Mintel utilizza numerose tecniche di analisi dei dati quantitativi e qualitativi per migliorare il valore delle nostre ricerche sui consumatori. Le tecniche utilizzate variano da un rapporto all'altro. Questo articolo offre una panoramica delle tecniche più comunemente utilizzate dai nostri analisti esperti per creare i loro rapporti.

Viene utilizzata per creare gruppi di consumatori in base al comportamento o agli atteggiamenti riportati. Le risposte dei consumatori con lo stesso valore (o elenco di valori) in un elenco di voci del sondaggio vengono raccolte in un'unica variabile. La variabile repertorio riassume il numero di occorrenze in cui il valore o i valori compaiono in un elenco di voci del sondaggio.

Questa tecnica assegna un insieme di persone singole a gruppi chiamati cluster sulla base di una o più risposte, in modo che i rispondenti all'interno dello stesso cluster siano in un certo senso più vicini o più simili tra loro rispetto ai rispondenti raggruppati in un cluster diverso.

Si tratta di un metodo di visualizzazione statistica che permette di rappresentare le associazioni tra righe (immagine, atteggiamenti) e colonne (marchi, prodotti, segmenti, ecc.) di una tabella di contingenza a due vie. Consente di visualizzare le immagini dei marchi (e/o gli atteggiamenti dei consumatori nei confronti dei marchi) relative a ciascun marchio oggetto dell'indagine in uno spazio comune di facile comprensione. La significatività della relazione tra un marchio e l'immagine ad esso associata viene misurata utilizzando il test del Chi-quadrato. Se due marchi hanno modelli di risposta simili per quanto riguarda le immagini percepite, vengono assegnati loro punteggi simili sulle dimensioni sottostanti e vengono quindi visualizzati vicini tra loro nella mappa percettiva.

CHAID (Chi-squared Automatic Interaction Detection), un tipo di analisi ad albero decisionale, viene utilizzata per evidenziare i gruppi target chiave in un campione, identificando quali sottogruppi sono più propensi a mostrare una particolare caratteristica. Questa analisi suddivide il campione in una serie di sottogruppi che condividono caratteristiche simili verso una variabile di risposta specifica e ci permette di identificare quali combinazioni hanno i tassi di risposta più elevati per la variabile target. È comunemente usata per comprendere e visualizzare la relazione tra una variabile di interesse, come l'interesse a provare un nuovo prodotto, e altre caratteristiche del campione, come la composizione demografica.

L'analisi dei fattori chiave può essere uno strumento utile per aiutare a stabilire le priorità tra i diversi fattori che possono influire sugli indicatori chiave di prestazione (KPI), come la soddisfazione, la probabilità di cambiare fornitore e la probabilità di raccomandare un marchio. Utilizzando l'analisi delle correlazioni o l'analisi di regressione, possiamo comprendere quali fattori o attributi di un mercato hanno l'associazione o il legame più forte con una performance positiva dei KPI. Siamo quindi in grado di identificare quali fattori o attributi sono relativamente più critici in una categoria di mercato rispetto ad altri e garantire che le risorse spesso limitate possano essere allocate per concentrarsi sui principali driver di mercato.

L'analisi TURF (Total Unduplicated Reach & Frequency) identifica il mix di caratteristiche, attributi o messaggi che attireranno il maggior numero di rispondenti unici. Viene tipicamente utilizzata quando il numero di caratteristiche o attributi deve o dovrebbe essere limitato, ma l'obiettivo è comunque quello di raggiungere il pubblico più ampio possibile. Identificando la Total Unduplicated Reach, è possibile massimizzare il numero di persone che trovano una o più delle loro caratteristiche o attributi preferiti nella linea di prodotti. Il risultato ottenuto dalla TURF è additivo, con ogni caratteristica aggiuntiva che aumenta la portata totale. Il grafico si legge da sinistra a destra, con ogni freccia che indica la variazione incrementale della portata totale quando si aggiunge una nuova caratteristica. La barra finale rappresenta la portata massima della popolazione totale quando vengono offerte tutte le caratteristiche mostrate.

L'analisi della sensibilità al prezzo mostra le aspettative dei consumatori riguardo al prezzo di un prodotto finito. Ai consumatori è stato chiesto di fornire un prezzo per il prodotto finito. I prezzi aggregati vengono quindi riportati su mappe dei prezzi per indicare il punto di marginalità economica (PMC), il punto di marginalità costosa (PME) e il prezzo ottimale (OPP).

