Data Insight . Цифры E-commerce
20.1K subscribers
3K photos
29 videos
207 files
2.71K links
📊Главные цифры eCommerce: исследования, аналитика рынка, рейтинги интернет-магазинов, новости и тренды онлайн-торговли.

РКН: https://gosuslugi.ru/snet/67a4bc9f24c8ba6dca95ed52

По вопросам размещения рекламы: @Inna_Sakibaeva
Download Telegram
Какую шкалу выбрать, чтобы потом не мучиться с цифрами

Шкала Ликерта, ранжирование, семантический дифференциал: за каждой стоит своя логика анализа, и выбор шкалы наугад аукается на этапе интерпретации результатов. Разбираем, как выбрать шкалу под конкретную задачу.

Шкала Ликерта. Респондент оценивает степень согласия с утверждением: от «совершенно не согласен» до «полностью согласен», обычно на 5 или 7 пунктов. Подходит для измерения отношения, мнений и оценок удовлетворенности. Хорошо усредняется и сравнивается между группами, поэтому это самая распространенная шкала в количественных опросах.

Шкала важности. Респондент оценивает, насколько тот или иной фактор для него значим, от «совсем не важно» до «очень важно». Отличается от шкалы Ликерта по смыслу вопроса, хотя визуально может выглядеть похоже, и путать их не стоит: согласие с утверждением и важность фактора это разные измерения, которые дают разные выводы.

Семантический дифференциал. Респондент ставит оценку между двумя противоположными характеристиками, например «дешево» и «дорого» или «современно» и «устарело». Хорошо подходит для измерения восприятия бренда или продукта по нескольким осям одновременно и удобен для визуализации в виде профиля на графике.

Ранжирование. Респондент выстраивает список вариантов по порядку значимости. В отличие от шкалы, где можно поставить всем факторам высокую оценку, ранжирование вынуждает расставить приоритеты и показывает, что действительно важнее, а не просто важно.

Шкала вероятности действия. Респондент оценивает, насколько вероятно, что он совершит определенное действие, например порекомендует компанию или купит повторно. По формату похожа на шкалу Ликерта, но измеряет не текущее отношение, а прогноз поведения, и это стоит учитывать при интерпретации: прогнозы традиционно завышены относительно реального поведения.

Дихотомическая шкала. Простой выбор из двух вариантов, да или нет, было или не было. Подходит для фактических вопросов, но плохо подходит для измерения отношения или степени согласия, потому что не позволяет зафиксировать промежуточную позицию.

На что обратить внимание при выборе. Число пунктов шкалы должно соответствовать задаче: слишком короткая шкала теряет точность, слишком длинная утомляет респондента и не добавляет полезной информации. Наличие или отсутствие нейтральной точки должно быть осознанным решением, а не случайностью. И главное, шкала должна оставаться одинаковой на протяжении всей анкеты там, где вопросы однотипны, иначе результаты по разным блокам становится сложно сравнивать между собой.

Выбор шкалы напрямую влияет на то, какие методы анализа и какие выводы можно будет сделать по итогам исследования, поэтому это решение принимается на этапе разработки анкеты, а не подгоняется под данные после сбора.

Если разрабатываете анкету и не уверены, какая шкала подойдет под вашу задачу, опишите, что нужно измерить, поможем подобрать шкалу и логику анализа под нее.

😀 Data Insight в Max | Telegram | VK | Рассылка
Please open Telegram to view this post
VIEW IN TELEGRAM
2