ประเทศไทย

วิธีการวิจัยผู้บริโภคของประเทศไทย

Mintel ใช้การวิจัยแบบออนไลน์ในการสัมภาษณ์ผู้บริโภค โดยครอบคลุมช่วงอายุตั้งแต่ 18-45 ปี ขึ้นไป ซึ่งผู้ร่วมทำการวิจัยจะถูกทำการสัมภาษณ์ในแต่ละภูมิภาค และ/หรือ เขตเมือง โดยใช้เป็นตัวแทนกลุ่มตัวอย่างของการกระจายตัวของประชากรในแต่ละตลาด เพื่อทำการรายงาน

Mintel ใช้วิธีการสุ่มตัวอย่างโควต้ากับโควต้าด้านอายุเพศและภูมิภาค หรือเมืองใหญ่ ข้อมูลตัวอย่างของเราไม่ได้เป็นตัวแทนในระดับประเทศ วิธีการสุ่มตัวอย่างแบบออนไลน์และโควต้าของเราให้ข้อมูลมีความเสถียรทางสถิติและสามารถทำการวิเคราะห์กลุ่มประชากรและภูมิศาสตร์ที่สำคัญตามตลาด

พันธมิตรการวิจัยของเรา

Dynata

พันธมิตรของ Mintel กับ Dynata (ชื่อบริษัทเดิม Research Now SSI) ร่วมกันทำงานวิจัยออนไลน์ในประเทศไทย ในฐานะเป็นผู้ให้บริการข้อมูลที่บริษัทจัดเก็บโดยตรง  ซึ่ง Dynata ให้บริการข้อมูลกับบริษัทชั้นนำอื่นๆ มากกว่า 6,000 บริษัท รวมทั้ง บริษัทวิจัยการตลาด, สื่อและบริษัทโฆษณาต่างๆ, บริษัทที่ปรึกษาด้านต่างๆ และธุรกิจบริหารจัดการเงินลงทุน และบริษัทผลิตภัณฑ์เพื่อสุขภาพ กลุ่มลูกค้าสำหรับองค์กรธุรกิจต่างๆ ในทวีป อเมริกาเหนือ อเมริกาใต้ ยุโรป และเอเชียแปซิฟิค

ขนาดตัวอย่างตามข้อมูลประชากรและภูมิศาสตร์

Mintel ใช้วิธีการสุ่มตัวอย่างโดยโควต้าทำการสุ่มตัวอย่าง ใช้อายุ เพศ และ ภูมิภาค เป็นอย่างน้อยในการสุ่มตัวอย่างสำหรับทุกตลาด

ตารางด้านล่างแสดงโควต้าสำหรับการใช้สุ่มตัวอย่างของแต่ละตลาด

โควต้า                                                                                        

โควต้าสำหรับอายุ และเพศ ถูกเลือกสุ่มอย่างเท่าๆ กัน    เพื่อให้ง่ายต่อการเปรียบเทียบและวิเคราะห์ในกลุ่มเป้าหมายหลักได้อย่างหลากหลาย

อายุ และเพศ

 

%

จำนวน

จำนวน

ผู้หญิง 18-24 ปี

12.5

188

250

ผู้หญิง 25-34 ปี

12.5

188

250

ผู้หญิง 35-44 ปี

12.5

187

250

ผู้หญิง 45 ปี ขึ้นไป

12.5

187

250

ผู้ชาย 18-24 ปี

12.5

188

250

ผู้ชาย 25-34 ปี

12.5

188

250

: : : :
: : : :

               

ภูมิภาค/เขตเมือง

%

จำนวน

จำนวน

       

กรุงเทพ

10.4

156

208

ภาคกลาง (ยกเว้น กรุงเทพ)

23.3

350

466

ภาคเหนือ

18.8

282

376

ภาคตะวันออกเฉียงเหนือ

34.2

512

684

ภาคใต้

13.3

200

266

       
: : : :

 

 

การวิเคราะห์เพิ่มเติม

 