Per la maggior parte dei rapporti relativi a Stati Uniti, Canada, Regno Unito, Germania e Cina, Mintel produce previsioni quinquennali basate sulla "regressione con errori ARIMA", una combinazione di due tecniche di modellizzazione statistica semplici ma potenti: la regressione e l'ARIMA (Auto-Regressive Integrated Moving Average). La regressione ci consente di modellizzare, e quindi prevedere, le dimensioni del mercato utilizzando informazioni esogene (ad esempio il PIL, la disoccupazione). L'ARIMA ci consente di modellare le dimensioni del mercato utilizzando informazioni endogene (valori ritardati). Per stimare questo tipo di modello, Mintel utilizza il software R.

I dati storici sulle dimensioni del mercato utilizzati per ciascuna previsione sono raccolti nel database di Mintel sulle dimensioni del mercato e integrati da dati macroeconomici e socioeconomici provenienti da organizzazioni quali l'Economist Intelligence Unit e l'Office for Budget Responsibility.

Nel processo di previsione, analizziamo le relazioni tra le dimensioni effettive del mercato e una selezione di determinanti economici e demografici chiave (variabili indipendenti) al fine di identificare i fattori predittivi che hanno maggiore influenza sul mercato.

I fattori utilizzati in una previsione sono indicati nella sezione pertinente del rapporto insieme a un'interpretazione del loro ruolo nel determinare l'andamento della domanda del prodotto o del mercato in questione.

Noi di Mintel comprendiamo che i dati storici hanno una capacità limitata di fungere da unico motore dello stato futuro dei mercati. Pertanto, le ricche intuizioni qualitative degli esperti del settore riguardo agli eventi futuri che potrebbero avere un impatto sui vari mercati svolgono un ruolo inestimabile nel nostro processo di valutazione post-statistica.

Di conseguenza, le previsioni di Mintel integrano un rigoroso processo statistico con una conoscenza approfondita del mercato e una competenza che consentono di tenere conto di fattori aggiuntivi o condizioni di mercato che esulano dalla capacità delle previsioni statistiche.

Le previsioni sui risultati economici futuri sono sempre soggette a incertezza. Al fine di sensibilizzare i nostri clienti e illustrare tale incertezza, Mintel presenta le previsioni sulle dimensioni del mercato sotto forma di grafico a ventaglio.

Il grafico a ventaglio mostra le dimensioni effettive del mercato negli ultimi 5 o 6 anni, in alcuni casi una stima dell'anno in corso, una previsione centrale a 5 o 6 anni (risultante dalla modellizzazione statistica e da approfondimenti qualitativi) e gli intervalli di previsione (risultanti dalla modellizzazione statistica).

Gli intervalli di previsione rappresentano l'intervallo di valori in cui ricadrà la dimensione effettiva del mercato futuro con una probabilità specifica.

Conclusione generale: sulla base delle nostre attuali conoscenze dei dati storici relativi alle dimensioni del mercato e delle proiezioni delle principali misure macroeconomiche e socioeconomiche utilizzate per elaborare le previsioni, possiamo affermare che le dimensioni effettive future del mercato rientreranno nel ventaglio ombreggiato con una probabilità del 95%. Esiste una probabilità minima del 5% che le dimensioni effettive future del mercato non rientrino in questi limiti.

Poiché il 95% è nella maggior parte delle applicazioni la soglia che definisce se possiamo accettare o rifiutare un risultato statistico, i limiti esterni dell'intervallo di previsione del 95% possono essere considerati come i casi migliori e peggiori della previsione.

Per illustrare l'incertezza delle previsioni con un esempio quotidiano, supponiamo che le seguenti previsioni meteorologiche siano state elaborate sulla base delle attuali conoscenze dei meteorologi sulle condizioni meteorologiche degli ultimi giorni, delle osservazioni atmosferiche, dei fronti meteorologici in arrivo, ecc.

Ora, quanto possiamo essere certi che sabato la temperatura sarà effettivamente di 15 °C?

Affermare che sabato la temperatura nel centro di Londra salirà esattamente a 15 °C è possibile, ma non si può esserne certi al 100%.

Dire che sabato la temperatura sarà compresa tra 14 °C e 17 °C è un'affermazione più generica e molto più probabile.

In generale, possiamo dire che, sulla base del modello statistico esistente, si può essere sicuri al 95% che la temperatura di sabato sarà compresa tra 14 °C e 17 °C, e solo al 50% che sarà compresa tra circa 14,5 °C e 15,5 °C. Infine, c'è una piccola probabilità del 5% che la temperatura effettiva di sabato esca da questi limiti e sia quindi inferiore a 14 °C o superiore a 17 °C.