Enquêtes analyseren

De resultaten van uw online enquêtes zijn binnen. Nu gaat u de enquêtegegevens analyseren en de data omzetten in nuttige informatie die u in de praktijk kunt brengen. In dit artikel treft u het hele traject aan: uw enquêtegegevens opschonen, de cijfers samenvatten, open feedback koppelen en een duidelijk verhaal opstellen voor belanghebbenden.

U leert wat enquête-analyse is, de verschillende typen enquêtegegevens waarmee u te maken kunt krijgen en we geven u zes stappen voor het uitvoeren van effectieve analyses van enquêtegegevens.

Enquête-analyse is het proces waarbij onbewerkte enquêtegegevens worden omgezet in inzichten die u kunt uitvoeren. Het is gericht op patronen, trends en relaties in uw reacties, en gebruikt beschrijvende methoden (zoals aantallen, percentages en gemiddelden) en inferentiële methoden (zoals correlaties en significantietests) om enquêteresultaten te interpreteren en beslissingen te onderbouwen.

Een goede analyse van enquêtegegevens begint met de intentie. De meeste enquêtes combineren namelijk gesloten vragen met open feedback. Als u de enquête-analyse met een plan benadert (duidelijke doelen, een kleine set met de belangrijkste vragen en een idee van wie de resultaten nodig heeft), dan kunt u gemakkelijker beslissen hoe u de enquêteresultaten analyseert en welke output het belangrijkst is.

Verder lezen: Hoe u met een plan voor enquête-ontwerp en gegevensanalyse betere inzichten verzamelt

De vragen die u stelt in een enquête corresponderen rechtstreeks met de vorm van de gegevens die u ontvangt. De gegevens kunnen kwantitatief of kwalitatief zijn. 

Kwantitatieve data zijn numerieke reacties op gesloten vragen. Zo staan de scores bij een enquête voor de Net Promoter Score® (NPS) op een schaal van 0 tot en met 10. Deze scores kunnen worden geteld, u kunt een gemiddelde nemen en u kunt ze vergelijken met andere groepen of met het verloop van tijd.

Voorbeeld van een enquêtevraag: Hoe waarschijnlijk is het dat u dit bedrijf aan vrienden of collega's aanbeveelt (0-10)?

Met numerieke gegevens kunt u heel goed de voortgang in de loop van de tijd bijhouden. Maar als u inzicht wilt in waarom iemand een bepaalde reactie heeft gegeven, is een vervolgvraag die kwalitatieve gegevens oplevert een prima idee.

Kwalitatieve gegevens zijn open reacties waarin deelnemers hun reacties in hun eigen woorden uitleggen. Deze antwoorden bevatten de drijfveren, knelpunten en context achter de scores.

Voorbeeld van een enquêtevraag: ‘Wat is de belangrijkste reden voor uw score?’

Zodra de reacties binnenstromen, ziet u al gauw door de bomen het bos niet meer. Met deze zes stappen kunt u de analyse van uw enquêtegegevens gemakkelijk herhalen. U weet wat het belangrijkst is, brengt structuur aan in uw enquêtegegevens en stelt een verhaal op dat nauwkeurig, eerlijk en gemakkelijk uit te voeren is voor stakeholders.

Voordat u begint met enquêteanalyse, moet u ervoor zorgen dat uw enquêtegegevens bruikbaar zijn. Het opschonen van uw enquêtegegevens betekent dat u beslist welke respondenten u wilt uitsluiten van uw analyse. U verwijdert reacties met een lage kwaliteit en dubbele reacties.

Sommige invullers van uw enquête hebben mogelijk maar een kleine selectie van uw totale aantal vragen beantwoord, terwijl anderen uw enquête misschien snel hebben ingevuld zonder over hun antwoorden na te denken. Al deze gevallen leveren gegevens met een lage kwaliteit op, wat van invloed kan zijn op de nauwkeurigheid van uw uiteindelijke resultaten.

