Sådan analyseres data fra spørgeundersøgelser

Resultaterne er kommet tilbage fra dine online spørgeundersøgelser. Nu er det tid til at udnytte den styrke, der ligger i analysen af spørgeundersøgelsesdata, for at give resultaterne mening og præsentere dem på en måde, der er let at forstå og handle på. Når du har indsamlet statistiske resultater fra spørgeundersøgelsen og har en dataanalyseplan, er det tid til at begynde processen med at beregne de spørgeundersøgelsesresultater, du har fået tilbage. Sådan får vores spørgeundersøgelseseksperter kvantitative data til at hænge sammen (i forhold til kvalitative data). De strukturerer deres rapportering omkring de besvarelser på spørgeundersøgelser, der besvarer undersøgelsesspørgsmål Selv for eksperter kan det være svært at analysere indsigten fra de rå data. 

For at nå dine spørgeundersøgelsesmål skal du starte med at bruge den spørgeundersøgelsesmetodologi, som vores eksperter foreslår. Når du så har resultaterne, kan du analysere dem effektivt ved hjælp af alle de dataanalyseværktøjer, du har til rådighed, herunder statistiske analyser, dataanalyser og diagrammer og grafer, der registrerer dine spørgeundersøgelsesdata.

En god analyse af spørgeundersøgelsesdata er nøglen til at få de oplysninger og den indsigt, du har brug for til at træffe bedre forretningsbeslutninger. Alligevel er det vigtigt at være opmærksom på potentielle udfordringer, som kan gøre analysen vanskeligere eller endda forvride resultaterne. 

Hvis du stiller for mange åbne spørgsmål, kan det føje tid og kompleksitet til din analyse, fordi det giver kvalitative resultater, der ikke er numerisk baseret. På den anden side giver lukkede spørgsmål resultater, som er nemmere at analysere. Analysen kan også blive vanskeliggjort ved at stille ledende eller subjektive spørgsmål eller ved at stille spørgsmål, der er forvirrende eller for komplekse. At være udstyret med rigtige værktøjer og knowhow er med til at sikre, at analysen af spørgeundersøgelsen er både nem og effektiv.

Læs mere om brug af lukkede spørgsmål i forhold til åbne spørgsmål.

Med sine mange dataanalyseteknikker gør SurveyMonkey det nemt for dig at omdanne dine rådata til brugbar indsigt, der præsenteres i letforståelige formater. Funktioner som automatiske diagrammer og grafer og ordskyer er med til at gøre data levende. For eksempel giver meningsanalyse dig mulighed for at få et øjeblikkeligt sammendrag af respondenternes opfattelse ud fra tusindvis eller endda millioner af åbne tekstbesvarelser. Du kan gennemgå positive, neutrale og negative meninger hurtigt eller filtrere for at identificere områder, der har brug for opmærksomhed. Du kan få endnu mere dybdegående indsigt ved at filtrere et spørgsmål efter mening. Forestil dig, at du kan omdanne alle disse tekstbesvarelser til et kvantitativt datasæt.

Med ordskyer kan du hurtigt fortolke åbne besvarelser ved hjælp af en visuel visning af de hyppigst anvendte ord. Du kan tilpasse udseendet af dine ordskyer på en række forskellige måder, lige fra farver eller skrifttyper til bestemte ord for nemt at skjule ikke-relevante ord.

Vores brede vifte af funktioner og værktøjer kan hjælpe dig med at løse analyseudfordringer og hurtigt generere diagrammer og solide rapporter. Se, hvordan en anmodning om en rapport i sidste øjeblik hurtigt kan imødekommes med SurveyMonkey.

Lad os først tale om, hvordan du håndterer beregningen af spørgeundersøgelsesresultaterne fra dine vigtigste undersøgelsesspørgsmål. Havde du erfaringsbaserede undersøgelsesspørgsmål? Overvejede du at benytte tilfældig stikprøveudtagning? Husk, at du burde have skitseret dine vigtigste undersøgelsesspørgsmål, da du satte et mål med spørgeundersøgelsen.

