Hvordan laver du en markedsanalyse af høj kvalitet? no. 5 of 6 – Interview-data and report

Hvordan laver du en markedsanalyse af høj kvalitet? no. 5 of 6 – Interview-data and report

Faktor 5 (= Interview-data og rapport).

Der er 5 primære faktorer, der bestemmer en markedsanalyses kvalitet.

Nedenfor vises betydningen af Interview-data og rapport.

 

BilHuset har 400 værkstedskunder

  • Direktøren vil gerne have styr på, om kunderne er tilfredse.
  • Men han vil også gerne vide, hvordan BilHuset ligger i forhold til konkurrenterne i området.
  • Du skal lave en kundeundersøgelse.

 

1. “Tell the story” your manager can use for decision making

McKinsey formulerede engang til et kursus for nye, unge medarbejdere følgende karikerede slutrapporter. Der forelå en markedsanalyse om, hvorvidt virksomhed X skulle indtræde i en ny branche Y:

Konsulent Hansen: ”Nogen mener, at denne branche er attraktiv for virksomhed X, men det er svært at vurdere. Virksomhedens konkurrencemæssige styrke vil formentlig være god. Jeg mener imidlertid, at direktionen skal overveje, hvad den skal gøre. Selvom jeg mener, at virksomhed X bør købe sig ind, hvis direktionen mener, at ROI er positiv med en sandsynlighed over 50%.”

Konsulent Jensen: ”Foretag et køb, idet:

  • Branchen er attraktiv
  • Virksomhed X er konkurrencedygtig
  • Analysen viser et positivt ROI
  • Vurderingen er robust

Eller sagt på en anden måde: formuler en rapport, der summarisk i 1-3 hovedkonklusioner giver direktøren et klart beslutningsgrundlag. Hvor skal han gøre noget, og hvad bør han gøre.

Det er desuden en god ide eksplicit at formulere konklusioner til hvert punkt i den strukturerede problemformulering.

Du kan lige overveje, hvordan en rapport til BilHusets direktør om kundetilfredshed skal skæres ?

Den skal udpege, hvor og hvordan der skal gøres tiltag. Måske bad direktøren om noget ”nice-to-know”, men her taler vi altså om high-end markedsanalyser.

 

2. Efterbehandling og analyse af undersøgelsens tal og udsagn

For at kunne vejlede om kunde- og markedsundersøgelser af enhver art, skal der her alene vises hovedretningslinier.

Erfaring 1: Du skal forvente, at der 99% sikkert sker fejl i efterbehandlingen

Det er nok overraskende, men sandt. Blot en markedsundersøgelse er en smule sværere end simpel, så opstår der fejl. Alle fejl skal findes og rettes. Det kræver, at man altid kigger efter bestemte fejl-typer. Og man involverer en second opinion. - Halvdelen af fejlene skyldes kommunikationsbrist mellem de involverede i projektet. Den anden halvdel skyldes fejl lavet i selve databehandlingen eller i dannelsen af tabeller eller i transformationen fra tal til figurer.

 

Erfaring 2: Vægtning af interview-resultater

De fleste undersøgelser har flere segmenter som fx virksomheder i størrelsen 10-99 ansatte og dem med 100-499 ansatte. Hvis man har udtaget et forskelligt antal emner i hver målgruppe, fordi den første målgruppe er 4 gange så stor som den med de større virksomheder – eller man har fået en forskellig svarprocent i de to grupper, så skal der laves nogle op-vægtninger til univers- / segmentstørrelsen. Hvis man eksempelvis skal beregne gennemsnittet i hver gruppe og for de to grupper under ét, så skal man vide, hvordan den vægtning skal ske. – Og her laves der ofte fejl.

 

Erfaring 3: Tal-blindhed, fejlkommunikation, upræcis delegering af arbejde og ansvar

Tal-blindhed:

De fleste kender til at skrive en tekst, hvor man trods flere gennemlæsninger ikke ser, at et ord er faldet ud eller er stavet forkert.

De fleste dataanalyse-folk har en høj IQ og arbejder systematisk med tal-analyse. Ellers havde de ikke dette job, der virkelig kræver intelligens. Men de ved intet eller lidt om værkstedskunder i bilhuse. Derfor kan de ikke se på tallene, at de har lavet en fejl. Opdager ikke, at en tabel ikke giver mening. De bliver talblinde og laver fejl trods checklister mm.

Fejlkommunikation: Den projektansvarlige glemmer at fortælle, at interviewstikprøven er indsamlet disproportionalt, hvorfor alle tabeller skal baseres på opvægtning til universet og ikke en simpel sammenlægning. Hvis den projektansvarlige ikke selv skriver konklusionerne – eller tænker i disse baner – så bliver sluttabellerne fyldt med totalt forkerte tal.

Upræcis uddelegering: Hvis hverken databehandleren, grafikeren eller programmøren ved noget om bilværksteder og værkstedskunder, så kan alle typer af små og store fejl få lov at gå under radaren og ende med forkerte konklusioner på direktørens bord. Du skal derfor sikre dig, at nogen tager ansvar for at finde fejl og proaktivt undgå fejl i hele forløbet. – Det er både noget med at informere alle involverede om, hvad projektet indeholder og skal slutte med. Samt udpege en ansvarlig til at tjekke råtal, tabeller og figurer for fejl.

 

John Aalund