การมีส่วนร่วมของอุปกรณ์แบบสุ่ม: มันคืออะไรกับ Methods

เนื่องจากโทรศัพท์แพร่หลายน้อยลง การทำแบบสำรวจทางโทรศัพท์จึงกลายเป็นเรื่องยาก แต่ข่าวดีก็คือว่ามีวิธีใหม่ในการสำรวจ! การมีส่วนร่วมกับอุปกรณ์แบบสุ่ม (RDE) เป็นวิธีการใหม่ในการดำเนินการวิจัยที่ใช้ตัวระบุเฉพาะของผู้ตอบเป็นหัวใจสำคัญของการมีส่วนร่วม

สิ่งสำคัญที่ควรทราบคือการสังเกตตัวระบุของโฆษณาในโลกแห่งอุปกรณ์ บริษัทสำรวจสามารถป้องกันการฉ้อโกงที่เกี่ยวข้องกับ SUMA (ผู้ใช้คนเดียว หลายบัญชี) ตัวอย่าง RDE ยังเป็นแบบสุ่มทั้งหมดและไม่มีอคติ การปรับปรุงการโทรด้วยตัวเลขแบบสุ่มใช้เพื่อเชื่อมต่อกับโทรศัพท์พื้นฐาน (และปัจจุบันคือโทรศัพท์มือถือ) แบบสุ่ม

ความยืดหยุ่นนี้มีข้อดีหลายประการเหนือวิธีการสำรวจแบบเดิม: RDE มีราคาไม่แพงเพราะไม่ต้องเดินทางหรือค่าใช้จ่ายอื่นๆ ที่เกี่ยวข้องกับการสัมภาษณ์ พวกเขาให้ความเป็นส่วนตัวมากขึ้นสำหรับผู้ตอบเพราะไม่มีใครเห็นว่าใครทำแบบสำรวจเสร็จหรือไม่เสร็จ และให้การควบคุมที่มากขึ้นเมื่อผู้ตอบแบบสำรวจสามารถเข้าถึงแบบสำรวจได้ เนื่องจากไม่จำเป็นต้องมีผู้สัมภาษณ์หรือบุคลากรอื่นๆ ที่ไซต์รวบรวม (Tucker 1983; West and Blom 2017)

การมีส่วนร่วมของอุปกรณ์แบบสุ่มคืออะไร?

ให้เราแนะนำ Random Device Engagement (RDE); ผู้สืบทอดโดยธรรมชาติของ RDD (Random Digit Dialing) ในแง่ของการสะกดการันต์ ปรัชญา และคุณภาพ

การสำรวจการมีส่วนร่วมของอุปกรณ์แบบสุ่ม (RDE) อาศัยเครือข่ายโฆษณาหรือพอร์ทัลอื่นๆ บนอุปกรณ์เพื่อดึงดูดผู้คนแบบสุ่มจากที่ที่พวกเขาอยู่ รุ่นที่พบบ่อยที่สุดรุ่นหนึ่งอยู่ในโมดูลโฆษณาบนสมาร์ทโฟน แต่สามารถวางไว้ในเกม ความเป็นจริงเสมือน ฯลฯ ได้อย่างง่ายดาย

หลักการเบื้องหลังการทำโพล Random Device Engagement คือผู้ที่ได้รับการคัดเลือกจากบริษัทที่ทำการสำรวจมีแนวโน้มที่จะมีส่วนร่วมในการสำรวจมากกว่าผู้ที่ไม่ได้รับการคัดเลือก ผู้โฆษณาสามารถใช้ประโยชน์จากการสำรวจความคิดเห็นของ RDE ในลักษณะนี้เพื่อให้เข้าใจถึงประสบการณ์ของลูกค้าภายในผลิตภัณฑ์หรือบริการของตนได้ดีขึ้น และวิธีที่พวกเขาสามารถปรับปรุงพวกเขาได้

Random Device Engagement แสดงถึงประโยชน์มหาศาล โดยเฉพาะอย่างยิ่งเมื่อเปรียบเทียบกับ RDD แม้ว่าการสำรวจจะเสร็จสิ้นภายในเวลาไม่กี่วัน แต่ไม่ใช่เรื่องแปลกที่ RDD จะใช้เวลาเป็นสัปดาห์หรือเป็นเดือน ด้วยเครือข่ายสังคมออนไลน์และการช่วยเหลือฝูงชน การสำรวจสามารถทำได้เร็วกว่า RDE เล็กน้อย แต่ยังขาดความเร็วที่ RDE เสนอให้

