Losowe zaangażowanie urządzenia: co to jest z metodami

Ponieważ telefony stają się coraz mniej wszechobecne, prowadzenie ankiet telefonicznych staje się trudne. Ale dobrą wiadomością jest to, że pojawił się nowy sposób przeprowadzania ankiet! Random Device Engagement (RDE) to innowacyjna metoda prowadzenia badań wykorzystująca unikalny identyfikator respondenta jako zwornik jego uczestnictwa.

Należy zauważyć, że obserwując identyfikator reklam na świecie urządzeń, firmy ankietowe mogą zapobiegać oszustwom związanym z SUMA (pojedynczy użytkownik, wiele kont). Próbki RDE są również całkowicie losowe i bezstronne. Udoskonalenie losowego wybierania cyfr służy do losowego łączenia się z telefonami stacjonarnymi (a teraz komórkowymi).

Ta elastyczność ma wiele zalet w porównaniu z tradycyjnymi metodami ankiet: badania RDE są tańsze, ponieważ nie wymagają podróży ani innych kosztów związanych z przeprowadzaniem wywiadów; zapewniają większą prywatność respondentom, ponieważ nikt nie widzi, kto wypełnił lub nie wypełnił ankiety; i zapewniają większą kontrolę nad tym, kiedy respondenci mają dostęp do ankiety, ponieważ nie ma potrzeby przeprowadzania ankiet ani innego personelu w miejscach pobierania (Tucker 1983; West i Blom 2017).

Co to jest losowe zaangażowanie urządzenia?

Przedstawmy Random Device Engagement (RDE); naturalny następca RDD (Random Digit Dialing) pod względem ortografii, filozofii i jakości.

Odpytywanie losowego zaangażowania urządzeń (RDE) opiera się na sieciach reklamowych lub innych portalach na urządzeniach, które angażują losowe osoby tam, gdzie się znajdują. Jedna z najczęstszych wersji znajduje się w modułach reklamowych smartfonów, ale można ją łatwo umieścić w grach, wirtualnej rzeczywistości itp.

Zasadą głosowania Random Device Engagement jest to, że ludzie, którzy zostali wybrani przez firmę ankieterską, częściej biorą udział w ankietach niż ci, którzy nie zostali wybrani. Reklamodawcy mogą w ten sposób skorzystać z ankiet RDE, aby lepiej zrozumieć, jakie są doświadczenia klientów w ich produktach lub usługach i jak mogą je ulepszyć.

Random Device Engagement to ogromna korzyść, zwłaszcza w porównaniu z RDD. Chociaż ankiety można wypełnić w ciągu kilku dni, nierzadko RDD zajmuje tygodnie, a nawet miesiące. Dzięki sieciom społecznościowym i wspomaganemu crowdsourcingowi ankiety można wypełniać nieco szybciej niż w przypadku RDE, ale nadal brakuje im szybkości oferowanej przez RDE.

Panele online są porównywalne pod względem szybkości, jeśli płacisz dodatkowo za respondentów z połączonych paneli (panele online pobierają dodatkową opłatę za pozyskanie respondentów z innych paneli, ponieważ zwiększa to ich szybkość).

Jeśli chodzi o dokładność RDE, ważne jest, aby wiedzieć, że pokrycie jest jednym z głównych czynników. Na rynku amerykańskim największe firmy RDE mogą dotrzeć do ponad 5 000 000 unikalnych respondentów. W tej chwili RDE nadal pozostaje w tyle za RDD pod względem zasięgu, ale wkrótce nadrobi zaległości. Ankiety crowdsourcingowe z wykorzystaniem mediów społecznościowych są podobne do crowdsourcingu wspomaganego przez media społecznościowe, a zasięg jest lepszy niż w przypadku paneli internetowych.

Panele dostępne online zajmują bardzo mało miejsca, co wpływa na ich zdolność do zbierania szczegółowych informacji o populacji.

Losowe metody angażowania urządzeń

Przyjrzyjmy się pracy opublikowanej zarówno w Goel, Obeng i Rothschild (2015) oraz Konitzer, Corbett-Davies i Rothschild (Nd), aby pokazać, jak skuteczne mogą być próbki RDE. I dodaj przykłady ze specjalnych wyborów do Kongresu 2017-2018.

Pierwsze badanie przeprowadzili Goel i in. (2015), którzy wykorzystali populacyjną próbę 1200 zarejestrowanych wyborców w wyborach powszechnych w Michigan. Próba została pobrana z oficjalnych akt wyborców z Board of Canvassers w Michigan i obejmowała wyborców, którzy byli uprawnieni do głosowania, ale nie oddali głosu w 2004 roku.

