Dati ordinali: definizione, esempi, raccolta e analisi

Le aziende investono di più in strumenti di dati per aiutare i loro team di marketing a prendere decisioni migliori.

Ma il marketing ha bisogno di qualcosa di più dei soli dati e strumenti di analisi per implementare una strategia di marketing efficace. Devono anche comprendere il tipo di dati che raccolgono e come analizzarli per ottenere informazioni significative.

Ciò comporta il ritorno alle origini e la comprensione dei dati ordinali, uno dei principali tipi di dati di marketing. Questo articolo esplorerà i dati ordinali e il modo in cui informano le decisioni di marketing basate sui dati.

Il livello di soddisfazione del cliente è un esempio di dati ordinali. Le sue variabili potrebbero essere:

• molto soddisfatto
• Soddisfatto
• Neutro
• Insoddisfatto
• Molto insoddisfatto

Utilizzando i dati ordinali, è possibile calcolare la frequenza, la distribuzione, la modalità, la mediana e l'intervallo delle variabili.

Dopo aver definito i dati ordinali, potresti chiederti altri tipi di dati, come i dati nominali, di intervallo o di rapporto. In cosa differiscono dai dati ordinali? Ecco alcune rapide definizioni:

• I dati nominali sono una classificazione di dati le cui variabili hanno un insieme finito di valori e categorie che non sono ordinate. Con i dati nominali, misuri variabili come il tipo di impiego, che ha diversi risultati, come il lavoro freelance, a tempo pieno o ibrido.
• I dati di intervallo sono un tipo di dati in cui l'intervallo tra due valori non è costante. I dati di intervallo sorgono in molti modi, ad esempio, quando si misurano intervalli di tempo o quando varia la differenza tra due misurazioni. Il modo più comune per rappresentare i dati dell'intervallo consiste nell'utilizzare una tabella con colonne per i limiti superiore e inferiore di ciascun intervallo.
• I dati di rapporto sono un tipo di dati utilizzati per l'analisi statistica. I dati del rapporto non forniscono alcuna informazione sui valori che rappresentano. Queste informazioni devono essere ottenute da altre fonti a cui fanno riferimento i dati del rapporto. Viene spesso utilizzato nell'analisi delle informazioni finanziarie, ma può essere applicato anche ad altri tipi di dati.

5 esempi di dati ordinali

I dati ordinali si presentano in diversi formati. Ecco alcuni esempi di dati ordinali e come sincronizzarli con la tua strategia aziendale per migliorare i tuoi sforzi di gestione dei dati.

1. Livello di interesse

Sia che tu abbia già lanciato il tuo prodotto sul mercato o che tu abbia introdotto nuove funzionalità al tuo prodotto esistente, dovrai condurre ricerche di mercato per porre domande per valutare l'interesse del tuo pubblico di destinazione.

La ricerca di mercato comporta l'analisi di dati qualitativi e quantitativi per comprendere le esigenze dei clienti, i loro partner di acquisto e ciò che li motiva ad acquistare da te. Queste informazioni possono aiutarti a migliorare le tue campagne di marketing in futuro.

Ad esempio, se organizzi regolarmente conferenze, i sondaggi possono aiutarti a sapere quanto sei andato bene e se i tuoi partecipanti desiderano partecipare di nuovo alla conferenza. Ecco un esempio di dati a livello di interesse:

Fonte: SurveyMonkey

Le domande che poni riveleranno il livello di interesse dei potenziali clienti per il tuo prodotto o servizio. I livelli di interesse vanno da non interessato, poco interessato, neutrale a molto interessato.

2. Livello di istruzione

Questo tipo di dati ordinali fornisce informazioni dettagliate sul livello di competenza del pubblico di destinazione.

Il livello di istruzione può richiedere se il tuo pubblico di destinazione ha acquisito diversi livelli di istruzione formale, come scuola superiore, università e scuola di specializzazione. È possibile raccogliere questi dati assegnando numeri a ciascun livello, ad esempio 1 per nessuna istruzione formale, 2 per la scuola primaria e così via, fino a 10 per un dottorato universitario.

