ಮಾರ್ಕೆಟ್ ರಿಸರ್ಚ್ನಲ್ಲಿ ಲಿಕರ್ಟ್ ಸ್ಕೇಲ್ ಡೇಟಾವನ್ನು ರಚಿಸುವುದು ಮತ್ತು ವ್ಯಾಖ್ಯಾನಿಸುವುದು

ಕೇಸ್ ಸ್ಟಡಿ - ಡಿಜಿಟಲ್ ಸಾಧನಗಳಿಗಾಗಿ ಗ್ರಾಹಕರ ಆದ್ಯತೆಗಳನ್ನು ಮಾಪನ ಮಾಡುವುದು

ಗ್ರಾಹಕರು ತಾಂತ್ರಿಕ ಪ್ರಗತಿಗಳನ್ನು ಅಳವಡಿಸಿಕೊಂಡಾಗ, ಸ್ಮಾರ್ಟ್ಫೋನ್ಗಳು, ಮಾತ್ರೆಗಳು ಮತ್ತು ಲ್ಯಾಪ್ಟಾಪ್ಗಳಂತಹ ವಿವಿಧ ಮೊಬೈಲ್ ಸಾಧನಗಳಲ್ಲಿನ ಡಿಜಿಟಲ್ ವಿಷಯದ ಬೇಡಿಕೆಯು ನಾಟಕೀಯವಾಗಿ ಹೆಚ್ಚಾಗುತ್ತದೆ. ವಿವಿಧ ರೀತಿಯ ಡಿಜಿಟಲ್ ಪ್ಲ್ಯಾಟ್ಫಾರ್ಮ್ಗಳ ಬಗ್ಗೆ ಗ್ರಾಹಕರ ಆದ್ಯತೆಗಳನ್ನು ಚೆನ್ನಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಮನರಂಜನೆಗಾಗಿ ಮತ್ತು ವ್ಯಾಪಾರ ಅಗತ್ಯಗಳಿಗಾಗಿ ಗ್ರಾಹಕರ ವೀಡಿಯೋ ವೀಕ್ಷಣೆಯ ಪ್ರಾಥಮಿಕ ಚಾಲಕಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಮಾರುಕಟ್ಟೆ ಸಂಶೋಧನಾ ಕ್ಲೈಂಟ್ ಉತ್ತಮವಾದದ್ದು ಎಂದು ಪರಿಗಣಿಸಿ.

ವಿಷಯ ವಿತರಣೆಗಾಗಿ ತಂತ್ರಜ್ಞಾನದ ವೇದಿಕೆಗಳ ಬಳಕೆಯ ಬಗ್ಗೆ ಗ್ರಾಹಕರ ವರ್ತನೆಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಸಮೀಕ್ಷೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಬೇಕೆಂದು ಮಾರುಕಟ್ಟೆ ಸಂಶೋಧನಾ ಕ್ಲೈಂಟ್ ಕೇಳಿದೆ. ಸಮೀಕ್ಷೆ ಭಾಗವಹಿಸುವವರ ಗ್ರಹಿಕೆಗಳು, ವರ್ತನೆಗಳು ಮತ್ತು ನಡವಳಿಕೆಗಳನ್ನು ತಂತ್ರಜ್ಞಾನದ ಬದಲಾವಣೆ ಮತ್ತು ಅನುಷ್ಠಾನವು ಹೇಗೆ ಪ್ರಭಾವಿಸುತ್ತದೆ ಎಂಬುದರ ಕುರಿತು ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುವುದಕ್ಕಾಗಿ ಈ ಸಮೀಕ್ಷೆಯನ್ನು ಹಲವಾರು ತಿಂಗಳುಗಳವರೆಗೆ ನಡೆಸಲಾಗುತ್ತದೆ. ಮಾರುಕಟ್ಟೆಯ ಸಂಶೋಧನಾ ಗ್ರಾಹಕರಿಂದ ಪರಿಮಾಣಾತ್ಮಕ ಮತ್ತು ಗುಣಾತ್ಮಕ ದತ್ತಾಂಶವನ್ನು ಎರಡೂ ಕೋರಲಾಗಿದೆ. ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಗಳನ್ನು ಸಮೀಕ್ಷೆ ಪಾಲ್ಗೊಳ್ಳುವವರನ್ನು ಆಯ್ಕೆಮಾಡಲು ಬಳಸಲಾಗುವುದು ಇದರಿಂದಾಗಿ ಸಂಭವನೀಯತೆಯ ನಮೂನೆಯನ್ನು ಸ್ಥಾಪಿಸಲಾಗುವುದು, ಅದು ಡೇಟಾಗೆ ತಾರ್ಕಿಕ ಅಂಕಿಅಂಶಗಳ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಗಳು ಬಯಾಸ್ಗಳನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಸ್ವೀಕಾರಾರ್ಹ ಮಟ್ಟಗಳಿಗೆ ಕಡಿಮೆ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