Badanie to ujawniło, że osoby niegłosujące były bardziej skłonne niż wyborcy do faworyzowania Kerry'ego nad Bushem w 2004 r., ze względną przewagą Kerry'ego na poziomie 8 punktów procentowych wśród niegłosujących w porównaniu z zaledwie 3 punktami procentowymi wśród wyborców (p<0,05).

Drugie badanie zostało przeprowadzone przez Konitzera i in., (2016), który wykorzystał Cooperative Congressional Election Study (CCES), w którym przeprowadzono wywiady z 1068 respondentami za pośrednictwem RDD podczas cyklu wyborów prezydenckich w 2008 roku. Zbiór danych CCES zawiera informacje na temat postaw politycznych respondentów, a także ich przeszłych zachowań wyborczych, co pozwoliło Konitzerowi i in. zbadać, jak przeszłe zachowanie wyborcze wpływa na przyszłą frekwencję.

Naukowcy byli w stanie wykazać, w jaki sposób wykorzystanie RDE, za pośrednictwem Pollfish, było w stanie ściśle odpowiadać sondażom o złotym standardzie, takim jak General Social Survey. Naukowcy odkryli, że tę metodę można wykorzystać do zastąpienia wizyt domowych w ankietach, ponieważ wizyty domowe są często zbyt drogie, aby można było sobie na nie pozwolić w przypadku większości projektów badawczych, więc jest to przydatny punkt odniesienia.

Wyniki pokazały, że ich przewidywania oparte na pojedynczej ankiecie nie są znacząco gorsze niż przewidywania agregatorów sondaży, takich jak Huffington Post Pollster (HPP). Porównując swoje szacunki dla poszczególnych stanów z rzeczywistym wynikiem, odkryli, że w porównaniu z szacunkami HPP ich RMSE była tylko nieznacznie wyższa: 4,24% punktu w porównaniu z 3,62% punktu (dla 50 stanów z wyłączeniem DC)

Metoda nr 1 – losowe wybieranie cyfr (RDD)

Pierwsza metoda, losowe wybieranie cyfr (RDD), jest metodą tradycyjną. Działa dobrze, ale w ciągu najbliższych kilku lat jest skazane na niepowodzenie. Tak więc naprawdę chodzi o to, która z nowych metod próbkowania ankiet online ją zastąpi: panele online, Assisted Crowdsourcing czy Random Device Engagement (RDE). Wierzymy, że RDE to przyszłość.

W latach 2017 i 2018 firmy sondażowe zastosowały wszystkie trzy nowe metody przewidywania wyników wyborów w Kongresie: RDE wypada znacznie wyżej niż dwie pozostałe.

Firmy sondażowe wykorzystały trzy nowe metody do prognozowania wyników wyborów do Kongresu w 2017 i 2018 roku. RDE radzi sobie lepiej niż inne.

W tym artykule przedstawiamy szczegółową analizę mocnych stron metody, w tym badania ankietowe przeprowadzone przez Pew Research Center.

Metoda nr 2 – Dane telemetryczne

Wykorzystanie danych telemetrycznych w badaniach ankietowych nie jest nowością. W rzeczywistości najbardziej znanym przykładem tej techniki jest amerykańskie National Election Studies (ANES), które od 1948 r. zbiera ankiety telefoniczne i bezpośrednie ankiety na poziomie gospodarstw domowych. ANES gromadzi te informacje na bieżąco, aby naukowcy może śledzić zmiany w czasie i w różnych lokalizacjach geograficznych.

Niedawno RDE zaczęło uzupełniać zebrane dane dotyczące postaw różnymi danymi parametrycznymi lub telemetrycznymi.

Jak wszyscy wiemy, ludzie biorący udział w ankietach różnią się zasadniczo od tych, którzy ich nie biorą. Jako postępowy sklep analityczny, CIVIS przekonywał niedawno, zestaw prawie 30 dodatkowych pytań demograficznych, dotyczących postaw i stylu życia, które dotyczą pojęć zaufania społecznego i kosmopolityzmu, jest koniecznych, aby móc rozważyć i skorygować wszystkie sposoby, w jakie respondenci są niezwykłe.

Jak twierdzą Konitzer, Eckman i Rothschild (2016), dane telemetryczne są znacznie bardziej opłacalnym (i dyskretnym) sposobem gromadzenia tych zmiennych. Lokalizacja domu i pracy, wzorce dojazdów lub mobilności lub polityczna struktura sąsiedztwa lub sieci społecznościowej, wywodzące się z satelitarnych (czytaj: niezwykle dokładnych) danych podłużnych współrzędnych lokalizacji, dobrze prognozują zmienne demograficzne.

