифметическое, вы складываете все значения и делите их на количество сложенных значений. В этом примере у нас 100 человек, которые посетили одно заседание, 50 человек с четырьмя заседаниями, 100 человек с пятью заседаниями и т. д. Вы перемножаете эти пары чисел, суммируете их и делите на общее количество участников.

Медиана — это другая разновидность средней величины. Медиана представляет собой значение, которое располагается посередине, на отметке 50 %. Чтобы обнаружить это значение, в таблице выше мы находим точку (количество заседаний), слева и справа от которой будут находиться по 500 человек. Медиана в данном случае составляет шесть заседаний. Эта величина позволяет устранить влияние статистических выбросов, которые могут исказить ваши данные.

И последний тип средней величины — это мода. Мода представляет собой наиболее частый ответ, в нашем случае — шесть. 260 участников опроса посетили шесть заседаний — это самый популярный вариант ответа.

Среднее арифметическое и другие типы средних значений также можно использовать, если ваши результаты основаны на шкалах Лайкерта.

Когда понадобится составить отчет по результатам опроса, подумайте, о чем говорят данные.

Скажем, ваша конференция в целом получила посредственные оценки. Вы проанализировали данные и выяснили, в чем дело. Данные показывают, что участники дали очень высокие оценки почти всем аспектам вашей конференции — пленарным заседаниям и занятиям, культурной программе и размещению, — но город, выбранный для конференции, им совершенно не понравился. (Возможно, конференция проводилась в Норильске в январе, когда на улице не самая приятная погода.) 

Вывод: конференция в целом отличная, но неудачный выбор места. Зимнюю конференцию лучше было бы устроить в Сочи.

Один из аспектов анализа данных и составления отчетов, который необходимо учитывать, — это причинно-следственная связь и корреляция.

Люди усваивают и понимают информацию разными путями. К счастью, SurveyMonkey предлагает множество различных способов анализа данных опроса, так что вы можете оценивать и представлять информацию так, как это будет наиболее полезно для достижения ваших целей, а также создавать графики, диаграммы и отчеты, которые сделают ваши результаты легко понятными.

Вот некоторые типичные вопросы, ответы на которые помогут вам в совершенствовании навыков анализа опросов:

Анализ длительного наблюдения (или «анализ тенденций») показывает, как реакция на определенные вопросы изменяется со временем. Установив эталонный уровень, вы сможете определить, будут ли меняться показатели и как именно. Предположим, что уровень удовлетворенности вашей конференцией составлял 50 % три года назад, 55 % два года назад, 65 % в прошлом году и 75 % в этом году. Замечательные показатели! Анализ длительного наблюдения показывает устойчивую тенденцию удовлетворенности на повышение.

Назад

Причинно-следственная связь имеет место, когда один фактор вызывает другой, а корреляция — когда две величины изменяются вместе, но одна не влияет на другую и не является ее причиной. Например, потребление горячего шоколада и ношение варежек — это две переменные, которые коррелируют: они имеют тенденцию повышаться и понижаться вместе. Однако ни одна из них не является причиной другой. На самом деле обе они вызываются третьим фактором — холодной погодой. 

Холодная погода влияет как на потребление горячего шоколада, так и на вероятность надевания варежек. Холодная погода — это независимая переменная, а потребление горячего шоколада и вероятность ношения варежек — зависимые переменные. В случае с нашим опросом о конференции именно холодная погода, вероятно, повлияла на то, что участники были недовольны городом проведения конференции и конференцией в целом. 

Наконец, для дальнейшего изучения взаимосвязи между переменными в опросе вам может понадобиться провести регрессионный анализ.

Назад

Регрессионный анализ — это продвинутый метод визуализации и анализа данных, который позволяет посмотреть на взаимосвязь между двумя или более переменными. Существует много типов регрессионного анализа, и ученые выбирают один или несколько из них в зависимости от изучаемых переменных. Все типы регрессионного анализа имеют одну общую черту: они исследуют влияние одной или нескольких независимых переменных на зависимую переменную. При анализе данных этого опроса нам может быть интересно узнать, какие факторы больше всего влияют на удовлетворенность участников конференции. Дело в количестве заседаний? Основном докладчике? Культурной программе? Сайте? Используя регрессионный анализ, исследователь может определить, влияет ли удовлетворенность разными атрибутами конференции на общую удовлетворенность, и если да, то в какой степени.

