По мере того, как телефоны становятся все менее распространенными, становится все труднее проводить телефонные опросы. Но есть и хорошая новость: существует новый способ проведения опросов! Случайное вовлечение устройств (RDE) - это инновационный метод проведения исследований, который использует уникальный идентификатор респондента в качестве ключевого фактора его участия.
Важно отметить, что, наблюдая за идентификатором устройства во всемирной рекламе, фирмы, проводящие опросы, могут предотвратить мошенничество, связанное с SUMA (единичные пользователи, многочисленные учетные записи). Выборки RDE также являются полностью случайными и не предвзятыми. Это усовершенствованный метод случайного набора номера, который используется для случайного опроса со стационарных (а теперь и с сотовых) телефонов.
Эта гибкость имеет ряд преимуществ перед традиционными методами опроса: RDE менее дорогостоящие, поскольку не требуют поездок и других расходов, связанных с проведением интервью; они обеспечивают большую конфиденциальность для респондентов, поскольку никто не видит, кто заполнил или не заполнил опрос; и они обеспечивают больший контроль над тем, когда респонденты имеют доступ к опросу, поскольку нет необходимости в интервьюерах или другом персонале в местах сбора данных (Tucker 1983; West and Blom 2017).
Что такое случайное вовлечение устройств?
Представим случайное вовлечение устройств (RDE), естественного преемника RDD (Random Digit Dialing) с точки зрения орфографии, философии и качества.
Опрос Random Device Engagement (RDE) основан на использовании рекламных сетей или других порталов на устройствах для привлечения случайных людей, где они находятся. Одна из наиболее распространенных версий этого метода - рекламные модули в смартфонах, но его можно легко разместить в играх, виртуальной реальности и т. д.
Принцип опроса Random Device Engagement заключается в том, что люди, которые были выбраны опросной компанией, с большей вероятностью примут участие в опросах, чем те, кто не был выбран. Рекламодатели могут воспользоваться преимуществами опросов RDE, чтобы лучше понять, каково отношение клиентов к их продуктам или услугам и как их можно улучшить.
Random Device Engagement представляет собой огромное преимущество, особенно по сравнению с RDD. В то время как опросы могут быть завершены в течение нескольких дней, нередко на проведение RDD уходят недели или даже месяцы. С помощью социальных сетей и вспомогательного краудсорсинга опросы можно проводить немного быстрее, чем с помощью RDE, но им все равно не хватает скорости, которую предлагает RDE.
Онлайновые панели сравнимы по скорости, если вы доплачиваете за респондентов из объединенных панелей (онлайновые панели доплачивают за респондентов из других панелей, поскольку это увеличивает их скорость).
Когда речь заходит о точности RDE, важно знать, что охват является одним из основных факторов. На рынке США крупнейшие компании RDE могут охватить более 5 000 000 уникальных респондентов. В настоящее время RDE все еще отстает от RDD в плане охвата, но скоро догонит их. Краудсорсинговый опрос с использованием социальных сетей похож на краудсорсинг с помощью социальных сетей, а охват превосходит онлайн-панели.
Панели, доступные онлайн, имеют очень маленькую площадь, что влияет на их способность собирать подробную информацию о населении.
Методы привлечения случайных устройств
Давайте рассмотрим работу, опубликованную в Goel, Obeng и Rothschild (2015) и Konitzer, Corbett-Davies и Rothschild (N.d.), чтобы показать, насколько эффективными могут быть выборки RDE. А также добавим примеры с внеочередных выборов в Конгресс 2017-2018 гг.
Первое исследование было проведено Goel et al. (2015), которые использовали популяционную выборку из 1200 зарегистрированных избирателей на всеобщих выборах в Мичигане. Выборка была взята из официальных досье избирателей Совета кассаторов штата Мичиган и включала избирателей, которые имели право голосовать, но не голосовали в 2004 году.
Это исследование показало, что неголосующие чаще, чем голосующие, отдавали предпочтение Керри перед Бушем в 2004 году: относительное преимущество Керри составило 8 процентных пунктов среди неголосующих по сравнению с 3 процентными пунктами среди голосующих (p<0,05).
Второе исследование провели Конитцер и др, (2016), которые использовали Cooperative Congressional Election Study (CCES), в рамках которого было опрошено 1068 респондентов с помощью RDD во время президентских выборов 2008 года. Набор данных CCES включает информацию о политических взглядах респондентов, а также об их прошлом поведении во время голосования, что позволило Конитцеру и другим исследователям изучить, как прошлое поведение во время голосования влияет на будущую явку.
Исследователи смогли продемонстрировать, как использование RDE, посредством Pollfish, смогло близко соответствовать золотому стандарту опроса, такому как General Social Survey. Исследователи пришли к выводу, что этот метод может быть использован для замены выездов на дом при проведении опросов, поскольку выезды на дом зачастую слишком дороги для большинства исследовательских проектов, поэтому он является полезным эталоном.
Результаты показали, что их прогнозы, основанные на одном опросе, не намного хуже, чем прогнозы агрегаторов опросов, таких как Huffington Post Pollster (HPP). Сравнивая свои оценки по штатам с фактическими результатами, они обнаружили, что по сравнению с оценками HPP, их RMSE лишь немного выше: 4,24% пунктов против 3.62% пунктов (для 50 штатов, исключая округ Колумбия)
Метод №1 - случайный набор цифр (RDD)
Первый метод, случайный набор цифр (RDD), является традиционным методом. Он отлично работает, но в ближайшие несколько лет будет обречен. Таким образом, речь идет о том, какой из новых методов выборки для онлайн-опросов придет ему на смену: онлайн-панели, вспомогательный краудсорсинг или случайный набор (RDE). Мы считаем, что за RDE будущее.
