I dati, oro nero delle imprese digitali e non, utili per prevedere, prevenire e pianificare. Ma dietro essi esiste un pericolo da non sottovalutare, le distorsioni in fase di raccolta e analisi. 

Le distorsioni o bias sono modifiche intenzionali o non intenzionali della creazione, della conduzione, dell’analisi o della valutazione dei dati durante una ricerca. Le distorsioni hanno come effetto l’alterazione del risultato della ricerca e quindi l’inattendibilità dei dati trovati. 

Spesso si crede che le distorsioni avvengano soprattutto durante la fase di analisi dei dati raccolti, in quanto parrebbe semplice mal interpretare alcuni risultati.

In realtà le ricerche ci dicono che la maggior parte delle distorsioni avviene nelle prime fasi della ricerca, in particolare nella definizione dei questionari e nella scelta del o dei target. 

Questo avviene perché il ricercatore tende sempre a confutare la sua ipotesi e quindi può succedere che involontariamente induca la risposta che coincide con le sue aspettative nel soggetto intervistato. 

Un esempio facile potrebbe essere connotare una domanda in maniera tale per cui il soggetto si senta obbligato a rispondere con la variabile più plausibile.

Un esempio banale potrebbe essere se in un’indagine in cui si va a ricercare la percezione che le persone hanno della pericolosità degli animali e alla domanda “secondo te quale tra i seguenti animali è il più pericoloso? A. cane, B. gatto, C. orso.

Chiaramente le persone sono indotte a rispondere la lettera C ma questo non ci chiarifica nulla sul tipo di percezione che hanno rispetto alla pericolosità dell’animale stesso. 

Per evitare ciò è sempre buona norma costruire indagini che abbiano una struttura e uno stile imparziali, magari stese a più mani, in modo che il pericolo di distorsione si riduca notevolmente. 

Questo ci porta ovviamente anche a parlare di credibilità.

Se il ricercatore o l’analista induce la risposta nel proprio target, chiaramente l’analisi stessa e i risultati ne perdono in credibilità a priori, prima ancora di definirne i risultati. 

Il secondo errore più comunemente commesso è la definizione di un target sbagliato. Chiaramente il gruppo definito per la ricerca deve avere delle caratteristiche chiare che rispondano alle necessità di ricerca.

Se il campione non è rappresentativo allora tutta la ricerca sarà poco attendibile, compresi i dati raccolti. 

Per questo è bene non prediligere taluni gruppi rispetto ad altri, oppure escludere a prescindere alcuni gruppi per questioni logistiche.

Se ad esempio si sta effettuando un’indagine sui trasporti pubblici, è bene indagare l’opinione non solo degli utilizzatori, ma anche di coloro che scelgono un’altra tipologia di trasporto, per capirne le motivazioni. Escluderli dall’indagine creerebbe distorsioni. 

Ovviamente l’interpretazione scorretta dei dati porta a una distorsione, bisogna sempre ricordare che qualsiasi dato, sia esso legato a un’azienda o a uno specifico prodotto, necessita di una contestualizzazione che deve essere necessariamente inserita nella ricerca.

Il singolo dato di per sé vale poco, ma se inserito in una moltitudine crea la mappa che ci permette di prendere le decisioni in maniera agile. 

Anche il periodo di tempo tra cui scegliere i dati è importante.

Se ad esempio si effettua una ricerca su un indice di borsa è importante includere per capirne l’andamento, anche le aziende che ne hanno fatto parte in passato e che magari non ne fanno più parte, questo perché ci permette di ricostruire il passato e di avere un’idea più chiara di ciò che potrebbe essere l’andamento futuro. 

Infine, è sempre bene ricordare che l’opinione delle persone è facilmente influenzabile, da chi hanno accanto, dai contesti, persino dai luoghi.

Per questo è bene formulare domande precise e raccogliere più dati possibili in fase di ricerca optando sempre per interviste sia interne che esterne all’organizzazione. 

Solo così è possibile evitare errori ed ottenere risultati chiari che ci aiutino a prendere le decisioni. 

Se vuoi conoscere di più rispetto ai temi di costruzione del brand e dei suoi valori c’è Da Zero Al Brand di Daniela Bavuso e Natale Cardone. 

Categories: analisi-dei-datibrand-identitybrand-strategybrandingdata-analyticsdata-driven-marketingmarketingmarketing-strategicostrategy