विपणन अनुसंधान: प्रक्रिया, कदम और चरण

मार्केटिंग रिसर्च कैसे करें, इसके बारे में आपको जो कुछ भी जानना है। विपणन अनुसंधान मानव गतिविधि की किसी भी शाखा में किसी भी समस्या के बारे में महत्वपूर्ण और प्रासंगिक तथ्यों को इकट्ठा करने, रिकॉर्डिंग और विश्लेषण करने की प्रक्रिया है।

मार्केटिंग रिसर्च महत्वपूर्ण और खोज और अध्ययन और एक समस्या की जांच, कार्रवाई का एक प्रस्तावित पाठ्यक्रम, एक परिकल्पना या एक सिद्धांत को इंगित करता है। यह विपणन के क्षेत्र में किसी भी समस्या की पहचान और समाधान के लिए प्रासंगिक डेटा (तथ्यों और आंकड़ों) के लिए एक व्यवस्थित, उद्देश्यपूर्ण और गहन खोज है।

ए: विपणन अनुसंधान प्रक्रिया में निम्नलिखित प्रमुख शामिल हैं: -

1. समस्या की परिभाषा 2. समस्या के लिए दृष्टिकोण का विकास 3. अनुसंधान डिजाइन गठन 4. नमूनाकरण योजना 5. डेटा संग्रह 6. डेटा तैयारी और विश्लेषण 7. रिपोर्ट तैयार करना।

B: विपणन अनुसंधान प्रक्रिया आठ चरणों का एक समूह है जो विपणन अनुसंधान अध्ययन करने के लिए किए जाने वाले कार्यों को परिभाषित करता है। य़े हैं:-

1. विपणन समस्या को हल करने के लिए परिभाषित किया जाना 2. कार्य में शामिल अनुसंधान अनुसंधान समस्याओं की पहचान करना 3. सूचना की आवश्यकता को निर्दिष्ट करना 4. अनुसंधान डिजाइन और अनुसंधान प्रक्रिया का विकास करना 5. सूचना एकत्र करना 6. विश्लेषण और व्याख्या सूचना 7. शोध रिपोर्ट तैयार करना 8. अनुशंसाओं का पालन करना।

C: विपणन अनुसंधान में निम्नलिखित चरण शामिल हैं: -

1. उद्देश्यों को परिभाषित करना 2. अनुसंधान स्तर का निर्धारण करना 3. अनुसंधान दृष्टिकोण का निर्धारण करना 4. डेटा एकत्र करना 5. परिणामों का विश्लेषण करना 6. निष्कर्षों की रिपोर्ट करना।

अपने खुद के बाजार अनुसंधान करना मुश्किल नहीं है, हालांकि यह समय लगता है। यदि आप एक छोटा व्यवसाय रखते हैं, तो संभवतः आप अपने बाजारों पर लगातार अनौपचारिक रूप से शोध कर रहे हैं। हर बार जब आप ग्राहक से बात करते हैं कि वह क्या चाहता है, या आपूर्तिकर्ता या बिक्री प्रतिनिधि से चैट करता है, तो आप बाजार अनुसंधान कर रहे हैं।  

विपणन अनुसंधान - प्रक्रिया, कदम और चरणों (गणना और सूत्र के साथ)

मार्केटिंग रिसर्च कैसे करें - प्रक्रिया

विपणन अनुसंधान प्रक्रिया में निम्नलिखित चरण होते हैं:

प्रक्रिया # 1. समस्या की परिभाषा:

विपणन अनुसंधान में पहला कदम विपणन समस्या को स्पष्ट रूप से परिभाषित करना है जिसके लिए समाधान की मांग की जा रही है। अनुसंधान के साथ आगे बढ़ने से पहले, प्रबंधन को उन उद्देश्यों या लक्ष्यों को जानना चाहिए जिन्हें प्रक्रिया के माध्यम से प्राप्त किया जाना है।

शोधकर्ता को अध्ययन के उद्देश्य को निर्धारित करना चाहिए, जानकारी के प्रकार की आवश्यकता है, जानकारी निर्णय लेने में कैसे मदद करेगी, आदि। समस्या को अधिक सटीक रूप से परिभाषित करने के लिए कुछ खोजपूर्ण शोध किए जा सकते हैं।

उदाहरण के लिए, यदि संगठन एक नया उत्पाद लॉन्च करने की योजना बना रहा है, तो वह ग्राहक साक्षात्कार, विशेष उत्पाद श्रेणी के लिए बाजार के रुझान की समीक्षा आदि के रूप में कुछ खोजपूर्ण शोध कर सकता है।

प्रक्रिया # 2. समस्या के लिए दृष्टिकोण का विकास:

एक बार समस्या को परिभाषित करने के बाद, अगला कदम अनुसंधान के लिए एक दृष्टिकोण या सैद्धांतिक रूपरेखा विकसित करना है। इसमें परिकल्पना का निर्धारण करना, शोध प्रश्नों को तैयार करना और अनुसंधान के संचालन के लिए एक विश्लेषणात्मक मॉडल विकसित करना शामिल है। उद्योग के विशेषज्ञों, मामले के अध्ययन, माध्यमिक डेटा के विश्लेषण आदि के साथ विचार-विमर्श के माध्यम से एक दृष्टिकोण विकसित किया जा सकता है।

प्रक्रिया # 3. अनुसंधान डिजाइन निरूपण:

एक अनुसंधान डिजाइन विपणन अनुसंधान परियोजना के संचालन के लिए एक रूपरेखा है। अनुसंधान डिजाइन यह बताता है कि किस डेटा को एकत्र किया जाना है, किससे इसे एकत्र किया जाना है, इसे कब एकत्र किया जाना है और इसे एक बार इकट्ठा करने के बाद इसका विश्लेषण कैसे किया जाएगा।

यह मूल रूप से निम्नलिखित मुद्दों से संबंधित है:

(i) किस प्रकार का डेटा इकट्ठा किया जाना है (प्राथमिक या माध्यमिक)?

(ii) वे कौन से स्रोत हैं जिनसे डेटा इकट्ठा किया जाना है?

(iii) परिकल्पना निरूपण और परीक्षण।

(iv) माध्यमिक डेटा और माध्यमिक डेटा विश्लेषण की गुणवत्ता का मूल्यांकन।

(v) किस प्रकार के अनुसंधान डिजाइन का उपयोग किया जाना है (खोजपूर्ण, वर्णनात्मक या कारण / प्रायोगिक अनुसंधान डिजाइन)?

(vi) प्राथमिक डेटा (सर्वेक्षण, अवलोकन और प्रयोगों) को इकट्ठा करने के तरीके।

(vii) मापन और स्केलिंग प्रक्रिया।

(viii) प्रश्नावली का डिजाइन और परीक्षण।

(ix) नमूनाकरण योजना और नमूना आकार।

(x) डेटा विश्लेषण।

प्रक्रिया # 4. नमूना योजना:

एक नमूना एक आबादी के भीतर से व्यक्तियों का एक सबसेट है जो पूरी आबादी का प्रतिनिधि है। संपूर्ण जनसंख्या का अध्ययन करना कभी भी संभव नहीं है, इसलिए अध्ययन के लिए लोगों के एक छोटे समूह का चयन किया जाता है।

शोधकर्ता को यह तय करना होगा कि जनसंख्या या ब्रह्मांड का गठन क्या है (उदाहरण के लिए, कॉलेज के छात्र, कामकाजी महिलाएं, छोटे बच्चे, आदि)। उसे नमूने का आकार भी तय करना होगा (उदाहरण के लिए- 100 कॉलेज के छात्र, 500 छोटे बच्चे, आदि)।

नमूना आकार हाथ में समस्या, बजट और समय की कमी जैसे कई कारकों पर निर्भर करता है। नमूनाकरण बहुत सावधानी से किया जाना चाहिए क्योंकि नमूने में त्रुटि पूरे अध्ययन के परिणामों को विकृत कर सकती है। जब एक बड़े नमूने का अध्ययन किया जाना है, तो नमूना त्रुटि की संभावना अधिक होती है।

कुछ सामान्य नमूने तकनीक:

(i) सरल यादृच्छिक नमूनाकरण

(ii) सुविधा नमूनाकरण

(iii) स्तरीकृत नमूनाकरण

(iv) व्यवस्थित नमूना लेना

(v) क्लस्टर नमूनाकरण

(vi) अनुक्रमिक नमूना लेना

(vii) अनुपातहीन नमूनाकरण

(viii) जजमेंट सैंपलिंग

(ix) स्नोबॉल नमूना

(x) कोटा नमूना

प्रक्रिया # 5. डेटा संग्रह:

इसमें चयनित नमूना से वास्तविक फ़ील्ड कार्य और डेटा का संग्रह शामिल है। प्राथमिक विपणन अनुसंधान डेटा को कई तरीकों से एकत्र किया जा सकता है, सबसे आम सर्वेक्षण, व्यक्तिगत साक्षात्कार, अवलोकन और प्रयोगशाला प्रयोगों। डेटा संग्रह में त्रुटियों को कम करने के लिए डेटा एकत्र करने वाले कर्मचारियों को अच्छी तरह से प्रशिक्षित किया जाना चाहिए।

प्रक्रिया # 6. डेटा तैयारी और विश्लेषण:

एकत्र किए गए डेटा को सत्यापित, संपादित और कोडित किया जाना है। किसी भी गलतियों के लिए प्रत्येक प्रश्नावली या अवलोकन प्रपत्र का निरीक्षण किया जाता है और प्रश्नावली में प्रत्येक प्रश्न के प्रत्येक उत्तर का प्रतिनिधित्व करने के लिए कोड निर्धारित किए जाते हैं।