Hvis du for eksempel afholdte en uddannelseskonference og gav deltagerne en spørgeundersøgelse til feedback efter arrangementet, så et af dine vigtigste undersøgelsesspørgsmål måske således ud: Hvordan vurderede deltagerne overordnet konferencen? Kig nu på de svar, du har indsamlet til et specifikt spørgsmål i spørgeundersøgelsen, der vedrører det vigtigste undersøgelsesspørgsmål:

Har du planer om at deltage i denne konference næste år?

Bemærk, at du har nogle procentdele (71 %, 18 %) og nogle rå tal (852, 216) i besvarelserne. Procentdelene er lige præcis det – den procent af respondenter, som gav et bestemt svar. Sagt på en anden måde, så repræsenterer procentdelene antallet af respondenter, som valgte hvert svar som en andel af antallet af respondenter, som besvarede spørgsmålet. Så 71 % af respondenterne i din spørgeundersøgelse (852 af de 1.200 adspurgte) har planer om at komme igen næste år.

Denne tabel viser dig også, at 18 % siger, at de ikke regner med at vende tilbage, og 11 % siger, at de ikke er sikre på det.

Det er også vigtigt at have en god forståelse af stikprøvestørrelsen for at sikre, at du analyserer dine spørgeundersøgelsesresultater præcist og effektivt. Stikprøvestørrelsen er, hvor mange personer der skal deltage i din spørgeundersøgelse og udfylde besvarelserne for at gøre den statistisk brugbar. Selv hvis du er statistiker, kan det være svært at bestemme stikprøvestørrelsen. Men SurveyMonkey tager gætteriet og kompleksiteten ud af processen med sin brugervenlige beregner til fejlmargen, der hjælper dig med at bestemme, hvor mange respondenter du skal spørge for at sikre, at dine resultater hjælper dig med at reducere din fejlmargen.

Husk, at da du satte et mål for din spørgeundersøgelse og udviklede din analyseplan, tænkte du over, hvilke undergrupper du ville analysere og sammenligne. Det er nu, at denne planlægning giver pote. Lad os for eksempel sige, at du ønskede at sammenligne besvarelserne fra undervisere, studerende og administratorer med hinanden med hensyn til deltagelse i næste års konference. For at finde ud af det, skal du dykke ned i besvarelsesprocenterne ved hjælp af krydstabulering eller bruge rapporter med krydstabulering, hvor du viser resultaterne af konferencespørgsmålet efter undergruppe:

Fra denne tabel kan du se, at en stor majoritet af de studerende (86 %) og underviserne (80 %) har planer om at komme tilbage næste år. Men de administratorer, som deltager i konferencen, ser dog anderledes på det, da under halvdelen (46 %) har tænkt sig at vende tilbage! Forhåbentligt vil nogle af vores andre spørgsmål hjælpe dig med at finde ud af, hvorfor dette er tilfældet, og hvad du kan gøre for at forbedre konferencen for administratorer, så flere af dem vil vende tilbage år efter år.

Et filter er en anden metode til dataanalyse, når du modellerer data. Filtrering betyder, at du indsnævrer dit fokus til en bestemt undergruppe og filtrerer de andre fra. Så i stedet for at sammenligne undergrupper med hinanden ser vi her kun på, hvordan en undergruppe besvarede spørgsmålet. Ved kombination af filtre får du nøjagtighed i dine data.

Du kan for eksempel begrænse dit fokus til kun kvinder eller kun mænd og derefter køre krydstabuleringen igen efter deltagertype for at sammenligne kvindelige administratorer, kvindelige undervisere og kvindelige studerende. Du skal være opmærksom på det følgende, når du behandler dine data: Hver gang, du bruger et filter eller en krydstabulering, bliver din stikprøvestørrelse mindre. Du kan sikre dig, at dine resultater er statistisk signifikante ved at bruge en beregner til stikprøvestørrelse.

