Prezentace Daniela Prokopa pro Syndikát novinářů. Obsahuje zajímavě shrunuté faktory, které ovlivňují rozhodování voličů a popis některých možných odchylek výsledků veřejného mínění, ke kterým dochází.
Přehled trendů, hlavních hráčů světového výzkumu trhu a poznámky k situaci v České republice. Prezentace SIMAR pro studenty předmětu Propedeutika sociologických výzkumů.
Výzkum: Tvorba a řízení značek v Česku v roce 2016Lovebrand
Podle čeho se pozná dobrá značka? A je značka vůbec důležitá? Zeptali jsme se zástupců malých, středních i velkých firem působících v ČR, co si myslí o značkách, jak je měří a zda do nich budou v roce 2016 investovat. Zjistíte, kdo je v těchto firmách za značku zodpovědný a co jim značka přináší.
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Ondřej Veis ukázal, že díky exploraci, segmentaci a vizualizaci se daří navigovat ve velkém množství big dat.
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Prezentace o tom, proč je lepší někdy převzít již existující řešení, než se pokoušet si vše udělat po svém.
Měření komunikačního efektu digitálních kampaní SIMAR
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Změřit skutečný efekt online kampaně není jednoduché. Je třeba otagovat všechny stránky, na kterých se inzerce objeví. Je třeba to udělat u všech vizuálů. A je k tomu třeba mezinárodní tým. A když se vám do toho zamíchá televize, tak zjistíte, že měřit kombinovaný efekt má také svá úskalí. Něco se však přeci jen podařilo. Víme, kolik lidí si všimlo, že reklama běžela a víme, zda na ně celková kampaň měla nějaký efekt.
Přehled trendů, hlavních hráčů světového výzkumu trhu a poznámky k situaci v České republice. Prezentace SIMAR pro studenty předmětu Propedeutika sociologických výzkumů.
Výzkum: Tvorba a řízení značek v Česku v roce 2016Lovebrand
Podle čeho se pozná dobrá značka? A je značka vůbec důležitá? Zeptali jsme se zástupců malých, středních i velkých firem působících v ČR, co si myslí o značkách, jak je měří a zda do nich budou v roce 2016 investovat. Zjistíte, kdo je v těchto firmách za značku zodpovědný a co jim značka přináší.
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Ondřej Veis ukázal, že díky exploraci, segmentaci a vizualizaci se daří navigovat ve velkém množství big dat.
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Prezentace o tom, proč je lepší někdy převzít již existující řešení, než se pokoušet si vše udělat po svém.
Měření komunikačního efektu digitálních kampaní SIMAR
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Změřit skutečný efekt online kampaně není jednoduché. Je třeba otagovat všechny stránky, na kterých se inzerce objeví. Je třeba to udělat u všech vizuálů. A je k tomu třeba mezinárodní tým. A když se vám do toho zamíchá televize, tak zjistíte, že měřit kombinovaný efekt má také svá úskalí. Něco se však přeci jen podařilo. Víme, kolik lidí si všimlo, že reklama běžela a víme, zda na ně celková kampaň měla nějaký efekt.
Případová studie využití pokročilých metod kvalitativního výzkumu. Hledání správného způsobu komunikace s maminkami, které kupují příkrmy byla složitá, ale nakonec velmi úspěšná cesta. Prezentace Petry Víškové z Confess Research
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Prezentace vysvětluje jak se měří síla značky v době, kdy spotřebitel nerozhoduje o koupi výrobku nerozhoduje lineárně.
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Prezentace o tom, že je dobré rozhodnutí, například o delistování či rušení méně populárních variant výrobku, podložit dobrou analýzou dat.
Jak spočítat přínos incomingové turistiky?
Využití a propojování datových zdrojů: hodnocení ekonomického dopadu eventů; jak funguje náš marketingový informační systém
Soňa Machová, CzechTourism
STEM/MARK: Měření domácího cestovního ruchu, dovolených a výletů SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Kombinovaný sběr dat (poloha, fotky, dotazník, panel, údaje z internetu) umožňuje odhalit motivaci cestování, důvody spokojenosti, vytipovat turisticky atraktivní místa a určit obvyklé trasy cest do různých destinací.
Jan Tuček, STEM/MARK
NMS Market Research: Finanční efekt spokojeného zákazníka: Jaký vliv má na tr...SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Kdy jsou zákazníci v prodejnách nejvíc spokojeni? Jaké souvislosti jsme vysledovali?
