Vous envisagez de migrer votre recherche hors ligne et F2F vers Internet ?


COVID19
Thought Leadership

La crise actuelle de COVID-19 a effectivement interrompu la recherche en personne. Que vous soyez un chercheur côté client qui a encore besoin de ces insights ou une agence d’études de marché dont l’activité a été réduite, il existe maintenant des possibilités de migrer ces travaux en ligne. Dans cette note de recherche, nous explorons à la fois les implications de la collecte de données et de l’échantillonnage pour la migration du travail hors ligne en ligne et offrons une perspective sur les facteurs à retenir lors de la création d’un nouveau modèle de recherche.

Solution rapide ou changement majeur ? Les choses reviendront-elles un jour à la « normale » ?

La question qui nous est le plus souvent posée est de savoir quels sont les changements à apporter pour compenser la situation actuelle ? Les chercheurs quantitatifs se posent souvent ces questions. En sondant plus en profondeur, nous avons identifié deux préoccupations. La première est de savoir comment ajuster correctement leurs systèmes de recherche à la lumière de tout changement comportemental et démographique causé par la pandémie. L’autre est de savoir s’il faut considérer ces changements comme temporaires ou permanents par nature. Très souvent, ils pensent aux changements dans les quotas d’échantillons ou la pondération.

Les chercheurs hors ligne sont obligés de se poser une question plus fondamentale : devrions-nous changer complètement de méthode ? Après tout, il y avait des raisons de choisir une méthodologie hors ligne en premier lieu. La durée du confinement mondial et ses conséquences potentielles ne sont qu’une partie de l’équation. La plus grande préoccupation est de savoir si la recherche peut être effectuée efficacement en ligne.

En règle générale, et cela ne devrait surprendre personne vu notre activité, nous avons toujours conseillé aux chercheurs de tous bords d’explorer activement les façons dont la technologie influence notre industrie. Compte tenu de la crise, il est d’autant plus logique de le faire que cela permet de maximiser ses options.

Pourquoi nous choisissons la collecte de données et l’échantillonnage hors ligne

Tout projet d’insights comporte deux éléments essentiels : la collecte de données et l’échantillonnage. Lorsque nous choisissons une méthodologie donnée, nous évaluons ses implications pour ces éléments afin de déterminer si elle est adaptée à l’objectif visé. Il nous arrive de faire des choix pour des raisons positives ; il y a quelque chose d’avantageux dans la collecte de données ou l’échantillonnage qui nous amène à choisir une méthodologie donnée. Ou des raisons négatives ; nous pouvons préférer une autre méthodologie, mais certains facteurs dans la collecte de données ou l’échantillonnage nous interdisent ce choix.

Historiquement, les raisons de choisir la collecte de données hors ligne ont été de nature positive. Nous préférons les méthodes hors ligne principalement parce qu’elles nous permettent d’observer les gens plus en détail et de comprendre plus facilement pourquoi ils agissent d’une telle manière. Les entretiens en personne nous permettent d’approfondir des sujets complexes. Les interceptions nous permettent de surprendre les gens « sur le vif » et de les interroger pendant qu’une expérience est encore nouvelle.

Inversement, les raisons liées à l’échantillonnage pour choisir une méthodologie hors ligne ont tendance à être négatives. Pendant des années, l’économie des panels traditionnels a fait que les petits pays étaient souvent inaccessibles. Les données de ciblage limitées rendaient coûteux le travail à faible incidence. Dans ces cas, les interceptions pouvaient être justifiées pour augmenter les chances de trouver les bonnes personnes étant donné les coûts déjà élevés.

Migration en ligne : Considérations sur la collecte de données

La diversité des méthodes hors ligne (et notre désir d’éviter le favoritisme) interdit d’en dresser la liste complète ici, mais il y a eu une véritable explosion de nouvelles plateformes qui ont permis la collecte de données en ligne pour un travail qui était autrefois effectué exclusivement hors ligne. Des groupes de discussion et entretiens en ligne aux techniques de neurosciences portables/numériques, des fonctions de base aux analyses basées sur l’IA, il y a beaucoup à découvrir. Votre association d’études de marché préférée (ESOMAR, Insights Association, MRS, ou autres) peut vous aider à identifier des partenaires potentiels. Nous vous recommandons également de consulter les nombreux articles de blog qui paraissent chaque semaine dans des publications comme Research Live, Quirk’s, GreenBook et Research World (ESOMAR).

Il est évident que toute nouvelle méthode de collecte de données doit être testée avant d’être utilisée. Un test complet du début à la fin dans des conditions de « pleine production » est essentiel pour comprendre non seulement comment la plateforme fonctionne, mais aussi quels processus doivent être mis en place pour utiliser la plateforme et à quoi ressemble le « résultat ».