Grafer kan være dit foretrukne værktøj, når du ønsker at vise resultaterne af din dataanalyse hurtigt og på en måde, som er let at forstå for alle. Det er nemt at oprette grafer med SurveyMonkey, der giver klarhed og kontekst til din analyse, hvilket igen gør det nemmere at bruge dataene på mere målrettede og brugbare måder.  

Krydstabulering, også kendt som krydstabuleringsrapporter, er nyttige værktøjer til en dybere analyse af dine data. Krydstabuleringer strukturerer dine data i en tabel, der grupperer respondenterne baseret på fælles baggrundsoplysninger eller besvarelser af spørgeundersøgelsen, så du kan sammenligne hver gruppes svar med hinanden. Dette hjælper dig med at få en bedre forståelse af hver gruppe af respondenter og afdække, hvordan de adskiller sig fra hinanden.

Lad os sige, at et af de vigtigste spørgsmål i din spørgeundersøgelse til feedback på konferencen er: "Hvor tilfreds var du overordnet med konferencen?"

Dine resultater viser, at 75 % af deltagerne var tilfredse med konferencen. Det lyder jo godt. Men vil du ikke gerne have lidt sammenhæng? Vil du have noget at sammenligne det med? Er det bedre eller værre end sidste år? Hvordan gik det i sammenligning med andre konferencer?

Benchmarking kan give svar på disse spørgsmål og meget mere ved let at give dig mulighed for at foretage sammenligninger med tidligere og nuværende data for at identificere tendenser i din branche og på dit marked og se, hvordan du klarer dig i forhold til dem.

Lad os sige, at du stillede dette spørgsmål i din spørgeundersøgelse til feedback på konferencen efter sidste års konference. Du vil kunne foretage en sammenligning af tendensen. Professionelle meningsmålere er dårlige komikere, men en favoritreplik er "tendensen er din ven". Hvis sidste års tilfredshedsniveau var 60 %, så har du øget tilfredsheden med 15 procentpoint! Hvad forårsagede denne stigning i tilfredshed? Forhåbentligt vil besvarelserne på de andre spørgsmål i din spørgeundersøgelse give nogle svar.

Hvis du ikke har data fra tidligere års konference, så start i år med at indsamle feedback efter hver konference. Det kaldes benchmarking. Du etablerer et benchmark eller referencetal, og fremover kan du se, om og hvordan dette har ændret sig. Du kan benchmarke ikke alene deltagernes tilfredshed, men også andre spørgsmål. Du vil kunne spore, hvad deltagerne synes om konferencen år efter år. Det kaldes longitudinalanalyse.

Du kan endda følge data for forskellige undergrupper. Lad os f.eks. sige, at tilfredshedsgraden stiger år efter år for studerende og undervisere, men ikke for administratorer. Du bør se på administratorernes besvarelser af diverse spørgsmål for at se, om du kan få indsigt i, hvorfor de er mindre tilfredse end de andre deltagere.

Du ved, hvor mange personer, der sagde, at de ville komme igen, men hvordan ved du, om din spørgeundersøgelse har givet svar, som du kan stole på , og svar, som du med sikkerhed kan bruge som grundlag for fremtidige beslutninger? Det er vigtigt at være opmærksom på datakvaliteten og at forstå komponenterne i statistisk signifikans.

I hverdagssprog betyder "signifikant" vigtigt eller meningsfyldt. I analyser af spørgeundersøgelser og i statistikker betyder "signifikant" "en vurdering af nøjagtighed". Her kommer det uundgåelige "plus eller minus" på banen. Det betyder især, at spørgeundersøgelsesresultater er nøjagtige inden for et vist konfidensniveau og ikke grundet vilkårlige tilfældigheder. Det er risikabelt at drage konklusioner på grundlag af resultater, som ikke er nøjagtige (dvs. ikke statistisk signifikante). Den første faktor, som skal tages i betragtning ved enhver vurdering af statistisk signifikans, er din stikprøves repræsentativitet – det vil sige, i hvilket omfang den gruppe personer, som indgår i din spørgeundersøgelse, "ligner" den samlede population, som du ønsker at drage konklusioner om.