Ondřej Veis, NMS Market Research
Nielsen Admosphere: Jak měřit výkon venkovní reklamy transparentním způsobem?SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Jak správně kombinovat data z lokalizace nosičů s mapou intenzity dopravy a měření mobility, aby nám vznikla dlouho žádaná jednotná měna pro venkovní reklamu?
Hana Frieadlaenderová, Nielsen Admosphere
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Kombinace kvantitativního online výzkumu a social listeningu přinesla informace, které posloužily jako vstupenka do nové kategorie.
David Fiala, TNS AISA
Ipsos: Užití klientské databáze a výzkumných dat pro segmentaci SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Jednoduchý recept na vyšší návratnost investic do segmentované komunikace: poznejte skutečné potřeby a přiřaďte je ke konkrétním zákazníkům v databázi.
Libor Novotný, Ipsos
GfK Czech: Postupné ladění TV kampaně ZUNO banky pomocí neuromarketinguSIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Zefektivnění TV komunikace kombinací neuromarketingu a deklarativních technik, případová studie Zuno banka.
Ondřej Herink, GfK Czech
Millward Brown: Sedm modelů jak si spočítat hodnotu svého budoucího trhuSIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Syntéza dat: hledání skrytého potenciálu
Sedm modelů, jak si spočítat hodnotu svého budoucího trhu.
Petra Průšová, Luboš Rezler, Millward Brown
Median: Propojení elektronického měření médií a deklarací pro výzkum efektu r...SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Co jsme se dozvěděli o vztahu mezi zásahem reklamou a změnou postojů k cestování aneb některé věci deklarací nezjistíte, případová studie Czech Tourism.
Josef Fišer, Median
Případová studie využití pokročilých metod kvalitativního výzkumu. Hledání správného způsobu komunikace s maminkami, které kupují příkrmy byla složitá, ale nakonec velmi úspěšná cesta. Prezentace Petry Víškové z Confess Research
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Prezentace vysvětluje jak se měří síla značky v době, kdy spotřebitel nerozhoduje o koupi výrobku nerozhoduje lineárně.
Z Inisght semináře SIMAR proč to (ne)vyšlo konaného 25. května 2017. Prezentace o tom, že je dobré rozhodnutí, například o delistování či rušení méně populárních variant výrobku, podložit dobrou analýzou dat.
Jak spočítat přínos incomingové turistiky?
Využití a propojování datových zdrojů: hodnocení ekonomického dopadu eventů; jak funguje náš marketingový informační systém
Soňa Machová, CzechTourism
STEM/MARK: Měření domácího cestovního ruchu, dovolených a výletů SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Kombinovaný sběr dat (poloha, fotky, dotazník, panel, údaje z internetu) umožňuje odhalit motivaci cestování, důvody spokojenosti, vytipovat turisticky atraktivní místa a určit obvyklé trasy cest do různých destinací.
Jan Tuček, STEM/MARK
NMS Market Research: Finanční efekt spokojeného zákazníka: Jaký vliv má na tr...SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Kdy jsou zákazníci v prodejnách nejvíc spokojeni? Jaké souvislosti jsme vysledovali?
Ondřej Veis, NMS Market Research
Nielsen Admosphere: Jak měřit výkon venkovní reklamy transparentním způsobem?SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Jak správně kombinovat data z lokalizace nosičů s mapou intenzity dopravy a měření mobility, aby nám vznikla dlouho žádaná jednotná měna pro venkovní reklamu?
Hana Frieadlaenderová, Nielsen Admosphere
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Kombinace kvantitativního online výzkumu a social listeningu přinesla informace, které posloužily jako vstupenka do nové kategorie.
David Fiala, TNS AISA
Ipsos: Užití klientské databáze a výzkumných dat pro segmentaci SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Jednoduchý recept na vyšší návratnost investic do segmentované komunikace: poznejte skutečné potřeby a přiřaďte je ke konkrétním zákazníkům v databázi.
Libor Novotný, Ipsos
GfK Czech: Postupné ladění TV kampaně ZUNO banky pomocí neuromarketinguSIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Zefektivnění TV komunikace kombinací neuromarketingu a deklarativních technik, případová studie Zuno banka.
Ondřej Herink, GfK Czech
Millward Brown: Sedm modelů jak si spočítat hodnotu svého budoucího trhuSIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Syntéza dat: hledání skrytého potenciálu
Sedm modelů, jak si spočítat hodnotu svého budoucího trhu.
