Anket verileri nasıl analiz edilir?

Çevrimiçi anketlerinizin sonuçlarını aldınız. Şimdi anket verisi analizinin gücünden yararlanarak bu sonuçları anlamlı bir hale getirip kolay anlaşılabilir ve uygulanabilir bir şekilde sunma zamanı. İstatistiksel anket sonuçlarını topladıktan ve veri analizi planı oluşturduktan sonra aldığınız anket sonuçlarını hesaplama işlemine başlayabilirsiniz. Nitel veriler yerine nicel verileri anlamlandırmaktan sorumlu olan anket araştırması uzmanlarımız da bu yolu izliyor. Raporlarını oluştururken, araştırma sorularına ilişkin cevaplar içeren anket yanıtlarını temel alıyorlar. Ham verilerin içerdiği bilgileri incelemek uzmanlar için bile zor bir iş haline gelebiliyor. 

Anket hedeflerinize ulaşmak için uzmanlarımız tarafından önerilen anket metodolojisini kullanmakla işe başlayabilirsiniz. Anket sonuçlarını aldığınızda istatistiksel analiz, veri analizi ve anket ölçümlerinizi yansıtan tablo ve grafikler gibi veri analizi araçlarını kullanarak sonuçlarınızı etkili bir şekilde analiz edebilirsiniz.

Sağlam bir anket verisi analizi yapmak, daha iyi iş kararları almak için ihtiyaç duyduğunuz bilgileri ve görüşleri almanız açısından çok önemlidir. Bununla birlikte, analizi zorlaştıran, hatta sonuçlarınızda sapmaya bile neden olabilen olası güçlüklerin farkında olmanız da önemlidir. 

Çok sayıda açık uçlu soru sorarsanız anketin yanıtlanma süresi uzayabilir ve sayısal bir karşılığı olmayan nicel sonuçlar alacağınız için analiziniz daha karmaşık hale gelebilir. Kapalı uçlu sorular ise daha kolay bir şekilde analiz edilebilen sonuçlar almanızı sağlar. Yönlendirici veya yanlı sorular sormak ya da kafa karıştırıcı veya fazla karmaşık sorular yöneltmek de analizi güçleştirebilir. Doğru araçlara ve becerilere sahip olduğunuzda, anket analizinin kolay ve etkili olmasını güvenceye almanız kolaylaşır.

Kapalı uçlu sorular ve açık uçlu sorular kullanma hakkında daha fazla bilgi edinin.

Çeşitli veri analizi teknikleri sunan SurveyMonkey, ham verilerinizi kolay anlaşılabilir formatlarda sunulan uygulanabilir görüşlere dönüştürmenizi kolaylaştırır. Otomatik tablolar ve grafikler ile sözcük bulutları gibi özellikler, verilerinizi kullanılabilir hale getirmenize yardımcı olur. Örneğin; Duygu Analizi yaparken binlerce, hatta milyonlarca açık metin yanıtından aldığınız verileri kullanarak insanların duygu durumlarıyla ilgili anında özetler oluşturabilirsiniz. Olumlu, olumsuz ve nötr duyguları tek bakışta inceleyebilir veya ilgilenmeniz gereken alanları tespit etmek için duyguya göre filtreleme yapabilirsiniz. Bu uygulama, daha ayrıntılı görüşler almanıza da yardımcı olur. Tüm bu metin yanıtlarını nicel bir veri kümesine dönüştürebildiğinizi hayal edin.

Sözcük bulutları, en sık kullanılan sözcüklerin görsel gösterimini sunarak açık uçlu yanıtları hızlıca yorumlamanızı sağlar. Belirli sözcükler için renkler veya yazı tipleri seçmekten ilgisiz sözcükleri gizlemeye kadar çeşitli yöntemler kullanarak sözcük bulutlarınızın görünümünü özelleştirebilirsiniz.