แผงออนไลน์จะเทียบได้กับความเร็วหากคุณจ่ายเงินเพิ่มสำหรับผู้ตอบแบบสอบถามจากแผงที่รวมเข้าด้วยกัน (แผงออนไลน์จะเรียกเก็บเงินเพิ่มเพื่อรับผู้ตอบแบบสอบถามจากแผงอื่นๆ เนื่องจากจะเพิ่มความเร็ว)

เมื่อพูดถึงความแม่นยำของ RDE สิ่งสำคัญคือต้องรู้ว่าความครอบคลุมเป็นปัจจัยหลักประการหนึ่ง ภายในตลาดสหรัฐ บริษัท RDE รายใหญ่สามารถเข้าถึงผู้ตอบแบบสอบถามที่ไม่ซ้ำกันมากกว่า 5,000,000 ราย RDE ยังคงล้าหลัง RDD ในแง่ของความครอบคลุมในขณะนี้ แต่จะตามมาในไม่ช้า Crowdsourced polling โดยใช้โซเชียลมีเดียนั้นคล้ายกับการระดมทุนแบบคราวด์ซอร์ซที่ใช้โซเชียลมีเดีย และความครอบคลุมนั้นเหนือกว่าแผงออนไลน์

แผงที่พร้อมใช้งานออนไลน์มีขนาดเล็กมาก ซึ่งส่งผลต่อความสามารถในการรวบรวมข้อมูลโดยละเอียดเกี่ยวกับประชากร

วิธีการมีส่วนร่วมกับอุปกรณ์แบบสุ่ม

มาทบทวนงานที่ตีพิมพ์ทั้งใน Goel, Obeng และ Rothschild (2015) และ Konitzer, Corbett-Davies และ Rothschild (Nd) เพื่อแสดงให้เห็นว่าตัวอย่าง RDE มีประสิทธิภาพเพียงใด และเพิ่มตัวอย่างจากการเลือกตั้งรัฐสภาพิเศษปี 2560-2561

การศึกษาครั้งแรกดำเนินการโดย Goel et al. (2015) ซึ่งใช้กลุ่มตัวอย่างตามประชากรของผู้มีสิทธิเลือกตั้งที่ลงทะเบียน 1,200 คนในการเลือกตั้งทั่วไปในรัฐมิชิแกน กลุ่มตัวอย่างดึงมาจากไฟล์ผู้มีสิทธิเลือกตั้งอย่างเป็นทางการจาก Board of Canvassers ในรัฐมิชิแกน และรวมถึงผู้มีสิทธิเลือกตั้งที่มีสิทธิ์ลงคะแนนเสียงแต่ไม่ได้ลงคะแนนในปี 2547

การศึกษานี้เปิดเผยว่าผู้ไม่ลงคะแนนเสียงมีแนวโน้มมากกว่าผู้ลงคะแนนที่จะสนับสนุน Kerry มากกว่า Bush ในปี 2547 โดยมีความได้เปรียบเชิงสัมพันธ์ที่ 8% สำหรับ Kerry ในกลุ่มผู้ไม่ลงคะแนนเสียง เทียบกับคะแนนเพียง 3 เปอร์เซ็นต์ในกลุ่มผู้ลงคะแนน (p<0.05)

การศึกษาครั้งที่สองดำเนินการโดย Konitzer et al., (2016) ซึ่งใช้ Cooperative Congressional Election Study (CCES) ซึ่งสัมภาษณ์ผู้ตอบแบบสอบถาม 1,068 รายผ่าน RDD ระหว่างรอบการเลือกตั้งประธานาธิบดีปี 2008 ชุดข้อมูล CCES ประกอบด้วยข้อมูลเกี่ยวกับทัศนคติทางการเมืองของผู้ตอบแบบสอบถาม ตลอดจนพฤติกรรมการลงคะแนนในอดีต ซึ่งทำให้ Konitzer และคณะ สามารถตรวจสอบว่าพฤติกรรมการลงคะแนนในอดีตมีอิทธิพลต่อผลิตภัณฑ์ในอนาคตอย่างไร

