Come analizzare i dati di un'indagine

Quando i tuoi sondaggi online sono stati completati e hanno dato i loro frutti, è il momento di analizzare i dati per dare un senso ai risultati ottenuti e presentarli in modo facilmente comprensibile e utilizzabile.

In questa guida scoprirai cos'è l'analisi delle indagini, imparerai a conoscere i diversi tipi di dati con i quali ci si può confrontare e troverai una descrizione di come analizzare efficacemente le indagini in sei passaggi.

Con analisi delle indagini si intende quel processo che porta a trasformare i dati raccolti in informazioni fruibili, per convertire i dati grezzi in risultati sui quali poter discutere per prendere poi le giuste decisioni. 

Analizzando i dati sulla base di un piano ben definito sarà più facile ottenere informazioni valide. Inoltre, sapere quale obiettivo si intende raggiungere sarà sicuramente utile per eseguire l'analisi in maniera più efficace.

Per ulteriori informazioni e una guida approfondita sulla progettazione e l'analisi delle indagini, ti invitiamo a guardare il nostro webinar.

Esiste una corrispondenza diretta tra il tipo di dati che si riceve e le domande poste nel sondaggio. I dati possono essere quantitativi o qualitativi. 

I dati quantitativi si riferiscono a informazioni numeriche. Per esempio, nell'indagine Net Promoter® Score (NPS) i clienti sono chiamati a rispondere su una scala da 1 a 10. Pertanto, tutte le informazioni raccolte saranno di carattere numerico e forniranno dunque dati quantitativi, utili per svolgere raffronti diretti e analisi statistiche.

I dati qualitativi, al contrario, si focalizzano su informazioni non numeriche. Questo tipo di ricerca basata sui sondaggi mira a rivelare il “perché” nascosto dietro i dati numerici. Per esempio, si può chiedere ai rispondenti di spiegare il motivo della loro scelta, offrendo loro uno spazio in cui scrivere la risposta. Nonostante l'analisi dei dati qualitativi sia più difficile, rimane comunque di vitale importanza comprendere le cause alla base dei dati raccolti.

I dati numerici sono un indicatore fantastico per monitorare i progressi nel corso del tempo; ma per capire il perché delle risposte ricevute, è molto utile inserire una domanda di approfondimento dalla quale ricavare dati qualitativi.

Qui di seguito trovi una guida che ti aiuterà a capire i numeri e il significato alla base dei risultati. 

Prima di avviare l'analisi, bisogna accertarsi che i dati dell'indagine siano utilizzabili. La pulizia dei dati dell'indagine prevede di decidere quali rispondenti escludere dall'analisi, rimuovere le risposte di scarsa qualità ed eliminare le risposte doppie.

Alcuni rispondenti potrebbero avere risposto soltanto a poche domande, mentre altri potrebbero avere risposto frettolosamente senza riflettere bene. Tutti questi casi producono dati di scarsa qualità, che possono influire sull'accuratezza dei risultati finali.

Con un'analisi della qualità delle risposte puoi individuare quelle che non corrispondono ai tuoi criteri. Diciamo, per esempio, che vuoi raccogliere dati relativi al sentiment dei clienti: la risposta di una persona che non è tuo cliente non sarebbe sicuramente pertinente.

Preparare i dati rendendoli facilmente leggibili, di formato uniforme e ben ordinati, è un'operazione essenziale per poter disporre di un set di dati chiaro per svolgere l'analisi.

La domanda principale di una ricerca basata sui sondaggi è la forza motrice dell'indagine stessa. Questa domanda è collegata alle finalità della ricerca, che vanno individuate in fase di definizione dell'obiettivo che si vuole conseguire.

Prima di addentrarsi nei dati granulari, è bene iniziare dalla domanda principale. Per esempio, se la domanda fosse “Le interesserebbe acquistare questo nuovo prodotto?”, la tabella di risultati riportata di seguito sarebbe il tuo punto di partenza.

Come puoi notare, la stragrande maggioranza delle persone ha dato una risposta positiva. Tenendo a mente questo, puoi procedere con i dati delle altre domande per ottenere maggiori informazioni sul prodotto in questione.

Le domande principali, di carattere più generale, ti aiutano a individuare le opinioni e le idee predominanti all'interno dei dati. Una volta posta questa base, puoi passare a parti più complesse dell'analisi per rispondere alle domande della ricerca. 