फिर डेटा को कंप्यूटर में सॉर्ट, ट्रांसकोड और फीड किया जाता है। इसके बाद, सांख्यिकीय सॉफ्टवेयर का उपयोग करके डेटा का विश्लेषण किया जाता है, विशेष रूप से अनुसंधान उद्देश्यों के लिए डिज़ाइन किया गया है।

कंप्यूटर प्रोग्राम का उपयोग अनुसंधान के मूल परिणामों को सारणीबद्ध करने और उनकी गणना करने के लिए किया जाता है, जैसे प्रतिभागियों की कुल संख्या, उत्तरदाताओं की रचना जैसे सेक्स, आयु आदि, उत्तरदाताओं द्वारा चुने गए सबसे आम उत्तर, सबसे कम चुने गए। प्रतिक्रिया, आदि।

प्रत्येक प्रश्न के लिए औसत, माध्य, मानक विचलन आदि जैसे उपायों, प्रतिशत, सांख्यिकीय उपायों की भी गणना की जाती है। विश्लेषण से उत्पन्न जानकारी का उपयोग उपभोक्ता व्यवहार या वरीयताओं के बारे में सामान्य निष्कर्ष निकालने के लिए किया जा सकता है।

प्रक्रिया # 7. रिपोर्ट तैयार करना:

विपणन अनुसंधान की पूरी प्रक्रिया को एक रिपोर्ट के रूप में प्रलेखित किया जाना है। रिपोर्ट में शोध समस्या, अनुसंधान डिजाइन, डेटा संग्रह के तरीके, डेटा विश्लेषण की प्रक्रिया, परिणाम और प्रमुख निष्कर्षों का विवरण होना चाहिए।

रिपोर्ट को एक प्रारूप में प्रस्तुत किया जाना चाहिए जो पढ़ने में आसान है, और निर्णय लेने के लिए संदर्भ के रूप में आसानी से उपयोग किया जा सकता है। प्रस्तुति और प्रभाव में सुधार के लिए रेखांकन, आंकड़े और तालिकाओं का उपयोग किया जाना चाहिए।

आम तौर पर, रिपोर्ट तैयार करते समय दिए गए प्रारूप का उपयोग किया जाता है:

(i) शीर्षक पृष्ठ।

(ii) सामग्री की तालिका।

(iii) दृष्टांतों की सूची।

(iv) कार्यकारी सारांश।

(v) अनुसंधान उद्देश्य।

(vi) कार्यप्रणाली और सीमाएँ।

(vii) खोज।

(viii) सिफारिशें।

(ix) प्रश्नावली आदि की प्रतियों वाले परिशिष्ट।

मार्केटिंग रिसर्च कैसे करे - स्टेप्स

विपणन अनुसंधान प्रक्रिया आठ चरणों का एक समूह है जो विपणन अनुसंधान अध्ययन करने में पूरा किए जाने वाले कार्यों को परिभाषित करता है।

इन पर नीचे चर्चा की गई है:

चरण # 1. विपणन समस्या को हल करना

शोधकर्ता, शोध को करने के लिए, इस बारे में स्पष्ट होना चाहिए कि क्या आवश्यक है। विपणन समस्या के मूल समस्या, विपणन अनुसंधान समस्या के बजाय महत्व दिया जाना चाहिए। समस्या की स्पष्ट समझ जरूरी है।

चरण # 2. कार्य में शामिल विपणन अनुसंधान समस्याओं की पहचान करना:

अधिकांश विपणन प्रबंधन समस्याएं हिमशैल की नोक हैं। जब आगे जांच की जाती है, तो वे वास्तविक खोजी अनुसंधान समस्या की ओर ले जाते हैं। समस्या की खोज के चरण में सबसे महत्वपूर्ण कार्य है समस्या के संदर्भ को देखते हुए, विपणन की समस्या को विपणन समस्या में बदलना और मूल समस्या पर सवाल उठाकर समस्या का अन्वेषण।

चरण # 3. सूचना की आवश्यकता को निर्दिष्ट करना:

शोधकर्ता को यह स्पष्ट रूप से तय करना चाहिए कि किस प्रकार की जानकारी की आवश्यकता है और कौन सी जानकारी अनुसंधान के लिए अप्रासंगिक है।

आवश्यक जानकारी तय करने में, अनुसंधान का उद्देश्य उचित विचार करना चाहिए। जानकारी आवश्यक, प्रासंगिक और पर्याप्त होनी चाहिए। यदि उपर्युक्त तीन मानदंडों में से कोई भी पूरा नहीं होता है, तो ताजा आंकड़े मांगे जाने चाहिए।

चरण # 4. अनुसंधान डिजाइन और अनुसंधान प्रक्रिया का विकास:

समस्या की खोज और फलस्वरूप विपणन समस्या की परिभाषा एक अधूरी प्रक्रिया है जब तक कि विपणन अनुसंधान के व्यापक आयामों पर विचार नहीं किया जाता है।

निम्नलिखित तीन विपणन अनुसंधान दृष्टिकोणों में से एक का चयन किया जा सकता है:

(ए) खोजपूर्ण शोध:

समस्या के संबंध में बहुत कम जानकारी उपलब्ध होने पर यह दृष्टिकोण चुना जाता है। ऐसी स्थिति में यह आवश्यक है कि इस तरह की सूचनाओं का पता लगाया जाए और उनका पता लगाया जाए।

(बी) वर्णनात्मक अनुसंधान:

यदि शोधकर्ता प्रासंगिक जानकारी की उपलब्धता से अवगत है, तो उसके लिए आवश्यक सभी जानकारी को आत्मसात करना और संकलित करना और फिर विपणन समस्या और उपलब्ध जानकारी के बीच संबंध का वर्णन करना है।

(ग) कारण अनुसंधान:

इस तरह के शोध से पता लगाया जा रहा है कि चर के बीच एक कारण-प्रभाव संबंध स्थापित करने का प्रयास किया गया है। यदि विपणन शोधकर्ता को शीर्ष प्रबंधन से संकेत मिलता है कि प्रस्तावित समाधान से स्पष्ट रूप से परिभाषित प्रभाव होना चाहिए तो कारण अनुसंधान किया जाना चाहिए।

अनुसंधान प्रक्रिया में निम्नलिखित चरण शामिल हैं:

(मैं) विपणन अनुसंधान डिजाइन का निर्धारण। 

(ii) अनुसंधान विधियों का चयन:

विपणन अनुसंधान का संचालन करने के लिए, विपणन अनुसंधान विभाग प्राथमिक स्रोतों से क्षेत्र सर्वेक्षण, अवलोकन या प्रयोग के माध्यम से या माध्यमिक स्रोतों सहित प्रकाशनों, पुस्तकों, पत्रिकाओं, अनुसंधान संस्थानों से डेटा आदि के माध्यम से जानकारी एकत्र कर सकता है।

(iii) नमूना डिजाइन का चयन:

अधिकांश शोध पूरे आबादी के बजाय एक छोटे प्रतिनिधि के नमूने पर किए जाएंगे। यह लागत की कमी और समय की सीमा के कारण होता है।

यह महत्वपूर्ण है कि नमूनों को सावधानीपूर्वक और संगठनात्मक उद्देश्यों के लिए उचित विचार के साथ चुना जाए।

चरण # 5. जानकारी इकट्ठा करना:

एक बार जब समस्या को परिभाषित किया गया है और प्रक्रियाएं तय हो गई हैं, तो योजनाओं को लागू करना होगा। कार्यान्वयन का पहला चरण सूचना का संग्रह है।

चरण # 6. विश्लेषण और सूचना की व्याख्या:

डेटा एकत्र करने के बाद, इसे सारणीबद्ध और वर्गीकृत किया जाना चाहिए। व्याख्या कार्य में उचित और तार्किक वर्गीकरण सबसे बड़ा मूल्य देता है। इसके अलावा इस तरह के डेटा को कंप्यूटर में प्रयोग करने योग्य प्रारूप में परिवर्तित करना आसान है।

डेटा विश्लेषण प्रक्रिया में दा का अर्थ जानने के लिए उचित सांख्यिकीय तकनीकों का उपयोग शामिल हैटा एकत्र।

विश्लेषण के विभिन्न प्रकार हैं:

(ए) यूनीवार्ता विश्लेषण:

उद्देश्य एक समय में एक चर को देखना है। यह माध्य, माध्यिका, मोड, मानक विचलन आदि जैसी तकनीकों से जानकारी उत्पन्न करने की प्रक्रिया है।

(बी) बीवरिएट विश्लेषण:

जब एक बार में दो चरों की जांच की जाती है, तो इसे Bivariate Analysis के नाम से जाना जाता है। ऐसे उपकरणों में सहसंबंध, प्रतिगमन आदि शामिल हैं।

(ग) बहुभिन्नरूपी विश्लेषण:

एक बार में तीन या अधिक चर का विश्लेषण। इस तरह के विश्लेषण के लिए उपयोग की जाने वाली तकनीकों में कई प्रतिगमन, विचरण विश्लेषण, क्लस्टर विश्लेषण आदि शामिल हैं। डेटा एकत्र करने, सारणीबद्ध करने और विश्लेषण करने के बाद हमें ऐसे निष्कर्ष निकालना चाहिए जो पहले चरण में परिभाषित समस्या से प्रासंगिक हों। व्याख्या डेटा को विशिष्ट अर्थ प्रदान करती है और उन्हें जानकारी में परिवर्तित करने में मदद करती है।

