Según el número de variables a analizar se definen varios niveles de análisis de datos:

(1)

W W W . N E T Q U E S T . C O M

 Univariante

 Bivariante

 Multivariante

Univariante

Se toma en cuenta cada una de las variables pudiendo extraer las siguientes informaciones según sea el nivel de medición de cada variable:

 Frecuencia absolutas y relativas (%)

 Estadísticos (media, mediana, moda, rango, desviación típica, error, índice de multipiclidad, etc.)

Netquest ofrece a todos sus clientes, y para todos sus estudios, este nivel de análisis totalmente gratuito, a través de la consulta del link de seguimiento de la encuesta.

Nuestra herramienta permite conocer las frecuencias para cada pregunta y graficar dicha información de forma sencilla, rápida y online.

En el argot propio de nuestra actividad, esta información también se conoce como Top Line.

Bivariante

Este nivel de análisis se define por la creación de tablas, considerando dos variables, una en las filas de la tabla y otra u otras en la cabecera de la misma. Esperando que el resultado sea de interés para el proyecto en estudio.

Para poder realizarlo el Departamento de Proceso de Datos de Netquest necesita recibir un Plan de Tabulación que contenga los detalles de la explotación del estudio.

El Plan de Tabulación debe contener las siguientes informaciones:

TIPO DE OUTPUT. Indicar que tipo de salida se espera con las tablas (un documento excel, word o pdf) y con que tipo de informacion:

 Frecuencias absolutas

 Frecuencias relativas (% verticales)

 Frecuencias relativas con significaciones (T-Student y Ji-Cuadrado al 95% de confianza)

(2)

CABECERAS. Aquellas variables que el analista cree que segmentará el estudio aportando valor a su análisis. Típicamente se consideran las variables sociodemográficas (Sexo, Edad, Región, Habitat, Clase Social, etc), así como otras según el tipo de estudio (tipo de consumidor, marca conocida, marca consumida, producto probado, producto preferido, etc.)

Para determinados proyectos se realizan varias agrupaciones de variables, es decir, varias cabeceras, para cruzar con distintos bloques del estudio.

FILAS. Contiene todas las variables del estudio con los detalles específicos para cada una de ellas.

Nombre de la variable (P1, P2, P3…)

Texto de la variable que queremos aparezca en tablas. Puede ser el texto exacto que aparece en el cuestionario o un resumen. Por ejemplo, “Digame que marcas conoce de bebidas refrescantes” o “Conocimiento espontaneo”

Base de la pregunta. Si la pregunta no se preguntó a todos los encuestados, se indica cual es el filtro usado en la pregunta. Por ejemplo, “Conocen la marca (P1=1)”

Comentarios. Indica las opciones especiales para cada una de las preguntas. Por ejemplo,  Realizar un NET que sea la suma lógica de algunos ítems de la pregunta

o ALGUNO - contenga si han mencionado alguno de los productos por los que se preguntan.

o DANONE – que contenga todos los productos que sean de dicha marca o Etc.

 Si es una pregunta de escala, realizar T2B (top two box, suma de los dos puntos mas altos de la escala), B2B (bottom two box, los dos mas bajos), así como la Media y la Desviación, dando los pesos correspondientes a cada elemento de la pregunta Me gusta mucho – 5 Me gusta – 4 Ni me gusta ni me disgunta – 3 No me gusta – 2 Me disgusta mucho – 1 T2B – 4+5 B2B – 1+2

(3)

Cabecera. Normalmente todas las cabeceras se cruzan con todas las filas, pero para algunos estudios hay partes específicas del estudio que se explotan con unas cabeceras distintas al resto.

PONDERACIÓN. Si queremos equilibrar el estudio por alguna o algunas variables deberá indicarse.

La información puede darse tanto en valores absolutos como en relativos. Por ejemplo, Sexo – 50% mujeres / 50% hombres

Clase social – 10% alta / 60% media / 30% baja

Nesquest pone a disposición de sus clientes toda su experiencia para ayudarles a realizar procesos de ponderación, así como documentación específica donde se explican los principales conceptos relacionados con este procedimiento (Eficiencia de la ponderación, Error muestral ponderado, etc.)

