무작위 장치 참여: Method의 정의

전화가 점점 더 보편화되면서 전화 기반 설문 조사를 수행하기가 어려워지고 있습니다. 그러나 좋은 소식은 설문 조사를 수행하는 새로운 방법이 있다는 것입니다! 무작위 장치 참여(RDE)는 응답자의 고유 식별자를 참여의 핵심으로 사용하는 혁신적인 연구 수행 방법입니다.

기기 세계 광고의 식별자를 관찰함으로써 설문조사 회사는 SUMA(단일 사용자, 다중 계정)와 관련된 사기를 방지할 수 있다는 점에 유의하는 것이 중요합니다. RDE 샘플도 완전히 무작위이며 편향되지 않습니다. 무작위 숫자 다이얼링의 개선 사항은 유선 전화(현재는 휴대 전화)와 무작위로 연결하는 데 사용됩니다.

이러한 유연성은 기존 설문 조사 방법에 비해 여러 가지 장점이 있습니다. RDE는 인터뷰 수행과 관련된 출장 또는 기타 비용이 필요하지 않기 때문에 비용이 저렴합니다. 누가 설문조사를 완료했는지 또는 완료하지 않았는지 아무도 볼 수 없기 때문에 응답자에게 더 많은 개인 정보를 제공합니다. 수집 장소에 면접관이나 다른 직원이 필요하지 않기 때문에 응답자가 설문조사에 액세스할 수 있는 시기를 더 잘 제어할 수 있습니다(Tucker 1983; West 및 Blom 2017).

임의 장치 참여란 무엇입니까?

RDE(Random Device Engagement)를 소개하겠습니다. 철자법, 철학 및 품질 측면에서 RDD(Random Digit Dialing)의 자연스러운 후계자입니다.

RDE(임의 장치 참여) 폴링은 광고 네트워크 또는 장치의 기타 포털에 의존하여 그들이 있는 곳에서 임의의 사람들을 참여시킵니다. 이것의 가장 일반적인 버전 중 하나는 스마트폰 광고 모듈 내에 있지만 게임, 가상 현실 등에 쉽게 배치할 수 있습니다.

Random Device Engagement 투표의 기본 원리는 투표 회사에서 선택한 사람들이 선택되지 않은 사람들보다 투표에 참여할 가능성이 더 높다는 것입니다. 광고주는 이러한 방식으로 RDE 폴링을 활용하여 제품 또는 서비스에 포함된 고객 경험과 개선 방법을 더 잘 이해할 수 있습니다.

Random Device Engagement는 특히 RDD와 비교할 때 엄청난 이점을 나타냅니다. 설문 조사는 며칠 만에 완료될 수 있지만 RDD가 몇 주 또는 몇 달이 걸리는 경우는 드문 일이 아닙니다. 소셜 네트워크와 지원 크라우드소싱을 사용하면 RDE보다 설문조사를 조금 더 빠르게 완료할 수 있지만 RDE가 제공하는 속도는 여전히 부족합니다.

병합된 패널의 응답자에 대해 추가 비용을 지불하는 경우 온라인 패널은 속도면에서 비슷합니다(온라인 패널은 다른 패널의 응답자가 속도를 증가시키기 때문에 추가 비용을 청구합니다).

RDE의 정확성과 관련하여 적용 범위가 주요 요소 중 하나라는 것을 아는 것이 중요합니다. 미국 시장 내에서 주요 RDE 회사는 5,000,000명 이상의 고유 응답자에게 도달할 수 있습니다. RDE는 현재 적용 범위 측면에서 여전히 RDD에 뒤떨어져 있지만 곧 따라잡을 것입니다. 소셜 미디어를 사용한 크라우드소싱 설문조사는 소셜 미디어 지원 크라우드소싱과 유사하며 적용 범위가 온라인 패널보다 우수합니다.

온라인에서 사용할 수 있는 패널은 설치 공간이 매우 작기 때문에 인구에 대한 자세한 정보를 수집하는 능력에 영향을 미칩니다.

무작위 장치 참여 방법

Goel, Obeng, and Rothschild(2015)와 Konitzer, Corbett-Davies and Rothschild(Nd)에 발표된 연구를 검토하여 RDE 샘플이 얼마나 효과적인지 보여드리겠습니다. 그리고 2017-2018년 특별 국회의원 선거의 예를 추가하십시오.

첫 번째 연구는 Goel et al. (2015) 미시간 총선에서 등록 유권자 1,200명의 인구 기반 표본을 사용했습니다. 샘플은 미시간 주 캔버스 위원회의 공식 유권자 파일에서 추출했으며 투표 자격은 있지만 2004년에 투표하지 않은 유권자를 포함했습니다.