चरण # 7. अनुसंधान रिपोर्ट तैयार करना:

अनुसंधान से निकाले गए निष्कर्ष, सिफारिशें और सुझाव एक संरचित और संगठित रूप में लिखे जाने चाहिए। निष्कर्षों के विस्तृत विश्लेषण द्वारा इन सभी का भी समर्थन किया जाना चाहिए। इस तरह की रिपोर्ट की भाषा स्पष्ट और ठीक से होनी चाहिए।

चरण # 8. सिफारिशों का पालन करें:

अनुवर्ती विपणन अनुसंधान द्वारा की गई सिफारिशों के कार्यान्वयन को सुनिश्चित करेगा। यदि ऐसा नहीं किया जाता है तो सिफारिशें लागू नहीं की जा सकती हैं।

मार्केटिंग रिसर्च कैसे करें - चरण

विपणन अनुसंधान में शामिल चरण निम्नानुसार हैं:

स्टेज # 1। उद्देश्यों को परिभाषित करना:

यह सभी बाजार अनुसंधान का सबसे महत्वपूर्ण चरण है, और जिस पर अनुसंधान को गलत तरीके से किए जाने की सबसे अधिक संभावना है। केवल ग्राहक समस्या क्षेत्र को जान सकता है कि वह अनुसंधान की जांच करना चाहता है या नहीं। हालांकि, समस्या की पहचान एक बड़ी चुनौती हो सकती है। सभी अक्सर, लक्षणों की समस्याओं के लिए गलत होते हैं, और, परिणामस्वरूप, अनुसंधान कार्यक्रमों को विकसित किया जाता है जो पदार्थ के बजाय छाया का पीछा करते हैं।

इस तरह की गलती का एक उदाहरण फेडरल एक्सप्रेस द्वारा यूपीएस को बाजार हिस्सेदारी के नुकसान से बचने के इरादे से किया गया शोध होगा, जब वास्तविक समस्या फैक्स मशीनों के बढ़ते उपयोग की हो सकती है। एक विपणन अनुसंधान विशेषज्ञ ग्राहक के विचारों को एक उपयुक्त ढांचे में अनुवाद करने में मदद कर सकता है। विशेषज्ञता के बिना यह गलत मुद्दे को आगे बढ़ाने या पूर्वाग्रह को पेश करने के लिए बहुत आसान है जो परिणामों को तिरछा करेगा।

उद्देश्यों को स्पष्ट रूप से कहा गया है और अस्पष्ट होने की आवश्यकता है। दूसरी ओर, उन्हें इस मुद्दे को नहीं सुलझाना चाहिए। बाजार अनुसंधान विफल हो जाएगा अगर यह केवल कमीशन संगठन के मौजूदा सिद्धांतों की पुष्टि करने के लिए कहा जाता है। यह उन सवालों के जवाब देने के लिए आयोग की त्रुटियों का परिणाम हो सकता है जो संगठन की अपेक्षा या जवाब देना चाहते हैं।

एक अच्छे बाजार अनुसंधान एजेंसी को ऐसे पूर्वाग्रह का पता लगाना चाहिए और इसे दूर करना चाहिए। चूक की त्रुटियां - प्रमुख प्रश्न कभी नहीं पूछे जाते हैं - से निपटने के लिए अधिक कठिन हैं; यह एक समस्या है कि कुछ बाजार अनुसंधान संगठन यह पता लगाने की स्थिति में हैं कि क्या वे अध्ययन के तहत आने वाले मुद्दों से पूरी तरह परिचित नहीं हैं।

स्टेज # 2. अनुसंधान स्तर का निर्धारण:

शोध के तीन संभावित स्तर हैं- खोजपूर्ण, वर्णनात्मक या कारण। भेदभाव आवश्यक है क्योंकि प्रत्येक स्तर के लिए समय और धन की अलग-अलग प्रतिबद्धताओं की आवश्यकता होती है। इसके अलावा, आपूर्ति किए गए उत्तरों में निगम के लिए अलग-अलग उपयोगिता है, जिसमें मुख्य रूप से सामरिक स्तर पर सामरिक से लेकर सामरिक स्तर पर दीर्घकालिक कारण हैं। प्रत्येक उद्देश्य में योग्यता होती है, जो कॉर्पोरेट जरूरतों के आधार पर होती है, लेकिन फर्म की लंबी अवधि की सफलता के लिए रणनीतिक अंतर्दृष्टि सबसे उपयोगी होती है।

मैं। परक शोध:

अन्वेषणात्मक शोध सबसे उपयुक्त है जब प्राथमिक उद्देश्य समस्याओं की पहचान करना, समस्याओं को अधिक सटीक रूप से परिभाषित करना या कार्रवाई के नए, वैकल्पिक पाठ्यक्रमों की संभावना की जांच करना है। व्याख्यात्मक अनुसंधान संभावित समस्याओं या अवसरों के बारे में परिकल्पना तैयार करने में सहायता कर सकता है जो निर्णय की स्थिति में मौजूद हैं। अक्सर, खोजपूर्ण अनुसंधान आगे की शोध गतिविधि में केवल पहला कदम है।

कुछ हद तक, इसकी तुलना मछली पकड़ने के अभियान से की जा सकती है या बिना पानी के चार्टिंग के लिए की जा सकती है। नए वातावरण, इसके ग्राहकों और इसके आपूर्तिकर्ताओं में प्रारंभिक अंतर्दृष्टि प्राप्त करने के लिए खोजपूर्ण अनुसंधान बहुत उपयोगी हो सकता है। व्याख्यात्मक अनुसंधान को अक्सर महान लचीलापन और बहुमुखी प्रतिभा की आवश्यकता होती है। क्योंकि शोधकर्ता जांच के तहत घटना के बारे में जानकार नहीं है, इसलिए शोध को सार्थक बनाने के लिए नई उभरती परिस्थितियों के अनुकूल होने की आवश्यकता है।

जोर मात्रात्मक डेटा संग्रह के बजाय गुणात्मक पर है, और धीमी गति से जवाब के बजाय त्वरित पर है। यह, ज़ाहिर है, इसका मतलब है कि खोजपूर्ण शोध अधिक सटीक शोध की कठोरता के अधीन कम है और इसलिए कम विश्वसनीय है।

शोधकर्ता के लिए मूल प्रश्न का उत्तर देने में खोजपूर्ण शोध सबसे उपयोगी हो सकता है, "समस्या क्या है?" समस्या को परिभाषित और तैयार करना अक्सर इसके समाधान की तुलना में कहीं अधिक आवश्यक होता है, जो केवल गणित या प्रायोगिक कौशल की बात हो सकती है। यदि मूल शोध उद्देश्य किसी समस्या को परिभाषित करना है या किसी स्थिति के बारे में महसूस करना है या अवलोकन प्रदान करना है, तो खोजकर्ता अनुसंधान समय और धन दोनों के दृष्टिकोण से सबसे उपयुक्त गतिविधि हो सकती है।

ii। वर्णनात्मक अनुसंधान:

वर्णनात्मक अनुसंधान मौजूदा बाजार की घटनाओं के बारे में जानकारी प्रदान करता है। उदाहरण के लिए, बाजार की विशेषताओं जैसे कि ग्राहकों की सामाजिक आर्थिक स्थिति या उनके क्रय इरादे का विश्लेषण किया जा सकता है। इस तरह के शोध का उपयोग अक्सर विपणन घटनाओं की आवृत्ति को निर्धारित करने के लिए किया जाता है, जैसे कि स्टोर पर जाने वाले ग्राहकों की आवृत्ति या मशीनों को प्रतिस्थापित करने की आवश्यकता होती है, और यह जांच करता है कि विपणन चर किस हद तक एक दूसरे से जुड़े हैं।

इस निर्धारण के आधार पर, बाजार में भविष्य की घटनाओं के बारे में भविष्यवाणियां की जा सकती हैं। शोधकर्ता आमतौर पर बाजारों और उपभोक्ता समूहों के बीच समानता और अंतर की तलाश के लिए वर्णनात्मक कार्य का उपयोग करता है। समानताएं तब मानकीकरण के माध्यम से शोषण की जा सकती हैं, और मतभेद एक अनुकूली व्यापार रणनीति बनाने में सहायता कर सकते हैं।

हालांकि खोजपूर्ण अनुसंधान के लिए कई साक्षात्कार पर्याप्त हो सकते हैं, वर्णनात्मक अध्ययन में अक्सर बड़ी मात्रा में डेटा की आवश्यकता होती है क्योंकि अध्ययन के तहत आबादी के सटीक चित्रण की आवश्यकताएं बहुत अधिक कठोर हैं। वर्णनात्मक कार्य करने के लिए, शोधकर्ता को अध्ययन के तहत घटना के बारे में पर्याप्त मात्रा में जानकारी की आवश्यकता होती है। हाइपोथेसिस पूर्व संचित और बाद में संचित डेटा के साथ परीक्षण किए जाते हैं।

अनुसंधान डिजाइन को सावधानीपूर्वक योजनाबद्ध और संरचित करने की आवश्यकता है। वर्णनात्मक अनुसंधान का उद्देश्य सटीकता को अधिकतम करना और व्यवस्थित त्रुटि को कम करना है। शोधकर्ता का लक्ष्य माप प्रक्रिया को यथासंभव यादृच्छिक त्रुटि से मुक्त रखकर विश्वसनीयता को बढ़ाना है। वर्णनात्मक अनुसंधान कार्य-कारण सम्बन्धों के बारे में कोई जानकारी प्रदान नहीं करता है, लेकिन यह आवश्यक रूप से इसके मूल्य से अलग नहीं होता है।

