Engajamento de dispositivo aleatório: o que é com métodos

À medida que os telefones se tornam cada vez menos onipresentes, torna-se difícil realizar pesquisas por telefone. Mas a boa notícia é que há uma nova maneira de realizar pesquisas! O envolvimento aleatório de dispositivos (RDE) é um método inovador de realização de pesquisas que usa o identificador exclusivo de um entrevistado como a pedra angular de sua participação.

É importante observar que, observando o identificador dos anúncios do mundo do dispositivo, as empresas de pesquisa podem evitar fraudes relacionadas a SUMAs (usuários únicos, várias contas). As amostras RDE também são totalmente aleatórias e não tendenciosas. Uma melhoria na discagem de dígitos aleatórios é usada para interagir com telefones fixos (e agora celulares) aleatoriamente.

Essa flexibilidade tem várias vantagens em relação aos métodos tradicionais de pesquisa: os RDEs são mais baratos porque não exigem viagens ou outros custos associados à realização de entrevistas; eles fornecem mais privacidade para os entrevistados porque ninguém vê quem completou ou não a pesquisa; e oferecem mais controle sobre quando os entrevistados têm acesso à pesquisa, pois não há necessidade de entrevistadores ou outros funcionários nos locais de coleta (Tucker 1983; West e Blom 2017).

O que é o engajamento aleatório do dispositivo?

Vamos apresentar o Random Device Engagement (RDE); o sucessor natural do RDD (Random Digit Dialing), em termos de ortografia, filosofia e qualidade.

A pesquisa de engajamento aleatório de dispositivo (RDE) depende de redes de publicidade ou outros portais em dispositivos para envolver pessoas aleatórias onde elas estão. Uma das versões mais comuns disso está nos módulos de publicidade para smartphones, mas pode ser facilmente colocada em jogos, realidade virtual etc.

O princípio por trás da pesquisa de Engajamento de Dispositivo Aleatório é que as pessoas que foram selecionadas por uma empresa de pesquisa são mais propensas a participar das pesquisas do que aquelas que não foram selecionadas. Os anunciantes podem aproveitar a pesquisa RDE dessa maneira para entender melhor qual é a experiência do cliente em seus produtos ou serviços e como eles podem melhorá-los.

O Random Device Engagement representa um grande benefício, especialmente quando comparado ao RDD. Embora as pesquisas possam ser concluídas em questão de dias, não é incomum que o RDD leve semanas ou até meses. Com redes sociais e crowdsourcing assistido, as pesquisas podem ser concluídas um pouco mais rápido do que com o RDE, mas ainda falta a velocidade que o RDE oferece.

Os painéis on-line são comparáveis ​​em velocidade se você pagar mais pelos entrevistados dos painéis mesclados (os painéis on-line cobram mais para obter os entrevistados de outros painéis porque aumenta sua velocidade).

Quando se trata da precisão do RDE, é importante saber que a cobertura é um dos principais fatores. No mercado dos EUA, as principais empresas de RDE podem alcançar mais de 5.000.000 de respondentes únicos. O RDE ainda está atrasado em relação ao RDD em termos de cobertura neste momento, mas será alcançado em breve. A pesquisa de crowdsourcing usando mídia social é semelhante ao crowdsourcing assistido por mídia social, e a cobertura é superior aos painéis online.

Os painéis disponíveis online têm uma pegada muito pequena, o que afeta sua capacidade de coletar informações detalhadas sobre a população.

Métodos de envolvimento de dispositivos aleatórios

Vamos revisar o trabalho publicado em Goel, Obeng e Rothschild (2015) e Konitzer, Corbett-Davies e Rothschild (Nd) para mostrar como as amostras RDE podem ser eficazes. E adicione exemplos das eleições especiais para o Congresso de 2017-2018.

O primeiro estudo foi realizado por Goel et al. (2015) que utilizaram uma amostra populacional de 1.200 eleitores registrados em eleições gerais em Michigan. A amostra foi extraída de arquivos oficiais de eleitores do Board of Canvassers em Michigan e incluiu eleitores que eram elegíveis para votar, mas não votaram em 2004.

