1 차 연구는 연구자가 원본 출처에서 직접 데이터를 가져 오는 연구 유형입니다. 즉,연구자들은 데이터를 수집하는 첫 번째입니다.
데이터는 질적 또는 양적 정보 일 수 있습니다. 질적 정보는 교육,성별,선호도 또는 응답자의 의견과 같은 숫자를 사용하여 측정,계산 및 설명 할 수 없습니다. 한편,질적 정보는 소득 또는 한 달에 구입 한 제품 수와 같은 숫자로 측정 할 수있는 값을 갖습니다.
연구원은 스스로 데이터를 수집 할 수 있습니다. 또는,그들은 그들의 대신해 연구를 하기 위하여 제 3 자를 고용한다. 주요 연구의 주요 장점은 데이터 품질이 더 보장된다는 것입니다. 그러나 그것은 또한 할 비용이 될 수 있습니다.
1 차 연구와 2 차 연구의 차이점
데이터 소스를 기반으로 연구는 두 가지 유형으로 나뉩니다:
- 1 차 연구 또는 현장 연구
- 2 차 연구 또는 책상 연구
1 차 연구가 원본 출처에서 직접 데이터를 수집하는 경우 2 차 연구는 기존 데이터에 의존합니다. 다른 회사,정부 기관,연구 기관 또는 국제기구의 보고서와 같은 외부 당사자로부터 올 수 있습니다.
저렴하지만 연구원은 2 차 데이터의 품질을 확인할 수 없습니다. 그들은 샘플링 프로세스 및 데이터 수집을 제어 할 수 없습니다. 데이터 수집 및 게시 결과 사이의 시간 지연으로 인해 데이터가 최신 상태가 아닐 수 있습니다. 일부 시계열 데이터의 경우 정기적으로 업데이트되지 않을 수 있습니다.
1 차 연구 방법
4 차 연구 방법이 있다:
- 설문 조사
- 인터뷰
- 포커스 그룹
- 관찰
설문 조사
설문 조사에서 연구원은 소정의 응답자 그룹(샘플)으로부터 데이터를 수집했습니다. 주제는 연구 목표에 따라 다릅니다. 예를 들어 소비자 조사에서는 제품 또는 브랜드에 대한 소비자 만족도의 태도,인상,의견 및 수준을 조사 할 수 있습니다.
설문 조사를 하기 전에 연구자들은 어떤 샘플을 채취할지 결정했다. 우리가 샘플링을 부르는 과정은 두 가지 범주로 나뉩니다:
- 무작위 샘플링. 여기서 샘플은 동일한 선택 기회를 갖습니다. 방법의 예로는 단순 랜덤 샘플링,체계적인 랜덤 샘플링,계층화 랜덤 샘플링 및 클러스터 랜덤 샘플링 및 다단계 랜덤 샘플링이 있습니다.
- 비 랜덤 샘플링. 이 접근법에서 샘플 선택 가능성은 동일하지 않습니다. 방법은 할당량 샘플링,편의 샘플링,눈덩이 샘플링,판단 샘플링 및 자체 선택입니다.
샘플을 결정한 후,연구자들은 스스로 또는 자신을 대신하여 제 3 자를 통해 설문 조사를 실시했습니다. 응답자와 얼굴을 맞대고 만나는 것 외에도 연구원은 전화 또는 이메일과 같은 온라인 채널을 통해 그렇게 할 수 있습니다. 직접 소비자 조사를 위해 일반적으로 설문지를 사용하여 소비자 또는 잠재 고객에게 직접 질문합니다.
설문지에는 일반적으로 양적 또는 질적 정보가 포함되어 있습니다. 초기 페이지에는 교육,가족 구성원 수 및 소득과 같은 소비자 배경에 대한 질문이 포함될 수 있습니다. 다음 섹션에는 연구 목표에 답하기 위한 몇 가지 주요 질문이 포함되어 있습니다.
설문지의 질문은 다음과 같을 수 있습니다:
- 닫힌 질문
- 열린 질문
닫힌 질문에서 연구원은 대체 답변을 제공하고 응답자는 적절한 답변을 선택합니다. 닫힌 질문의 주요 장점은 결과를 쉽고 빠르게 처리하고 분석 할 수 있다는 것입니다. 그러나 약점은 답변이 응답자가 아닌 연구자의 관점에서 개발된다는 것입니다. 따라서 소비자 답변 뒤에 이유를 설명 할 여지가 적습니다.
한편 공개 질문에서는 대체 답변을 사용할 수 없습니다. 연구원은 응답자가 자신의 답변을 제공하도록 장려하여 정보를 더 깊이 파고들 수있는 기회를 제공합니다. 그러나 불행히도 답변은 응답자마다 다릅니다. 그들은 숫자를 구성하고 표현하기가 어려울 것입니다.
인터뷰
인터뷰는 연구자가 응답자와 직접 상호 작용하는 설문 조사와 유사합니다. 그것은 전화 또는 직접에있을 수 있습니다. 인터뷰 과정은 선택한 샘플에 따라 거리 또는 집에서 어디서나 수행 할 수 있습니다.
그러나 몇 가지 닫힌 질문에 의존하는 대신 인터뷰는 대부분 개방형 질문에 의존했습니다. 그들은 응답자의 답변을 더 깊이 탐구했습니다. 조사와는 다른,탐방기자는 질문을 묻기안에 편견 더의 결과로 가이드가,있지 않는다. 편견을 피하기 위해 질문 할 질문이있는 메모를 수행 할 수 있습니다.