Petra Průšová, Luboš Rezler, Millward Brown
Median: Propojení elektronického měření médií a deklarací pro výzkum efektu r...SIMAR
Insight seminář SIMAR
Dáváme smysl datům
4. května 2016
Co jsme se dozvěděli o vztahu mezi zásahem reklamou a změnou postojů k cestování aneb některé věci deklarací nezjistíte, případová studie Czech Tourism.
Josef Fišer, Median
3. - 3 -
Zdroje chyb volebního výzkumu
• Faktor času
• Metodika
• Metoda sběru
• ReprezentaWvita (na co)
• Forma otázky (otevřená, uzavřená, funnel)
• Zařazení top preference versus mulW-preference
• Zohlednění jistoty volební účasW
• Kontroly CAPI nahrávek / podvody tazatelů
9. - 9 -
Faktor času -> přibližování se k volbám (SR NR 2016)
-
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
OSA Y = Průměrná absolutní odchylka u strany
Výzkumy ve
volební dny
10. - 10 -
Podle čeho by měl být výzkum reprezentaVvní
Ukazatel Síla vztahu s volební preferencí
Pohlaví +
Věk +++
Vzdělání +++
Region +++
VMB ++
Ukazatel Síla vztahu s volební preferencí
Pracovní status +++
Věk x vzdělání ++++
Intenzita užívání internetu +++
Příjem +++
Minulá volba ++++++
Regionální specifičnost = v SR národnost; v USA etnikum; v GB odbory
12. - 12 -
Hlavní typy volební otázek
Otevřená otázka
• Neodpovídá volební situaci
• Silnější Top-of-mind a větší strany
• V roce 2006 vyšla, v roce 2010 vychýlení pro velké strany
Uzavřená otázka
• Neodpovídá volební situaci
• Silnější menší a sekundární strany
• V roce 2010 vyšla, v roce 2006 ujer pro malé strany
• Ovlivnění pořadím (výběr první přijatelné)
• Nedotazovatelnost v jistých podmínkách („teď vám přečtu 38 stran …“)
Funnel
• Odpovídá nejlépe volební situaci
• Méně váhajících (10 – 20 %)
• Dotazovatelný CAPI i CATI
• Dlouhý na dotázání
• MOŽNÉ DVA TYPY PRÁCE S FINALNI PREFERENCI:
• a) Zařazení nejpravděpodobnější strany
• b) Vážené zařazení všech zvažovaných stran
13. - 13 -
Práce s volební účasZ ve volebním modelu
Metoda Kdo v modelu RIZIKA
zahrnur avizujících účast
Určitě ano
Spíše ano
Přílišná váha „spíše ano“ (proW
„určitě ano“, „spíše ne“)
zahrnur nevylučujících účast
Určitě ano
Spíše ano
Spíše ne
Navýšení volební účasW, velká
váha volným účastníkům
vážené zahrnur nevylučujících
účast
Určitě ano (90 %)
Spíše ano (60 %)
Spíše ne (20 %)
Správnost nastavení
Přenositelnost
15. - 15 -
Srovnání přesnosV - MEDIAN (říjen 2013) – základní x pokročilý model
Základní model
• ReprezentaWvitana 5 sociodemografií
• Všichni avizující účast (100 % vahou)
• Rozpočet spontánní odpovědi (W, co uvedou stranu)
Pokročilý model
• ReprezentaWvita na sociodemografie, ekonomický status, věk x vzdělání,
internet a minulé volební chování
• Váženě dle účasW
• Zahrnur všech zvažovaných stran podle míry rozhodnur
Data MEDIAN 27.9. do 23.10. 2013 (volby 24.-25.2013)
16. - 16 -
Srovnání přesnosV - MEDIAN (říjen 2013) – základní x pokročilý model
20,5
18,5
15,0 15,0
7,5 7,0 7,0
32,7
14,7
17,1
11,4
9,2
3,3 4
22,2
17,9
13,0 13,3
8,7
5,7 5,0
0
5
10
15
20
25
30
35
ČSSD Ano 2011 KSČM TOP09 ODS KDU-ČSL Úsvit
Volby Základní model Pokročilý model
Průměrná absolutní odchylka:
ZAKLADNI MODEL = 4 p.b.
POKROCILY MODEL = 1,9 p.b.
18. - 18 -
Jak dopadla opVmalizovaná metodika ve volbách do NR SR 2016 ?
Dátum zberu
12. –
18.2.
11. –
16.2.
8. –
¨16.2.
7. –
16.2.
10. –
14.2.
6.-
14.2.
6. –
14.2.
31.1. –
7.2.
