Zufällige Geräteinteraktion: Was es mit Methoden auf sich hat

Da Telefone immer weniger allgegenwärtig sind, wird es schwierig, telefonische Umfragen durchzuführen. Aber die gute Nachricht ist, dass es eine neue Art gibt, Umfragen durchzuführen! Random Device Engagement (RDE) ist eine innovative Methode zur Durchführung von Recherchen, bei der die eindeutige Kennung eines Befragten als Schlüsselelement für seine Teilnahme verwendet wird.

Es ist wichtig zu beachten, dass Umfrageunternehmen Betrug im Zusammenhang mit SUMAs (einzelne Benutzer, mehrere Konten) verhindern können, indem sie die Kennung von Geräteweltanzeigen beobachten. RDE-Stichproben sind außerdem völlig zufällig und nicht voreingenommen. Eine Verbesserung der zufälligen Ziffernwahl, wird verwendet, um zufällig mit Festnetztelefonen (und jetzt Mobiltelefonen) zu interagieren.

Diese Flexibilität hat gegenüber herkömmlichen Erhebungsmethoden eine Reihe von Vorteilen: RDEs sind kostengünstiger, da sie keine Reise- oder sonstigen Kosten im Zusammenhang mit der Durchführung von Interviews erfordern; sie bieten den Befragten mehr Privatsphäre, da niemand sieht, wer an der Umfrage teilgenommen hat oder nicht; und sie bieten mehr Kontrolle darüber, wann die Befragten Zugriff auf die Umfrage haben, da keine Interviewer oder anderes Personal an den Erhebungsorten benötigt werden (Tucker 1983; West und Blom 2017).

Was ist zufällige Geräteinteraktion?

Lassen Sie uns Random Device Engagement (RDE) vorstellen; der natürliche Nachfolger von RDD (Random Digit Dialing) in Bezug auf Rechtschreibung, Philosophie und Qualität.

Random Device Engagement (RDE) Polling basiert auf Werbenetzwerken oder anderen Portalen auf Geräten, um zufällige Personen dort anzusprechen, wo sie sich befinden. Eine der gebräuchlichsten Versionen davon ist innerhalb von Smartphone-Werbemodulen, aber es kann leicht in Spielen, virtueller Realität usw. platziert werden.

Das Prinzip hinter Random Device Engagement Polling ist, dass Personen, die von einem Umfrageunternehmen ausgewählt wurden, mit größerer Wahrscheinlichkeit an Umfragen teilnehmen als diejenigen, die nicht ausgewählt wurden. Werbetreibende können auf diese Weise RDE-Umfragen nutzen, um besser zu verstehen, was das Kundenerlebnis mit ihren Produkten oder Dienstleistungen ist und wie sie es möglicherweise verbessern können.

Random Device Engagement stellt einen enormen Vorteil dar, insbesondere im Vergleich zu RDD. Während Umfragen innerhalb weniger Tage abgeschlossen werden können, ist es nicht ungewöhnlich, dass RDD Wochen oder sogar Monate dauert. Mit sozialen Netzwerken und unterstütztem Crowdsourcing können Umfragen etwas schneller abgeschlossen werden als mit RDE, aber es fehlt immer noch die Geschwindigkeit, die RDE bietet.

Online-Panels sind in der Geschwindigkeit vergleichbar, wenn Sie für Befragte aus zusammengeführten Panels extra bezahlen (für Online-Panels werden zusätzliche Gebühren erhoben, um Befragte aus anderen Panels zu erhalten, da dies ihre Geschwindigkeit erhöht).

Wenn es um die Genauigkeit von RDE geht, ist es wichtig zu wissen, dass die Abdeckung einer der Hauptfaktoren ist. Innerhalb des US-Marktes können die großen RDE-Unternehmen mehr als 5.000.000 einzelne Befragte erreichen. RDE hinkt in Bezug auf die Abdeckung derzeit noch hinter RDD hinterher, wird aber bald aufholen. Crowdsourcing-Umfragen über soziale Medien ähneln dem durch soziale Medien unterstützten Crowdsourcing, und die Reichweite ist Online-Panels überlegen.

Online verfügbare Panels haben einen sehr geringen Platzbedarf, was ihre Fähigkeit beeinträchtigt, detaillierte Informationen über die Bevölkerung zu sammeln.

Zufällige Geräte-Engagement-Methoden

Sehen wir uns die Arbeit an, die sowohl in Goel, Obeng und Rothschild (2015) als auch in Konitzer, Corbett-Davies und Rothschild (Nd) veröffentlicht wurde, um zu zeigen, wie effektiv RDE-Beispiele sein können. Und fügen Sie Beispiele aus den Sonderkongresswahlen 2017-2018 hinzu.

Die erste Studie wurde von Goel et al. (2015), die eine bevölkerungsbezogene Stichprobe von 1.200 registrierten Wählern bei allgemeinen Wahlen in Michigan verwendeten. Die Stichprobe wurde aus offiziellen Wählerakten des Board of Canvassers in Michigan gezogen und umfasste Wähler, die wahlberechtigt waren, aber im Jahr 2004 keine Stimme abgegeben hatten.