นักวิจัยสามารถแสดงให้เห็นว่าการใช้ RDE ผ่าน Pollfish สามารถจับคู่การสำรวจมาตรฐานทองคำอย่างใกล้ชิดเช่นการสำรวจสังคมทั่วไปได้อย่างไร นักวิจัยพบว่าวิธีนี้สามารถใช้แทนการโทรตามบ้านในการสำรวจได้ เนื่องจากการโทรตามบ้านมักจะแพงเกินไปสำหรับโครงการวิจัยส่วนใหญ่ที่จะจ่ายได้ ดังนั้นนี่เป็นเกณฑ์มาตรฐานที่มีประโยชน์

ผลการวิจัยพบว่าการคาดคะเนตามโพลเดียวไม่ได้เลวร้ายไปกว่าการคาดการณ์จากผู้รวบรวมโพลอย่าง Huffington Post Pollster (HPP) อย่างมีนัยสำคัญ เมื่อเปรียบเทียบการประมาณการแบบแต่ละรัฐกับผลลัพธ์จริง พวกเขาพบว่าเมื่อเทียบกับการประมาณการของ HPP RMSE ของพวกเขาสูงขึ้นเพียงเล็กน้อยเท่านั้น: 4.24% เทียบกับ 3.62% คะแนน (สำหรับ 50 รัฐไม่รวม DC)

วิธี #1 – สุ่มเลขหมาย (RDD)

วิธีแรก Random Digit Dialing (RDD) เป็นวิธีการดั้งเดิม มันใช้งานได้ดี แต่จะถึงวาระในอีกไม่กี่ปีข้างหน้า ดังนั้น นี่เป็นเรื่องเกี่ยวกับวิธีการสุ่มตัวอย่างแบบสำรวจออนไลน์แบบใหม่ที่จะมาแทนที่: แผงออนไลน์, Assisted Crowdsourcing หรือ Random Device Engagement (RDE) เราเชื่อว่า RDE คืออนาคต

ในช่วงปี 2560 และ 2561 บริษัทเลือกตั้งได้ใช้วิธีการใหม่ทั้งสามวิธีในการทำนายผลการเลือกตั้งรัฐสภา: RDE ออกมาเหนือกว่าอีกสองวิธี

บริษัทสำรวจความคิดเห็นใช้วิธีการใหม่สามวิธีในการคาดการณ์ผลการเลือกตั้งรัฐสภาระหว่างปี 2560 และ 2561 RDE ทำงานได้ดีกว่าวิธีอื่นๆ

ในบทความนี้ เราจะนำเสนอการวิเคราะห์โดยละเอียดเกี่ยวกับจุดแข็งของวิธีการ รวมถึงแบบสำรวจที่จัดทำโดย Pew Research Center

วิธี #2 – T องค์ประกอบ Data

การใช้ข้อมูลทางไกลในการวิจัยเชิงสำรวจไม่ใช่เรื่องใหม่ อันที่จริง ตัวอย่างที่มีชื่อเสียงที่สุดของเทคนิคนี้คือ American National Election Studies (ANES) ซึ่งรวบรวมโทรศัพท์ระดับครัวเรือนและแบบสำรวจแบบตัวต่อตัวมาตั้งแต่ปี 1948 ANES รวบรวมข้อมูลนี้แบบหมุนเวียนเพื่อให้นักวิจัย สามารถติดตามการเปลี่ยนแปลงเมื่อเวลาผ่านไปและตามสถานที่ทางภูมิศาสตร์

อีกไม่นาน RDE ได้เริ่มเสริมข้อมูลทัศนคติที่รวบรวมไว้ด้วยข้อมูลพารามิเตอร์หรือข้อมูลทางไกลที่หลากหลาย

คนทำแบบสำรวจมีความแตกต่างกันโดยพื้นฐานจากผู้ที่ไม่ทำแบบสำรวจอย่างที่เราทราบกันดี ในฐานะที่เป็นร้านวิเคราะห์แบบก้าวหน้า CIVIS ได้โต้เถียงกันเมื่อเร็วๆ นี้ว่า คำถามเกี่ยวกับประชากร ทัศนคติ และไลฟ์สไตล์เพิ่มเติมเกือบ 30 คำถาม ที่กล่าวถึงแนวคิดเรื่องความไว้วางใจทางสังคมและความเป็นสากลนั้นมีความจำเป็นเพื่อให้สามารถชั่งน้ำหนักและแก้ไขทุกวิถีทางที่ผู้ตอบแบบสำรวจต้องเผชิญ ผิดปกติ.