Surtout, les chercheurs devront être attentifs au comportement des sujets de recherche. L’exécution en ligne a le potentiel de produire des réponses moins attentives. Il y a manifestement moins de contrôle sur l’environnement du répondant. Il ne s’agit pas de décourager les chercheurs, mais plutôt de leur suggérer d’être vigilants. Les chercheurs doivent avant tout se méfier des prix comparativement moins élevés. Bien qu’il faille s’attendre à des coûts plus faibles dans une certaine mesure, une tarification nettement moins chère est susceptible d’entraîner moins de réponses réfléchies et moins de patience de la part du répondant.

Migration en ligne : Considérations d’échantillonnage

Pendant des années, les entretiens en face à face (ou même les ITAO à l’ère de l’Internet) ont résolu les problèmes de disponibilité. Au début, l’Internet n’était guère omniprésent, et les chercheurs plus expérimentés se souviendront, entre autres, des longs débats sur la « fracture numérique ». À l’ère du numérique, où les appareils informatiques puissants sont bon marché, portables et soutenus par une infrastructure qui était inimaginable lorsque les télécommunications nécessitaient des fils, la portée et la diversité des audiences disponibles pour l’échantillonnage sont montées en flèche. De plus, l’idée d’investir massivement dans la mise en place de nouveaux panels dans de nouveaux pays est presque désuète. Aujourd’hui, l’offre d’échantillonnage est essentiellement de nature programmatique. Les interfaces de programmation d’applications (API) transmettent instantanément les spécifications et la disponibilité de la demande et de l’offre.

La technologie a également permis aux fournisseurs de réduire considérablement le gaspillage, et de trouver la bonne personne pour la bonne enquête au bon moment. L’automatisation a conduit à un profilage beaucoup plus approfondi des comportements, et des fournisseurs plus sophistiqués utilisent des algorithmes conçus pour estimer la probabilité d’un répondant potentiel de se qualifier et de répondre à une enquête afin de maximiser le taux – très important – de conversion, qui désigne le nombre d’enquêtes effectuées jusqu’au bout, divisé par le nombre d’enquêtes commencées.

Cela ne veut pas dire que chaque audience est désormais disponible en nombre en ligne. En outre, la possibilité d’accéder à une audience ne garantit pas forcément la participation, mais plutôt qu’il est beaucoup moins difficile aujourd’hui qu’il y a quelques années de trouver un échantillon d’audiences, même de niche.

Les chercheurs hors ligne devront faire preuve de prudence lorsqu’ils établiront des modèles d’échantillons avec des personnes habituées à travailler en ligne. La configuration par défaut sera celle que le fournisseur considère comme la représentation nationale, ce qui varie d’un fournisseur à l’autre et n’a parfois rien à voir avec une véritable représentation nationale. Il peut arriver que le travail ne nécessite pas ce niveau de couverture nationale. Le fournisseur se concentrera principalement sur la durée de l’entretien et les taux d’incidence. Ces paramètres sont les éléments indispensables de toute estimation en ligne, mais ils ne décrivent que partiellement le travail hors ligne. Assurez-vous que la nature de votre travail est claire, non seulement pour le vendeur, mais aussi pour l’équipe de gestion de projet.

Les chercheurs hors ligne doivent avant tout résister à la tentation d’augmenter la taille de l’échantillon, vu la rentabilité de l’échantillonnage en ligne par rapport au travail hors ligne. Testez d’abord pour vous assurer que vous obtenez les informations dont vous avez besoin. Et n’oubliez pas : si vous vous êtes contenté de petits échantillons de commodité jusqu’à présent, demandez-vous ce qui changera si vous décidez d’en faire plus.

La « vérité » va changer

Les chercheurs chevronnés comprennent que nous pouvons obtenir différentes réponses à une même question selon la méthodologie utilisée. Il va donc de soi que le changement de méthodologie aboutira certainement à une nouvelle version de « la vérité ». La chose la plus difficile à communiquer aux non-chercheurs est que des méthodologies différentes, en raison des manquements des DEUX méthodologies, donneront des résultats différents. C’est encore plus difficile lorsqu’une méthodologie existante a été socialisée et acceptée comme vérité. Les nouvelles données seront considérées avec suspicion. La gestion de ce type de changement est un projet en soi que nous aborderons dans notre prochaine note de recherche.

Conclusion

Si le COVID-19 vous fait envisager des changements de méthodologie, vous n’êtes pas seul. À tout le moins, l’exploration de ces changements augmente pleinement l’optionnalité, et commencer le plus tôt possible signifie plus de temps pour la réflexion et les tests. S’il y a un côté positif à la situation, c’est que les étapes à suivre sont simples et sans ambiguïté, même s’il y a des choix complexes à évaluer. L’équipe Cint est disponible pour fournir des clients experts aux clients confrontés à ces enjeux.

 

Liked this post? Spread the word on: