我们该如何处理它们呢？
Posted: Thu Feb 20, 2025 6:51 am
现在我们掌握了数据，
如果信息不能转化为能够支持决策的 “智能信息”，那么它就毫无价值。
数据分析很大程度上取决于我们提出的问题类型：
开放式答案的问题：我们必须使用Tagcrowd
工具分析模式，识别经常重复的单词/表达。
具有名义和序数性质的封闭式答案的问题
（无量表）我们必须分析：
响应频率（例如，在选择数字营销课程时，选择加拿大号码数据功能 X 的次数多于功能 Y），以及
订单（例如，功能 X 在数字营销课程中最有价值中排名第一）
带有量表答案的问题（例如，非常不同意 [1] 到非常同意 [5]）在这里我们进入了一个更复杂的领域，然而，统计分析却能提供最好的答案，并有可能验证我们的假设。
描述性统计：平均值、中位数、众数、最大值、最小值（例如：客户愿意为课程支付的平均金额为 X；客户愿意为课程支付的最高金额为 Y）
关联统计：变量之间的相关性。这种分析对于验证假设也许是最关键的。
考虑我们手头上的例子。如果我们使用量表来评估培训师的权威感知和选择意向，我们可以将这两个变量与统计相关性联系起来。我们不必知道如何手动操作，我们只需要知道如何让 IBM SPSS 等软件来做这件事！
如果统计检验具有统计学意义，我们可以验证我们的假设 H1：培训师的感知权威会影响课程的选择！复杂的？这仅仅是一个开始！
因果：线性回归。欢迎来到方程的世界，在这里我们可以描述一个变量如何影响另一个变量以及影响的方向！
例如：对培训师权威性的感知在选择数字营销课程时占20%的积极影响。
我就讲到这里，因为仅此一点就足以写另一篇文章了！
步骤5.决策
通过市场调研做出决策
好吧，有了从市场研究中收集到的所有信息，做出决策就会变得更容易。
验证培训师的权威会影响课程选择这一假设，那么证明并决定实施可提高您作为营销专业人员的权威的策略是否容易得多？
永远不要把手指放进嘴里，靠感觉来做决定，永远不要使用“猜测计”！
首先，研究、测试，因为到头来，“神秘地”在信息的帮助下做出的决策会更加准确。
如果您希望我澄清或深入探讨任何主题，请随时联系我，让我们交换想法！
如果信息不能转化为能够支持决策的 “智能信息”，那么它就毫无价值。
数据分析很大程度上取决于我们提出的问题类型：
开放式答案的问题：我们必须使用Tagcrowd
工具分析模式，识别经常重复的单词/表达。
具有名义和序数性质的封闭式答案的问题
（无量表）我们必须分析：
响应频率（例如，在选择数字营销课程时，选择加拿大号码数据功能 X 的次数多于功能 Y），以及
订单（例如，功能 X 在数字营销课程中最有价值中排名第一）
带有量表答案的问题（例如，非常不同意 [1] 到非常同意 [5]）在这里我们进入了一个更复杂的领域，然而，统计分析却能提供最好的答案，并有可能验证我们的假设。
描述性统计：平均值、中位数、众数、最大值、最小值（例如：客户愿意为课程支付的平均金额为 X；客户愿意为课程支付的最高金额为 Y）
关联统计：变量之间的相关性。这种分析对于验证假设也许是最关键的。
考虑我们手头上的例子。如果我们使用量表来评估培训师的权威感知和选择意向，我们可以将这两个变量与统计相关性联系起来。我们不必知道如何手动操作，我们只需要知道如何让 IBM SPSS 等软件来做这件事！
如果统计检验具有统计学意义，我们可以验证我们的假设 H1：培训师的感知权威会影响课程的选择！复杂的？这仅仅是一个开始！
因果：线性回归。欢迎来到方程的世界，在这里我们可以描述一个变量如何影响另一个变量以及影响的方向！
例如：对培训师权威性的感知在选择数字营销课程时占20%的积极影响。
我就讲到这里，因为仅此一点就足以写另一篇文章了！
步骤5.决策
通过市场调研做出决策
好吧，有了从市场研究中收集到的所有信息，做出决策就会变得更容易。
验证培训师的权威会影响课程选择这一假设，那么证明并决定实施可提高您作为营销专业人员的权威的策略是否容易得多？
永远不要把手指放进嘴里，靠感觉来做决定，永远不要使用“猜测计”！
首先，研究、测试，因为到头来，“神秘地”在信息的帮助下做出的决策会更加准确。
如果您希望我澄清或深入探讨任何主题，请随时联系我，让我们交换想法！