Met een kwaliteitsanalyse van reacties kunt u enquêtereacties identificeren die niet aan uw criteria voldoen. Als u bijvoorbeeld gegevens verzamelt die betrekking hebben op het klantgevoel, is een reactie van iemand die geen klant is niet nuttig.

Als u uw enquêtegegevens gereedmaakt voor analyse door ze leesbaar, consistent, opgemaakt en gesorteerd te maken, beschikt u over een opgeschoonde en overzichtelijke gegevensset voor het uitvoeren van analyses.

Geweldige enquêteonderzoeksvragen vormen de basis voor uw enquête. Deze vragen hebben betrekking op de onderzoeksdoelstellingen die u had moeten stellen bij het opstellen van een enquêtedoel.

Voordat u dieper in uw gegevens duikt, moet u beginnen met de belangrijkste enquêtevraag. Als uw vraag bijvoorbeeld was: "Zou u geïnteresseerd zijn in het kopen van dit nieuwe product?" dan begint u met de volgende tabel met resultaten.

Zou u dit product kopen als het vandaag verkrijgbaar was?

Zoals u kunt zien, heeft de overgrote meerderheid van de mensen positief gereageerd. Nu kunt u doorgaan met het verzamelen van gegevens uit andere vragen om meer informatie over dit product te verzamelen.

Bredere enquêtevragen op algemeen niveau helpen u de belangrijkste meningen en ideeën te vinden in uw gegevens. Zodra u deze basis hebt gelegd, kunt u doorgaan met de meer ingewikkelde onderdelen van de gegevensanalyse om te reageren op uw onderzoeksvragen. 

Vaak is het opsplitsen van gegevens een van de beste manieren om ze beter te begrijpen. Met kruistabellen kunt u uw gegevens op basis van gedeelde kenmerken in kleinere groepen verdelen. Filter bijvoorbeeld de gegevens op enquête-invullers met een specifieke achtergrond. U kunt filteren, vergelijken en regels maken om gegevens voor elk gebruikerssegment te analyseren.

Gegevensfilters vormen een krachtige manier om uitgebreid inzicht in uw gegevens te krijgen. Wilt u bijvoorbeeld weten hoe een product het doet bij verschillende groepen, neem dan demografische vragen op in uw enquête. Wanneer mensen hun leeftijdscategorie kiezen, kunt u meteen filteren op reacties uit elke groep. Door deze gegevenssets met elkaar te vergelijken, blijkt vervolgens hoe enthousiast elke leeftijdscategorie is over uw product, waardoor u direct uitschieters of minder tevreden doelgroepen kunt opsporen.

U kunt filteren op:

Hoewel kwalitatieve gegevens niet de percentages of onbewerkte cijfers opleveren die u hier kunt gebruiken, kunt u altijd hulpmiddelen voor tekstanalyse gebruiken. Door schriftelijke reacties te verzamelen en ze door een van deze tools te halen, kunt u een stemmingsanalyse maken die laat zien hoe uw klanten denken. 

Om onbewerkte gegevens in inzichten om te zetten, moet u statistische significantie bewijzen. U moet er immers voor zorgen dat uw gegevens een bevinding laten zien in plaats van alleen maar bepaalde gevallen eruit te pikken. Statistische analyse onthult of de trends die u waarneemt relevant zijn en wat de gegevens suggereren wanneer ze worden gebruikt in combinatie met andere gegevenssets. 

Er zijn verschillende methoden waarmee u statistische significantie kunt aantonen:

Behalve een ruwe analyse zijn er nog andere factoren die bepalen of u relevante resultaten krijgt. Zo geeft het totale aantal reacties en voltooiingspercentages in vergelijking met uw totale steekproefgrootte bijvoorbeeld aan of uw resultaten al dan niet een statistisch significante groep vertegenwoordigen.