Este estudo revelou que os não-votantes eram mais propensos do que os eleitores a favorecer Kerry sobre Bush em 2004, com uma vantagem relativa de 8 pontos percentuais para Kerry entre os não-votantes em comparação com apenas 3 pontos percentuais entre os eleitores (p<0,05).

O segundo estudo foi conduzido por Konitzer et al., (2016) que utilizaram o Cooperative Congressional Election Study (CCES), que entrevistou 1.068 entrevistados via RDDs durante o ciclo eleitoral presidencial de 2008. O conjunto de dados do CCES inclui informações sobre as atitudes políticas dos entrevistados, bem como seu comportamento eleitoral anterior, o que permitiu a Konitzer et al. examinar como o comportamento eleitoral anterior influencia o comparecimento futuro.

Os pesquisadores conseguiram demonstrar como o uso do RDE, por meio do Pollfish, foi capaz de se aproximar de pesquisas padrão-ouro, como a Pesquisa Social Geral. Os pesquisadores descobriram que esse método pode ser usado para substituir as visitas domiciliares em pesquisas, pois as visitas domiciliares costumam ser muito caras para a maioria dos projetos de pesquisa, portanto, essa é uma referência útil.

Os resultados mostraram que suas previsões com base em uma única pesquisa não são significativamente piores do que as previsões de agregadores de pesquisas como o Huffington Post Pollster (HPP). Ao comparar suas estimativas estado a estado com o resultado real, eles descobriram que, em comparação com as estimativas da HPP, seu RMSE era apenas um pouco maior: 4,24% pontos versus 3,62% pontos (para 50 estados, excluindo DC)

Método nº 1 - Discagem aleatória de dígitos (RDD)

O primeiro método, Random Digit Dialing (RDD), é o método tradicional. Funciona bem, mas está condenado nos próximos anos. Assim, trata-se realmente de qual dos novos métodos de amostragem de pesquisa on-line o substituirá: painéis on-line, crowdsourcing assistido ou engajamento de dispositivo aleatório (RDE). Acreditamos que a RDE é o futuro.

Durante o curso de 2017 e 2018, as empresas de pesquisa empregaram todos os três novos métodos para prever os resultados das eleições para o Congresso: o RDE sai muito acima dos outros dois.

As empresas de pesquisa usaram três novos métodos para prever os resultados das eleições para o Congresso durante 2017 e 2018. O RDE tem um desempenho melhor do que os outros.

Neste artigo, fornecemos uma análise detalhada dos pontos fortes do método, incluindo pesquisas realizadas pelo Pew Research Center.

Método #2 - Dados de T elemetria

O uso de dados de telemetria em pesquisas de levantamento não é novo. Na verdade, o exemplo mais famoso dessa técnica é o American National Election Studies (ANES), que vem coletando pesquisas por telefone e pessoalmente desde 1948. A ANES coleta essas informações de forma contínua para que os pesquisadores pode acompanhar as alterações ao longo do tempo e entre localizações geográficas.

Mais recentemente, a RDE começou a complementar os dados atitudinais coletados com uma variedade de dados paramétricos ou telemétricos.

As pessoas que respondem a pesquisas são fundamentalmente diferentes daquelas que não respondem, como todos sabemos. Como a loja de análises progressivas, CIVIS argumentou recentemente, uma bateria de quase 30 perguntas adicionais demográficas, atitudinais e de estilo de vida que abordam noções de confiança social e cosmopolitismo são necessárias para poder pesar e corrigir todas as maneiras pelas quais os entrevistados da pesquisa estão incomum.

Como Konitzer, Eckman e Rothschild (2016) argumentam, os dados de telemetria são uma maneira muito mais econômica (e discreta) de coletar essas variáveis. A localização da casa e do trabalho, os padrões de deslocamento ou mobilidade, ou a composição política do bairro ou rede social de alguém, derivados de dados longitudinais de coordenadas de localização baseados em satélite (leia-se: extremamente precisos) predizem bem as variáveis ​​demográficas.