22. –
28.1.
13. –
20.1.
Agentúra Voľby AKO EAC
Phoenix
Research
MEDIAN
pre RTVS
MVK
Focus
pre SME
Polis
Slovakia
Focus
pre RTVS
MEDIAN
pre RTVS
Focus
pre RTVS
SMER – SD 28,3% 35,0% 29,8% 29,3% 32,1% 32,5% 34,6% 38,4% 34,1% 36,0% 37,0%
#SIEŤ 5,6% 8,1% 15,0% 16,8% 8,7% 14,5% 14,0% 10,4% 13,7% 8,1% 13,2%
SNS 8,6% 9,4% 8,1% 7,4% 10,5% 10,5% 8,7% 9,1% 8,1% 10,7% 7,2%
MOST – HÍD 6,5% 6,9% 8,2% 8,4% 7,9% 7,0% 8,2% 9,2% 8,0% 9,9% 7,0%
KDH 4,9% 6,3% 8,2% 6,6% 6,6% 9,0% 7,0% 6,6% 7,5% 6,0% 7,0%
OĽaNO – NOVA 11,0% 6,9% 4,8% 6,1% 7,5% 5,0% 6,1% 6,8% 6,4% 8,6% 6,1%
SaS 12,1% 6,7% 5,3% 5,0% 6,7% 4,0% 5,5% 5,2% 5,1% 6,3% 5,1%
SMK 4,4% 3,0% 5,3% 4,3% 2,4% 5,0% 3,5% 4,0% 3,6% 2,4% 3,9%
SME RODINA 6,6% 5,1% 2,8% 2,3% 5,5% 4,5% 4,2% 3,6% 4,1% 4,0% 3,4%
LSNS 8,0% 4,2% 3,0% 0,9% 3,4% 1,5% 2,1% 2,5% 2,0% 1,8% 1,4%
SDKÚ – DS 0,6% 0,7% 1,6% 1,4% 1,1% 1,0% 1,0% 1,3% 1,7% 0,9% 2,4%
Ostatní 3,4% 7,7% 7,9% 11,5% 7,6% 5,5% 5,1% 2,9% 5,7% 5,3% 6,3%
Priemerná abs.
Odchýlka
2,7 3,7 4,1 2,8 3,8 3,5 3,4 3,6 3,2 3,9
Suma štvorcov
odchýlok
137,0 250,8 344,0 118,2 270,7 229,6 240,9 228,1 175,0 278,8
Maximálna
odchýlka
6,70 9,40 11,20 5,40 8,90 8,40 10,10 8,10 7,70 8,70
19. - 19 -
Srovnání přesnosV - MEDIAN (říjen 2013) – základní x pokročilý model
SMER –
SD
#SIEŤ SNS MOST –
HÍD
KDH OĽaNO –
NOVA
SaS SMK SME
RODINA
LSNS
Volby Ostatní agentury MEDIAN+AKO
20. - 20 -
Specialita SLOVENSKA 2016 – nadhodnocení strany SIEŤ
Agentúra Voľby AKO EAC
Phoenix
Research
MEDIAN
pre RTVS MVK
Focus pre
SME
Polis
Slovakia
Focus pre
RTVS
MEDIAN
pre RTVS
Focus pre
RTVS
#SIEŤ - nadhodnocení 0,0% 2,5% 9,4% 11,2% 3,1% 8,9% 8,4% 4,8% 8,1% 2,5% 7,6%
Metoda sběru CATI F2F CAWI CATI+CAPI F2F F2F F2F F2F CATI+CAPI F2F
Kontrola náslechy ANO ? ? ANO ? ? ? ? ANO ?
# v názvu v dovozené ot. NE ? ? NE ? ? ? ? NE ?
38
20
42
34
6
60
SMER SIEŤ OSTATNÍ
Podvedené CAPI
Nepodvedené CAPI
Čím se lišily agentury, které nenadhodnoWli SIEŤ?
Jak odpovídali „respondenW“ podvedeného a návodného CAPI?
21. - 21 -
ShrnuZ
- Zásadní vliv času na odchylku od voleb
- Některé systemaWcké chyby lze redukovat
- lepší reprezentaWvita
- kombinace metod sběrů
- pokročilejší dotazování (funnel)
- V mezivolebním období (hodně nerozhodnutých) se modely poměrně liší
- vstupují metodické předpoklady
- nejjednodusší modely nemusí být nejlepší
- Vliv kontrol
- Kontroly tazatelů výrazně zlepšují kvalitu volebního modelu