이 연구는 2004년에 비투표자가 부시보다 케리를 지지할 가능성이 유권자보다 높았으며, 유권자 사이에서는 3% 포인트에 불과한 반면 비투표자 사이에서는 케리가 8% 포인트의 상대적 우위를 보였습니다(p<0.05).

두 번째 연구는 2008년 대통령 선거 기간 동안 RDD를 통해 1,068명의 응답자를 인터뷰한 CCES(Cooperative Congressional Election Study)를 사용한 Konitzer et al.(2016)이 수행했습니다. CCES 데이터 세트에는 응답자의 정치적 태도와 과거 투표 행동에 대한 정보가 포함되어 있어 Konitzer 등이 과거 투표 행동이 미래 투표율에 어떤 영향을 미치는지 조사할 수 있었습니다.

연구원들은 Pollfish를 통해 RDE를 사용하여 General Social Survey와 같은 표준 폴링과 밀접하게 일치할 수 있음을 입증할 수 있었습니다. 연구원들은 대부분의 연구 프로젝트가 감당할 수 있는 집 전화 비용이 너무 많이 들기 때문에 이 방법을 설문 조사에서 집 전화를 대체하는 데 사용할 수 있다는 것을 발견했습니다. 따라서 이것은 유용한 벤치마크입니다.

결과는 단일 여론 조사를 기반으로 한 그들의 예측이 Huffington Post Pollster(HPP)와 같은 여론 조사 애그리게이터의 예측보다 크게 나쁘지 않은 것으로 나타났습니다. 주별 추정치를 실제 결과와 비교할 때 HPP의 추정치에 비해 RMSE가 4.24% 포인트 대 3.62% 포인트(DC를 제외한 50개 주)로 약간만 더 높은 것으로 나타났습니다.

방법 #1 - 무작위 숫자 다이얼링(RDD)

첫 번째 방법인 RDD(Random Digit Dialing)는 전통적인 방법입니다. 그것은 잘 작동하지만 향후 몇 년 안에 운명이 될 것입니다. 따라서 이것은 새로운 온라인 설문 조사 샘플링 방법 중 온라인 패널, 지원 크라우드소싱 또는 무작위 장치 참여(RDE) 중 어떤 방법을 대체할지에 대한 것입니다. 우리는 RDE가 미래라고 믿습니다.

2017년과 2018년 동안 투표소는 의회 선거 결과를 예측하는 데 세 가지 새로운 방법을 모두 사용했습니다. RDE는 다른 두 가지 방법보다 훨씬 뛰어납니다.

여론 조사 회사는 2017년과 2018년에 의회 선거 결과를 예측하기 위해 세 가지 새로운 방법을 사용했습니다. RDE는 다른 방법보다 더 나은 성과를 보입니다.

이 기사에서는 Pew Research Center에서 실시한 설문 조사를 포함하여 이 방법의 장점에 대한 자세한 분석을 제공합니다.

방법 #2 - T 요소 측정 데이터

설문 조사에서 원격 측정 데이터를 사용하는 것은 새로운 일이 아닙니다. 사실, 이 기법의 가장 유명한 예는 1948년부터 가정 수준의 전화 및 대면 설문조사를 수집해 온 American National Election Studies(ANES)입니다. ANES는 이 정보를 주기적으로 수집하여 연구자들이 시간이 지남에 따라 지리적 위치에 따라 변경 사항을 추적할 수 있습니다.

보다 최근에 RDE는 수집된 태도 데이터를 다양한 매개변수 또는 원격 측정 데이터로 보완하기 시작했습니다.

설문조사에 응하는 사람들은 우리 모두가 알고 있듯이 설문조사에 참여하지 않는 사람들과 근본적으로 다릅니다. 진보적인 분석 회사인 CIVIS는 최근에 사회적 신뢰와 세계주의의 개념을 이해하는 거의 30개의 추가 인구통계학적, 태도 및 생활양식 질문이 설문조사 응답자의 모든 방식을 평가하고 수정할 수 있어야 한다고 주장했습니다. 특이한.

Konitzer, Eckman 및 Rothschild(2016)가 주장하는 것처럼 원격 측정 데이터는 이러한 변수를 수집하는 데 훨씬 더 비용 효율적이고 눈에 거슬리지 않는 방법입니다. 집과 직장 위치, 통근 또는 이동 패턴, 또는 이웃 또는 소셜 네트워크의 정치적 구성은 위성 기반(매우 정확함) 종단 위치 좌표 데이터에서 파생되어 인구 통계학적 변수를 잘 예측합니다.

방법 #3 - 강 샘플링

리버 샘플링은 배너 광고를 사용하는 응답자를 모집하는 방법입니다. 이는 시장 조사 및 여론 조사에서 일반적인 관행이지만 몇 가지 주요 단점이 있습니다.

