Coinvolgimento casuale del dispositivo: cos'è con i metodi

Man mano che i telefoni diventano sempre meno onnipresenti, diventa difficile condurre sondaggi telefonici. Ma la buona notizia è che c'è un nuovo modo di condurre i sondaggi! Il random device engagement (RDE) è un metodo innovativo di conduzione della ricerca che utilizza l'identificatore univoco di un rispondente come chiave di volta della sua partecipazione.

È importante notare che osservando l'identificatore degli annunci nel mondo dei dispositivi, le società di sondaggi possono prevenire le frodi relative ai SUMA (utenti singoli, account multipli). I campioni RDE sono anche del tutto casuali e imparziali. Un miglioramento sulla composizione casuale delle cifre viene utilizzato per interagire casualmente con i telefoni fissi (e ora cellulari).

Questa flessibilità ha una serie di vantaggi rispetto ai metodi di indagine tradizionali: le RDE sono meno costose perché non richiedono viaggi o altri costi associati allo svolgimento delle interviste; forniscono maggiore privacy agli intervistati perché nessuno vede chi ha completato o meno il sondaggio; e offrono un maggiore controllo su quando gli intervistati hanno accesso al sondaggio poiché non c'è bisogno di intervistatori o altro personale nei siti di raccolta (Tucker 1983; West e Blom 2017).

Che cos'è il coinvolgimento casuale del dispositivo?

Introduciamo il Random Device Engagement (RDE); il naturale successore di RDD (Random Digit Dialing), in termini di ortografia, filosofia e qualità.

I sondaggi sul coinvolgimento casuale dei dispositivi (RDE) si basano su reti pubblicitarie o altri portali sui dispositivi per coinvolgere persone casuali dove si trovano. Una delle versioni più comuni di questo è all'interno dei moduli pubblicitari degli smartphone, ma può essere facilmente collocato nei giochi, nella realtà virtuale, ecc.

Il principio alla base del sondaggio Random Device Engagement è che le persone che sono state selezionate da una società di sondaggi hanno maggiori probabilità di partecipare ai sondaggi rispetto a quelle che non sono state selezionate. Gli inserzionisti possono sfruttare i sondaggi RDE in questo modo per comprendere meglio quale sia l'esperienza del cliente all'interno dei loro prodotti o servizi e come potrebbero migliorarli.

Random Device Engagement rappresenta un enorme vantaggio, soprattutto se confrontato con RDD. Sebbene i sondaggi possano essere completati in pochi giorni, non è raro che RDD richieda settimane o addirittura mesi. Con i social network e il crowdsourcing assistito, i sondaggi possono essere completati un po' più velocemente rispetto a RDE, ma mancano ancora della velocità offerta da RDE.

I panel online sono paragonabili in termini di velocità se si paga un extra per gli intervistati dei panel uniti (i panel online addebitano un costo aggiuntivo per ottenere gli intervistati da altri panel perché aumenta la loro velocità).

Quando si tratta dell'accuratezza di RDE, è importante sapere che la copertura è uno dei fattori principali. All'interno del mercato statunitense, le principali società RDE possono raggiungere più di 5.000.000 di intervistati unici. RDE è ancora in ritardo rispetto a RDD in termini di copertura in questo momento, ma recupererà presto. I sondaggi in crowdsourcing che utilizzano i social media sono simili al crowdsourcing assistito dai social media e la copertura è superiore ai panel online.

I pannelli disponibili online hanno un'impronta molto ridotta, che influisce sulla loro capacità di raccogliere informazioni dettagliate sulla popolazione.

Metodi casuali di coinvolgimento del dispositivo

Esaminiamo il lavoro pubblicato su Goel, Obeng e Rothschild (2015) e Konitzer, Corbett-Davies e Rothschild (Nd) per mostrare quanto possono essere efficaci i campioni RDE. E aggiungi esempi dalle elezioni speciali del Congresso 2017-2018.

Il primo studio è stato condotto da Goel et al. (2015) che ha utilizzato un campione basato sulla popolazione di 1.200 elettori registrati alle elezioni generali nel Michigan. Il campione è stato tratto dai file ufficiali degli elettori del Board of Canvassers del Michigan e includeva elettori che potevano votare ma non hanno votato nel 2004.