अक्सर, फर्मों में बातचीत के लिए अंतर्निहित कारणों में बहुत कम रुचि होती है और यदि लिंक का वर्णन किया जा सकता है तो वे संतुष्ट हैं। एक उदाहरण के रूप में, एक फर्म को यह जानकर फायदा हो सकता है कि जनवरी में शीतल पेय की बिक्री दिसंबर के स्तर से 30 प्रतिशत कम हो जाएगी। क्या यह विकास कम तापमान से या कम आर्द्रता से परिणाम बहुत कम उपयोगी जानकारी हो सकती है।

iii। कारण अनुसंधान:

कॉसल अनुसंधान बाजार में मौजूद सटीक कारण और प्रभाव संबंधों की पहचान करता है। सटीक का स्तर अन्य प्रकार के अनुसंधानों की तुलना में अधिक है क्योंकि कार्य-कारण के बारे में यथोचित रूप से स्पष्ट निष्कर्ष प्रस्तुत किए जाने चाहिए। इसलिए, कारण अनुसंधान अक्सर समय और वित्तीय संसाधनों के संदर्भ में सबसे अधिक मांग वाला प्रकार है। यह इस बात के लिए उत्तर देने का इरादा रखता है कि चीजें क्यों होती हैं और चर के बीच संबंधों के विवरण को उजागर करने के लिए।

विभिन्न असंबंधित कारकों से कार्य-कारण निकालने के लिए, जांचकर्ताओं को अक्सर अनुदैर्ध्य और प्रायोगिक उपायों का सहारा लेना पड़ता है। अनुदैर्ध्य उपायों, जो समय के साथ दोहराए गए माप हैं, की आवश्यकता होती है क्योंकि अकेले-बाद में माप पूरी तरह से कारण के प्रभाव की व्याख्या नहीं कर सकता है। इसी तरह, कारकों की व्यवस्थित भिन्नता का परिचय देने के लिए अक्सर प्रयोग आवश्यक होता है और फिर इन विविधताओं के प्रभाव को मापता है। शीतल पेय की बिक्री का उदाहरण लें।

यदि कोई एक समय में केवल किसी विशेष ब्रांड की बिक्री को मापता है, तो समय के साथ उपयोग पैटर्न का पता लगाना मुश्किल होगा। बार-बार माप तापमान और वर्ष के समय के प्रभावों को अस्थायी रूप से पहचानने में सहायता कर सकते हैं। हालांकि, रिश्ते को ठीक से समझने के लिए, प्रतिस्पर्धी कीमतों, पदोन्नति और स्टोर शेल्फ स्थान जैसे कारकों के लिए नियंत्रण करना भी महत्वपूर्ण है।

इसलिए, अन्य कारण प्रभावों को साफ करने के लिए प्रयोग की आवश्यकता होती है। जाहिर है, कारण अनुसंधान तभी उपयोगी है जब अनुसंधान उद्देश्य अंतरसंबंधों की पहचान करना है और यदि यह ज्ञान निवेश को सही ठहराने के लिए कॉर्पोरेट निर्णय प्रक्रिया में पर्याप्त योगदान देता है।

वर्णनात्मक अध्ययन विपणन अनुसंधान के विशाल बहुमत का गठन करते हैं। व्याख्यात्मक अनुसंधान को अक्सर बड़े कॉर्पोरेट निर्णयों के लिए एक अपर्याप्त आधार के रूप में देखा जाता है, और कारण अनुसंधान को बहुत अधिक समय लेने, बहुत महंगा, और अपर्याप्त रूप से उचित होने के लिए लाभदायक माना जाता है। निगम ज्यादातर संतुष्ट हैं जब प्रबंधन का मानना है कि बाजार की स्थिति की गहन समझ प्राप्त की गई है और यह उचित भविष्यवाणी संभव है। चूंकि कॉरपोरेट शोध को आमतौर पर इसके निचले-रेखा प्रभाव द्वारा मापा जाता है, इसलिए वर्णनात्मक अध्ययन अक्सर सबसे वांछनीय प्रतीत होते हैं।

स्टेज # 3. अनुसंधान दृष्टिकोण का निर्धारण:

यद्यपि कई अलग-अलग प्रकार के शोध दृष्टिकोण हैं, एक प्रमुख भेदभाव उनके प्रकार की डेटा उपज है, जो या तो गुणात्मक या मात्रात्मक हो सकता है। गुणात्मक दृष्टिकोण सूचित अंतर्दृष्टि और एक घटना की बेहतर समझ हासिल करने का इरादा रखता है - सामान्यता के बारे में बहुत सारे ढोंग के बिना।

मात्रात्मक दृष्टिकोण संख्यात्मक है, जहां शोधकर्ताओं ने सहसंबंधों जैसी जानकारी निकालने के लिए संख्याओं में हेरफेर करने का इरादा किया है। बाद के मामले में, डेटा की प्रतिनिधित्व क्षमता की शर्तों को कम से कम डेटा बिंदुओं के साथ एक साथ (अक्सर यादृच्छिक नमूने के माध्यम से) पूरा किया जाना चाहिए। यदि ये शर्तें पूरी होती हैं तो ही सांख्यिकीय प्रक्रियाएं लागू की जा सकती हैं।

मैं। गुणात्मक शोध:

गुणात्मक डेटा-एकत्रीकरण तकनीकों के प्रकारों में, अवलोकन, गहराई से साक्षात्कार और फ़ोकस समूह सबसे अधिक उपयोग किए जाते हैं।

अवलोकन में प्रतिभागियों को देखना शामिल है क्योंकि वे कुछ गतिविधि करते हैं बस देखते हैं कि क्या होता है। एक सुपरमार्केट में ग्राहक प्रवाह का पैटर्न केवल इसे देखकर सबसे अच्छा निर्धारित किया जाता है (यद्यपि परिष्कृत वीडियो रिकॉर्डिंग और कंप्यूटर विश्लेषण का उपयोग करके डेटा को अधिक सार्थक बनाने के लिए)। अवलोकन उन घटनाओं को समझने में भी मदद कर सकता है जिनका अन्य तकनीकों के साथ आकलन करना मुश्किल था।

उदाहरण के लिए, टोयोटा ने अपने इंजीनियरों और डिजाइनरों के एक समूह को दक्षिणी कैलिफ़ोर्निया में यह देखने के लिए भेजा कि ड्राइवर कैसे अपनी कारों का संचालन और संचालन करें। उन्होंने पाया कि लंबे नाखूनों वाली महिलाओं को दरवाजा खोलने और डैशबोर्ड पर विभिन्न knobs के संचालन में परेशानी होती है। उनकी टिप्पणियों के आधार पर, टोयोटा के शोधकर्ताओं ने ऑटोमोबाइल बाहरी और आंतरिक सुविधाओं में से कुछ को फिर से डिजाइन किया।

गहराई से साक्षात्कार एक घंटे या अधिक समय तक रह सकता है। एक प्रारूप अप्रत्यक्ष दृष्टिकोण है, जिसमें साक्षात्कारकर्ता प्रतिवादी को अर्ध संरचित साक्षात्कार के लिए किसी भी रूप में जवाब देने की अनुमति देता है। जवाबों को पूरी तरह से खुला रखने से, अभिव्यक्ति की स्वतंत्रता अक्सर सच्चे दृष्टिकोण के कम विवश दृष्टिकोण की ओर ले जाती है, लेकिन प्रतिक्रियाओं का विश्लेषण कुशल कर्मियों द्वारा किया जाना चाहिए।

फोकस समूहों में 6-10 प्रतिभागियों के एक चयनित, अपेक्षाकृत सजातीय समूह को उन विषयों पर चर्चा करने के लिए प्रोत्साहित किया जाता है जिनकी शोधकर्ता जांच कर रहे हैं। मॉडरेटर, जो अक्सर एक प्रशिक्षित मनोवैज्ञानिक होते हैं, ध्यान से चर्चा का नेतृत्व करते हैं, यह सुनिश्चित करते हुए कि समूह के सभी सदस्य अपने विचार व्यक्त करते हैं। साक्षात्कारकर्ता की भूमिका अनिवार्य रूप से एक निष्क्रिय है, मुख्य रूप से समूह बातचीत को बढ़ावा देने और समूह में हावी होने वाले किसी भी व्यक्ति को नियंत्रित करने के लिए।

एक फोकस समूह का लक्ष्य प्रतिभागियों के लिए एक अविचलित फैशन में अपने विचारों को विकसित करना है, दूसरों के साथ बातचीत करना और उन्हें उत्तेजित करना है। पूरे सत्र को आमतौर पर बाद में गहन विश्लेषण के लिए टेप या वीडियो पर कैप्चर किया जाता है। यह अक्सर उन अंतर्दृष्टि की अनुमति देता है जो पारंपरिक सर्वेक्षणों में पहले से मौजूद प्रश्नों से छिपी होती हैं।