Çeşitli özelliklerimiz ve araçlarımız, analizleriniz sırasında yaşadığınız zorlukların üstesinden gelmenize yardımcı olabilir ve kısa sürede grafikler ve sağlam raporlar oluşturmanızı sağlayabilir. SurveyMonkey'den yararlanarak son dakikada gelen rapor taleplerini nasıl anında karşılayabileceğinize göz atın.

Öncelikle, önemli araştırma sorularınızın sonuçlarını hesaplamak için nasıl bir yol izlemeniz gerektiğinden bahsedelim. Ampirik araştırma sorularına yer verdiniz mi? Olasılıklı örnekleme yöntemini kullanmayı düşündünüz mü? Anketiniz için hedef belirlerken hangi önemli araştırma sorularını kullanacağınızı listelemiş olmanız gerekir.

Örneğin, düzenlediğiniz eğitim konferansında katılımcılardan etkinlik sonrası geri bildirim anketinizi yanıtlamalarını istediğinizde soracağınız önemli araştırma sorularından biri şöyle olabilir: Katılımcılar konferansı genel olarak nasıl değerlendiriyor? Bu noktada, söz konusu önemli araştırma sorusuna değinen belirli bir anket sorusu için topladığınız yanıtları inceleyin:

Önümüzdeki yıl bu konferansa katılmayı planlıyor musunuz?

Aldığınız yanıtlarda hem yüzdelerin (%71, %18) hem rakamların (852, 216) yer aldığını görüyorsunuz. Burada yüzdeler, belirli bir yanıtı veren kişilerin yüzdesini gösterir. Başka bir deyişle, her bir yanıtı veren kişi sayısının soruyu yanıtlayan kişi sayısına oranını temsil eder. Yani anketi yanıtlayanların %71'i (anketi yanıtlayan 1200 kişiden 852'si) gelecek yıl da gelmeyi düşünüyor.

Bu tablo aynı zamanda %18'lik bir kısmın tekrar gelmeyi düşünmediğini, %11'lik kısmın ise emin olmadığını gösteriyor.

Anket sonuçlarınızı doğru ve etkili bir şekilde analiz ettiğinizden emin olmanız açısından bir diğer önemli husus da örnek boyutunu doğru anlamanızdır. Örnek boyutu, anketinizin istatistiksel açıdan geçerli olması için kaç kişinin anketinize katılması ve yanıtlarını tamamlaması gerektiğini ifade eder. Örnek boyutunu belirlemek istatistikçiler için bile zorlu bir iş olabilir. Buna karşılık, SurveyMonkey, sonuçlarınızda hata payını en aza indirebilmek için kaç kişiye anket yapmanız gerektiğini belirlemenize yardımcı olan, kullanımı kolay hata payı hesaplayıcısı sayesinde tahmine ve karmaşıklığa yer bırakmaz.

Anketiniz için bir amaç belirleyip analiz planınızı geliştirdikten sonra hangi alt gruplar üzerinde analiz ve karşılaştırma yapacağınızı düşünme aşamasına geldiniz. Planlama süreci işte bu aşamada işinize yarar. Diyelim ki öğretmenlerin, öğrencilerin ve yöneticilerin gelecek yıl düzenlenecek konferansa katılım durumlarıyla ilgili verecekleri yanıtları karşılaştırmak istiyorsunuz. Bunu belirlemek için konferans sorusunun sonuçlarını alt gruplara göre gösteren bir çapraz tablo oluşturarak veya çapraz tablo raporlarını kullanarak yanıtlama oranlarını ayrıntılı bir şekilde inceleyebilirsiniz:

Bu tabloda çoğu öğrencinin (%86) ve öğretmenin (%80) gelecek yıl da konferansa katılmayı planladığını görüyorsunuz. Ancak konferansa katılan yöneticilerin yarısından daha azı (%46) geri dönmeyi planlıyor. Neyse ki anket sorularımızdan bazıları, durumun neden böyle olduğunu, yöneticilerin her yıl katılımlarını sürdürmelerini sağlamak için konferansta ne gibi değişiklikler yapabileceğinizi anlamanıza yardımcı olur.