Método nº 3 - Amostragem do rio

A amostragem de rio é um método de recrutamento de entrevistados que usam banners. É uma prática comum em pesquisas de mercado e pesquisas, mas tem algumas desvantagens importantes.

Dependendo do método de amostragem do rio, os banners podem ser usados ​​para pesquisas ou o engajamento pode ocorrer por meio de sites legados ou locais onde o Rapid Data Enumeration recruta entrevistados. A RDE tem acesso a números de contas, mas a amostragem de rios não, apresentando duas sérias desvantagens: A amostragem de rios é incapaz de detectar SUMA – os fraudadores podem trapacear participando duas vezes na mesma pesquisa, especialmente se houver incentivo financeiro para participar. E, qualquer grau de segmentação demográfica/geográfica parece impossível.

O processo é simples: uma solicitação de anúncio chega ao servidor, que a redireciona para a rede de anúncios para processamento direto. A rede de anunciantes determina se há anúncios disponíveis apropriados para esse usuário específico e os envia para o servidor.

Uma boa pesquisa RDE é feita com a cooperação do editor, proporcionando uma experiência nativa, enquanto os banners são enviados pela rede de anúncios.

Exemplos de envolvimento de dispositivos aleatórios

Conforme descrito anteriormente, acreditamos firmemente que a Random Digit Dialing (RDD) está condenada. Os painéis online são eficazes, mas caros, o crowdsourcing assistido funciona bem, mas leva muito tempo, e o Random Device Engagement (RDE) é muito mais rápido e econômico.

O futuro da RDE é brilhante. A penetração de dispositivos aumentará ainda mais no futuro, aumentando o alcance do RDE nos EUA e tornando o RDE a única alternativa viável em mercados menos desenvolvidos. Take Africa: a taxa de penetração de smartphones deve crescer 52,9% ano a ano.

Atualmente, existem 293 milhões de usuários de smartphones em todo o continente, o que significa que, levando em conta as taxas de crescimento atuais, haverá 929,9 milhões de smartphones até o ano de 2021 na África. Mas o futuro promissor para o RDE não é apenas sobre penetração – avanços na ponte de IDs de anúncios com outros identificadores conhecidos no mercado americano significam que a segmentação individual com base no histórico financeiro ou nos padrões de gastos com cartão de crédito será possível.

E enquanto estamos falando sobre fontes de dados de ponte: as empresas de pesquisa política agora podem pesquisar diretamente de um arquivo de eleitores de 250 milhões de americanos.

Conclusão

Começamos discutindo como funcionava o RDD tradicional e como foi condenado pela falta de participação dos mais jovens, que têm menos probabilidade de ter telefones fixos. Analisamos duas novas técnicas: painéis online e Crowdsourcing assistido. Os painéis online são semelhantes ao RDD tradicional, mas com tecnologia mais moderna; eles não exigem que os participantes respondam a nenhuma pergunta ou mesmo falem com um ser humano.

Em vez disso, eles usam scripts e algoritmos automatizados para coleta de dados de usuários da Internet que concordam em participar. O Crowdsourcing Assistido usa seres humanos assim como computadores; os humanos são usados ​​para tarefas como marcar imagens ou transcrever gravações de voz, enquanto os computadores fazem outras coisas, como analisar documentos de texto para fins de análise de sentimentos.

Por fim, discutimos nosso método preferido: Random Device Engagement (RDE). Este método usa algoritmos sofisticados para identificar dispositivos automaticamente.

Saiba como desbloquear o poder da pesquisa com o Audience da QuestionPro. Nossos produtos são usados ​​por mais de 3 milhões de pessoas em mais de 50 países e estamos sempre à procura de novas maneiras de usar nossa tecnologia para ajudá-lo a obter insights mais significativos de seus clientes e clientes.

Use o Audience do QuestionPro para ajudá-lo a criar pesquisas mais precisas que fornecerão dados melhores.

SABER MAIS