फोकस समूहों की अवधारणा इस धारणा पर आधारित है कि एक समस्या को साझा करने वाले अन्य लोगों की सुरक्षा के बीच व्यक्ति किसी समस्या के बारे में बात करने के लिए अधिक इच्छुक हैं। फोकस समूह अल्पविरामों को उत्पन्न करने के लिए एक शानदार तंत्र है, जब थोड़ा ज्ञात होता है और इस प्रकार बड़े अनुसंधान परियोजनाओं के पहले चरण को विकसित करने के लिए विशेष रूप से उत्पादक दृष्टिकोण का गठन होता है।

फ़ोकस समूहों को अक्सर उन संगठनों के लिए एक सस्ता और तेज़ विकल्प के रूप में उपयोग किया जाता है, जो पूर्ण पैमाने पर शोध नहीं कर सकते। हालांकि, शोधकर्ता को परिणामों के लिए बहुत अधिक सामान्य महत्व के कारण से सावधान रहना चाहिए - विशेष रूप से किसी भी कथित सांख्यिकीय परिणाम के लिए- क्योंकि गैर-आयामी नमूने किसी भी सांख्यिकीय निष्कर्ष के लिए अनुमति नहीं देते हैं। इसके अलावा, निष्कर्ष शोधकर्ता की व्याख्याओं पर निर्भर हैं। संचार क्षेत्र में हुई प्रगति के साथ, फोकस समूहों को अब इलेक्ट्रॉनिक रूप से संचालित किया जा सकता है, इस प्रकार समय और धन की बचत होती है।

ii। तुलनात्मक शोध:

मात्रात्मक अनुसंधान विश्लेषण में सांख्यिकीय तकनीकों के आवेदन की अनुमति देने के लिए वैज्ञानिक रूप से एकत्र किए गए डेटा बिंदुओं की पर्याप्त संख्या प्रदान करता है। ऐसी तकनीकों का महत्व व्यक्तिगत प्रबंधक और संस्कृति द्वारा भिन्न होता है। कुछ देशों में, उदाहरण के लिए, प्राथमिक जोर रचनात्मक के माध्यम से एक घटना को समझने पर होता है - और कभी-कभी सीमित डेटा की व्याख्या करने की हिम्मत करता है।

दूसरों में, जैसे संयुक्त राज्य अमेरिका, बड़ी मात्रा में डेटा का संचय, परिष्कृत विश्लेषणात्मक प्रक्रियाओं के माध्यम से उनके बाद के हेरफेर और सांख्यिकीय महत्वपूर्ण परिणामों की खोज को अनुसंधान के महत्वपूर्ण घटकों के रूप में देखा जाता है। दृष्टिकोण के बावजूद, कुंजी डेटा का प्रबंधकीय महत्व है, जो परिणामी ज्ञान को संदर्भित करता है जो प्रबंधक को बेहतर निर्णय लेने की अनुमति देता है। विशिष्ट मात्रात्मक अनुसंधान दृष्टिकोण प्रयोग और सर्वेक्षण हैं।

प्रायोगिक अनुसंधान चयनित प्रतिभागियों को विभिन्न उपचारों के लिए उजागर करता है। यह नए उत्पादों के परीक्षण से लेकर विज्ञापनों को देखने और उनकी प्रतिक्रियाओं को मापने तक हो सकता है। सिद्धांत रूप में इस दृष्टिकोण का उपयोग कारण संबंधों को स्थापित करने के लिए किया जा सकता है। व्यवहार में यह अक्सर उत्पादों या विज्ञापन अवधारणाओं की एक श्रृंखला से सबसे अच्छा विकल्प का चयन करने के लिए या अधिक व्यावहारिक रूप से यह जांचने के लिए उपयोग किया जाता है कि पहले से ही चुना गया स्वीकार्य है।

बहुत प्रयोगात्मक अनुसंधान का आधार समूहों के बीच तुलना है। पहले-और-बाद की सेटिंग में, जो सबसे प्रथागत दृष्टिकोण है, विषय को उत्तेजना के संपर्क में आने से पहले और बाद में परीक्षण किया जाता है, आमतौर पर उत्पाद या वाणिज्यिक। उत्पाद या वाणिज्यिक के प्रदर्शन को विषय के लिए किए गए मापों में बदलाव से आंका जाता है, आमतौर पर दृष्टिकोण के संदर्भ में।

इस तरह के दृष्टिकोण के लिए एक उदाहरण उपभोक्ताओं को प्रशासित विभिन्न कोला का स्वाद परीक्षण हो सकता है। विभाजित-रन दृष्टिकोण में, अलग-अलग उत्तेजनाओं को अलग-अलग लेकिन सांख्यिकीय रूप से समकक्ष समूहों पर लागू किया जाता है और परिणामों की तुलना की जाती है। उदाहरण के लिए, केबल टीवी सिस्टम एक ही परीक्षण बाजार शहर में विभिन्न प्रत्यक्ष प्रतिक्रिया विज्ञापनों के प्रसारण की अनुमति देते हैं। इस तरह, विभिन्न विज्ञापनों की प्रभावशीलता को मापा जा सकता है।

सबसे व्यापक रूप से इस्तेमाल किया जाने वाला विपणन अनुसंधान सर्वेक्षण, या प्रश्नावली-आधारित अनुसंधान है। आमतौर पर, यह प्रतिभागियों की आदतों, दृष्टिकोणों, चाहतों, और इसी तरह, बस प्रतिवादी को कई प्रश्न पूछकर खोजा जा सकता है। प्रश्न संरचना को सावधानीपूर्वक और कुशलता से विकसित किया जाना चाहिए। सबसे पहले, प्रश्नों को व्यापक होना चाहिए, क्योंकि पूछे जाने वाले प्रश्न का उत्तर नहीं दिया जाएगा। दूसरा, उन्हें ऐसी भाषा में होना चाहिए, जो प्रतिवादी समझता हो, ताकि उत्तर स्पष्ट और स्पष्ट हो।

शोधकर्ताओं और उनके ग्राहकों द्वारा उपयोग किए जाने वाले कई शब्द, यहां तक कि उनकी रोजमर्रा की भाषा से भी, वे उन उत्तरदाताओं के लिए अपरिचित हो सकते हैं जो वे परीक्षण कर रहे हैं, खासकर यदि उनके उत्तरदाता कम शिक्षित हैं। यहां तक कि प्रोत्साहन जैसे शब्द को लगभग आधी आबादी द्वारा पूरी तरह से समझा जाने की संभावना है। कुंजी सरल शब्दों का उपयोग करके, अस्पष्ट शब्दों और प्रश्नों से बचकर, प्रमुख प्रश्नों को छोड़ कर, और विशिष्ट शब्दों में प्रश्न पूछकर, इस प्रकार सामान्यीकरण और अनुमानों से बचकर प्रश्नों को स्पष्ट रखना है।

शोधकर्ता को प्रश्न सामग्री पर भी पूरा ध्यान देना चाहिए। सवालों के जवाब देने के लिए उत्तरदाताओं की क्षमता और इच्छा को प्रतिबिंबित करना चाहिए। उत्तरदाताओं के लिए उपलब्ध ज्ञान और जानकारी अलग-अलग शैक्षिक स्तरों के कारण पर्याप्त रूप से भिन्न हो सकती है, और इससे प्रश्नों का उत्तर देने की उनकी क्षमता प्रभावित हो सकती है। इसके अलावा, सामाजिक मांग और सांस्कृतिक प्रतिबंध कुछ सवालों के जवाब देने के लिए उत्तरदाताओं की इच्छा को प्रभावित कर सकते हैं।

उदाहरण के लिए, उन देशों में जहां करदाताओं द्वारा कर संग्रह प्रणाली को लगातार हटा दिया जाता है, आय के स्तर के बारे में प्रश्नों को जानबूझकर गलत तरीके से उत्तर दिया जा सकता है। कुछ उत्तरदाताओं के लिए, किसी विशेष प्रश्न का ध्यान संवेदनशील हो सकता है, इसलिए कोई व्यक्ति अप्रत्यक्ष रूप से किसी विषय को संबोधित कर सकता है। उदाहरण के लिए, पूछने के बजाय, 'आप कितने साल के हैं?' कोई पूछ सकता है, "आप किस वर्ष में पैदा हुए थे?"

यह सुनिश्चित करने के लिए कि पूछे गए प्रश्न वैध और सार्थक हैं, उत्तरदाताओं की एक संख्या पर प्रश्नावली का बहाना करना ध्वनि अभ्यास है ताकि एक पूर्ण सर्वेक्षण की लागत आने से पहले संभावित समस्याओं पर बहस की जा सके। प्रश्नावली डिजाइन के संचार तत्व शोधकर्ताओं द्वारा आसानी से भुला दिए जाते हैं - और भ्रम उतना ही है जितना शोध कार्य में पूर्वाग्रह। यह हर समय याद रखने योग्य है कि विपणन एक संवाद के बारे में है - एक दो-तरफ़ा संचार। प्रश्नावली में स्पष्टता और इसके पीछे के विचारों में परिणामों में स्पष्टता द्वारा पुरस्कृत किया जाता है।

प्रश्न असंरचित या संरचित हो सकते हैं। असंरचित प्रश्न उत्तरदाताओं को अपने शब्दों में उत्तर देने की अनुमति देते हैं। हालांकि यह सवाल तय है, अपेक्षित उत्तरों का कोई पूर्व निर्धारित सेट नहीं है। हालांकि, इसका मतलब है, कि सांख्यिकीय रूप से उपयोगी होने के लिए, इसके परिणामस्वरूप उत्तर को बाद में उन समूहों में वर्गीकृत किया जाना चाहिए जो समझ में आते हैं। यह अतिरिक्त लागत लगाता है और इसके लिए आवश्यक है कि परिणामों को कोड करने वाला व्यक्ति समझता है कि प्रतिवादी से गुप्त टिप्पणियों का वास्तव में क्या मतलब है।