ตามที่ Konitzer, Eckman และ Rothschild (2016) โต้แย้ง ข้อมูลการวัดและส่งข้อมูลทางไกลเป็นวิธีที่ประหยัดกว่ามาก (และไม่เป็นการรบกวน) ในการรวบรวมตัวแปรเหล่านี้ ตำแหน่งบ้านและที่ทำงาน รูปแบบการเดินทางหรือการเคลื่อนไหว หรือองค์ประกอบทางการเมืองของละแวกบ้านหรือเครือข่ายสังคม ที่ได้มาจากข้อมูลพิกัดตำแหน่งตามยาวตามยาวจากดาวเทียม (อ่านได้แม่นยำมาก) ทำนายตัวแปรทางประชากรศาสตร์ได้ดี

วิธี #3 – การเก็บตัวอย่างแม่น้ำ

การสุ่มตัวอย่างแม่น้ำเป็นวิธีการสรรหาผู้ตอบแบบสอบถามที่ใช้โฆษณาแบนเนอร์ เป็นแนวทางปฏิบัติทั่วไปในการวิจัยตลาดและการสำรวจความคิดเห็น แต่มีข้อเสียที่สำคัญบางประการ

ขึ้นอยู่กับวิธีการสุ่มตัวอย่างแม่น้ำ โฆษณาแบนเนอร์สามารถใช้สำหรับการเลือกตั้ง หรือการมีส่วนร่วมอาจเกิดขึ้นผ่านเว็บไซต์เดิมหรือสถานที่ที่ Rapid Data Enumeration รับสมัครผู้ตอบแบบสอบถาม RDE มีสิทธิ์เข้าถึงหมายเลขบัญชี แต่การสุ่มตัวอย่างแม่น้ำไม่สามารถทำได้ ทำให้เกิดข้อเสียอย่างร้ายแรงสองประการ: การสุ่มตัวอย่างในแม่น้ำไม่สามารถตรวจจับ SUMA ได้ ผู้ฉ้อโกงอาจโกงโดยเข้าร่วมการสำรวจเดียวกันสองครั้ง โดยเฉพาะอย่างยิ่งหากมีสิ่งจูงใจทางการเงินสำหรับการเข้าร่วม และการกำหนดเป้าหมายตามข้อมูลประชากร/ภูมิศาสตร์ในระดับใดก็ตามดูเหมือนจะเป็นไปไม่ได้

ขั้นตอนง่าย ๆ : คำขอโฆษณามาถึงเซิร์ฟเวอร์แล้วเปลี่ยนเส้นทางไปยังเครือข่ายโฆษณาเพื่อดำเนินการโดยตรง เครือข่ายโฆษณาจะกำหนดว่ามีโฆษณาใดบ้างที่เหมาะสมกับผู้ใช้รายนั้นและส่งไปยังเซิร์ฟเวอร์

การทำโพล RDE ที่ดีทำได้โดยได้รับความร่วมมือจากผู้จัดพิมพ์ โดยมอบประสบการณ์การใช้งานแบบเนทีฟ ขณะที่โฆษณาแบนเนอร์จะถูกส่งผ่านเครือข่ายโฆษณา

ตัวอย่างการมีส่วนร่วมของอุปกรณ์แบบสุ่ม

ตามที่ระบุไว้ก่อนหน้านี้ เราเชื่อมั่นเป็นอย่างยิ่งว่า Random Digit Dialing (RDD) จะถึงวาระแล้ว แผงออนไลน์มีประสิทธิภาพแต่มีราคาแพง Assisted Crowd-sourcing

