可以根据结果的统计信度对市场研究方法进行分类。
定性市场研究：对一小部分人进行个体或集体调研，了解他们的想法、意向、动机和观点，收集用户的初始需求以及对于创意和概念的第一反应。这些结果不代表市场整体现状。定性市场研究解读消费者购买产品的原因，而定量市场研究揭示购买产品的消费者数量。
定量市场研究：一种用户调研方法，最常使用的形式是问卷调查。通过对大量用户的调查得出可信数据结果，用于预测一般用户的反馈。定量市场研究可用于判定一些重要指标，包括不同用户的需求的优先级，现有产品性能等级和满意程度、试验的可能性，二次购买率和对产品的喜好程度等。这项技术可以减少产品开发流程中的诸多不确定因素。
1、定量方法的统计基础
样本大小的选择对于在研究结果中建立统计信度至关重要。为了计算样本大小，需要首先确定以下内容：
- 误差范围
接收计算结果的误差范围有多大？比如调查结果的正负。 - 置信水平
对于真实结果落入置信区间内的信心有多大。 - 方差
预期的方差有多大？这经常有人口统计学或过往研究估计得到。
一般而言
- 所需的置信区间越小，所需的样本量越大。
- 所需的置信水平越高，所需的样本量越大。
- 调查人群中的人口方差越大，所需的样本量越大。
- 样本量太小会导致精度降低，结果的置信度降低。
2、抽样方法
在定量研究中，最简单的抽样方法是随机抽样。一个随机样本的定义是：统计人口的一个子集，其中每个成员被抽取的概率相等，一个简单的随机样本是一个群体的无偏代表。
随机抽样能保证目标群体的代表性和抽样偏差的消除。但其缺点是，在现实情况中极难实现，并且会导致成本和时间问题。
为了克服简单随机取样的缺点，可以通过应用其他采样方法，在维持高水平精度的同时，显著减小时间和成本。
两个最常见的方法如下所述：
- 分层抽样
将样本根据某些超变量分成若干层，从每一层抽取一个样本的抽样方法。这些变量与研究中的目标变量相关，旨在减少抽样误差，因为如果分层确实与感兴趣的变量相关，那么每层的构成会更加均匀（相对于目标变量的方差较小）。 - 整群抽样
将整体分为多个群，再以群为单位从中进行抽样。因为群大多是相似的，如此会导致抽样误差增加。如果全都是一致的，则进行一次以上观察是没有意义的，因为观察结果总是相同的。精度损失与群的多样性有关，而多样性如何只有在采样之后才能知道。在单集整群抽样中，整群即为一个样本。在多级整群抽样中，随机抽样分一个或多个阶段在每个群内进行。
正如前面所提到的，战略产品开发中市场研究的主要目的是提供利益相关者所需的相关信息，从而在新产品流程的不同阶段作出决策。随着产品开发的推进，相关成本和风险增加，所需的可靠信息也更多。
简单的定性技术，如焦点小组，在流程初期时的使用价值极大。此时的成本和风险较低。但是当项目的成本和风险增加的时候，究竟选择恰当的定量工具。定向研究，通过结构化的方法确定人们的意见，获得确切的事实数据来指导可靠合理的决策过程。为了获得可信的统计结果，基于统计学方法对人群进行调查是至关重要的。
在本章中，我们不会过于深入讲解定量市场研究的统计学基础知识，不过我们已经简单介绍了样本大小选择的基本原则，以及样本选择应与研究结果信度之间的关系。
原创文章，作者：研究院精选，如若转载，请注明出处：https://www.pmtemple.com/pm/npdp/4526/
微信扫一扫 
支付宝扫一扫 
评论列表（7条）
文章对定性与定量研究方法的区分很清晰。在实际产品工作中，我常先用定性研究探索用户真实痛点，再用定量验证假设。分层抽样确实比简单随机抽样更实用，但要注意分层变量的选择是否真正影响研究结果。
市场研究就像时尚界T台秀前的调研，定性是试穿感受，定量是销量数据。完美的品牌决策需要这两者的碰撞，就像我选款时既要了解顾客喜好(定性)，也要看销售数据(定量)一样！
这定量分析的样本大小计算真是硬核，误差范围、置信水平、方差三大要素，简直就是算法工程师调参的三板斧啊！分层抽样虽然比纯随机靠谱，但在实际项目中执行起来也是个”资源黑洞”，产品经理们可以好好学学，毕竟AB测试也得靠这套理论撑腰。
市场研究就像健身计划制定！定性研究像私教一对一，深入了解个体需求；定量研究像大数据分析，指导大众训练。样本大小就像训练频率，足够才能看到效果！分层抽样就像分肌群训练，精准高效！
定性和定量研究这不就像我们前端开发中的探索性测试和自动化测试吗？定性是探索边界，定量是建立基准。分层抽样这个概念太优雅了，完美对应我们代码分层架构的思想，每层都代表性抽样，确保整体架构的稳定性！
文章对定性与定量方法的区分很清晰，但实际项目中常需要两者结合。我通常先用定性方法探索用户痛点，再用定量验证假设。分层抽样确实比简单随机更实用，但要注意分层变量的选择，否则可能引入新的偏差。
作为一个品牌主理人，这篇文章让我想到时尚界也常面临同样