ये खुले प्रश्न सरल रूप ले सकते हैं जैसे "आपने ब्रांड A को क्यों खरीदा?" संरचित प्रश्नों के साथ, प्रतिवादी को कई विकल्पों में से चुनने के लिए कहा जाता है, या साक्षात्कारकर्ता को सुनने के लिए कहा जाता है और फिर प्रतिसाद दिए गए उत्तर को स्पष्ट रूप से खुले प्रश्न के एक नंबर के साथ कई पूर्वनिर्धारित उत्तरों के लिए कोड करता है। संरचित प्रश्नों का लाभ यह है कि उत्तरों का विश्लेषण करना आसान है और असंदिग्ध हैं। स्पष्ट नुकसान यह है कि यह प्रतिसादकर्ता को इन सीमाओं के बाहर एक उत्तर देने से रोकता है, हालांकि अक्सर एक विकल्प "अन्य," एक मुक्त रूप स्पष्टीकरण के लिए अनुमति देता है।

संरचित प्रश्नावली में, उत्तरदाताओं से अक्सर प्रश्न पूछे जाते हैं जैसे "आप ब्रांड A को कितनी बार खरीदते हैं?" या "आपने कितना भुगतान किया?" यह कई उत्तरदाताओं के लिए स्मृति के लगभग असंभव करतब की आवश्यकता हो सकती है जब तक कि जांच की जा रही प्रक्रिया बहुत नियमित न हो। इस समस्या को कम करना श्रेणियों का विकास है, जिसे अधिक आसानी से नियंत्रित किया जा सकता है। उदाहरण के लिए, मूल प्रश्न को कई विकल्पों को कवर करने के लिए विस्तारित किया जा सकता है जिसमें से प्रतिवादी को एक या अधिक का चयन करने के लिए कहा जाता है।

इसके अलावा उपयोगी शब्दार्थिक अंतर हैं, जिसमें प्रतिवादी को दो द्विध्रुवी शब्दों या संख्याओं (उदाहरण के लिए, उत्कृष्ट, अच्छा, पर्याप्त, गरीब और अपर्याप्त) के बीच एक पैमाने पर एक स्थिति चुनने के लिए कहा जाता है, या 5 से शक्तिशाली, 1 से कमजोर; )। जैसा कि मूल रूप से ओस्गुड द्वारा विकसित किया गया था, 20 विशिष्ट रेटिंग पैमाने थे। लीकेर्ट द्वारा विकसित स्केलिंग का एक व्यापक रूप से इस्तेमाल किया गया रूप, प्रतिवादी से दर राय के बयानों को मजबूत सहमति, सहमत, न सहमत और न ही असहमत, असहमत और मजबूत रूप से असहमत के रूप में प्रस्तुत किया गया है।

स्टेज # 4. डेटा एकत्र करना:

अनुसंधान के इस चरण में साक्षात्कार की एक सेना अप्रशिक्षित जनता पर उतरती है।

उत्तरदाताओं से संपर्क करने के संभावित तरीकों में से हैं:

मैं। मेल,

ii। टेलीफोन, और

iii। व्यक्तिगत साक्षात्कार।

मैं। मेल:

मेल डेटा संग्रह का सबसे कम खर्चीला समाधान है। बड़े समग्र नमूनों का उपयोग किया जा सकता है, छोटे बाजार समूहों की जांच की अनुमति देता है - विशेष रूप से औद्योगिक बाजारों में - जबकि अभी भी स्वीकार्य सांख्यिकीय स्तरों के भीतर शेष है। लेकिन कई मामलों में एक मेल प्रश्नावली सबसे कम संतोषजनक समाधान है क्योंकि प्रश्नों को सरल और प्रश्नावली को छोटा करना है।

मेल प्रश्नावली को विशेष रूप से अच्छी तरह से डिज़ाइन किया जाना चाहिए ताकि उत्तरदाता को रुचि रखने और जवाब देने के लिए प्रेरित किया जा सके। फिर भी, प्रतिक्रिया की दर कभी-कभी इतनी कम होती है कि परिणामों की सांख्यिकीय वैधता पर सवाल उठाया जा सकता है, क्योंकि यह तर्क है कि गैर-प्रतिक्रियाशील बहुमत उन लोगों से अलग व्यवहार कर सकता है जिन्होंने जवाब दिया है। इस समस्या को कई तरीकों से संबोधित किया जा सकता है।

एक व्यक्ति को सूचित करने से पहले कि वे एक सर्वेक्षण प्राप्त करेंगे, प्रतिक्रिया देने की दर बढ़ाने का प्रयास कर सकते हैं, प्रतिभागियों को पूर्ण प्रश्नावली के बदले में इनाम के कुछ प्रकार की पेशकश करके, या अनुवर्ती मेलिंग आयोजित करके जो गैर उत्तरदाताओं से उनकी भागीदारी के लिए फिर से पूछते हैं। आमतौर पर टेलीफोन के द्वारा नमूनाकरण के गैर-पक्षपाती पूर्वाग्रह को कम करने का प्रयास किया जा सकता है, आमतौर पर टेलीफोन द्वारा, प्रश्नावली को पूरा नहीं करने वालों की सदस्यता पर, यह देखने के लिए कि क्या उनके विचार उत्तर देने वाले से अलग हैं। यदि वे अलग-अलग नहीं हैं, तो यह धारणा बनाई जाती है कि प्रतिक्रिया देने वाले पूरे के रूप में नमूने के प्रतिनिधि हैं।

ii। टेलीफ़ोन:

उत्तरदाताओं से संपर्क करने के लिए एक टेलीफोन का उपयोग करना बहुत तेज़ सर्वेक्षण तकनीक है; परिणाम कुछ ही घंटों में उपलब्ध हो सकते हैं। इसलिए, इस दृष्टिकोण का उपयोग अक्सर जनमत सर्वेक्षण के लिए किया जाता है जहां समय सार का है। यह अपेक्षाकृत सस्ती भी है और इस प्रकार सस्ती भी है। टेलीफोन साक्षात्कार थोड़े समय के लिए ही रह सकते हैं, और प्रश्नों के प्रकार सीमित हैं, खासकर क्योंकि साक्षात्कारकर्ता यह देखने के लिए कि जांच को समझ नहीं पा रहे हैं कि प्रश्न समझ में नहीं आता है। हालांकि, साक्षात्कारकर्ता प्रश्नों का अनुसरण कर सकता है, मुद्दों को स्पष्ट कर सकता है, और पूछताछ के दौरान उत्तरदाता की विशिष्ट स्थिति के लिए संपूर्ण प्रश्नावली को अनुकूलित कर सकता है।

iii। व्यक्तिगत साक्षात्कार:

यह विपणन अनुसंधान के लिए पारंपरिक आमने-सामने का दृष्टिकोण है, और यह अभी भी सबसे बहुमुखी है। साक्षात्कारकर्ता के पास साक्षात्कार का बहुत नियंत्रण होता है और वह प्रतिवादी की शारीरिक भाषा के साथ-साथ उसके शब्दों का भी पालन कर सकता है। हालांकि, यह सबसे महंगा दृष्टिकोण है, और यह साक्षात्कारकर्ता की विश्वसनीयता और कौशल पर बहुत अधिक निर्भर है।

इसका मतलब है कि क्षेत्र अनुसंधान एजेंसी द्वारा प्रदान किए गए पर्यवेक्षण की गुणवत्ता महत्वपूर्ण है। इंटरव्यू लेने वाले साक्षात्कारकर्ताओं से बचने के लिए, प्रतिष्ठित एजेंसियां अपने कर्मियों पर आवश्यक नियंत्रण रखती हैं, आमतौर पर एक फील्ड मैनेजर द्वारा एक सदस्यता के अनुवर्ती आचरण किए जाते हैं।

नमूने:

सभी मात्रात्मक तकनीकों के साथ एक प्रतिनिधि नमूना प्राप्त करना महत्वपूर्ण है, हालांकि स्थानीय परिस्थितियां इस तरह के कार्य को मुश्किल बना सकती हैं। कुछ क्षेत्रों में, विश्वसनीय मेलिंग पते उपलब्ध नहीं हो सकते हैं- उदाहरण के लिए, वेनेजुएला में, अधिकांश घरों की संख्या नहीं है, लेकिन उन्हें "कासा रोजा" या "एल रेटिरो" जैसे नाम दिए गए हैं। मेलिंग सूची मौजूद नहीं हो सकती है, और एक आवास में रहने वालों की संख्या के बारे में केवल सीमित रिकॉर्ड उपलब्ध हो सकते हैं।

टेलीफोन स्वामित्व को अध्ययन के तहत आबादी के बीच असमान रूप से वितरित किया जा सकता है, या कुछ उपसमूहों में दूसरों की तुलना में अधिक असूचीबद्ध संख्या हो सकती है। जब गोपनीयता कानून यादृच्छिक डायलिंग पर रोक लगाते हैं, तो शोध निष्कर्षों में महत्वपूर्ण समूहों का प्रतिनिधित्व नहीं किया जा सकता है।