I dati a livello di istruzione sono utili quando utilizzi l'analisi nel tuo processo di reclutamento per aiutarti a valutare le domande di lavoro di potenziali candidati.

I dati a livello di istruzione possono aiutarti a fare previsioni efficaci su chi assumere in futuro per supportare la crescita dell'azienda, dove concentrare i tuoi sforzi di reclutamento e trovare candidati adatti per posizioni specifiche.

Se gestisci un team di vendita, valutare il livello di istruzione dei membri del tuo team ti consente di sapere come supportare i loro obiettivi di sviluppo professionale. In questo modo, puoi creare un team di vendita ad alte prestazioni e migliorare la fidelizzazione.

3. Stato socio-economico

Comprendere lo stato socio-economico del tuo pubblico di destinazione aiuta a creare e perfezionare i tuoi segmenti di clienti in base ai loro profili demografici e psicografici.

Puoi quindi fare affidamento su questi segmenti quando esegui campagne di marketing personalizzate che soddisfano le loro esigenze e desideri. I dati ordinali sullo stato socioeconomico per un pubblico di destinazione B2C includono sesso, posizione, reddito familiare, stato civile ed età.

D'altra parte, i dati per un pubblico di destinazione B2B includono entrate annue lorde, fase di crescita aziendale, numero di dipendenti, posizione di mercato e tipo di industria.

4. Livello di soddisfazione

Il livello di soddisfazione riflette il contenuto dei tuoi clienti con le diverse interazioni con il marchio. Ad esempio, il processo di onboarding del cliente o il modo in cui risolvi i diversi problemi dei clienti.

La soddisfazione del cliente può essere espressa come estremamente soddisfatto, soddisfatto, insoddisfatto o estremamente insoddisfatto. I dati sul livello di soddisfazione ti aiutano a misurare la soddisfazione del servizio clienti e della gestione delle vendite per identificare le aree di miglioramento.

Ecco un esempio di dati sul livello di soddisfazione da un sondaggio sull'adattamento del prodotto al mercato condotto da Buffer:

Fonte: tampone

Con questi dati, l'azienda ha potuto dire quanto sia utile lo scheduler di Buffer's Power per i propri clienti, il che significa che il prodotto era adatto ai propri utenti.

5. Confronto

Ciò comporta porre domande che rivelano le somiglianze o le differenze tra due o più punti dati. Una volta identificate le somiglianze o le differenze, puoi scoprire quali caratteristiche sono simili, quali sono diverse e in che misura sono diverse o simili.

Ad esempio, potresti voler confrontare l'andamento delle entrate dal 2021 al 2022. Il tuo confronto produrrà significativamente meno, più o meno lo stesso, di più e significativamente di più per le entrate di ogni anno.

Con questo, puoi valutare le tendenze macroeconomiche e del settore e adattare la tua strategia per adattarla al tuo processo di budget per controllare la spesa. Potresti anche decidere di andare oltre e confrontare le tendenze del settore in modo da poter creare report e scrivere contenuti di leadership di pensiero per promuovere la consapevolezza del marchio.

Come raccogliere dati ordinali

Se chiedessi a qualcuno di classificare il suo livello di soddisfazione su una scala da 1 a 5, la sua risposta sarebbe ordinale. Puoi raccogliere questi dati ‌tramite sondaggi o scale Likert utilizzando un software per sondaggi.

I sondaggi sono uno dei metodi più antichi per la raccolta di dati ordinali. Puoi utilizzare i sondaggi per determinare le opinioni del tuo pubblico di destinazione su prodotti, argomenti o problemi specifici relativi al tuo marchio, prodotto o servizio. Puoi eseguire il sondaggio con molti metodi, anche di persona, per telefono o online.

Con i sondaggi, tuttavia, è difficile raccogliere dati accurati da persone che non vogliono rispondere onestamente alle domande o capirle. I sondaggi richiedono anche molto tempo da parte del ricercatore per crearli, convalidarli e analizzarli.