Det er problematisk, hvis 90 % af dine konferencedeltagere, som deltog i spørgeundersøgelsen var mænd, men kun 15 % af alle dine konferencedeltagere var mænd. Jo mere du ved om den målgruppe, som du er interesseret i at undersøge, desto mere sikker kan du være, når din spørgeundersøgelse stemmer overens med disse tal. I hvert fald kan du i forhold til køn være tilfreds, hvis mænd udgør op til 15 % af respondenter i dette eksempel.

Hvis din stikprøve til spørgeundersøgelsen er et tilfældigt udvalg fra en kendt population, kan statistisk signifikans beregnes på en enkel måde En primær faktor her er stikprøvestørrelsen. Lad os sige, at 50 ud af de 1.000 personer, som deltog i din konference, besvarede spørgeundersøgelsen. Halvtreds (50) er en lille stikprøvestørrelse og resulterer i en bred fejlmargen. Kort sagt, så vejer dine resultater ikke tungt.

Forestil dig, at du spørger dine respondenter, hvor mange af de 10 tilgængelige sessioner de deltog i i løbet af konferencen. Og dine resultater ser sådan ud:

Måske vil du analysere gennemsnittet. Som du måske husker, er der tre forskellige gennemsnit: middelværdi, median og typetal.

I tabellen ovenfor er det gennemsnitlige antal for deltagelse i sessioner 6,1. Det rapportede gennemsnit her er middelværdien, den slags gennemsnit, som du sandsynligvis er mest bekendt med. Du udregner middelværdien ved at lægge data sammen og dividere det med det antal, du har lagt sammen. I dette eksempel har du 100 personer, som siger, at de har deltaget i en session, 50 personer har deltaget i fire sessioner, 100 personer har deltaget i fem sessioner osv. Så du ganger alle disse par med hinanden, lægger dem sammen, og dividerer dem med det samlede antal personer.

Medianen er en anden form for gennemsnit. Medianen er middelværdien, det vil sige 50 %. I tabellen ovenfor vil vi finde antallet af sessioner, hvor 500 personer var til venstre for tallet og 500 var til højre for tallet. Medianen er i dette tilfælde seks sessioner. Dette kan hjælpe dig med at eliminere påvirkningen fra outsidere, som kan have en negativ indflydelse på dine data.

Den sidste type gennemsnit er typetal. Typetallet er det hyppigste svar. I dette tilfælde er det seks. 260 respondenter deltog i seks sessioner, der var intet andet antal sessioner, som havde flere antal deltagere.

Middeltallet og andre typer gennemsnit kan også bruges, hvis dine resultater var baseret på Likert-skalaer.

Når du skal rapportere om resultaterne fra spørgeundersøgelsen, skal du tænke på den historie, som dataene fortæller.

Lad os sige, at din konference overordnet fik middelmådige vurderinger. Du graver dybere for at finde ud af, hvad der foregår. Dataene viser, at deltagerne gav meget høje vurderinger af næsten alle aspekter af din konference — sessionerne og kurserne, de sociale arrangementer og hotellet – men de brød sig ikke om den by, som konferencen blev afholdt i. (Måske blev konferencen afholdt i Chicago i januar, og det var for koldt til at gå udenfor). 

Det er en del af det samlede billede – overordnet en god konference, elendigt valg af sted. Miami eller San Diego ville måske være et bedre valg til en konference om vinteren.

Et aspekt af dataanalyse og rapportering, som du skal overveje, er årsagsforhold i forhold til korrelation.

Mennesker tænker over og forstår information på mange forskellige måder. Heldigvis tilbyder SurveyMonkey et væld af forskellige måder at analysere spørgeundersøgelsesdata på, så du kan vurdere og præsentere oplysningerne på måder, der er mest nyttige for at nå dine mål, og du kan oprette grafer, diagrammer og rapporter, der gør dine resultater lette at forstå.

Her er nogle af de mest almindelige spørgsmål, som vi kan hjælpe dig med at finde rundt i, mens du opbygger dine færdigheder inden for analyse af spørgeundersøgelser.