नमूने का मूल सिद्धांत यह है कि कोई व्यक्ति पूरी आबादी का प्रतिनिधि चित्र प्राप्त कर सकता है - लोगों के कुल समूह की जांच की जा रही है - केवल एक छोटे से उपसमूह को देखकर। यह जानकारी प्राप्त करने का एक बहुत ही लागत प्रभावी तरीका है। परिणामों की सटीकता को समझने के संदर्भ में नमूने महत्वपूर्ण हैं। वे काम की गुणवत्ता का एक अच्छा संकेत भी देते हैं।

सटीकता की गारंटी देने के लिए, किसी भी सम्मानजनक बाजार अनुसंधान के लिए उत्तरदाताओं को सांख्यिकीय रूप से मान्य नमूना पेश करने के लिए चुना जाना चाहिए, जो वैध सांख्यिकीय विश्लेषणों की अनुमति देता है। विशिष्ट तरीके जिसमें एक नमूना चुना जाता है, यादृच्छिक दृष्टिकोण और कोटा दृष्टिकोण है।

1. यादृच्छिक नमूने शास्त्रीय रूप से सही विधि है। सैंपल की जाने वाली कुल आबादी की एक सूची को सैंपल का चयन करने के आधार के रूप में उपयोग किया जाता है, सबसे कठोरता से यादृच्छिक संख्याओं की तालिकाओं का उपयोग करके, लेकिन सबसे अधिक हर "एनटी" नाम का चयन करके। कुछ सौ के रूप में नमूने के साथ सटीकता की एक उचित डिग्री प्राप्त की जा सकती है। कभी-कभी बहुत बड़े समग्र नमूनों का उपयोग छोटे उपसमूहों को देखने के लिए भी किया जाता है।

एक वैकल्पिक और सस्ता तरीका क्लस्टर सैंपलिंग है, जो सही तरीके से नियोजित होने पर थोड़ी सटीकता खो सकता है। इसमें यादृच्छिक आधार पर साक्षात्कार के लिए जिलों का चयन करना शामिल है। इन जिलों के भीतर उत्तरदाताओं को बेतरतीब ढंग से निर्दिष्ट किया जा सकता है या "बेतरतीब ढंग से चलना" (जो कि किसी दिए गए सड़क पर हर दसवें घर को क्वेरी करके) द्वारा यादृच्छिक रूप से अर्ध प्राप्त किया जा सकता है। एक स्तरीकृत नमूने के मामले में मूल आबादी को कुछ पैरामीटर-आयु द्वारा वर्गीकृत किया जाता है, उदाहरण के लिए - और यादृच्छिक नमूने इनमें से प्रत्येक स्ट्रैट से खींचे जाते हैं।

यह विधि सुनिश्चित करती है कि वैध सांख्यिकीय विश्लेषणों की अनुमति देने के लिए इन उप-नमूनों में से प्रत्येक में पर्याप्त संख्या में हैं।

यादृच्छिक नमूनों का लाभ यह है कि वे सांख्यिकीय रूप से अनुमानित हैं। मूल सूचियाँ कितनी व्यापक हैं, इस पर किसी भी प्रश्न के अलावा, वे तिरछा या पक्षपाती होने की संभावना नहीं है। फिर भी, खराब नियंत्रित अनुसंधान के परिणाम खराब नमूने द्वारा पक्षपाती हो सकते हैं। यह अपर्याप्त कवरेज के कारण हो सकता है, जो समग्र आबादी की अपूर्ण सूचियों के कारण है। गैर-उत्तरदाताओं के उच्च अनुपात के कारण यह अधिक संभावना है।

यह मानना होगा कि उनकी प्रतिक्रियाएँ उन लोगों से भिन्न होती हैं जिन्होंने प्रतिक्रिया दी, जिसके परिणामस्वरूप उत्तरदाताओं के विशेष समूहों को ओवरप्रेट किया जाता है। जो भी परिस्थितियां, आंकड़े, विशेष रूप से उन आत्मविश्वास की डिग्री से संबंधित हैं जिन्हें परिणामों पर रखा जा सकता है, आसानी से लागू होते हैं।

सांख्यिकीय सिद्धांत मानता है कि परिणाम एक सामान्य वितरण का पालन करेंगे, एक सममित घंटी के आकार का वक्र का वर्णन करने के लिए एक विशेष सांख्यिकीय अर्थ में सामान्य रूप से उपयोग किया जाएगा (चित्र 5.3 देखें)। इन परिस्थितियों में, वक्र के मध्य भाग से विचलन का सांख्यिकीय मौका, मानक त्रुटि द्वारा दिया जाता है। सांख्यिकीय रूप से, इसका मतलब है कि किसी भी परिणाम का 68 प्रतिशत मतलब की एक मानक त्रुटि के भीतर होगा, और दो मानक त्रुटियों के भीतर 95 प्रतिशत।

मानक त्रुटि के लिए सूत्र (SE) है:

जहां पी जनसंख्या का प्रतिशत है, जिसमें विशेषता को मापा जा रहा है और नमूना आकार है। इस प्रकार यदि 10,000 घरों को नमूने में शामिल किया गया है और हम पाते हैं कि उनमें से 10 प्रतिशत हमारे द्वारा मापे जा रहे व्यवहार को रिकॉर्ड करते हैं, तो हम गणना कर सकते हैं कि -

यह हमें यह कहने में सक्षम करेगा कि हम 68 प्रतिशत आश्वस्त थे कि परिणाम 9.7 और 10.3 प्रतिशत के बीच है, और 95 प्रतिशत आश्वस्त हैं कि यह 9.4 और 10.6 प्रतिशत के बीच था। यदि, दूसरी तरफ, नमूना सिर्फ 400 था, तो जिस सीमा के भीतर हम 95 प्रतिशत आश्वस्त हो सकते हैं, उसे बहुत व्यापक (7 से 13 प्रतिशत के बीच-मानक त्रुटि के रूप में तब 1.5 प्रतिशत होगा) की आवश्यकता होगी। इसलिए, यह स्पष्ट है कि क्यों नमूना आकार अक्सर 1,000 उत्तरदाताओं तक पहुंचते हैं।

2. कोटा के नमूनों का उद्देश्य स् थानों के लिए एक सुस्पष्ट कोटा से मिलान करने के लिए साक्षात्कारकर्ताओं को भर्ती करने के लिए कहकर स्तरीकृत यादृच्छिक नमूनों के समान प्रभाव प्राप्त करना है। यह गारंटी देने वाला है कि समग्र नमूना समग्र रूप से जनसंख्या का लगभग प्रतिनिधि क्रॉस-सेक्शन है।

उदाहरण के लिए, साक्षात्कारकर्ता को निर्दिष्ट आयु और सामाजिक श्रेणियों से मेल खाने के लिए कुछ उत्तरदाताओं की संख्या का चयन करने की आवश्यकता हो सकती है। यह तकनीक स्पष्ट रूप से पूर्वाग्रह के अधीन हो सकती है, क्योंकि साक्षात्कारकर्ता केवल अधिक सुलभ उत्तरदाताओं का चयन करते हैं और आबादी के अधिक मायावी तत्वों को बाहर करते हैं। सख्त सैद्धांतिक अर्थों में, इन आंकड़ों के लिए सांख्यिकीय परीक्षण लागू करना अनुचित है।

हालांकि, यादृच्छिक नमूनों का उपयोग करने की तुलना में कोटा नमूनाकरण काफी सस्ता है, और इसलिए यह वाणिज्यिक अनुसंधान के लिए अक्सर उपयोग किया जाने वाला एक दृष्टिकोण है। अपनी स्पष्ट सैद्धांतिक कमियों के बावजूद, यह अक्सर अच्छी तरह से काम करता है। जैसा कि कोटा नमूनाकरण की गुणवत्ता सीधे साक्षात्कारकर्ता की गुणवत्ता पर निर्भर करती है, यह लागत बचत को प्राप्त करने के लिए गुणवत्ता का त्याग करने की सबसे अधिक संभावना है। यदि खराब तरीके से नियंत्रित किया जाता है, तो यह सब आसानी से "सुविधा नमूनाकरण" में बदल सकता है या किसी भी मानक द्वारा नमूने का वास्तविक रूप नहीं है, जो सबसे आसान है, का साक्षात्कार करना।

बड़े नमूनों की ड्राइंग उपभोक्ता बाजार अनुसंधान में अपेक्षाकृत आसान है, क्योंकि आमतौर पर बड़ी संख्या में उपभोक्ता उपलब्ध हैं। नमूनाकरण का आवेदन एक औद्योगिक बाजार सेटिंग में कम आसान है। एक चरम पर, उद्योग स्वयं इतना छोटा हो सकता है कि एक सर्वेक्षण सभी ग्राहकों को कवर करेगा- इसलिए एक जनगणना बन जाता है। इस छोटी आबादी के कारण, प्रतिक्रिया करने की व्यक्तिगत इच्छा में समस्याएं हो सकती हैं, क्योंकि समग्र डेटा भी एक विशिष्ट फर्म के डेटा का खुलासा कर सकता है।

बड़े उद्योगों में, कुछ उद्योग के नेताओं के साथ, सूचना अनुरोध अधिभार की समस्या भी हो सकती है। उदाहरण के लिए, फॉर्च्यून 500 सूची की फर्मों को अक्सर एक सप्ताह में सैकड़ों प्रश्नावली प्राप्त होती हैं और इसलिए अब वे सर्वेक्षण अनुसंधान में भाग लेने में सक्षम और तैयार नहीं हैं। इसके अलावा, यह सुनिश्चित करना मुश्किल है कि एक मेल प्रश्नावली, उदाहरण के लिए, वास्तव में इच्छित प्राप्तकर्ता तक पहुंचती है।