Spesso, per comprendere i dati uno dei modi migliori è procedere alla loro scomposizione. Le tabelle incrociate sono molti utili per suddividere i dati in gruppi più piccoli sulla base di caratteristiche comuni. Per esempio, potresti filtrare i dati in base al background specifico dei rispondenti. Per analizzare i dati di ciascun segmento, puoi applicare filtri, fare confronti e creare regole.

I filtri sono uno strumento estremamente efficace per ottenere una visione completa dei dati. Se, per esempio, volessi scoprire il grado di apprezzamento di un prodotto all'interno di diversi gruppi, potresti includere nel sondaggio delle domande demografiche. Dato che le persone hanno selezionato la loro fascia di età, riusciresti all'istante a filtrare le risposte di ciascun gruppo. A quel punto, dal confronto di questi set di dati emergerebbe il grado di apprezzamento di ogni gruppo, e questo ti aiuterebbe a individuare immediatamente casi anomali o fasce demografiche non soddisfatte.

Potresti filtrare i dati per:

Pur non fornendo percentuali o numeri grezzi da poter utilizzare, i dati qualitativi possono comunque essere valutati attraverso gli strumenti di analisi testuale. Raccogliendo le risposte scritte e analizzandole con uno di questi strumenti, potresti creare un'analisi dello stato d'animo che ti rivelerebbe ciò che provano i clienti. 

Per convertire i dati grezzi in informazioni fruibili è necessario dimostrare la significatività statistica, così da avere la certezza che i dati mostrino dei risultati conclusivi e non solo una selezione di casi. L'analisi statistica rivela se le tendenze osservate sono significative e indica cosa suggeriscono i dati quando vengono utilizzati con altre serie di dati. 

Esistono diversi metodi per comprovare la significatività statistica:

Oltre all'analisi grezza, altri fattori determinano se i risultati sono o meno significativi. Per esempio, raffrontando il numero totale di risposte e le percentuali di completamento rispetto alla dimensione complessiva del campione, si potrà capire se i risultati ottenuti rappresentano o meno un gruppo statisticamente significativo.

Altrettanto efficace è prendere in considerazione il margine di errore nei risultati dell'indagine. Il margine di errore esprime la precisione con cui i risultati rispecchiano l'intera popolazione. Un margine di errore basso indica una confidenza elevata nell'accuratezza dei risultati; al contrario, un margine alto suggerisce che i risultati potrebbero non rappresentare la popolazione in generale. 

Se ti occorrono più risposte per dare maggiore autorevolezza ai risultati della tua indagine, SurveyMonkey Audience è la soluzione che fa per te. 

Con il termine benchmarking si intende quel processo con cui i risultati ottenuti vengono confrontati con quelli di altre aziende o con i valori medi del settore. Il confronto può essere effettuato anche tra i dati propri, raccolti in trimestri o anni diversi con sondaggi ripetuti. 

Le aziende di tutto il mondo si servono dei parametri di riferimento relativi all'esperienza dei clienti per capire in che modo vengono percepite dalla clientela rispetto alla concorrenza. 

L'analisi dei dati longitudinali permette di scoprire come sono cambiati i risultati del sondaggio nel corso del tempo. Per esempio, se organizzi una conferenza annuale, potresti chiedere ai partecipanti di valutare la loro soddisfazione nei confronti dell'evento distribuendo un questionario di feedback sulla conferenza. Se emerge che il valore medio di soddisfazione diminuisce nel corso del tempo, puoi sicuramente iniziare da qui per approfondire la tua ricerca.

Alla domanda relativa alla soddisfazione potresti abbinarne una a risposta aperta chiedendo alle persone di motivare la loro scelta. Questi dati qualitativi faranno luce sulle possibili cause che hanno portato alla diminuzione della soddisfazione, aiutandoti a prendere le giuste contromisure per risolvere il problema. 

Puoi persino monitorare i dati riferiti a diversi sottogruppi. Supponiamo, per esempio, che di anno in anno cresca il livello di soddisfazione dello staff del marketing ma non quello degli amministratori. Sarebbe consigliabile esaminare le risposte degli amministratori a varie domande per cercare di capire perché sono meno soddisfatti degli altri partecipanti.

I dati delle indagini possono raccontare vere e proprie storie. Inizia partendo dalla domanda principale della ricerca, illustra i risultati e prosegui da questo punto. Che cosa hai scoperto? Che cosa hai capito dai dati? Quali risultati specifici spiccano o sono particolarmente interessanti?

