面向客户的报告的高级调查研究方法
如同任何研究一样，最初的步骤是确定调查旨在回答的问题。
营销人员必须确定研究目标是否具有预测性，解释性或描述性（对于调查很少见）。 如果这两类目标都很重要呢？
难度：一般
所需时间：一周
就是这样：
这完全是关系
通过关键驱动分析可以研究大量的依赖和自变量，通常，分析针对一个或多个因变量和多个自变量。 自变量对因变量的统计显着影响是研究的重点。 一方面，客户感兴趣的是战略特征（如市场份额）。 另一方面，有一套绩效指标或描述性属性被认为与某种方式的战略特征有关。
关键驱动因素分析可以回答“为什么？”
所选择的相关变量以及为关键驱动因素分析选择的分析方法在很大程度上取决于研究目标：解释，预测，描述。
如果解释是目标，那么所选择的独立变量被认为会影响因变量中观察到的变化。 自变量也应该是可操作的。 例如，对客户服务的总体满意度（因变量）可能与等待时间，退货的简单性和退款政策（所有自变量和对变化或行动的响应）有关。
关键动因分析可以回答“假如？”
如果预测是研究目标，那么寻找能够预测结果的自变量。 在这种情况下，独立变量不必是可操作的。 预测性研究的目标不是要改变因变量，而是要预测一些事情。 例如，关键驱动因素分析可能旨在预测参与吸烟预防计划后的累犯，但研究人员也可能研究一组不同的自变量，这些自变量被认为可以提高戒烟计划的成功率。
主要动力分析调查友好
品牌属性通常分为三类：满意度，协议或性能评分。 可以使用各种量表来记录调查受访者的评分或这些类别中的属性排名。 最常见的评分量表是李克特，它很容易应用于满意度和协议声明。 当调查受访者对多个品牌的产品或服务或属性的许多属性进行评级时，他们可以检查一个框为“是”，结果数据编码为1/0。 为了统计分析的目的，这个二进制数据很容易转换。
针对不同细分市场的不同关键驱动力
市场细分研究表明，不同的关键驱动因素在不同的市场中可能很重要，并且一些关键驱动因素可能在所有细分市场中都很重要。 关键驱动因素分析可以简化调查设计，因为在调查中只能提问一次属性，但可以将结果数据筛选为反映离散消费者群体的不同“切入”或分档。 例如，削减可反映人口统计，年龄，性别，社会经济状况，收入或教育程度等级。
关键驱动分析可以用于分类值
多种分析技术可用于执行关键驱动分析。 一些因变量是分类的，不能缩放 ，因此不能通过线性回归进行分析。 相反，使用线性判别分析或逻辑回归。 分类变量可用于具有预测和解释目标的调查。 客户满意度或忠诚度调查通常使用分类值来表示客户关系的状态（主动/非主动）。
线性 - 还有一件事需要考虑
关键驱动力是与期望结果或战略特征具有统计显着关系的属性。 如果独立变量与因变量具有直线关系，则认为它是线性的。 一个例子就是价格弹性 - 随着产品价格的变化，销售量的线性模式会随着这些变化而发生。 除非需要非常高水平的预测效度，否则在设计良好的研究中，线性数据可以公平地表示非线性数据，而不必采用更先进的技术。
主要驱动分析的软件应用程序
许多软件包旨在执行关键驱动程序分析所需的统计过程。 Quirk的杂志发表软件评论。
这里列出的两个范围涵盖了大多数基本应用程序的可用选项范围，这些应用程序旨在用作Microsoft Excel加载项到SPSS等综合平台。
ALLSTAT是Microsoft Excel的廉价数据分析和统计解决方案。
SPSS是标准，它经过了许多修订 - 其中一个IBM SSPS Direct Marketing模块似乎对市场研究人员特别有用。
关键驱动分析的好处
由于关键驱动因素分析是高效且可扩展的，因此有助于维护调查设计和分析的预算和资源界限。 现有的品牌驱动因素 - 比如每年进行调查的客户都很熟悉 - 可以在现有的调查框架中使用; 采用关键驱动分析的调查不需要做更长或更复杂的调查。 面向客户的调查问卷无需明显改变，以适应关键驱动因素分析。 一个使用关键驱动分析的故事是可以理解的，并且可以用于展示数据的可视化显示。
参考
Quirk的市场研究评论发表了关于广泛的市场研究主题的文章。 他们关于数据使用和研究技术和趋势的系列文章对那些对调查研究的细节感兴趣的研究人员特别有用。
来源
- Quirk的文章＃20010104 - Rajan Sambandam（宾夕法尼亚州华盛顿堡响应中心的分析方法概览）
- Quirk的文章＃20010297 - > Micheal Lieberman（纽约多变量解决方案的关键动因分析）