अक्सर ऐसे अनुसंधान उपकरणों को या तो एक द्वारपाल द्वारा जांचा जाता है या उन व्यक्तियों द्वारा प्रतिक्रिया दी जाती है जिन्हें अध्ययन के तहत घटना के बारे में अच्छी जानकारी नहीं है। जब तक एक विशेष पंक्ति की जांच का सवाल प्रश्नावली के औद्योगिक प्राप्तकर्ता के लिए विशेष महत्व नहीं है, प्रतिक्रिया की इच्छा कम हो जाती है। कम प्रतिक्रिया दरें, बदले में, परिणामों की वैधता पर संदेह करती हैं। हालांकि, प्रौद्योगिकी फिर से बचाव में आती है- कम से कम क्षण भर में। ई-मेल सर्वेक्षणों को कम लागत पर, और सटीक उत्तरदाता को सटीक रूप से प्रशासित करने की अनुमति देता है।

स्टेज # 5. परिणामों का विश्लेषण:

एकत्रित आंकड़ों का विभिन्न तरीकों से विश्लेषण किया जा सकता है। तेजी से, विश्लेषकों ने सतही परिणामों के माध्यम से कटौती करने के लिए उपलब्ध विशाल कंप्यूटिंग शक्ति का उपयोग किया। इन विभिन्न तकनीकों का गणित इस पुस्तक के दायरे से परे है; व्यावहारिक कौशल की आवश्यकता है कि उन्हें लागू करने के लिए सबसे अच्छा विशेषज्ञ ढूंढना और यह जानना कि उसके फैसले पर कितना भरोसा करना है।

बेशक, शोधकर्ता को उपलब्ध सर्वोत्तम उपकरणों का उपयोग करना चाहिए और विश्लेषण के लिए उपयुक्त होना चाहिए। दूसरी ओर, शोधकर्ताओं को गैर-परिष्कृत डेटा के लिए अत्यधिक परिष्कृत उपकरणों का उपयोग करने के खिलाफ सावधानी बरतनी चाहिए। यहां तक कि सबसे अच्छे उपकरण डेटा गुणवत्ता में सुधार नहीं करेंगे। इसलिए, डेटा की गुणवत्ता विश्लेषणात्मक उपकरणों की गुणवत्ता के साथ मेल खाना चाहिए।

चिकित्सकों द्वारा उपयोग किए जाने वाले अधिक लोकप्रिय विश्लेषणात्मक उपकरणों के कुछ उदाहरणों में कई प्रतिगमन विश्लेषण, कारक विश्लेषण, क्लस्टर विश्लेषण और संयोजन विश्लेषण शामिल हैं। वे सभी डेटा के भीतर आम तत्वों या कनेक्शन की पहचान करने के लिए सेवा कर सकते हैं। डेटा को संबंधित चर में समूहित करके, ये तकनीक डेटा सेट के दायरे को कम करती है और समूहों के बीच मजबूत अंतर को प्राप्त करती है, जो बदले में बाज़ारिया को उनमें से प्रत्येक पर बेहतर ध्यान केंद्रित करने की अनुमति देता है।

स्टेज # 6. फाइंडिंग रिपोर्ट करना:

अंतिम शोध चरण परिणामों को प्रसारित करना है। इस प्रक्रिया को और अधिक प्रयास की आवश्यकता हो सकती है, और अधिक महत्वपूर्ण हो सकता है, साधारण लिपिक कार्य की तुलना में यह सतही लगता है। एक बात के लिए, किसी को उन लोगों की पहचान करने की आवश्यकता है जिनके लिए परिणाम उपयोगी हैं। समान रूप से महत्वपूर्ण, रिपोर्ट की भाषा को अलग-अलग दर्शकों के लिए "अनुवादित" होने की आवश्यकता हो सकती है; बहुत कम प्रबंधक बाजार अनुसंधान की विस्तृत शब्दावली के बारे में परवाह कर सकते हैं।

इससे कुछ समस्याएँ हैं। सरलीकरण की प्रक्रिया के परिणामस्वरूप कुछ अर्थ का नुकसान या परिवर्तन हो सकता है। शीर्ष प्रबंधन के लिए प्रस्तुति में एक पसंदीदा दृष्टिकोण शुष्क आंकड़ों को बढ़ाना है जो पहले से ही संदिग्ध पेटेंट से शब्दशः उद्धरण के साथ काफी सरल हो गए हैं। रहस्यमय प्रतीकों और नीरस तालिकाओं के बजाय, प्रत्यक्ष उद्धरण हैं जिनमें विश्वसनीय लोग अपने विचारों को लंबाई में और अपने स्वयं के शब्दों में देते हैं।

कई ग्राहकों के लिए यह दुनिया की बनावट है। यहां विशेष खतरा यह है कि बाजार अनुसंधान कौशल में बिना किसी बदलाव के वरिष्ठ प्रबंधन को केवल उबाऊ आंकड़ों (विशेषकर जो उनके मौजूदा पूर्वाग्रहों को मजबूत करता है) को उबाऊ आंकड़ों के बजाय याद रखेगा।

कई प्रबंधक खुद को शोध रिपोर्टों के प्राप्त अंत पर पाते हैं, फिर भी ऐसी रिपोर्टों की समझ बनाने के लिए आवश्यक कौशल में खराब प्रशिक्षित होते हैं। परिणामस्वरूप, वे संबंधित निष्कर्षों को अनजाने में पढ़ते हैं, स्वीकार करते हैं या कभी-कभी उन्हें अंकित मूल्य पर अस्वीकार करते हैं, आमतौर पर वे शोधकर्ता जो उन्हें प्रस्तुत करते हैं या क्या ये परिणाम उनके स्वयं के पूर्वाग्रहों की पुष्टि करते हैं, के आधार पर।

एक रिपोर्ट के मूल्यांकन में, कई प्रारंभिक दिशानिर्देशों को ध्यान में रखा जाना चाहिए:

(i) प्रासंगिकता:

सौभाग्य से, प्रासंगिकता को आमतौर पर सारांश के माध्यम से त्वरित स्कैन से घटाया जा सकता है, यह समझ के साथ युग्मित किया जाता है कि रिपोर्ट कहां से आई है और इसे क्यों बनाया गया था।

(ii) विश्वसनीयता:

शायद सबसे महत्वपूर्ण सवाल है, लेकिन कम से कम अक्सर पूछा जाता है कि रिपोर्ट किए गए परिणाम कितने विश्वसनीय हैं। उन पर और शोधकर्ताओं और विशेषज्ञों के निर्णय पर क्या वजन डाला जा सकता है जो निष्कर्षों के आधार पर कार्रवाई करने की सिफारिश कर रहे हैं? यहां कोई भी कार्यप्रणाली की जांच कर सकता है, जैसे कि प्रश्नावली और नमूना डिजाइन, क्योंकि यह काम की गुणवत्ता का सबसे अच्छा संकेत देने की संभावना है, या शोधकर्ता के पिछले प्रदर्शन और प्रतिष्ठा पर विचार करता है।

(iii) सटीकता:

यह स्थापित करने के बाद कि सामग्री प्रासंगिक और विश्वसनीय दोनों है, उपरोक्त चरण इसकी सटीकता निर्धारित करने के लिए है। सब भी अक्सर सटीकता एक तकनीकीता है जो घने परिशिष्ट में गहरे दफन है जो कभी भी सामान्य पाठक तक नहीं पहुंचती है। सटीकता विश्वसनीयता के समान नहीं है। जब तक इसकी अनुमति है, कम सटीकता निर्णय लेने में काफी विश्वसनीय और उपयोगी हो सकती है। समस्या यह स्थापित करना है कि सटीकता को क्या सहन किया जा सकता है।

विपणन अनुसंधान में उत्तर आम तौर पर नमूना आकार से घटाया जा सकता है। यदि नमूना आकार 500 से अधिक है, तो परिणाम 2 से 3 प्रतिशत के भीतर सटीक होने की संभावना है। यदि नमूना 1,000 से अधिक है, तो यह 1 प्रतिशत के भीतर सटीक हो सकता है। 100 से नीचे, हालांकि, तथाकथित मात्रात्मक अनुसंधान के अधिक संदिग्ध टुकड़ों में से किसी भी सांख्यिकीय सटीकता लगभग कोई भी उल्लेखनीय नहीं हो सकती है। फिर भी, इस तरह के शोध के कुछ गुणात्मक पहलू अभी भी काफी सार्थक हो सकते हैं।

(iv) पूर्वाग्रह:

अधिकांश शोध रिपोर्टों में पूर्वाग्रह होते हैं, चाहे वे चेतन हों या अचेतन। यहां तक कि सबसे पेशेवर शोधकर्ता के लिए अपने सभी पूर्वाग्रहों को दूर करना बहुत मुश्किल है। आपको यह जानकर आश्चर्य होगा कि सामग्री में अभी भी विकृति के कुछ तत्व हैं। यह पूर्वाग्रह बिना मूल्य के नहीं हो सकता है - सबसे अच्छा शोध एक मजबूत थीसिस के साथ शुरू होता है जैसा कि पाया जा सकता है। यद्यपि यह अनिवार्य रूप से परिणामों को रंग देगा, यह भी सुनिश्चित करता है कि अनुसंधान केंद्रित है और जब तक कि आप ध्यान या पूर्वाग्रह क्या हैं, तब तक यह सुनिश्चित करता है कि अर्थपूर्ण अंतर्दृष्टि समर्थक हैं।