Al final de este documento adjuntamos una plantilla de Plan de Tabulación a modo de ejemplo, aunque cada analista tiene su propio estilo, tanto en el tipo de documento (word, excel, pdf,etc.), como en el contenido. Se trata de una sugerencia.

Netquest presta servicios de tabulación a sus clientes, ayudando a los mismos en la construcción del Plan de Tabulación en caso de duda. La salida estándar son ficheros excel con las tablas con frecuencias absolutas, relativas (%verticales) y relativas con significación (T-Student y Ji-Cuadrado al 95% de confianza). Nos adaptamos a cualquier necesidad distinta a nuestro formato.

Anexo a este documento aparece un ejemplo de tablas.

MULTIVARIANTE

Si se requiere realizar análisis más complejos que el cruce de dos variables, entonces hablamos de usar técnicas multivariantes (Factorial, Cluster, Segmentación, Conjoint, etc).

Netquest tiene es su portfolio un buen número de análisis, situándose al lado del cliente para aconsejarle en la elección y ejecución de los mismos para ajustarse al objetivo buscado. Las herramientas usadas para realizar estos análisis son SPSS, XLSTAT y programación propia. Existen muchos análisis distintos y muchas formas de clasificarlos. A continuación ofrecemos una clasificación según el tipo de variables a considerar.

(4)

No No Si Si Varias Una Si No ¿Son algunas variables dependientes de las otras?

Métodos descriptivos o de interdependencia

Tipos de variables tratadas Cuantitativas Cualitativas Ordinales Nominales Análisis Factorial de Componentes Principales Escalas Multi-dimensionales métricas Análisis Tipológico Escalas Multidimen-sionales No Métricas Análisis de Correspondencia

Métodos explicativos o de dependencia

Número de variables a explicar ¿Es cuantitativa? ¿Las variables explicativas son cuantitativas? Regresión lineal Análisis de la varianza Detector automático de interacciones Análisis Discriminante Conjoint Analysis Regresión logística Correlación canónica Modelos estructurales Análisis Múltiple de la varianza (MANOVA) Análisis Discriminante Múltiple Modelos Loglineales ¿Las variables explicativas son cuantitativas? ¿Las variables explicativas son cuantitativas? ¿Las variables explicativas son cuantitativas? ¿Son cuantitativas? No Si No Si No Si No Si

(5)

WWW.NETQUEST.COM

Plantilla Plan De Tabulación

INDICACIONES GENERALES

Se requieren tablas en formato Excel con frecuencias Absolutos, %Verticales y %Verticales con significación (95% de confianza) El estudio debe ponderarse por las siguientes variables:

Sexo – 50% mujeres / 50% hombres

Clase social – 10% alta / 60% media / 30% baja

CABECERAS

CABECERA PREGUNTA ITEM DEFINICION

1 Sexo Hombre F0 = 1

Mujer F0 = 2

Edad 20 a 24 años F1 = 1

25 a 39 años F1 = 2

40 a 55 años F1 = 3

Clase Social Alta F2 = 1+2

Media F2 = 3 Baja F2 = 4+5 … 2 Cliente Marca XX Si P1 = 1 No P1 ≠ 1 Compra Categoria Si P2 = 1 No P2 ≠ 1

Compra Marca XX Si P2 = 1 & P3 = 1

No P2 = 1 & P3 ≠ 1

… …

(6)

WWW.NETQUEST.COM FILAS

PREGUNTA TEXTO BASE COMENTARIO CABECERAS

F0 Sexo Total 1,2

F1 Edad Total 1,2

F2 Clase Social Total Alta = 1+2 / Media = 3 / Baja = 4+5 1,2

…

P1 Cliente Marca XX Total 1,2

P1A Motivos no es cliente No es cliente(P1 ≠ 1) Net ALGUNO (alguna mención)

Media de menciones o índice de multiplicidad

1,2

P2 Compra Categoria Total 1,2

P2a Motivos no compra categoria No compra (P2 ≠ 1) 1,2

P3 Compra Marca XX Compra categoria

(P2 = 1)

1,2

P4 Motivos compra marca XX Compra categoria

(P2 = 1)

1,2

P5 Valoracion marca XX Compra categoria

(P2 = 1)

T2B, B2B, Media y desviación. Usar pesos como se define en el cuestionario

1,2 …