5-ಪಾಯಿಂಟ್ ಲೈಕರ್ಟ್ ಸ್ಕೇಲ್ನ ಉದಾಹರಣೆಗಳು

ಸಮೀಕ್ಷೆ ಭಾಗವಹಿಸುವವರ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ದಾಖಲಿಸಲು 5-ಬಿಂದು ಲೈಕರ್ಟ್ ಸ್ಕೇಲ್ ಅನ್ನು ಬಳಸಬಹುದು. (ಲಿಕರ್ಟ್ ಎಂಬ ಹೆಸರು ಫ್ರೆಂಚ್ ಉಪನಾಮವಾಗಿದ್ದರಿಂದ "ಲಿಕ್-urt" ಎಂದು ಉಚ್ಚರಿಸಲಾಗುತ್ತದೆ.) ಲೈಕರ್ಟ್ ಮಾಪಕವು ಸಮಗ್ರ ರೇಟಿಂಗ್ ಸ್ಕೇಲ್ನ ಒಂದು ಆವೃತ್ತಿಯಾಗಿದ್ದು, ಇದು ಪಠ್ಯ ಪ್ರತಿಕ್ರಿಯೆಗಳ ಪರಿವರ್ತನೆಯು ಪರಿಮಾಣಾತ್ಮಕ ವರ್ಗಗಳಿಗೆ ಪರಿವರ್ತಿಸುವ ರೀತಿಯಲ್ಲಿ ವಿನ್ಯಾಸಗೊಳಿಸಲ್ಪಡುತ್ತದೆ. ವ್ಯಕ್ತಿಯ ಅಥವಾ ಒಟ್ಟು ಪ್ರತಿಕ್ರಿಯೆಗಳ ಸಂಬಂಧಿತ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸಲು ಸಾರಸಂಗ್ರಹವಾಗಿದೆ.

ಪ್ರಶ್ನೆ ಐಟಂಗಳಿಗೆ ಲಗತ್ತಿಸಲಾಗಿಲ್ಲವಾದ ಸರಿಯಾದ ಉತ್ತರಗಳು ಇಲ್ಲದಿದ್ದರೂ, ಒಂದು ರೇಟಿಂಗ್ ರೇಟಿಂಗ್ ಸ್ಕೇಲ್ ಅನ್ನು ಉತ್ತಮ ವಿಶ್ವಾಸಾರ್ಹತೆಗೆ ನೀಡುವ ಫಲಿತಾಂಶವನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಈ ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಬಳಸಬಹುದಾದ ಉದಾಹರಣೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ.

ವೆಬ್ ವಿಷಯವನ್ನು ನಾನು ಓದಬೇಕಾಗಿಲ್ಲ ಎಂದು ವೀಡಿಯೊ ವಿಷಯವು ಸಾಕಷ್ಟು ವಿವರಿಸಲಾಗಿದೆ.