Diese Studie ergab, dass Nichtwähler im Jahr 2004 eher Kerry gegenüber Bush bevorzugten als Wähler, mit einem relativen Vorteil von 8 Prozentpunkten für Kerry unter den Nichtwählern im Vergleich zu nur 3 Prozentpunkten unter den Wählern (p < 0,05).

Die zweite Studie wurde von Konitzer et al. (2016) durchgeführt, die die Cooperative Congressional Election Study (CCES) verwendeten, die während des Präsidentschaftswahlzyklus 2008 1.068 Befragte über RDDs befragte. Der CCES-Datensatz enthält Informationen über die politischen Einstellungen der Befragten sowie ihr vergangenes Wahlverhalten, was es Konitzer et al. ermöglichte, zu untersuchen, wie das vergangene Wahlverhalten die zukünftige Wahlbeteiligung beeinflusst.

Die Forscher konnten zeigen, wie die Verwendung von RDE durch Pollfish eng mit Goldstandard-Umfragen wie der Allgemeinen Sozialerhebung übereinstimmen konnte. Die Forscher fanden heraus, dass diese Methode verwendet werden könnte, um Hausbesuche in Umfragen zu ersetzen, da Hausbesuche für die meisten Forschungsprojekte oft zu teuer sind, sodass dies ein nützlicher Maßstab ist.

Die Ergebnisse zeigten, dass ihre Vorhersagen auf der Grundlage einer einzigen Umfrage nicht wesentlich schlechter sind als die Vorhersagen von Umfrageaggregatoren wie Huffington Post Pollster (HPP). Beim Vergleich ihrer bundesstaatlichen Schätzungen mit dem tatsächlichen Ergebnis stellten sie fest, dass ihr RMSE im Vergleich zu den Schätzungen von HPP nur geringfügig höher war: 4,24 %-Punkte gegenüber 3,62 %-Punkten (für 50 Bundesstaaten ohne DC).

Methode Nr. 1 – Zufallszahlenwahl (RDD)

Die erste Methode, Random Digit Dialing (RDD), ist die herkömmliche Methode. Es funktioniert gut, aber es ist in den nächsten Jahren zum Scheitern verurteilt. Es geht also wirklich darum, welche der neuen Stichprobenmethoden für Online-Umfragen sie ersetzen werden: Online-Panels, Assisted Crowdsourcing oder Random Device Engagement (RDE). Wir glauben, dass RDE die Zukunft ist.

Im Laufe der Jahre 2017 und 2018 haben Meinungsforschungsinstitute alle drei neuen Methoden zur Vorhersage der Ergebnisse der Kongresswahlen eingesetzt: RDE schneidet weit besser ab als die beiden anderen.

Meinungsforschungsinstitute haben drei neue Methoden verwendet, um die Ergebnisse der Kongresswahlen in den Jahren 2017 und 2018 vorherzusagen. RDE schneidet besser ab als die anderen.

In diesem Artikel bieten wir eine detaillierte Analyse der Stärken der Methode, einschließlich Umfragen, die vom Pew Research Center durchgeführt wurden.

Methode Nr. 2 – Telemetriedaten

Die Verwendung von Telemetriedaten in der Umfrageforschung ist nicht neu. Tatsächlich ist das berühmteste Beispiel für diese Technik die American National Election Studies (ANES), die seit 1948 telefonische und persönliche Umfragen auf Haushaltsebene sammelt. Die ANES sammelt diese Informationen fortlaufend, damit die Forscher kann Änderungen im Laufe der Zeit und über geografische Standorte hinweg verfolgen.

In jüngerer Zeit hat RDE damit begonnen, gesammelte Einstellungsdaten mit einer Vielzahl parametrischer oder telemetrischer Daten zu ergänzen.

Wie wir alle wissen, unterscheiden sich Umfrageteilnehmer grundlegend von denen, die nicht an Umfragen teilnehmen. Wie der Progressive-Analytics-Shop CIVIS kürzlich argumentiert hat, ist eine Reihe von fast 30 zusätzlichen demografischen, einstellungs- und lebensstilbezogenen Fragen erforderlich, die Vorstellungen von sozialem Vertrauen und Weltoffenheit ansprechen, um alle Verhaltensweisen der Umfrageteilnehmer abwägen und korrigieren zu können ungewöhnlich.

Wie Konitzer, Eckman und Rothschild (2016) argumentieren, sind Telemetriedaten eine viel kostengünstigere (und unauffälligere) Möglichkeit, diese Variablen zu sammeln. Wohn- und Arbeitsort, Pendel- oder Mobilitätsmuster oder die politische Zusammensetzung der eigenen Nachbarschaft oder des sozialen Netzwerks, die aus satellitengestützten (sprich: äußerst genauen) Längsschnitt-Standortkoordinatendaten abgeleitet werden, sagen demografische Variablen gut voraus.