Questo studio ha rivelato che i non votanti erano più propensi degli elettori a favorire Kerry rispetto a Bush nel 2004, con un vantaggio relativo di 8 punti percentuali per Kerry tra i non votanti rispetto a soli 3 punti percentuali tra gli elettori (p <0,05).

Il secondo studio è stato condotto da Konitzer et al., (2016) che ha utilizzato il Cooperative Congressional Election Study (CCES), che ha intervistato 1.068 intervistati tramite RDD durante il ciclo delle elezioni presidenziali del 2008. Il set di dati CCES include informazioni sugli atteggiamenti politici degli intervistati e sul loro comportamento di voto passato, che ha permesso a Konitzer et al., di esaminare come il comportamento di voto passato influenzi l'affluenza futura.

I ricercatori sono stati in grado di dimostrare come l'uso di RDE, attraverso Pollfish, è stato in grado di corrispondere strettamente ai sondaggi standard come il General Social Survey. I ricercatori hanno scoperto che questo metodo potrebbe essere utilizzato per sostituire le visite a domicilio nei sondaggi poiché le visite a domicilio sono spesso troppo costose per la maggior parte dei progetti di ricerca, quindi questo è un utile punto di riferimento.

I risultati hanno mostrato che le loro previsioni basate su un singolo sondaggio non sono significativamente peggiori delle previsioni di aggregatori di sondaggi come Huffington Post Pollster (HPP). Confrontando le loro stime stato per stato con il risultato effettivo, hanno scoperto che rispetto alle stime di HPP, il loro RMSE era solo leggermente superiore: 4,24% punti contro 3,62% punti (per 50 stati esclusa DC)

Metodo n. 1: composizione a cifre casuali (RDD)

Il primo metodo, Random Digit Dialing (RDD), è il metodo tradizionale. Funziona bene, ma è condannato nei prossimi anni. Pertanto, si tratta davvero di quale dei nuovi metodi di campionamento dei sondaggi online lo sostituirà: panel online, Assisted Crowdsourcing o Random Device Engagement (RDE). Crediamo che RDE sia il futuro.

Nel corso del 2017 e del 2018 le società elettorali hanno utilizzato tutti e tre i nuovi metodi per prevedere i risultati delle elezioni del Congresso: RDE risulta nettamente superiore agli altri due.

Le società di sondaggi hanno utilizzato tre nuovi metodi per prevedere i risultati delle elezioni del Congresso nel 2017 e nel 2018. RDE si comporta meglio degli altri.

In questo articolo, forniamo un'analisi dettagliata dei punti di forza del metodo, comprese le indagini condotte dal Pew Research Center.

Metodo n. 2 – Dati di telemetria

L'uso dei dati di telemetria nella ricerca di sondaggi non è nuovo. In effetti, l'esempio più famoso di questa tecnica è l'American National Election Studies (ANES), che dal 1948 raccoglie sondaggi telefonici e faccia a faccia a livello familiare. L'ANES raccoglie queste informazioni su base continuativa in modo che i ricercatori può tenere traccia dei cambiamenti nel tempo e in diverse posizioni geografiche.

Più recentemente, RDE ha iniziato a integrare i dati attitudinali raccolti con una varietà di dati parametrici o telemetrici.

Le persone che rispondono ai sondaggi sono fondamentalmente diverse da quelle che non partecipano ai sondaggi, come tutti sappiamo. Come ha affermato di recente il CIVIS, una batteria di quasi 30 ulteriori domande demografiche, attitudinali e sullo stile di vita che arrivano a nozioni di fiducia sociale e cosmopolitismo sono necessarie per essere in grado di valutare e correggere tutti i modi in cui gli intervistati sono insolito.

Come sostengono Konitzer, Eckman e Rothschild (2016), i dati di telemetria sono un modo molto più conveniente (e discreto) per raccogliere queste variabili. La posizione della casa e del lavoro, i modelli di pendolarismo o mobilità, o la composizione politica del proprio quartiere o della propria rete sociale, derivati ​​da dati di coordinate di posizione longitudinali basati su satellite (leggi: estremamente accurati) predicono bene le variabili demografiche.