__ ತೀವ್ರವಾಗಿ ಒಪ್ಪಿಕೊಳ್ಳಿ __Agree __Neutral __Disagree __ ತೀವ್ರವಾಗಿ ಅಸಮ್ಮತಿ

ವೀಡಿಯೊವನ್ನು ವೀಕ್ಷಿಸಿದ ನಂತರ, ನಾನು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ಆಳವಾದ ಮಾಹಿತಿಗಾಗಿ ವೆಬ್ಸೈಟ್ಗೆ ಹೋಗುತ್ತೇನೆ.

__ಅಬ್ಸಗ್ಲೀಟ್ ಟ್ರೂ __Somewhat ಟ್ರೂ __Neutral __Somewhat ಅನಿಶ್ಚಿತ __ ಅಬ್ಸೊಲ್ಯೂಟ್ ಅನ್ಟ್ಯೂ

ವ್ಯಾಪಾರ ವೆಬ್ಸೈಟ್ಗಳಲ್ಲಿ UI / UX ಅನ್ವಯಿಕೆಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಗ್ರಾಹಕರು ಉತ್ತಮ ಗುಣಮಟ್ಟವನ್ನು ಅನುಭವಿಸುತ್ತಾರೆ.

__ಅಲ್ವೇಸ್ __ಓಫ್ಟನ್ __ಕೆಲವೊಮ್ಮೆ __ಸೀಲ್ಡಮ್ __ಇಲ್ಲ

5-ಪಾಯಿಂಟ್ ಲಿಕರ್ಟ್ ಸ್ಕೇಲ್ನ ಪ್ರಕಾರ ಉದಾಹರಣೆಗಳು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡಲ್ಪಟ್ಟಿವೆ. ಜನರು ಹೆಚ್ಚಿನ ಒಪ್ಪಂದವನ್ನು ಅಥವಾ "ಸತ್ಯತೆಯನ್ನು" ಸೂಚಿಸುವ ದೊಡ್ಡ ಸಂಖ್ಯೆಯ ಪರಿಭಾಷೆಯಲ್ಲಿ ಯೋಚಿಸುವುದರಿಂದಾಗಿ, ಸ್ಕೇಲ್ ಅನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಲಾಗಿರುತ್ತದೆ, ಇದರಿಂದ ಸ್ಕೋರ್ಗಳು ಸಂಕ್ಷೇಪಿಸಲ್ಪಟ್ಟಾಗ, ಒಂದು ದೊಡ್ಡ ಸಂಖ್ಯೆಯು ಜೋಡಿಸಿದಂತೆ ಅಥವಾ ಪ್ರಶ್ನೆಯ ಐಟಂನೊಂದಿಗೆ ಒಪ್ಪಂದ ಮಾಡಿಕೊಳ್ಳುತ್ತದೆ (ಇದು ನಿಜವಾಗಿಯೂ ಒಂದು ಹೇಳಿಕೆ, ಒಂದು ಪ್ರಶ್ನೆಯಲ್ಲ).

5 = ಬಲವಾಗಿ ಒಪ್ಪಿಕೊಳ್ಳಿ 4 = ಒಪ್ಪಿಕೊಳ್ಳಿ 3 = ತಟಸ್ಥ 2 = ಅಸಮ್ಮತಿ 1 = ಬಲವಾಗಿ ಅಸಮ್ಮತಿ

5 = ಸಂಪೂರ್ಣವಾಗಿ ಟ್ರೂ 4 = ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ಟ್ರೂ 3 = ತಟಸ್ಥ 2 = ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ಅನಿಶ್ಚಿತತೆ 1 =

5 = ಯಾವಾಗಲೂ 4 = ಹೆಚ್ಚಾಗಿ 3 = ಕೆಲವೊಮ್ಮೆ 2 = ಕಾಲ 1 = ಎಂದಿಗೂ

ಲೈಕರ್ಟ್ ಸ್ಕೇಲ್ ಡೇಟಾವನ್ನು ಹೇಗೆ ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು?