Methode Nr. 3 – Flussprobenahme

River Sampling ist eine Methode zur Rekrutierung von Befragten, die Werbebanner verwenden. Es ist eine gängige Praxis in der Marktforschung und bei Umfragen, hat aber einige große Nachteile.

Je nach River-Sampling-Methode könnten Bannerwerbung für Umfragen verwendet werden, oder das Engagement könnte über ältere Websites oder Orte erfolgen, an denen Rapid Data Enumeration Befragte rekrutiert. RDE hat Zugriff auf Kontonummern, River Sampling jedoch nicht, was zwei schwerwiegende Nachteile mit sich bringt: River Sampling ist nicht in der Lage, SUMA zu erkennen – Betrüger könnten betrügen, indem sie zweimal an derselben Umfrage teilnehmen, insbesondere wenn ein finanzieller Anreiz zur Teilnahme besteht. Und jegliches Maß an demografischer/geografischer Ausrichtung scheint unmöglich.

Der Prozess ist einfach: Eine Anzeigenanfrage geht an den Server, der sie dann zur direkten Verarbeitung an das Werbenetzwerk weiterleitet. Das Werbenetzwerk stellt fest, ob verfügbare Anzeigen vorhanden sind, die für diesen bestimmten Benutzer geeignet sind, und sendet sie an den Server weiter.

Eine gute RDE-Abfrage wird in Zusammenarbeit mit dem Herausgeber durchgeführt und bietet ein natives Erlebnis, während Bannerwerbung durch das Werbenetzwerk geleitet wird.

Beispiele für zufällige Geräteinteraktionen

Wie bereits erwähnt, glauben wir fest daran, dass Random Digit Dialing (RDD) dem Untergang geweiht ist. Online-Panels sind effektiv, aber teuer, Assisted Crowdsourcing funktioniert gut, dauert aber zu lange, und Random Device Engagement (RDE) ist viel schneller und kostengünstiger.

Die Zukunft von RDE ist rosig. Die Verbreitung von Geräten wird in Zukunft weiter zunehmen, die Reichweite von RDE in den USA erhöhen und RDE zur einzig praktikablen Alternative in weniger entwickelten Märkten machen. Nehmen Sie Afrika: Die Smartphone-Penetrationsrate soll jährlich um 52,9 % steigen.

Derzeit gibt es 293 Millionen Smartphone-Nutzer auf dem gesamten Kontinent, was bedeutet, dass es unter Berücksichtigung der aktuellen Wachstumsraten bis zum Jahr 2021 in Afrika 929,9 Millionen Smartphones geben wird. Aber die rosige Zukunft für RDE dreht sich nicht nur um die Marktdurchdringung – Fortschritte bei der Überbrückung von Anzeigen-IDs mit anderen bekannten Identifikatoren auf dem amerikanischen Markt bedeuten, dass individuelles Targeting auf der Grundlage von Finanzhistorie oder Kreditkartenausgaben möglich sein wird.

Und wo wir gerade über die Überbrückung von Datenquellen sprechen: Firmen für politische Umfragen können jetzt direkt aus einer Wählerdatei von 250 Millionen Amerikanern abfragen.

Fazit

Wir begannen damit, zu diskutieren, wie traditionelles RDD funktionierte und wie es durch die mangelnde Beteiligung jüngerer Menschen, die weniger wahrscheinlich Festnetzanschlüsse haben, zum Scheitern verurteilt war. Wir haben zwei neue Techniken überprüft: Online-Panels und unterstütztes Crowdsourcing. Online-Panels ähneln traditionellen RDDs, verfügen jedoch über eine modernere Technologie. Sie verlangen nicht, dass die Teilnehmer selbst Fragen beantworten oder sogar mit einem Menschen sprechen.

Stattdessen verwenden sie automatisierte Skripte und Algorithmen zur Datenerfassung von Internetnutzern, die der Teilnahme zustimmen. Beim Assisted Crowdsourcing kommen sowohl Menschen als auch Computer zum Einsatz; Menschen werden für Aufgaben wie das Markieren von Bildern oder das Transkribieren von Sprachaufzeichnungen eingesetzt, während Computer andere Dinge tun, z. B. das Analysieren von Textdokumenten für Stimmungsanalysezwecke.

Abschließend haben wir unsere bevorzugte Methode besprochen: Random Device Engagement (RDE). Diese Methode verwendet ausgefeilte Algorithmen, um Geräte automatisch zu identifizieren.

Erfahren Sie, wie Sie mit der Audience von QuestionPro das Potenzial der Recherche freisetzen. Unsere Produkte werden von über 3 Millionen Menschen in über 50 Ländern verwendet und wir sind immer auf der Suche nach neuen Möglichkeiten, unsere Technologie zu nutzen, um Ihnen zu helfen, aussagekräftigere Erkenntnisse von Ihren Kunden und Auftraggebern zu gewinnen.

Verwenden Sie Audience von QuestionPro, um genauere Umfragen zu erstellen, die Ihnen bessere Daten liefern.

LERN MEHR