Quando possibile, utilizza rappresentazioni visive a supporto del report, altrimenti i lettori si stancheranno a scorrere intere pagine piene di numeri. Un semplice grafico o una nuvola di parole potrebbe sintetizzare i risultati e offrire una comprensione intuitiva del significato dei dati. 

Dopo avere analizzato i dati e trovato la significatività statistica, è il momento di mostrarli a tutti. La stesura di un buon report per presentare i risultati è il passaggio finale dell'analisi pratica dell'indagine: ti permette di condividere i risultati con i colleghi e di offrire spunti di ispirazione all'intera azienda. 

Altre risorse: Come utilizzare sei grafici di base per creare report efficaci

Durante l'analisi di un'indagine si può cadere in diverse trappole piuttosto comuni. Ecco alcuni errori da evitare.

L'errore più comune commesso durante l'analisi di un'indagine da chi è alle prime armi con l'attività di ricerca è fare confusione tra correlazione e causalità. Si parla di causalità quando un fattore è la causa diretta di un altro. La correlazione, invece, si verifica quando due variabili cambiano insieme ma potrebbero non essere tra loro collegate.

Un esempio calzante è rappresentato dagli effetti del freddo. Bere cioccolata calda e indossare guanti imbottiti sono variabili correlate, perché tendono a salire e a scendere insieme. Tuttavia, una non è la causa dell'altra. Infatti, sono entrambe causate da un terzo fattore, il freddo.

Il solo fatto che due variabili cambino insieme non significa che siano collegate. L'analisi della correlazione ti aiuterà a individuare le relazioni tra i dati.

Se confondi correlazione e causalità, potresti commettere l'errore di pensare che due dati causati da un motivo terzo siano tra loro collegati. 

Come accennato, i risultati di un'indagine possono raccontare vere e proprie storie. Se però scegli i dati in modo selettivo, cioè selezionando quelli che convalidano la tua ipotesi, potrebbe sfuggirti il quadro generale.

Quando ti proponi di dimostrare qualcosa con un sondaggio, può essere frustrante se i dati non sono in linea con la tua ipotesi. Forse alcuni clienti semplicemente non sono d'accordo con l'affermazione principale, oppure i dati non mostrano una maggioranza statisticamente significativa. In qualsiasi caso, l'ultima cosa da fare è essere iperselettivi riguardo ai punti dati che si utilizzano.

Se devi scegliere in modo selettivo quali dati utilizzare per i calcoli, stai compromettendo l'accuratezza dei risultati della tua indagine.

SurveyMonkey sa meglio di chiunque altro che svolgere un sondaggio e raccogliere i risultati può essere un'attività decisamente elettrizzante. Detto questo, però, se hai fretta di calcolare i risultati potresti trascurare dei dati importanti che non sono stati ancora inseriti. 

Spesso è necessario un gran numero di risposte per innalzare il livello di confidenza nei dati. Se hai troppa fretta, potresti eseguire i calcoli su un numero di risposte insufficiente rispetto a quello necessario per dimostrare la significatività statistica. 

Ipotizziamo che i risultati delle tua indagine indichino che il 100% dei clienti è interessato a una nuova caratteristica del prodotto. Anche se sembra un risultato fantastico, se al sondaggio ha risposto una sola persona, con quanta fiducia puoi affermare che il volume di risposte rifletta effettivamente la base più ampia dei tuoi clienti?

Esiste una corrispondenza diretta tra il tipo e la qualità dei dati che ricevi e le domande che inserisci nel sondaggio. Pertanto, la qualità dei dati ottenuti è direttamente proporzionale a quella delle domande poste. 

Ecco alcuni suggerimenti:

Migliorando la qualità dei questionari che scrivi e invii, ovviamente riuscirai a raccogliere dati di qualità superiore.

L'analisi dei dati raccolti con i sondaggi prevede diverse fasi, dall'analisi dei risultati della domanda principale alla scomposizione dei dati, fino alla creazione di un report per presentare i risultati. 

SurveyMonkey offre strumenti di analisi e modelli con i quali diventa davvero facile ottenere risposte affidabili e raggiungere il proprio pubblico di riferimento. 

Registrati per utilizzare gli strumenti e i modelli creati da esperti.