Kvantitativní marketingový výzkum je aplikace kvantitativních výzkumných technik v oblasti marketingu. Kořeny má jak v pozitivistickém pohledu na svět, tak v moderním marketingovém pohledu, že marketing je interaktivní proces, ve kterém kupující i prodávající dosáhnou uspokojivé dohody o „čtyřech P“ marketingu: Produkt, Cenové místo (umístění) a Propagace. Jako metoda sociálního výzkumu obvykle zahrnuje sestavení dotazníků a stupnic. Lidé, kteří odpoví (respondenti), jsou požádáni o vyplnění průzkumu. Marketéři využívají takto získané informace k pochopení potřeb jednotlivců na trhu a k vytváření strategií a marketingových plánů.
K analýze dat a vyvození závěrů lze použít jak popisné, tak inferentní statistické techniky. Zahrnuje množství respondentů, jejichž počet se někdy pohybuje v rozmezí od deseti do deseti milionů, a může zahrnovat hypotézy, techniky náhodného výběru vzorků, které umožňují vyvozovat závěry ze vzorku na populaci. Marketingový výzkum může zahrnovat jak experimentální, tak kvazi-experimentální návrhy výzkumu.
Inferenční techniky zahrnují zobecnění ze vzorku na celou populaci. Zahrnují také testování hypotézy. Hypotéza musí být uvedena v matematicko-statistických pojmech, které umožňují vypočítat pravděpodobnost možných vzorků za předpokladu, že je hypotéza správná. Pak musí být zvolena testovací statistika, která shrne informace ve vzorku, které jsou relevantní pro hypotézu. Nulová hypotéza je hypotéza, která je považována za pravdivou, dokud test hypotézy nenaznačí opak. Typicky je to tvrzení o parametru, který je vlastností populace. Parametr je často střední nebo směrodatná odchylka.
Není neobvyklé, že taková hypotéza uvádí, že parametry nebo matematické charakteristiky dvou nebo více populací jsou totožné. Pokud například chceme porovnat výsledky testů dvou náhodných vzorků mužů a žen, nulová hypotéza by byla, že průměrné skóre v mužské populaci, ze které byl první vzorek vybrán, bylo stejné jako průměrné skóre v ženské populaci, ze které byl vybrán druhý vzorek:
Operátor rovnosti z toho dělá dvoustranný test. Alternativní hypotéza může být buď větší nebo menší než nulová hypotéza. V jednosměrném testu je operátor nerovnost a alternativní hypotéza má směrovost:
Ty se někdy nazývají hypotéza významného rozdílu, protože testujete rozdíl mezi dvěma skupinami s ohledem na jednu proměnnou.
Alternativně může nulová hypotéza předpokládat, že oba vzorky jsou odebrány ze stejné populace:
Hypotéza asociace je tam, kde je jedna populace, ale měří se dva znaky. Je to test asociace dvou znaků v rámci jedné skupiny.
Rozložení testovací statistiky slouží k výpočtu pravděpodobnostních množin možných hodnot (obvykle interval nebo sjednocení intervalů). Ze všech množin možných hodnot musíme vybrat tu, která podle nás představuje nejextrémnější důkaz proti hypotéze. Ta se nazývá kritická oblast testovací statistiky. Pravděpodobnost, že testovací statistika spadne do kritické oblasti, když je hypotéza správná, se nazývá alfa hodnota testu. Poté, co jsou data k dispozici, se vypočítá testovací statistika a my určíme, zda se nachází uvnitř kritické oblasti. Pokud je testovací statistika uvnitř kritické oblasti, pak je náš závěr buď hypotéza nesprávná, nebo došlo k události s pravděpodobností menší nebo rovnou alfa. Pokud je testovací statistika mimo kritickou oblast, je závěr takový, že není dostatek důkazů k odmítnutí hypotézy.
Úroveň významnosti testu je maximální pravděpodobnost náhodného odmítnutí pravdivé nulové hypotézy (rozhodnutí známé jako chyba typu I).Například lze zvolit úroveň významnosti řekněme 5% a vypočítat kritickou hodnotu statistiky (například průměr) tak, aby pravděpodobnost jejího překročení byla vzhledem k pravdivosti nulové hypotézy 5%. Pokud skutečná, vypočtená statistická hodnota překročí kritickou hodnotu, pak je významná „na úrovni 5%“.
Výzkum by měl být testován na spolehlivost, zobecnitelnost a platnost. Zobecnitelnost je schopnost vyvozovat závěry ze vzorku pro populaci.
Spolehlivost je míra, do jaké opatření přinese konzistentní výsledky. Spolehlivost opakovaného testování kontroluje, do jaké míry jsou výsledky podobné, pokud se výzkum opakuje za podobných okolností. Stabilita opakovaných měření se posuzuje pomocí Pearsonova koeficientu. Spolehlivost alternativních forem kontroluje, do jaké míry jsou výsledky podobné, pokud se výzkum opakuje pomocí různých forem. Spolehlivost interní konzistence kontroluje, do jaké míry jsou jednotlivá měření zahrnutá ve výzkumu převedena na složenou míru. Vnitřní konzistenci lze posoudit korelační výkonností na dvou polovinách testu (spolehlivost rozděleného poločasu). Hodnota Pearsonova korelačního koeficientu součinu okamžiků se upravuje pomocí Spearmanova-Brownova předpovědního vzorce tak, aby odpovídala korelaci mezi dvěma testy o plné délce. Běžně používaným měřítkem je Cronbachovo α, které odpovídá průměru všech možných koeficientů rozděleného poločasu. Spolehlivost lze zlepšit zvětšením velikosti vzorku.
Platnost se ptá, zda výzkum měřil to, co zamýšlel. Validace obsahu (také nazývaná face validity) kontroluje, jak dobře obsah výzkumu souvisí s proměnnými, které mají být studovány. Jsou výzkumné otázky reprezentativní pro proměnné, které jsou zkoumány. Je to ukázka toho, že položky testu jsou čerpány z oblasti, která je měřena. Validace kritérií kontroluje, jak smysluplná jsou výzkumná kritéria ve vztahu k jiným možným kritériím. Když je kritérium shromažďováno později, cílem je stanovit prediktivní platnost. Validace konstrukce kontroluje, jaký základní konstrukt je měřen. Existují tři varianty platnosti konstrukce. Jsou to konvergentní platnost (jak dobře se výzkum vztahuje k jiným opatřením stejného konstruktu), discriminantní platnost (jak špatně se výzkum vztahuje k opatřením protichůdných konstruktů) a nomologická platnost (jak dobře se výzkum vztahuje k jiným proměnným, jak vyžaduje teorie) .
Interní validace, používaná především v návrzích experimentálního výzkumu, kontroluje vztah mezi závislými a nezávislými proměnnými. Způsobila experimentální manipulace s nezávislou proměnnou skutečně pozorované výsledky? Externí validace kontroluje, zda lze experimentální výsledky zobecnit.
Platnost znamená spolehlivost : platná míra musí být spolehlivá. Ale spolehlivost nemusí nutně znamenat platnost :spolehlivá míra nemusí být platná.