Het is tevens een goed idee om rekening te houden met de foutmarge in uw enquêteresultaten. Een foutmarge geeft aan hoe precies uw resultaten de volledige populatie weerspiegelen. Een kleine foutmarge geeft aan dat u veel vertrouwen hebt in de nauwkeurigheid van uw resultaten, terwijl het tegenovergestelde suggereert dat uw resultaten mogelijk niet representatief zijn voor de hele wereld. 

Als u meer enquêtereacties nodig hebt om uw enquêteresultaten meer gewicht te geven, kunt u bij SurveyMonkey Audience terecht . 

Benchmarking is het proces waarbij u uw resultaten vergelijkt met andere bedrijven of sectorgemiddelden. U kunt zelfs uw resultaten vergelijken met die van uzelf door herhaalde enquête-experimenten te doen waarbij u gegevens over verschillende kwartalen of jaren verzamelt. 

Bedrijven over de hele wereld maken gebruik van klantervaringsbenchmarks om te bepalen hoe hun klanten hen zien in vergelijking met hun concurrenten. 

Door een longitudinale analyse uit te voeren, ontdekt u hoe uw enquêteresultaten in de loop der tijd zijn veranderd. Als u bijvoorbeeld een jaarlijkse conferentie organiseert, kunt u de deelnemers vragen hoe tevreden ze zijn over het evenement met behulp van een feedbackenquête voor de conferentie. Als het gemiddelde tevredenheidspercentage na verloop van tijd afneemt, hebt u een interessant beginpunt voor verder onderzoek.

U kunt de tevredenheidsvraag koppelen aan een open vraag waarbij u mensen vraagt hun keuze toe te lichten. Deze kwalitatieve gegevens zullen licht werpen op de mogelijke oorzaak van de afnemende tevredenheid, zodat u bruikbare stappen kunt ondernemen om dit probleem op te lossen. 

U kunt zelfs gegevens volgen voor verschillende subgroepen. Stel dat de tevredenheidspercentages elk jaar stijgen voor studenten en docenten, maar niet voor bestuurders. Dan wilt u misschien wel de reacties van bestuurders op verschillende vragen nader bekijken om te ontdekken waarom ze minder tevreden zijn dan andere deelnemers.

Uw enquêtegegevens hebben de kracht om een verhaal te vertellen. Begin met uw belangrijkste onderzoeksvraag, schets uw bevindingen en ga van daaruit verder. Wat wilde u weten? Wat hebt u geleerd van uw gegevens? Welke specifieke bevindingen vallen op of zijn met name interessant?

Gebruik waar mogelijk visuele elementen om uw rapport te ondersteunen. Uw lezers zitten niet te wachten op pagina's met getallen. Een simpele grafiek of woordenwolk kan uw resultaten samenvatten en mensen intuïtief in staat stellen te begrijpen wat de gegevens zeggen. 

Nu u uw gegevens hebt geanalyseerd en statistische significantie hebt gevonden, is het tijd om het aan de wereld te laten zien. De laatste stap van praktische enquête-analyse bestaat uit het opstellen van een overtuigend rapport met uw bevindingen. Met dit rapport kunt u uw bevindingen delen met collega's, die veranderingen in uw organisatie teweeg kunnen brengen. 

Verder lezen: Zes basisdiagrammen om effectieve rapporten te maken

Zelfs zorgvuldige teams lopen tegen dezelfde obstakels aan bij de enquête-analyse. Deze zijn meestal in twee categorieën onder te brengen: problemen die de bevindingen verzwakken en rapportagekeuzes die ertoe leiden dat de resultaten impactvoller of beperkter lijken dan ze werkelijk zijn. Als u deze patronen herkent, kunt u ze in een vroege fase opmerken en de analyse van de enquêtegegevens geworteld houden in de realiteit.

Gebruik deze patronen als een korte check voordat u de analyse van de enquêtegegevens afrondt. Op die manier sluipen er geen veelvoorkomende foutjes in uw conclusies of rapporten.