포커스 그룹
이 경우 연구원은 여러 사람을 모아 문제를 논의했습니다. 그들은 소비자 또는 전문가 일 수 있습니다.
토론 주제는 연구 유형에 따라 다릅니다. 새로운 제품,서비스,광고 또는 포장 스타일에 관한 것일 수 있습니다. 그런 다음 연구원은 이러한 질문을 그룹 구성원에게 제기하고 적극적으로 응답을 논의하도록 권장했습니다.
모든 그룹 구성원은 자신의 관점을 자유롭게 제공 할 수 있습니다. 여기서 연구원은 일반적으로 토론 리더 역할을하며 중요한 점을 기록하거나 기록합니다.
포커스 그룹의 주요 장점은 정보가 더 현실적이고 정확하다는 것입니다. 비슷한 특성을 가진 응답자가 참여하기 때문에 답변이나 의견은 개별 인터뷰 나 설문지에 대한 응답보다 편향되지 않을 수 있습니다. 그룹 구성원은 설문 조사 및 인터뷰에서와 같이 단순히 질문에 대답하기보다는 자신의 의견을 자유롭게 말할 수 있습니다.
그러나,이 방법은 또한 단점을 갖는다. 회원은 토론에 수동적 일 수 있으므로 연구원은 지배적 인 역할을 수행하여 너무 많은 토론에 영향을 미칩니다. 그것은 결국 편향된 결론으로 이어질 것입니다.
관찰
관찰은 응답자와의 직접적인 상호 작용을 포함하지 않습니다. 대신 연구원은 응답자를보고 관찰하고 그에 대해 메모합니다. 예를 들어,소매 상점에서 고객 행동 연구를 가져 가라. 연구원은 방문자 수,성별,상점에 들어올 때 처음 사용하는 제품,장바구니에 넣은 제품,계산대에서 지불하는 제품 및 얼마를 기록 할 수 있습니다.
이 연구는 연구자가 응답자에게 하나씩 묻지 않기 때문에 상대적으로 저렴합니다. 대신 정보를 검색하기 위해 여러 관측 위치를 결정했습니다.
그러나 관측 연구의 주요 단점은 상대적으로 제한된 양의 정보이다. 또한 편견이 자주 발생합니다. 예를 들면,소매점에 관측에서,방문자는 알고 있을 때 부자연스러운 태도를 보일지도 모른다 감시되고 있다. 그들은 평소와 같이 행동하는 대신 이상적인 자아를 보여 주려고합니다.
1 차 연구의 단점
1 차 연구의 장점 중 일부는 다음과 같습니다. 이 연구원은 필요한 시간에 데이터를 수집합니다. 이는 데이터 수집과 게시 사이에 더 많은 시간 지연이 있는 보조 데이터와 다릅니다. 또한 연구원은 필요에 따라 정기적으로 데이터를 업데이트 할 수도 있습니다.
더 관련성이 있습니다. 연구자들은 그들이 대답하고자하는 목표와 질문에 의해 데이터를 가져 가라. 예를 들어,20-30 세 소비자의 쇼핑 습관을 연구 한 경우 적절한 샘플을 결정할 수 있습니다.
대조적으로,사용 가능한 보조 데이터는 20-25 세 소비자 만 사용할 수 있습니다. 따라서 연구를 위해 2 차 데이터를 취하는 것은 관련성이 떨어집니다.
기밀. 연구자 만 데이터에 액세스 할 수 있습니다. 다른 사람들은 허락없이 사용할 수 없습니다.
또한 연구원은 돈을 위해 다른 당사자에게 데이터를 판매 할 수 있습니다. 그것은 여러 연구 회사의 비즈니스 모델 중 하나입니다. 그들은 몇 가지 기본 데이터를 수집 하 고 여러 클라이언트에 판매. 일회성 비용이 들지만 동일한 데이터를 여러 당사자에게 판매 할 수 있습니다.
더 제어 가능. 실제로 1 차 연구 또한 편향되어 있습니다. 그러나 그 중 일부는 연구자의 통제하에 있습니다. 예를 들어 샘플을 선택할 때 선택한 응답자와 수집된 데이터를 제어하므로 더 대표적입니다. 보조 데이터에서 얻는 것은 어렵습니다.
1 차 연구의 단점
1 차 연구의 단점은:
비싸다. 연구원은 데이터를 얻기 위해 더 많은 비용을 지출해야합니다. 금액은 사용 된 준비 또는 기본 연구 방법에 따라 다릅니다. 응답자의 수와 지리적 도달 범위도 비용에 영향을 미칩니다. 예를 들어,설문 조사에서 비용은 더 높을 수 있으며 측량사 임금,데이터 입력 수수료 및 설문지 인쇄 비용을 포함 할 수 있습니다.
시간이 많이 걸립니다. 예를 들어 설문 조사 및 인터뷰는 응답자 수에 따라 며칠이 걸릴 수 있습니다. 데이터를 얻은 후 연구원은 데이터를 입력하고 정리 한 다음 데이터베이스에 넣어야합니다. 또한 일부 개방형 질문에 대한 답변을 분류해야 할 수도 있습니다. 반면에 보조 데이터는 더 빠르게 획득,처리 및 분석할 수 있습니다.
낮은 다양성. 기본 데이터에는 연구 대상 주제 만 포함됩니다. 대조적으로,보조 데이터는 다양한 소스에서 제공되기 때문에 더 다양합니다.