Longitudinalanalyse (ofte kaldet "tendensanalyse") er dybest set sporing af, hvordan resultater for specifikke spørgsmål ændres med tiden. Når et benchmark er etableret, kan du afgøre, om og hvordan tallene ændres. Lad os sige, at tilfredshedsgraden for din konference var 50 % for tre år siden, 55 % for to år siden, 65 % sidste år og 75 % i år. Her er det på sin plads at sige tillykke! Din longitudinalanalyse viser en stabil opadgående tendens i tilfredshed.

Gå tilbage

Årsagsforhold er, når en faktor resulterer i en anden, mens korrelation er, når to variabler bevæger sig sammen, men den ene påvirker eller forårsager ikke den anden. For eksempel er det at drikke varm kakao og have vanter på to variabler, der er korreleret – de har en tendens til at følges ad. Det ene er dog ikke årsag til det andet. Faktisk skyldes de begge en tredje faktor, nemlig kulde. 

Kulde påvirker både indtagelse af varm kakao og sandsynligheden for at have vanter på. Kulde er den uafhængige variabel, og indtagelse af varm kakao og sandsynligheden for at have vanter på er de afhængige variabler. I forbindelse med vores spørgeundersøgelse til feedback på konferencen havde det kolde vejr sandsynligvis indflydelse på deltagernes utilfredshed med konferencestedet og konferencen som helhed. 

Endelig kan du undersøge forholdet mellem variabler i din spørgeundersøgelse ved at udføre en regressionsanalyse.

Gå tilbage

Regressionsanalyse er en avanceret metode til at visualisere og analysere data, som giver dig mulighed for at se på forholdet mellem to eller flere variabler. Der er mange slags regressionsanalyser, og hvad en spørgeundersøgelsesforsker vælger, afhænger af de variabler, som undersøges. Fælles for alle typer regressionsanalyser er, at de undersøger indflydelsen af en eller flere uafhængige variabler på en afhængig variabel. Når vi analyserer vores spørgeundersøgelsesdata, kan vi være interesserede i, hvilke faktorer der påvirker deltageres tilfredshed med konferencen mest. Er det et spørgsmål om antallet af sessioner? Hovedtaleren? De sociale arrangementer? Stedet? Ved hjælp af regressionsanalyse kan en spørgeundersøgelsesforsker afgøre, om og i hvilket omfang tilfredsheden med disse forskellige egenskaber ved konferencen bidrager til den samlede tilfredshed.

Dette giver igen indsigt i, hvilke aspekter af konferencen du måske vil ændre næste gang. Lad os sige, at du for eksempel har betalt et stort honorar for at få en rigtig god hovedtaler til din åbningssession. Overordnet gav deltagerne denne taler og konferencen en god vurdering. På baggrund af disse to kendsgerninger tror du måske, at en fantastisk (og dyr) hovedtaler er nøglen til succes på konferencen. Regressionsanalyse kan hjælpe dig med at afgøre, om dette virkelig er tilfældet. Du opdager måske, at hovedtalerens popularitet var en vigtig faktor for tilfredsheden med konferencen. Hvis det er tilfældet, skal du have en virkelig god hovedtaler igen. Men hvis regressionen viser, at selv om alle kunne lide taleren, bidrog dette ikke i særlig høj grad til deltagernes tilfredshed med konferencen. Hvis det er tilfældet, er de mange penge, der er brugt på hovedtaleren, måske bedre brugt andre steder. 

Hvis du bruger tid på en omhyggelig analyse af det fornuftige i dine undersøgelsesdata, er du godt på vej til at bruge svarene til at hjælpe dig med at træffe kvalificerede beslutninger.

Spørgeundersøgelsesdata kan være et af dine mest effektive værktøjer

Ved at analysere data på nye, engagerende og indsigtsfulde måder kan du hjælpe med at skabe vækst for din virksomhed, uddybe kunderelationer og være et skridt foran konkurrenterne. SurveyMonkey har en række muligheder, som overholder ethvert budget. 