Una scala Likert è un sondaggio che chiede ai partecipanti di essere d'accordo o in disaccordo con ogni affermazione del sondaggio, ad esempio "Non sono assolutamente d'accordo". I partecipanti quindi si assegnano una risposta in base ai loro sentimenti nei confronti dell'affermazione e al loro livello di accordo con essa.

Le scale Likert migliorano la chiarezza durante l'analisi perché gli intervistati valutano se stessi su una scala ordinata con intervalli chiaramente definiti, ad esempio una scala da 1 a 7.

Per raccogliere dati ordinali, è necessario eseguire sondaggi con domande che classificano le risposte utilizzando una scala implicita o esplicita. Ad esempio, se hai molto traffico in arrivo sul sito Web della tua azienda, puoi utilizzare uno strumento di feedback del sito Web aziendale per raccogliere feedback dal tuo sito Web. Chiedere:

"Quanto sei soddisfatto del post sul blog che hai appena letto?"

Le possibili risposte potrebbero essere:

• Contento
• Infelice
• Soddisfatto
• Insoddisfatto

Test da condurre con dati ordinali

È possibile eseguire diversi test sui dati ordinali per misurare la differenza tra due o più gruppi. Questi test includono:

• Il test di Kruskal-Wallis
• Il test U di Mann-Whitney
• Test della somma dei ranghi di Wilcoxon
• Test della mediana dell'umore

I dati ordinali sono un tipo di dati che classifica i valori dal minimo al massimo. In altre parole, i dati ordinali sono classificati o ordinati.

Test H di Kruskal-Wallis

Il test di Kruskal-Wallis è un test non parametrico utilizzato per confrontare le mediane di tre o più gruppi indipendenti. Viene utilizzato quando i dati non sono distribuiti normalmente e la varianza tra i gruppi non è uguale. Il test di Kruskal-Wallis può anche confrontare due gruppi dipendenti: prima e dopo le immagini della riprogettazione di un sito web.

Test U di Mann-Whitney

Il test di Mann-Whitney è un test non parametrico utilizzato per confrontare la mediana di due campioni indipendenti. Può essere utilizzato quando sono presenti dati ordinali, ad esempio valutazioni su una scala da 1 a 5, o quando non sono presenti gruppi chiari nei dati.

Test dei ranghi con segno di Wilcoxon

Il test dei ranghi con segno di Wilcoxon è un test non parametrico che può essere utilizzato per insiemi di dati con o senza distribuzione normale. È un'alternativa al test t nei casi in cui i dati non hanno una distribuzione normale.

Quando si esegue un t-test, si presuppone che la distribuzione sottostante dei dati sia normale, ma questa ipotesi può essere errata.

Ad esempio, quando si verifica la differenza di altezza tra due gruppi, supponiamo che un gruppo abbia un'altezza media di 180 cm e l'altro gruppo di 170 cm. Non vedrai alcuna differenza significativa nelle loro altezze.

Tuttavia, utilizzando il test del grado firmato Wilcoxon, puoi vedere oltre la normale differenza nelle loro altezze.

Test della mediana dell'umore

Il test si basa sulla premessa che gli stati d'animo delle persone si raggruppano attorno a un punto mediano, con alcuni più positivi o negativi di altri. Il test della mediana dell'umore spesso misura come le persone si sentono su un problema o un'idea, come l'opinione del cliente sui tuoi prodotti o servizi. Può prevedere il comportamento in base ai loro stati d'animo, ad esempio se i tuoi clienti acquisteranno da te o dai tuoi concorrenti.

Come analizzare i dati ordinali

Esistono due modi per analizzare i dati ordinali: statistica inferenziale e descrittiva.

Le statistiche descrittive riassumono le caratteristiche di un set di dati e identificano i modelli. Ecco le statistiche descrittive per i dati ordinali:

• Distribuzione di frequenza
• Misure di tendenza centrale
• Intervallo (misure di variabilità)

Le statistiche inferenziali , d'altra parte, prevedono cosa potrebbe accadere in futuro in base ai dati che hai. Puoi utilizzare i dati ordinali per raccogliere approfondimenti, creare ipotesi o persino trarre conclusioni con i quattro test sopra descritti.