De meest opvallende fout die mensen die net beginnen met onderzoek maken bij het uitvoeren van enquêteanalyses is het verwarren van correlatie met causaliteit. Van causaliteit is sprake wanneer de ene variabele direct een andere veroorzaakt. Correlatie doet zich daarentegen voor wanneer twee variabelen samengaan, maar mogelijk geen verband houden.

Een goed voorbeeld hiervan is de effecten van koud weer. Het drinken van warme chocolademelk en handschoenen dragen zijn twee gecorreleerde variabelen omdat ze meestal een bepaalde samenhang vertonen. De ene variabele is echter niet de oorzaak van de andere variabele. Ze worden beide veroorzaakt door een derde variabele: het koude weer.

Het feit dat twee variabelen samengaan, betekent niet dat ze gerelateerd zijn. Door een correlatieanalyse uit te voeren kunt u de relaties tussen uw gegevens bepalen.

Als u correlatie en causaliteit met elkaar verwart, denkt u misschien ten onrechte dat twee gegevensvariabelen met een derde motief direct zijn gerelateerd. 

Zoals we al zeiden, kunt u uw enquêteresultaten soms beschouwen als een verhaal. Maar misschien ziet u het grotere plaatje over het hoofd als u alleen aandacht besteedt aan bepaalde data, dat wil zeggen, belangrijke gegevenspunten selecteren die uw hypothese valideren.

Als u iets wilt bewijzen met een enquête, kan het frustrerend zijn als uw gegevens niet aansluiten. Misschien zijn sommige klanten het simpelweg niet eens met een kernzin, of misschien blijkt uit uw gegevens geen statistisch significante meerderheid. Waar u ook tegenaan loopt, voorkom dat u hyperselectief te werk gaat met betrekking tot de gegevenspunten die u gebruikt.

Als u moet kiezen welke gegevens u in uw berekeningen wilt gebruiken, ondermijnt u de nauwkeurigheid van uw enquêteresultaten.

SurveyMonkey weet als geen ander dat het uitvoeren van enquêtes en het verzamelen van resultaten erg spannend kan zijn. Maar u ziet mogelijk belangrijke gegevens over het hoofd die nog niet zijn ingevuld als u te snel enquêteresultaten berekent. 

Enquêtes vereisen vaak grote groepen reacties om uw vertrouwen in de gegevens te vergroten. Als u zich haast om resultaten zo snel mogelijk te berekenen, hebt u mogelijk minder reacties dan nodig zijn om statistische significantie aan te tonen. 

Stelt u zich eens voor dat uit uw enquêteresultaten blijkt dat 100% van de klanten geïnteresseerd is in een nieuwe productfunctie. Dat klinkt fantastisch, maar hoe zeker kunt u er van zijn dat uw pool van reacties echt een afspiegeling is van uw bredere klantenbestand als er maar één persoon op uw enquête zou reageren?

De vragen die u opneemt in uw enquête zijn een directe reactie op het type gegevens en de kwaliteit van de gegevens die u ontvangt. Uw enquêtegegevens zijn dus maar zo goed als uw enquêtevragen. 

Een paar tips:

Door het verbeteren van de kwaliteit van de enquêtes die u schrijft en verzendt, verzamelt u vanzelfsprekend gegevens van een hogere kwaliteit.

De analyse van enquêtegegevens omvat veel aspecten, van het bekijken van uw topresultaten tot het uitvoeren van allerlei bewerkingen op uw gegevens tot aan het rapporteren over de resultaten. 

SurveyMonkey beschikt over hulpmiddelen en sjablonen voor enquête-analyse waarmee u uw doelgroep bereikt en nog eenvoudiger betrouwbare reacties krijgt. 

Meld u aan om sjablonen en hulpmiddelen te gebruiken die zijn gemaakt door experts.

NPS, Net Promoter en Net Promoter Score zijn geregistreerde handelsmerken van Satmetrix Systems, Inc., Bain & Company en Fred Reichheld.