강의 샘플링 방법에 따라 배너 광고를 투표에 사용할 수도 있고 기존 웹사이트나 Rapid Data Enumeration이 응답자를 모집하는 위치를 통해 참여를 유도할 수도 있습니다. RDE는 계정 번호에 액세스할 수 있지만 하천 샘플링에는 액세스할 수 없으므로 두 가지 심각한 단점이 있습니다. 하천 샘플링은 SUMA를 감지할 수 없습니다. 사기꾼은 특히 참여에 대한 재정적 인센티브가 있는 경우 동일한 설문조사에 두 번 참여하여 부정행위를 할 수 있습니다. 그리고 어느 정도의 인구통계학적/지리적 타겟팅은 불가능해 보입니다.

프로세스는 간단합니다. 광고 요청이 서버로 전달되면 서버에서 직접 처리하기 위해 이를 광고 네트워크로 리디렉션합니다. 광고 네트워크는 특정 사용자에게 적합한 사용 가능한 광고가 있는지 확인하고 이를 서버로 보냅니다.

좋은 RDE 폴링은 게시자의 협력으로 수행되어 네이티브 경험을 제공하는 반면 배너 광고는 광고 네트워크를 통해 푸시됩니다.

무작위 장치 참여 예

이전에 설명했듯이 RDD(Random Digit Dialing)가 종말을 고했다고 굳게 믿습니다. 온라인 패널은 효과적이지만 비용이 많이 들며, Assisted Crowd-sourcing은 잘 작동하지만 너무 오래 걸리며, RDE(Random Device Engagement)가 훨씬 빠르고 비용 효율적입니다.

RDE의 미래는 밝습니다. 장치의 보급은 앞으로 더욱 증가하여 미국에서 RDE의 도달 범위가 증가하고 RDE가 덜 개발된 시장에서 실행 가능한 유일한 대안이 될 것입니다. 아프리카를 예로 들면: 스마트폰 보급률은 전년 대비 52.9% 성장할 것으로 예상됩니다.

현재 대륙 전체에 2억 9,300만 명의 스마트폰 사용자가 있으며, 이는 현재 성장률을 고려할 때 아프리카에서 2021년까지 9억 2,990만 대의 스마트폰이 있음을 의미합니다. 그러나 RDE의 장밋빛 미래는 단지 침투에 관한 것이 아닙니다. 미국 시장에서 Ad ID를 다른 알려진 식별자와 연결하는 기술의 발전은 재정 이력 또는 신용 카드 지출 패턴을 기반으로 한 개별 타겟팅이 가능하다는 것을 의미합니다.

그리고 우리가 브리징 데이터 소스에 대해 이야기하고 있는 동안: 정치 조사 회사는 이제 2억 5천만 미국인의 유권자 파일에서 직접 투표할 수 있습니다.

결론

우리는 전통적인 RDD가 작동하는 방식과 유선 전화를 가질 가능성이 적은 젊은 사람들의 참여 부족으로 인해 어떻게 실패했는지 논의하는 것으로 시작했습니다. 우리는 온라인 패널과 지원 크라우드소싱이라는 두 가지 새로운 기술을 검토했습니다. 온라인 패널은 기존 RDD와 유사하지만 보다 현대적인 기술을 사용합니다. 참가자들이 스스로 질문에 답하거나 사람과 이야기할 필요가 없습니다.

대신 참여에 동의한 인터넷 사용자의 데이터 수집을 위해 자동화된 스크립트와 알고리즘을 사용합니다. Assisted Crowdsourcing은 컴퓨터뿐만 아니라 인간도 사용합니다. 사람은 이미지에 태그를 지정하거나 음성 녹음을 필사하는 것과 같은 작업에 사용되는 반면 컴퓨터는 감정 분석 목적으로 텍스트 문서를 분석하는 것과 같은 다른 작업을 수행합니다.

마지막으로 선호하는 방법인 RDE(Random Device Engagement)에 대해 논의했습니다. 이 방법은 정교한 알고리즘을 사용하여 장치를 자동으로 식별합니다.

QuestionPro의 Audience로 연구의 힘을 발휘하는 방법을 배우십시오. 당사 제품은 50개 이상의 국가에서 300만 명이 넘는 사람들이 사용하고 있으며 당사는 항상 당사 기술을 사용하여 고객과 클라이언트로부터 보다 의미 있는 통찰력을 수집하는 데 도움이 되는 새로운 방법을 찾고 있습니다.

QuestionPro의 Audience 를 사용 하면 더 나은 데이터를 제공할 보다 정확한 설문조사를 만들 수 있습니다.

더 알아보기