Это, в свою очередь, дает представление о том, какие аспекты полезно будет изменить на следующей конференции. Скажем, вы заплатили большой гонорар, чтобы заполучить на вступительное заседание конференции популярного оратора. Участники дали этому оратору и конференции в целом высокие оценки. Исходя из этих двух фактов, вы можете подумать, что выступление знаменитого (и дорогого) оратора — ключ к успеху конференции. Но так ли это на самом деле, вам поможет выяснить регрессионный анализ. Вы можете обнаружить, что популярность основного докладчика была основным фактором удовлетворенности конференцией. Если так, то вы захотите снова пригласить такого же докладчика на следующий год. Но допустим, регрессия показывает, что хотя докладчик понравился всем, это не сильно повлияло на удовлетворенность участников конференции. Если это так, большие деньги, потраченные на докладчика, лучше всего потратить на что-то другое. 

Если вы постараетесь тщательно проанализировать достоверность данных опроса, то сможете сделать полученные ответы фундаментом для принятия грамотных решений.

Данные опросов могут стать одним из самых мощных ваших инструментов

Анализируя данные по-новому, активно и продуманно, вы сможете стимулировать рост своей компании, укрепить отношения с клиентами и держаться на шаг впереди конкурентов. SurveyMonkey предлагает ряд вариантов для любого бюджета. 

Сбор данных опроса состоит в получении информации от определенных респондентов при помощи опроса. Сбор данных опроса может заменять или дополнять другие типы сбора данных, включая собеседование, фокус-группы и т. д. Данные, собранные при опросах, могут быть использованы для усиления вовлеченности сотрудников, исследования поведения покупателей и улучшения обслуживания клиентов.

Назад

Анализ длительного наблюдения (или «анализ тенденций») показывает, как реакция на определенные вопросы изменяется со временем. Установив эталонный уровень, вы сможете определить, будут ли меняться показатели и как именно. Предположим, что уровень удовлетворенности вашей конференцией составлял 50 % три года назад, 55 % два года назад, 65 % в прошлом году и 75 % в этом году. Замечательные показатели! Анализ длительного наблюдения показывает устойчивую тенденцию удовлетворенности на повышение.

Назад

Причинно-следственная связь имеет место, когда один фактор вызывает другой, а корреляция — когда две переменные изменяются вместе, но ни одна не влияет на другую. Например, горячий шоколад и варежки — это две переменные, которые коррелируют друг с другом: они увеличиваются и уменьшаются вместе. Однако ни одна из них не является причиной для другой. На самом деле причиной возникновения обоих является третий фактор — холодная погода. Холодная погода влияет как на потребление горячего шоколада, так и на вероятность надевания варежек. Холодная погода — это независимая переменная, а потребление горячего шоколада и вероятность одевания варежек — зависимые переменные. В нашем опросе о конференции холодная погода, вероятно, повлияла на неудовлетворенность участников конференции местом проведения и конференцией в целом. Для дальнейшего изучения взаимосвязи между переменными в вашем опросе может понадобиться регрессионный анализ.

Назад

Регрессионный анализ — это продвинутый метод визуализации и анализа данных, который позволяет посмотреть на взаимосвязь между двумя или более переменными. Существует много типов регрессионного анализа, и ученые выбирают один или несколько из них в зависимости от переменных, которые изучаются. Все типы регрессионного анализа имеют одну общую черту: они исследуют влияние одной или нескольких независимых переменных на зависимую переменную. При анализе данных этого опроса нам может быть интересно узнать, какие факторы больше всего влияют на удовлетворенность участников конференции. Дело в количестве заседаний? Основном докладчике? Культурной программе? Сайте? Используя регрессионный анализ, исследователь может определить, влияет ли удовлетворенность этими различными атрибутами конференции на общую удовлетворенность, и если да, то в какой степени.

Это, в свою очередь, дает представление о том, какие аспекты полезно будет изменить на следующей конференции. Скажем, например, вы заплатили большой гонорар, чтобы заполучить на вступительное заседание конференции популярного оратора. Участники дали этому оратору и конференции в целом высокие оценки. Исходя из этих двух фактов, вы можете подумать, что выступление знаменитого (и дорогого) оратора — ключ к успеху конференции. Но так ли это на самом деле, вам поможет выяснить регрессионный анализ. Вы можете обнаружить, что популярность основного докладчика была основным фактором удовлетворенности конференцией. Если так, то вы захотите снова пригласить такого же докладчика на следующий год. Но допустим, регрессия показывает, что, хотя докладчик понравился всем, это не сильно повлияло на удовлетворенность участников конференции. Если это так, большие деньги, потраченные на докладчика, лучше всего потратить на что-то другое. Если вы постараетесь тщательно проанализировать достоверность данных опроса, то сможете сделать полученные ответы фундаментом для принятия грамотных решений.