Metodo #3 – Campionamento del fiume

Il campionamento del fiume è un metodo per reclutare intervistati che utilizzano banner pubblicitari. È una pratica comune nelle ricerche di mercato e nei sondaggi, ma presenta alcuni importanti inconvenienti.

A seconda del metodo di campionamento del fiume, i banner pubblicitari potrebbero essere utilizzati per i sondaggi o il coinvolgimento potrebbe aver luogo attraverso siti Web legacy o luoghi in cui l'enumerazione rapida dei dati recluta gli intervistati. RDE ha accesso ai numeri di conto, ma il campionamento fluviale no, introducendo due gravi svantaggi: il campionamento fluviale non è in grado di rilevare SUMA: i truffatori potrebbero imbrogliare partecipando due volte allo stesso sondaggio, soprattutto se c'è un incentivo finanziario per la partecipazione. E, qualsiasi grado di targeting demografico/geografico sembra impossibile.

Il processo è semplice: una richiesta di annuncio arriva al server, che poi la reindirizza alla rete pubblicitaria per l'elaborazione diretta. L'ad network determina se sono disponibili annunci appropriati per quel particolare utente e li invia al server.

Un buon sondaggio RDE viene eseguito con la collaborazione dell'editore, fornendo un'esperienza nativa, mentre gli annunci banner vengono inviati attraverso la rete pubblicitaria.

Esempi di coinvolgimento casuale del dispositivo

Come accennato in precedenza, crediamo fermamente che la composizione numerica casuale (RDD) sia condannata. I panel online sono efficaci ma costosi, il crowdsourcing assistito funziona bene ma richiede troppo tempo e il Random Device Engagement (RDE) è molto più veloce ed economico.

Il futuro di RDE è luminoso. La penetrazione dei dispositivi aumenterà ulteriormente in futuro, aumentando la portata di RDE negli Stati Uniti e rendendo RDE l'unica alternativa praticabile nei mercati meno sviluppati. Prendi l'Africa: il tasso di penetrazione degli smartphone dovrebbe crescere del 52,9% anno su anno.

Attualmente, ci sono 293 milioni di utenti di smartphone in tutto il continente, il che significa che, tenendo conto degli attuali tassi di crescita, entro il 2021 in Africa ci saranno 929,9 milioni di smartphone. Ma il futuro roseo per RDE non riguarda solo la penetrazione: i progressi nel collegare gli ID annunci con altri identificatori noti nel mercato americano significano che sarà possibile il targeting individuale basato sulla storia finanziaria o sui modelli di spesa delle carte di credito.

E mentre stiamo parlando di creare un ponte tra le fonti di dati: le società di sondaggi politici ora possono votare direttamente da una scheda elettorale di 250 milioni di americani.

Conclusione

Abbiamo iniziato discutendo di come funzionava l'RDD tradizionale e di come fosse condannato dalla mancanza di partecipazione da parte dei giovani che hanno meno probabilità di avere i fissi. Abbiamo esaminato due nuove tecniche: panel online e crowdsourcing assistito. I pannelli online sono simili ai tradizionali RDD ma con una tecnologia più moderna; non richiedono ai partecipanti di rispondere da soli a nessuna domanda o addirittura di parlare con un essere umano.

Al contrario, utilizzano script e algoritmi automatizzati per la raccolta dei dati dagli utenti di Internet che accettano di partecipare. Il crowdsourcing assistito utilizza esseri umani oltre che computer; gli esseri umani vengono utilizzati per attività come l'etichettatura di immagini o la trascrizione di registrazioni vocali mentre i computer fanno altre cose come l'analisi di documenti di testo per scopi di analisi del sentimento.

Infine, abbiamo discusso del nostro metodo preferito: Random Device Engagement (RDE). Questo metodo utilizza algoritmi sofisticati per identificare automaticamente i dispositivi.

Scopri come sbloccare il potere della ricerca con il pubblico di QuestionPro. I nostri prodotti sono utilizzati da oltre 3 milioni di persone in oltre 50 paesi e siamo sempre alla ricerca di nuovi modi di utilizzare la nostra tecnologia per aiutarti a raccogliere informazioni più significative dai tuoi clienti e clienti.

Usa il pubblico di QuestionPro per aiutarti a creare sondaggi più accurati che ti forniranno dati migliori.

PER SAPERNE DI PIÙ