I metodi esistenti dipendono da metodo scientifico e dal ricercatore

Espandere il valore informativo dei nonrespondent attenuando il nonresponse bias

I metodi per ovviare al nonresponse bias17 _{sono (Armstrong and Overton, 1977):}

1) Riduzione delle risposte non date,

2) Campionamento di coloro che non rispondono,

3) Stima gli effetti delle risposte mancate. I metodi per stimare questi effetti sono utilizzi diversificati della regressione fra ondate18_{, ovvero il considerare le risposte dei}

nonrespondent come quelle:

i) Del rispondente medio della seconda ondata, ii) Dell’ultimo rispondente che ha risposto, iii) Del rispondente medio fra tutte le ondate .

La riduzione delle risposte non date è la meno convincente. È facile a livello teorico immaginare di inviare il questionario soltanto agli interessati ma nella pratica è difficile. Bisognerebbe segmentare bene i clienti attuali e potenziali dell’azienda e consegnare il questionario solo a chi ha una probabilità di risposta maggiore di una certa percentuale, ma si ottengono alti costi e i tempi necessari si dilatano. Il campionamento di quelli che non rispondono è una strada meglio praticabile. Si tratta di contattare chi non ha risposto per altre vie (se il sondaggio era per mail si passa alle chiamate). La valenza delle informazioni che si trovano dipende da chi si riesce a contattare e può succedere che chi non ha risposto una volta non risponda nemmeno la seconda. La regressione delle ondate è il più scientifico ma porta a sovrastime. Considerare tutti quelli che non hanno risposto come fossero un solo soggetto può portare tuttavia a errori di valutazione notevoli. Tuttavia, è il metodo meno costoso.

Tutti i metodi prevedono comunque di superare, in parte, il problema tipico delle intenzioni per cui tutti i nonrespondent sono considerati uguali e – considerando che la maggior parte degli acquisti sono fatti da loro – di incrementare la valenza informativa del lavoro svolto.

Alcuni dei metodi esistenti mancano di standardizzazione

La validità di alcuni metodi è determinata dall’assenza di metodi alternativi di studio. Nei casi più estremi come i prodotti che derivano da innovazione radicale, infatti, non si può nemmeno ricorrere ad un vero e proprio studio basato sulle intenzioni in quanto il prodotto è ancora “troppo astratto” per poter essere compreso e valutato dai rispondenti.

Nel prosieguo analizziamo come metodi diversi rispetto alle intenzioni possano aiutare a formulare una stima quando non sono possibili altri metodi.

17 _{Le persone che rispondono sono diverse da quelle che dovrebbero farlo. Si pensi ad un sondaggio online} dove il questionario viene inviato al rispondente ma non è lui a rispondere alle domande. Il campione di risposte ottenuto non è rappresentativo della popolazione o del segmento che il sondaggio vuole analizzare.

18 _{Un’ondata è uno stimolo. La prima ondata può essere la somministrazione di un questionario e la}

38

Metodo dell’analogia o guessing by analogy

Si tratta di usare dati relativi a prodotti simili. Lo scopo è di valutare se i dati grezzi ottenuti dalle intenzioni del nuovo prodotto sono simili a quelle ottenute dal prodotto vecchio. Se le intenzioni rilevate dal nuovo studio si discostano troppo da quelle di cui sono disponibili gli acquisti effettivi, si procederà con trasformazioni per rendere i nuovi dati simili a quelli vecchi. Più in generale, si tratta di applicare dei pesi o weighted-box, cioè serie di regole empiriche e non scientifiche, per modificare i valori delle intenzioni per allinearle a quelle di prodotti simili o di prodotti già studiati nel passato. Uno di questi metodi consiste nello stabilire che i rispondenti che compreranno è uguale a una percentuale di quelli che hanno inserito come risposta “sicuramente comprerò” (che è cioè il loro “top-box”) (Morwitz and Schmittlein, 1992). Come è già intuibile la decisione su quale prodotto usare per la comparazione e come scontare i nuovi dati sono lasciati all’esperienza dei sondaggisti. L’espressione inglese coglie al meglio quest’ultimo dettaglio: guess significa “indovinare” ovvero si tratta di decidere se i dati ottenuti dal proprio sondaggio siano realistici o meno sulla sola base del proprio giudizio.

In questa fase si valuta inoltre il problema dell’eccesso degli zeri.

Limitazioni all’uso dell’analogia: il meccanismo dei pesi

Quando il ricercatore è al corrente dell’esistenza di distorsioni o errori di altra natura in fase di raccolta dati, uno dei metodi diffusi dalla prassi consiste nell’applicare pesi ai dati ottenuti per tentare di scontarli. Si tratta di un metodo in parte sbagliato (Ben-Akiva et al., 1994).

Si consideri il seguente esempio: dopo aver ottenuto le risposte al sondaggio ci si accorge dell’esistenza di un picco marcato in prossimità del punto 5/10 corrispondente a “non so se comprerò”. Dopo un’analisi ci si accorge che la spiegazione a quel punto era eccessivamente ricca di dettagli tanto che la maggior parte dei rispondenti l’ha scelta come risposta. Il ricercatore procede quindi a dimezzare le risposte assegnate a quel punto in quanto sarebbe irrealistico considerarle nella loro interezza. Questo è il metodo usato da Bass (2001).

Il ragionamento risulta fallato. Il ricercatore non sta considerando che bisogna valutare anche quanto il singolo data-set predice accuratamente il futuro. Il peso da applicare, quindi, non deve tenere in considerazione la sola quantità di risposte data a quel punto ma anche le distorsioni presenti nel questionario.

Metodo del management

I dati sull’acquisto futuro sono ottenuti per conto di imprese alla ricerca di informazioni sui propri consumatori. Quando si vuole valutare se i dati ottenuti dai sondaggi sono realistici o meno, si può chiedere direttamente all’azienda, ad esempio, quale tasso di sconto utilizzare negli anni successivi al primo. Il motivo è che il management può disporre di migliori informazioni sul mercato che si sta analizzando rispetto a chi esegue l’analisi e può quindi identificare un tasso di sconto migliore.

Per restare nello studio di Bass, viene utilizzato questo metodo per decidere quale sia il tasso di sconto più opportuno per scontare le intenzioni dichiarate negli anni dopo il primo. È stato portato al management una scelta fra quattro possibili scenari e lo si è lasciato scegliere. Ovviamente non vi è scientificità.

39

“Buon senso”

Può capitare che le intenzioni ottenute siano sproporzionate rispetto alla realtà e non vi siano metodi utilizzabili per risolvere le distorsioni o non le si riescano a comprendere. Ne è un esempio l’esperimento di Detroit in cui vi è stato un picco di risposte in uno dei punti della scala, e tale picco non è stato compreso dai sondaggisti. In questi casi è possibile affidarsi all’esperienza del sondaggista e creare metodi ad-hoc per rendere più realistici i dati ottenuti. Come si nota, questa situazione prevede decisioni lasciate al solo buon senso ed esperienza di chi sta conducendo l’analisi. Nel riquadro seguente portiamo un esempio dell’applicazione dei tre metodi appena descritti: il caso dei prodotti nuovi. In seguito, presenteremo un modello matematico costruito per trasformare le intenzioni in stime: il modello di Morrison.