Mintel impiega numerose tecniche di analisi quantitativa e qualitativa dei dati per aumentare il valore della nostra ricerca sui consumatori. Le tecniche utilizzate variano da un rapporto all'altro. Questo articolo fornisce una panoramica delle tecniche più comuni utilizzate dai nostri esperti analisti per creare i loro rapporti.

Viene utilizzata per creare gruppi di consumatori in base ai comportamenti o agli atteggiamenti riferiti. Le risposte dei consumatori che hanno lo stesso valore (o un elenco di valori) in un elenco di voci del sondaggio vengono sommate in un'unica variabile. La variabile di 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 in gruppi chiamati cluster sulla base di una o più risposte, in modo che gli intervistati all'interno dello stesso cluster siano in un certo senso più vicini o più simili tra loro rispetto agli intervistati che sono stati raggruppati in un cluster diverso.

È un metodo di visualizzazione statistica per rappresentare le associazioni tra le righe (immagine, atteggiamenti) e le colonne (marchi, prodotti, segmenti, ecc.) di una tabella di contingenza a due vie. Ci permette di visualizzare le immagini dei marchi (e/o gli atteggiamenti dei consumatori verso i marchi) relativi 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-quadro. Se due marchi hanno modelli di risposta simili per quanto riguarda le loro immagini percepite, vengono assegnati loro punteggi simili sulle dimensioni sottostanti e saranno quindi visualizzati vicini l'uno all'altro 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 hanno maggiori probabilità di mostrare una particolare caratteristica. Questa analisi suddivide il campione in una serie di sottogruppi che condividono caratteristiche simili verso una specifica variabile di risposta e ci permette di identificare quali combinazioni hanno i tassi di risposta più elevati per la variabile target. Viene comunemente utilizzata 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 avere un impatto sugli indicatori di prestazione chiave (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 capire quali fattori o attributi di un mercato hanno l'associazione o il legame più forte con una performance positiva sui KPI. Siamo quindi in grado di identificare quali fattori o attributi sono relativamente più critici in una categoria di mercato rispetto ad altre e di 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. Si usa di solito 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 portata totale non duplicata, è possibile massimizzare il numero di persone che trovano una o più caratteristiche o attributi preferiti nella linea di prodotti. Il risultato del TURF è additivo: ogni caratteristica aggiuntiva 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 indicate.

L'analisi di sensibilità al prezzo mostra le aspettative dei consumatori sul prezzo di un prodotto finito. Ai consumatori è stato chiesto di indicare un punto di prezzo per il prodotto finito. I punti di prezzo aggregati vengono poi tracciati su mappe dei prezzi per indicare il punto di economicità marginale (PMC), il punto di economicità marginale (PME) e il punto di prezzo ottimale (OPP).

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

I dati storici sulle dimensioni del mercato che alimentano ogni previsione sono raccolti nel database delle dimensioni del mercato di Mintel e integrati da dati macro e socio-economici provenienti da organizzazioni come l'Economist Intelligence Unit e l'Office for Budget Responsibility.

Nell'ambito del 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 la maggiore influenza sul mercato.

I fattori utilizzati in una previsione sono indicati nella sezione del rapporto corrispondente, insieme a un'interpretazione del loro ruolo nello spiegare l'andamento della domanda per il prodotto o il mercato in questione.

Mintel è consapevole che i dati storici sono limitati nella loro capacità di agire come unica forza dietro lo stato futuro dei mercati. Pertanto, gli approfondimenti qualitativi degli esperti del settore sugli eventi futuri che potrebbero avere un impatto sui vari mercati svolgono un ruolo inestimabile nel nostro processo di valutazione post-modellazione statistica.

Di conseguenza, le previsioni di Mintel integrano un rigoroso processo statistico con una conoscenza approfondita del mercato e un'esperienza che consente di tenere conto di ulteriori fattori o condizioni di mercato al di fuori della capacità delle previsioni statistiche.

Le Previsioni sui risultati economici futuri sono sempre soggette a incertezza. Per sensibilizzare i nostri clienti e illustrare questa incertezza, Mintel visualizza le previsioni sulle dimensioni del mercato sotto forma di grafico a ventaglio.

Il grafico a ventaglio mostra le dimensioni effettive del mercato per gli ultimi 5 o 6 anni, in alcuni casi una stima per l'anno in corso, una previsione centrale con orizzonte di 5 o 6 anni (risultante da modelli statistici e approfondimenti qualitativi) e gli intervalli di previsione della previsione (risultanti da modelli statistici).

Gli intervalli di previsione rappresentano l'intervallo di valori in cui le effettive dimensioni future del mercato rientreranno con una specifica probabilità.

Una conclusione generale: sulla base della nostra attuale conoscenza dei dati storici sulle dimensioni del mercato e delle proiezioni per le principali misure macro e socio-economiche utilizzate per creare la previsione, possiamo affermare che le future dimensioni effettive del mercato rientreranno nel ventaglio ombreggiato con una probabilità del 95%. Esiste una piccola probabilità, pari al 5%, che le dimensioni effettive del mercato futuro escano da questi confini.

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

Per illustrare l'incertezza nelle previsioni con un esempio quotidiano, supponiamo che la seguente previsione meteorologica sia stata elaborata sulla base delle conoscenze attuali dei meteorologi sulle condizioni meteorologiche degli ultimi giorni, sulle osservazioni atmosferiche, sui fronti meteorologici in arrivo, ecc.

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

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

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

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