Mintel ใช้เทคนิคการวิเคราะห์ข้อมูลเชิงปริมาณหลากหลายวิธีเพื่อเพิ่มคุณค่าให้กับการวิจัยผู้บริโภคของเรา เทคนิคที่ใช้นั้นแตกต่างกันไปในแต่ละรายงาน ด้านล่างจะอธิบายถึงเทคนิคอย่างคร่าวๆที่ใช้กันทั่วๆ ไป

                                                      

การวิเคราะห์แบบ Repertoire

 

เทคนิคนี้ใช้เพื่อสร้างกลุ่มผู้บริโภคตามพฤติกรรมหรือทัศนคติ การตอบของผู้บริโภคที่มีแบบเดียวกัน (หรือลิสต์ของคำตอบ) ในแบบสำรวจจะนับค่าลงในตัวแปรเดียว ตัวแปร Repertoire จะสรุปจำนวนครั้งที่มีค่าหรือค่าปรากฏขึ้นในแบบสำรวจ ตัวอย่างเช่น repertoire การซื้อแบรนด์อาจสร้างกลุ่มของผู้ที่ซื้อ 1-2 แบรนด์ 3-4 แบรนด์และ 5 แบรนด์ขึ้นไป แต่ละกลุ่มย่อยควรมีขนาดใหญ่เพียงพอที่จะใช้วิเคราะห์ เช่น N = 75 ขึ้นไป

 

การวิเคราะห์จัดกลุ่ม (Cluster analysis)

เทคนิคนี้จะจำแนกบุคคลแต่ละคนลงในกลุ่มโดยมีพื้นฐานของการตอบคำถามหนึ่งคำถามขึ้นไป เพื่อให้ผู้ตอบแบบสอบถามถูกจัดอยู่ภายในกลุ่มเดียวกันที่มีลักษณะคำตอบเหมือนกัน ใกล้เคียงกัน หรือคล้ายกันมากกว่า ผู้ตอบที่ถูกจัดกลุ่มเป็นกลุ่มที่แตกต่างกัน

 

การวิเคราะห์ความสอดคล้อง (Correspondence Analysis)

เทคนิคนี้เป็นวิธีการสร้างแผนภาพเชิงสถิติแสดงความสัมพันธ์ระหว่างแถว (ภาพลักษณ์, ทัศนคติ) และคอลัมน์ (แบรนด์ ผลิตภัณฑ์ กลุ่ม ฯลฯ ) ของข้อมูลแยกเป็นสองทาง ช่วยให้เราเห็นภาพลักษณ์ของแบรนด์ (และ / หรือทัศนคติของผู้บริโภคที่มีต่อแบรนด์) ที่เกี่ยวข้องกับแต่ละแบรนด์ที่ครอบคลุมในแบบสำรวจนี้มีพื้นที่ร่วมกัน ทำให้เข้าใจได้ง่ายขึ้นความสำคัญของความสัมพันธ์ระหว่างแบรนด์และภาพที่เกี่ยวข้องกันนั้นวัดโดยการทดสอบ Chi-square หากแบรนด์สองแบรนด์มีรูปแบบของการกลุ่มคำตอบที่คล้ายกันบนแผนภาพ แบรนด์เหล่านั้นจะได้รับคะแนนที่ใกล้เคียงกัน บนแกนพื้นฐานและจะปรากฏใกล้กันในแผนภาพ

 

การวิเคราะห์แบบ CHAID

 