อนาคตของ RDE นั้นสดใส การรุกของอุปกรณ์จะเพิ่มขึ้นในอนาคต เพิ่มการเข้าถึงของ RDE ในสหรัฐอเมริกา และทำให้ RDE เป็นทางเลือกเดียวที่ทำงานได้ในตลาดที่พัฒนาน้อยกว่า Take Africa: อัตราการเจาะสมาร์ทโฟนคาดว่าจะเติบโต 52.9% เมื่อเทียบเป็นรายปี

ปัจจุบันมีผู้ใช้สมาร์ทโฟน 293 ล้านคนทั่วทั้งทวีป ซึ่งหมายความว่าเมื่อพิจารณาถึงอัตราการเติบโตในปัจจุบันแล้ว จะมีสมาร์ทโฟน 929.9 ล้านเครื่องภายในปี 2564 ในแอฟริกา แต่อนาคตอันสดใสของ RDE ไม่ใช่แค่การรุกเท่านั้น—ความก้าวหน้าในการเชื่อมโยงรหัสโฆษณากับตัวระบุอื่นๆ ที่เป็นที่รู้จักในตลาดอเมริกา หมายความว่าการกำหนดเป้าหมายส่วนบุคคลตามประวัติทางการเงินหรือรูปแบบการใช้จ่ายผ่านบัตรเครดิตจะเป็นไปได้

และในขณะที่เรากำลังพูดถึงการเชื่อมโยงแหล่งข้อมูล: บริษัทสำรวจทางการเมืองสามารถสำรวจความคิดเห็นได้โดยตรงจากไฟล์ผู้มีสิทธิเลือกตั้งชาวอเมริกัน 250 ล้านคน

บทสรุป

เราเริ่มต้นด้วยการพูดคุยถึงวิธีการทำงานของ RDD แบบเดิมและวิธีที่ได้รับผลกระทบจากการขาดการมีส่วนร่วมจากคนหนุ่มสาวที่มีแนวโน้มน้อยที่จะมีโทรศัพท์บ้าน เราได้ตรวจสอบสองเทคนิคใหม่: แผงออนไลน์และ Crowdsourcing ที่ได้รับความช่วยเหลือ แผงออนไลน์นั้นคล้ายกับ RDD แบบดั้งเดิม แต่ใช้เทคโนโลยีที่ทันสมัยกว่า พวกเขาไม่ต้องการให้ผู้เข้าร่วมตอบคำถามใด ๆ ด้วยตนเองหรือแม้แต่พูดคุยกับมนุษย์

แต่จะใช้สคริปต์และอัลกอริทึมอัตโนมัติสำหรับการรวบรวมข้อมูลจากผู้ใช้อินเทอร์เน็ตที่ตกลงเข้าร่วมแทน Crowdsourcing ที่ได้รับความช่วยเหลือใช้ทั้งมนุษย์และคอมพิวเตอร์ มนุษย์ถูกใช้สำหรับงานต่างๆ เช่น การแท็กรูปภาพหรือถอดเสียงการบันทึกเสียง ในขณะที่คอมพิวเตอร์ทำอย่างอื่น เช่น การวิเคราะห์เอกสารข้อความเพื่อการวิเคราะห์ความรู้สึก

สุดท้าย เราได้พูดถึงวิธีการที่เราต้องการ: Random Device Engagement (RDE) วิธีนี้ใช้อัลกอริธึมที่ซับซ้อนเพื่อระบุอุปกรณ์โดยอัตโนมัติ

เรียนรู้วิธีปลดล็อกพลังของการวิจัยด้วยผู้ชมของ QuestionPro ผลิตภัณฑ์ของเรามีผู้ใช้มากกว่า 3 ล้านคนในกว่า 50 ประเทศ และเรามองหาวิธีใหม่ๆ ในการใช้เทคโนโลยีของเราอยู่เสมอเพื่อช่วยให้คุณรวบรวมข้อมูลเชิงลึกที่มีความหมายมากขึ้นจากลูกค้าและลูกค้าของคุณ

ใช้ ผู้ชมของ QuestionPro เพื่อช่วยคุณสร้างแบบสำรวจที่แม่นยำยิ่งขึ้นซึ่งจะให้ข้อมูลที่ดีขึ้นแก่คุณ

เรียนรู้เพิ่มเติม