定量調査を効果的に使う

定量調査 では、あるサンプル集団から得た結果をグループ全体のものとして一般化することができます。

構造化された統計的な定量調査を行うと、ある活動指針に対して結論に至り、十分に検討された決断を下せるようになります。

多くの定量調査は、 定性調査の実施によって導かれたであろう、事前に定められた仮定を証明または否定するために使用されます。

定量調査はほとんどすべてのアンケートにおいて大部分を占めますが、しばしば効果的ではない使われ方をしています。定量調査を行う時は、次の3つのゴールのどれかを目指しましょう。

1. 回答者の特性を定義する： すべての選択回答形式の質問では、回答者の特性をより定義できます。次のような情報が得られます：

こういった特性を知れば、回答者がどのような人で、どのように行動し、何を好み、期待しているかの理解に役立ちます。

2. データの傾向を測定する： 時期を改めて同じアンケートを実行することで、データの傾向を認識し始められます。もしかしたら回答者の意見は徐々にある特定の方向へシフトしているかもしれませんし、季節によるパターンを見つけられるかもしれません。基本的に、時間の経過ごとの傾向を観察すると、アンケート結果のコンテクストが見えてきます。

例えば、カスタマーサービスの満足度を「非常に満足している」から「非常に不満である」までの尺度で顧客に評価してもらい、20％の顧客が「非常に満足している」と回答したとしましょう。現在の状況を知るのは良いことですが、この数字を将来の成果を測るための基準として使用することも可能です。

最初のアンケート後に、顧客のニーズにより対応できるような変更を加えたとしましょう。その後同じアンケートをもう一度実施し、「非常に満足している」顧客の割合が上昇したか下降したかを確認しましょう。経時的な顧客満足度改善に向けた成果が効果的に測定できるだけでなく、アンケートの合間に導入された新しい方針とプロセスの効果を直接測ることも可能です。

3. グループを比較する： アンケートの質問で回答者グループ間の比較を行うことも可能です。

上記の例に戻ってみましょう。回答者の年齢、性別、収入に関するデモグラフィックな質問を追加することで、「若い男性は中年の女性よりサービスに満足しているか」といった質問の比較ができるようになるでしょう。

異なるグループを比較すれば、誰をターゲットとし、どのようにメッセージを送り、ある特定のマーケットに合わせた変更をいつ製品に加える必要があるかがわかるようになります。また、満足している顧客の割合を ベンチマークに照らし合わせて、競合他社に対する自社の状況を確認することも可能です。

定量調査は、アンケートの枠組みを超え、さまざまな方法で活用できます。いくつかの例を見てみましょう。

1. 実際のデータを観察する： 毎日回収しているデータは、数字に基づいた決断を下す一助になる可能性が高いです。顧客のWebサイト訪問時間から販売がピークに達する時季まで、すべてがこれに当てはまります。こういった現実世界の情報は、最近では「ビッグデータ」と呼ばれており、決断を下す際に、独自の調査を行うのと同じくらい役立つものになりえます。

ビッグデータからは人の行為を大いに学べますが、どうしてそのような振る舞いに及ぶかを理解できることは稀なことにご注意ください。それを知るには、より直接的な定性型調査と定量型調査が必要になるでしょう。

2. 因果型リサーチ実験： 「なぜ」をもう少し良く理解するため、因果型実験ではある環境に新しい要素が加えられたときに何が起こるかを観察し因果関係を導き出そうとします。販売における広告の効果や従業員エンゲージメントにおける会社主催パーティの効果の測定まで、あらゆるものが新しい要素になりえます。

例えば、販売している製品のパッケージ変更を計画中で、セールスに起こりうる影響を知りたかったとしましょう。この場合、新しいパッケージを数店舗のみで展開し、旧来のパッケージと売り上げを比較することができるかもしれません。因果型の実験とは、A/Bテストの背後にあるコンセプトなのです。

調査に全力で取り組めるツールは揃っていますが、その前に定性調査も含めることをお忘れなく。リサーチに両方の調査手段を利用する方法に関しては、 こちらの記事をご覧ください。

この記事は、SurveyMonkeyのアンケート101プロジェクトの中で発表されたものです。SurveyMonkeyは、より多くの方を対象により良いアンケート作成をお手伝いしたいと願っています。 プロジェクトの詳細 と調査コミュニティへのSurveyMonkeyの参加についてご覧ください。