ಆದಾಗ್ಯೂ, ಲಿಕರ್ಟ್ ಸ್ಕೇಲ್ನಿಂದ ಆರ್ಡಿನಲ್ ಸಂಖ್ಯೆಗಳ ಸಾರಾಂಶದ ಸ್ಕೋರ್ನ ಪ್ರಾಥಮಿಕ ನ್ಯೂನತೆಯೆಂದರೆ ಸ್ಕೋರ್ ಎಂಬುದು ಯಾವುದೇ ನೈಜ ಪ್ರಮಾಣದ ನಿಜವಾದ ಪ್ರತಿನಿಧಿಯಲ್ಲದ ಅರ್ಥದ ಅರ್ಥವನ್ನು ನೀಡುತ್ತದೆ ಎಂದು ಗುರುತಿಸುವುದು ಮುಖ್ಯವಾಗಿದೆ. ಪ್ರತಿ ಪ್ರಶ್ನೆ ಐಟಂಗೆ ಪಾಯಿಂಟ್ ಪ್ರತಿಕ್ರಿಯಿಸುವವರು ದಾಖಲಿಸುವ ಪರಿಮಾಣಾತ್ಮಕ ದತ್ತಾಂಶಕ್ಕಾಗಿ, ಪ್ರಶ್ನೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಗಳ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ನಿರ್ಧರಿಸಲು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಿಕೊಳ್ಳಲಾಗುತ್ತದೆ .

ಅಂತೆಯೇ, ವಿಶ್ವಾಸಾರ್ಹತೆ, ಸಿಂಧುತ್ವ ಮತ್ತು ಸೂಕ್ಷ್ಮತೆಯ ಸ್ವೀಕಾರಾರ್ಹ ದರಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಲು ಅಂಕಿಅಂಶಗಳನ್ನು ಬಳಸಬಹುದಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಹೆಚ್ಚಿನ ಮಾರುಕಟ್ಟೆಯ ಸಂಶೋಧಕರು ಲೈಕರ್ಟ್ ಮಾಪಕಗಳ ದತ್ತಾಂಶವು ಕ್ರೋನ್ಬ್ಯಾಕ್ನ ಆಲ್ಫಾ ಅಥವಾ ಕಾಪ್ಪಾ ಪರೀಕ್ಷೆಯ ಪರಸ್ಪರ ಸಂಬಂಧ ಮತ್ತು ಸಿಂಧುತ್ವವನ್ನು ಹಾದುಹೋಗುತ್ತವೆ ಎಂದು ಒತ್ತಾಯಿಸುತ್ತದೆ.

_{ಮೂಲಗಳು:}

_{ಜುಪ್ಪ್, ವಿ. (2006). ಸಾಮಾಜಿಕ ಸಂಶೋಧನಾ ವಿಧಾನಗಳ SAGE ನಿಘಂಟು.}

_{ಲೈಕರ್ಟ್, ಆರ್. (1932). ವರ್ತನೆಗಳನ್ನು ಮಾಪನ ಮಾಡಲು ಒಂದು ತಂತ್ರ. ಆರ್ಕೈವ್ಸ್ ಆಫ್ ಸೈಕಾಲಜಿ, 140 (55).}

_{ಮಾರ್ಟಿನೆಜ್-ಮಾರ್ಟಿನ್, ಪಿ. (2010, ಫೆಬ್ರವರಿ 15). ಸಂಯೋಜಿತ ರೇಟಿಂಗ್ ಮಾಪಕಗಳು. ಜರ್ನಲ್ ಆಫ್ ನರಶಾಸ್ತ್ರೀಯ ವಿಜ್ಞಾನ, 289 (1-2), 7-11. doi: 10.1016 / j.jns.2009.08.013.}

_{ಜಿಕ್ಮಂಡ್, ಡಬ್ಲುಜಿ, ಬಾಬಿನ್, ಬಿಜೆ, ಕಾರ್, ಜೆಸಿ, ಮತ್ತು ಗ್ರಿಫಿನ್, ಎಮ್. (2013). ವ್ಯವಹಾರ ಸಂಶೋಧನಾ ವಿಧಾನಗಳು (9 ನೆಯ ಆವೃತ್ತಿ). ಮೇಸನ್, OH: ನೈಋತ್ಯ.}