Indsamling af spørgeundersøgelsesdata benytter spørgeundersøgelser til at indhente oplysninger fra specifikke respondenter. Indsamling af spørgeundersøgelsesdata kan erstatte eller supplere andre former for dataindsamling, herunder interviews, fokusgrupper, m.m. De data, som indhentes fra spørgeundersøgelser, kan bruges til at forstærke medarbejderengagement, forstå køberadfærd og forbedre kundeoplevelser.

Gå tilbage

Longitudinalanalyse (ofte kaldet "tendensanalyse") er dybest set sporing af, hvordan resultater for specifikke spørgsmål ændres med tiden. Når et benchmark er etableret, kan du afgøre, om og hvordan tallene ændres. Lad os sige, at tilfredshedsgraden for din konference var 50 % for tre år siden, 55 % for to år siden, 65 % sidste år og 75 % i år. Her er det på sin plads at sige tillykke! Din longitudinalanalyse viser en stabil opadgående tendens i tilfredshed.

Gå tilbage

Årsagsforhold er, når en faktor resulterer i en anden, mens korrelation er, når to variabler bevæger sig sammen, men den ene påvirker eller forårsager ikke den anden. F.eks.: At drikke varm kakao og have vanter på er to variabler, som er korrelerede – de går typisk op og ned sammen. Men den ene forårsager ikke den anden. Faktisk er de begge forårsaget af den tredje faktor, koldt vejr. Koldt vejr påvirker både indtagelse af varm kakao og sandsynligheden for at have vanter på. Koldt vejr er den uafhængige variabel, og indtagelse af varm kakao og sandsynligheden for at have vanter på er de afhængige variabler. I tilfældet med vores spørgeundersøgelse om feedback på konference påvirkede koldt vejr sandsynligvis deltagernes utilfredshed med konferencebyen og konferencen generelt. Afslutningsvis kan du undersøge forholdet mellem variabler i din spørgeundersøgelse yderligere ved at udføre en regressionsanalyse.

Gå tilbage

Regressionsanalyse er en avanceret metode til at visualisere og analysere data, som giver dig mulighed for at se på forholdet mellem to eller flere variabler. Der er mange slags regressionsanalyser, og hvad en spørgeundersøgelsesekspert vælger, afhænger af de variabler, som undersøges. Det, som alle slags regressionsanalyser har til fælles, er, at de ser på en eller flere uafhængige variablers påvirkning af en afhængig variabel. Når vi analyserer vores spørgeundersøgelsesdata, kan vi være interesserede i hvilke faktorer, der påvirker deltageres tilfredshed med konferencen mest. Er det et spørgsmål om antallet af sessioner? Hvem der er hovedtaleren? De sociale arrangementer? Stedet? Ved brug af regressionsanalyser kan en spørgeundersøgelsesekspert afgøre om og i hvilken grad tilfredshed med disse forskellige egenskaber ved konferencen bidrager til den samlede tilfredshed.

Dette giver desuden indsigt i hvilke aspekter af konferencen, du måske vil ændre på næste gang. Lad os f.eks. sige, at du betalte et stort honorar for at få en rigtig god hovedtaler til din åbningssession. Deltagerne gav generelt denne taler og konferencen en god vurdering. Med grundlag i disse to fakta er det nærliggende at mene, at en fantastisk (og dyr) hovedtaler er nøglen til en vellykket konference. Regressionsanalyse kan hjælpe dig med at afgøre, om dette virkelig er tilfældet. Du opdager måske, at hovedtalerens popularitet var en primær drivkraft for tilfredsheden med konferencen. Hvis det er tilfældet, skal du have en virkelig god hovedtaler igen. Men hvis regressionen viser, at selvom alle godt kunne lide hovedtaleren, bidrog dette ikke særlig meget til deltagernes tilfredshed med konferencen. Hvis dette er tilfældet, kan dine talerpenge bruges på en bedre måde. Hvis du bruger tid på en omhyggelig analyse af det fornuftige i dine undersøgelsesdata, er du godt på vej til at bruge svarene til at hjælpe dig med at træffe informerede beslutninger.