I test di somma dei ranghi con segno di Kruskal-Wallis, Mann Whitney U e Wilcoxon analizzano tutti i dati ordinali. Sono tutti test non parametrici, nel senso che non si basano su alcuna ipotesi sulla distribuzione dei dati.

Analisi descrittiva

L'analisi descrittiva raccoglie, analizza e riporta dati su eventi che si sono già verificati. Ciò differisce dall'analisi predittiva, che prevede eventi futuri sulla base di dati storici. L'analisi descrittiva aiuta le aziende a identificare i modelli del passato per migliorare il processo decisionale futuro.

Nell'analisi descrittiva, l'obiettivo è trovare modelli nei dati esistenti, non prevedere cosa accadrà in futuro. L'analisi descrittiva mira a trovare relazioni di causa ed effetto tra eventi passati e utilizzare queste relazioni per prevedere eventi futuri.

A differenza di altri metodi di analisi, l'analisi descrittiva può essere utilizzata in qualsiasi momento con qualsiasi dato disponibile. Ciò lo rende più accessibile per le piccole imprese con risorse insufficienti per modelli predittivi o set di dati di grandi dimensioni richiesti da altri metodi.

Grafici

Barre e grafici presentano i dati in modo facile da comprendere. Sono utili quando i dati sono troppo grandi o complicati per essere visualizzati in una tabella. Il tipo di grafico che scegli dipende dalla quantità di informazioni che desideri trasmettere, dalle dimensioni dei dati e dal tuo pubblico.

I grafici a barre visualizzano le informazioni come barre con lunghezze proporzionali ai loro valori. Vengono utilizzati quando i dati sono categorici, nel senso che rientrano in gruppi specifici. Ecco un grafico a barre per un call center, che mostra il tempo impiegato per rispondere ogni giorno della settimana:

Fonte: Datapine

Sono una buona scelta quando vuoi che il tuo pubblico sia in grado di confrontare facilmente i valori. I grafici a barre sono più intuitivi e più facili da capire rispetto ai numeri. È anche possibile utilizzare barre in combinazione con linee o altri elementi grafici, come grafici a dispersione, istogrammi o grafici a torta.

I grafici a linee vengono utilizzati quando i dati hanno un valore ordinato. Questi grafici utilizzano linee per collegare i punti su due assi con la stessa scala su entrambi i lati. Queste linee possono essere continue o tratteggiate e iniziare in qualsiasi punto su entrambi gli assi.

Le linee rappresentano il cambiamento nel tempo, ad esempio il modo in cui il mercato azionario fluttua quotidianamente o il modo in cui il costo dell'energia cambia di anno in anno. Ecco un esempio di lead mensili in entrata nell'arco di 12 mesi visualizzati utilizzando un grafico a linee:

Misure di tendenza centrale

La tendenza centrale è la media di un insieme di numeri. Misura quanto strettamente i numeri in un set di dati sono raggruppati attorno alla loro media.

Tre tipi principali di tendenza centrale sono la media, la mediana e la moda. La misura più comune della tendenza centrale è la media aritmetica, calcolata sommando tutti i valori nel set di dati e dividendo questa somma per il numero di valori in quel set di dati.

La mediana può anche essere utilizzata come alternativa al calcolo della tendenza centrale, trovando semplicemente il valore medio in un set di dati dopo aver disposto tutti i numeri dal basso verso l'alto. La modalità è il valore più frequente in un insieme.

Punti chiave

I dati ordinali sono più complessi dei dati nominali e comunemente usati per misurare l'interesse. La scala Likert è un popolare esempio di dati ordinali.

Usa alcuni degli esempi reali forniti qui per ispirare la tua raccolta di dati del sondaggio. Mentre ci sei, scopri di più sui sondaggi e su come aiuta a raccogliere dati.