Metoda nr 3 – Pobieranie próbek z rzeki

Próbkowanie rzek to metoda rekrutacji respondentów, którzy korzystają z banerów reklamowych. Jest to powszechna praktyka w badaniach rynku i sondażach, ale ma kilka poważnych wad.

W zależności od metody pobierania próbek rzeki banery reklamowe mogą być wykorzystywane do ankietowania lub zaangażowanie może mieć miejsce za pośrednictwem starszych witryn internetowych lub lokalizacji, w których Rapid Data Enumeration rekrutuje respondentów. RDE ma dostęp do numerów kont, ale pobieranie próbek rzek nie ma, co wprowadza dwie poważne wady: pobieranie próbek rzek nie jest w stanie wykryć SUMA – oszuści mogą oszukiwać, uczestnicząc dwukrotnie w tym samym badaniu, zwłaszcza jeśli istnieje zachęta finansowa do udziału. A każdy stopień kierowania demograficznego/geograficznego wydaje się niemożliwy.

Proces jest prosty: żądanie reklamy trafia do serwera, który następnie przekierowuje je do sieci reklamowej w celu bezpośredniego przetworzenia. Sieć reklamowa określa, czy dostępne są reklamy, które są odpowiednie dla tego konkretnego użytkownika i wysyła je na serwer.

Dobre odpytywanie RDE odbywa się przy współpracy wydawcy, zapewniając natywne wrażenia, podczas gdy banery reklamowe są przepychane przez sieć reklamową.

Przykłady losowego zaangażowania urządzeń

Jak wspomniano wcześniej, głęboko wierzymy, że losowe wybieranie cyfr (RDD) jest skazane na niepowodzenie. Panele online są skuteczne, ale drogie, wspomagane pozyskiwanie tłumów działa dobrze, ale zajmuje zbyt dużo czasu, a Random Device Engagement (RDE) jest znacznie szybsze i bardziej opłacalne.

Przyszłość RDE jest jasna. Penetracja urządzeń będzie dalej wzrastać w przyszłości, zwiększając zasięg RDE w USA i czyniąc RDE jedyną realną alternatywą na mniej rozwiniętych rynkach. Weźmy Afrykę: przewiduje się, że wskaźnik penetracji smartfonów wzrośnie o 52,9% rok do roku.

Obecnie na kontynencie jest 293 miliony użytkowników smartfonów, co oznacza, że ​​biorąc pod uwagę obecne tempo wzrostu, do 2021 roku w Afryce będzie 929,9 miliona smartfonów. Jednak świetlana przyszłość RDE to nie tylko penetracja — postępy w łączeniu identyfikatorów reklam z innymi znanymi identyfikatorami na rynku amerykańskim oznaczają, że możliwe będzie indywidualne kierowanie na podstawie historii finansowej lub wzorców wydawania kart kredytowych.

A skoro mówimy o łączeniu źródeł danych: firmy zajmujące się badaniami politycznymi mogą teraz przeprowadzać sondaże bezpośrednio z kartoteki wyborców 250 milionów Amerykanów.

Wniosek

Zaczęliśmy od omówienia, jak działa tradycyjne RDD i jak było skazane na brak uczestnictwa młodych ludzi, którzy rzadziej mają telefony stacjonarne. Przeanalizowaliśmy dwie nowe techniki: panele online i wspomagany crowdsourcing. Panele online są podobne do tradycyjnych RDD, ale z bardziej nowoczesną technologią; nie wymagają od uczestników samodzielnego odpowiadania na jakiekolwiek pytania ani nawet rozmowy z człowiekiem.

Zamiast tego używają zautomatyzowanych skryptów i algorytmów do zbierania danych od internautów, którzy zgadzają się na udział. Assisted Crowdsourcing wykorzystuje zarówno ludzi, jak i komputery; ludzie są wykorzystywani do zadań takich jak tagowanie obrazów lub transkrypcja nagrań głosowych, podczas gdy komputery robią inne rzeczy, takie jak analizowanie dokumentów tekstowych w celu analizy sentymentu.

Na koniec omówiliśmy naszą preferowaną metodę: Random Device Engagement (RDE). Ta metoda wykorzystuje zaawansowane algorytmy do automatycznej identyfikacji urządzeń.

Dowiedz się, jak odblokować moc badań z publicznością QuestionPro. Nasze produkty są używane przez ponad 3 miliony osób w ponad 50 krajach i zawsze szukamy nowych sposobów wykorzystania naszej technologii, aby pomóc Ci zebrać bardziej znaczące informacje od Twoich klientów.

Skorzystaj z funkcji Audience QuestionPro, aby stworzyć dokładniejsze ankiety, które dostarczą lepszych danych.

UCZ SIĘ WIĘCEJ