CHAID (Chi-squared Automatic Interaction Detection) เป็นรูปแบบของการวิเคราะห์แบบแผนผังรูปต้นไม้ถูกใช้ในการตัดสินใจใช้เพื่อเน้นกลุ่มเป้าหมายหลักในกลุ่มตัวอย่างโดยการระบุว่ากลุ่มย่อยใดมีแนวโน้มที่จะแสดงลักษณะเฉพาะ การวิเคราะห์นี้จะแบ่งย่อยตัวอย่างเป็นเซตของกลุ่มย่อย ที่มีลักษณะเฉพาะตัวและมีความคล้ายกันที่ส่งผลต่อตัวแปรเป้าหมายที่เราสนใจและช่วยให้เราแยกแยะได้ว่ากลุ่มที่มีอัตราการตอบสูงสุดสำหรับตัวแปรเป้าหมาย ซึ่งเทคนิคนี้จะให้เราเข้าใจและเห็นภาพความสัมพันธ์ระหว่างตัวแปรเป้าหมาย เช่น "สนใจทดลองผลิตภัณฑ์ใหม่" และลักษณะอื่น ๆ ของตัวอย่างเช่น องค์ประกอบทางประชากร

 

การวิเคราะห์ด้วยตัวผลักดัน (Key Driver Analysis)

 

การวิเคราะห์ด้วยตัวผลักดันเป็นเครื่องมือที่มีประโยชน์ในการช่วยให้ความสำคัญกับการโฟกัสระหว่างปัจจัยต่าง ๆ ซึ่งอาจส่งผลกระทบต่อตัวบ่งชี้ประสิทธิภาพหลัก (เช่น ความพึงพอใจ โอกาสในการเปลี่ยนผู้ให้บริการ โอกาสในการแนะนำแบรนด์ ฯลฯ ) การใช้การวิเคราะห์ความสัมพันธ์หรือการวิเคราะห์การถดถอยเราสามารถทำความเข้าใจว่าปัจจัยหรือคุณลักษณะของตลาดใดที่มีความสัมพันธ์ที่แข็งแกร่งที่สุดหรือ "ลิงค์" ที่มีประสิทธิภาพในเชิงบวกต่อตัวบ่งชี้ประสิทธิภาพหลัก (KPI) ดังนั้นเราสามารถระบุปัจจัยหรือคุณลักษณะที่มีความสำคัญมากกว่าในประเภทตลาดเมื่อเปรียบเทียบกับปัจจัยอื่น ๆ และทำให้มั่นใจได้ว่าข้อมูลที่มีจำกัดมักจะถูกจัดสรรเพื่อมุ่งเน้นไปที่ตัวผลักดันตลาดเป็นหลัก

 

การวิเคราะห์ TURF

 

การวิเคราะห์ TURF (การเข้าถึงโดยสิ้นเชิงและความถี่ที่ไม่ซ้ำกัน) ระบุว่าการผสมผสานของคุณลักษณะ, ความคิดเห็น หรือข้อความที่จะรวบรวมผู้ตอบแบบสอบถามที่ไม่ซ้ำจำนวนมากที่สุด โดยทั่วไปจะใช้เมื่อจำนวนคุณลักษณะหรือคุณลักษณะต้องจำกัด หรือควรถูกจำกัด แต่เป้าหมายยังคงเข้าถึงผู้ตอบแบบสอบถามที่มากที่สุดเท่าที่จะเป็นไปได้ โดยการระบุการเข้าถึงที่ไม่ได้ทำซ้ำโดยรวมเป็นไปได้ที่จะเพิ่มจำนวนผู้ที่พบคุณลักษณะ หรือคุณลักษณะที่ต้องการอย่างน้อยหนึ่งรายการในช่วงผลิตภัณฑ์ ผลลัพธ์ที่ได้จากการวิเคราะห์ TURF เป็นการวิเคราะห์เพิ่มเติมโดยแต่ละคุณสมบัติเพิ่มขึ้นจะเพิ่มการเข้าถึงโดยรวม แผนภูมิจะอ่านจากซ้ายไปขวาโดยแต่ละลูกศรแสดงการเปลี่ยนแปลงที่เพิ่มขึ้นของการเข้าถึงทั้งหมดเมื่อเพิ่มคุณลักษณะใหม่ แถบสุดท้ายแสดงการเข้าถึงสูงสุดของประชากรทั้งหมดเมื่อมีการนำเสนอคุณลักษณะที่แสดงทั้งหมด