В течение 2017 и 2018 годов опросные фирмы использовали все три новых метода для прогнозирования результатов выборов в Конгресс: RDE оказывается намного выше двух других.
В течение 2017 и 2018 годов опросные фирмы использовали три новых метода для прогнозирования результатов выборов в Конгресс. RDE показал себя лучше остальных.
В этой статье мы приводим подробный анализ сильных сторон метода, включая опросы, проведенные Pew Research Center.
Метод №2 - телеметрические данные
Использование телеметрических данных в опросных исследованиях не ново. На самом деле, самым известным примером этого метода является Американское национальное электоральное исследование (ANES), которое собирает телефонные и личные опросы на уровне домохозяйств с 1948 года. ANES собирает эту информацию на регулярной основе, чтобы исследователи могли отслеживать изменения во времени и в разных географических регионах.
Совсем недавно RDE стало дополнять собранные данные об установках различными параметрическими или телеметрическими данными.
Как мы все знаем, люди, участвующие в опросах, принципиально отличаются от тех, кто в них не участвует. Как недавно утверждала прогрессивная аналитическая компания CIVIS, для того чтобы взвесить и скорректировать все необычные черты респондентов, участвующих в опросах, необходима батарея из почти 30 дополнительных демографических, установочных вопросов и вопросов об образе жизни, затрагивающих понятия социального доверия и космополитизма.
Как утверждают Коницер, Экман и Ротшильд (2016), телеметрические данные - гораздо более экономичный (и ненавязчивый) способ сбора этих переменных. Местоположение дома и работы, схемы поездок на работу или передвижения, политический состав своего района или социальной сети, полученные на основе спутниковых (читай: чрезвычайно точных) продольных данных о координатах местоположения, хорошо предсказывают демографические переменные.
Метод №3 - речная выборка
Речная выборка - это метод привлечения респондентов с помощью рекламных баннеров. Это распространенная практика в маркетинговых исследованиях и опросах, но она имеет ряд существенных недостатков.
В зависимости от метода речной выборки, баннерная реклама может использоваться для опроса, или привлечение может происходить через унаследованные веб-сайты или места, где Rapid Data Enumeration набирает респондентов. У RDE есть доступ к номерам счетов, а у речной выборки - нет, что создает два серьезных недостатка: Речная выборка не способна выявить SUMA - мошенники могут обманывать, дважды участвуя в одном и том же опросе, особенно если существует финансовый стимул для участия. И, по-видимому, невозможна любая степень демографического/географического таргетинга.
Процесс прост: рекламный запрос поступает на сервер, который затем перенаправляет его в рекламную сеть для непосредственной обработки. Рекламная сеть определяет, есть ли среди доступных объявлений те, которые подходят данному пользователю, и отправляет их на сервер.
Хороший опрос RDE осуществляется при сотрудничестве с издателем, обеспечивая "родной" опыт, в то время как баннерная реклама проталкивается через рекламную сеть.
Примеры привлечения случайных устройств
Как уже говорилось ранее, мы твердо уверены, что случайный набор цифр (RDD) обречен. Онлайн-панели эффективны, но дороги, вспомогательный краудсорсинг работает хорошо, но занимает слишком много времени, а случайное привлечение устройств (RDE) гораздо быстрее и экономичнее.
Будущее RDE радужно. В будущем проникновение устройств будет расти, что увеличит охват RDE в США и сделает RDE единственной жизнеспособной альтернативой на менее развитых рынках. Возьмем Африку: по прогнозам, уровень проникновения смартфонов будет расти на 52,9% из года в год.
В настоящее время на континенте насчитывается 293 миллиона пользователей смартфонов, а это означает, что с учетом текущих темпов роста к 2021 году в Африке будет 929,9 миллиона смартфонов. Но радужные перспективы RDE связаны не только с проникновением - прогресс в соединении Ad ID с другими известными идентификаторами на американском рынке означает возможность индивидуального таргетинга на основе финансовой истории или структуры расходов по кредитным картам.
И раз уж мы заговорили о соединении источников данных: фирмы, занимающиеся политическими опросами, теперь могут проводить опросы непосредственно на основе базы данных избирателей 250 миллионов американцев.
Вывод
В начале мы обсудили, как работает традиционный RDD и как он был обречен из-за недостаточного участия молодых людей, которые реже имеют стационарные телефоны. Мы рассмотрели два новых метода: онлайн-панели и вспомогательный краудсорсинг. Онлайн-панели похожи на традиционные РДД, но с более современной технологией; они не требуют от участников самостоятельно отвечать на вопросы или даже разговаривать с человеком.
Вместо этого они используют автоматизированные скрипты и алгоритмы для сбора данных от пользователей Интернета, которые согласны участвовать. Вспомогательный краудсорсинг использует как людей, так и компьютеры; люди используются для таких задач, как маркировка изображений или расшифровка голосовых записей, а компьютеры выполняют другие задачи, например, анализируют текстовые документы для целей анализа настроений.
Наконец, мы обсудили предпочтительный для нас метод: Случайное привлечение устройств (Random Device Engagement, RDE). Этот метод использует сложные алгоритмы для автоматической идентификации устройств.
Узнайте, как раскрыть возможности исследования с помощью Аудитории . Нашими продуктами пользуются более 3 миллионов человек в более чем 50 странах, и мы всегда находимся в поиске новых способов использования нашей технологии, чтобы помочь вам собрать более значимые сведения о ваших клиентах и покупателях.
Используйте Audience от для создания более точных опросов, которые обеспечат вас лучшими данными.
- questionpro
Поделиться