Filtreler, veri modellemesi yaparken kullanabileceğiniz diğer bir veri analizi yöntemidir. Filtreleme, ilginizi belirli bir alt gruba odaklayarak diğer grupları değerlendirmeden çıkarmak anlamına gelir. Yani bir alt grubu diğeriyle karşılaştırmak yerine, tek bir alt grubun soruyu nasıl yanıtladığını incelersiniz. Filtreleri birlikte kullanarak verilerinizi tam doğrulukla analiz edebilirsiniz.

Örneğin, yalnızca kadın (veya erkek) katılımcılara odaklanıp çapraz tabloyu katılımcı türüne göre yeniden düzenleyebilir ve kadın yöneticileri, kadın öğretmenleri ve kadın öğrencileri karşılaştırabilirsiniz. Sonuçlarınızı ayrıntılarıyla değerlendirirken, her çapraz tablo oluşturduğunuzda veya filtreleme yaptığınızda örnek boyutunuzun azalacağını unutmayın. Sonuçlarınızın istatistiksel açıdan anlamlı olmasını sağlamak için örnek boyut hesaplayıcıyı kullanabilirsiniz.

Grafikler, veri analizinizin sonuçlarını herkesin kolayca anlayabileceği şekilde hızlıca göstermeyi hedeflediğinizde düzenli olarak tercih edeceğiniz bir araç olabilir. SurveyMonkey ile analizinizi daha anlaşılır kılıp bir bağlam içine yerleştirerek verilerinizi daha hedefe yönelik ve uygulanabilir şekilde kullanmanızı sağlayan grafikleri kolayca oluşturabilirsiniz.  

Çapraz tablo raporları olarak da bilinen çapraz tablolar, verilerinizi derinlemesine analiz etmenizi sağlayan kullanışlı araçlardır. Verilerinizin, yanıtlayanların kendileriyle ilgili paylaştıkları bilgilere veya anket yanıtlarına göre gruplandırıldığı çapraz tablolar, grupların verdiği yanıtlarını birbiriyle karşılaştırmanızı sağlar. Bu sayede, her yanıtlayan grubunu daha iyi anlayabilir ve hangi açılardan farklı olduklarını ortaya çıkarabilirsiniz.

Konferans geri bildirim anketinizdeki temel sorulardan birinin, “Konferansla ilgili genel memnuniyet düzeyiniz nedir?” olduğunu farz edelim. 

Sonuçlara göre, katılımcıların %75'i konferanstan memnun kalmış. Bu iyi bir sonuç, ama bu konuda daha fazla bağlama sahip olmak istemez misiniz? Bir kıyaslama yapabilseniz daha iyi olmaz mı? Örneğin, bu sonuç önceki yıla göre daha mı iyi yoksa daha mı kötü? Peki, diğer konferanslarla karşılaştırdığınızda ortaya nasıl bir tablo çıkıyor?

Kıyaslamalar, sektörünüzdeki ve pazarınızdaki trendleri belirleyip hangi noktada olduğunuzu kolayca görebilmeniz için geçmiş ve güncel verileri karşılaştırarak bu sorulara ve çok daha fazlasına yanıt almanızı sağlayabilir.

Örneğin, bir önceki yıl konferans geri bildirim anketinizde aynı soruyu sorduysanız bir trend karşılaştırması yapabilirsiniz. Profesyonel anket uzmanları trendleri izlemenin yararına inanır. Önceki yılın memnuniyet oranı %60 ise bu yıl memnuniyeti %15 oranında artırmışsınız demektir. Peki, memnuniyet oranındaki bu artışın nedeni ne olabilir? Anketinizdeki diğer sorulara verilen yanıtlar, bu konuya açıklık getirebilir.

Elinizde önceki yıllarda yapılan konferanslara ilişkin veri bulunmuyorsa bu yıldan başlayarak her konferansta geri bildirim toplayın. Buna kıyaslama yapmak denir. İlk olarak bir kıstas veya referans değeri belirleyebilir, ardından bu verinin değişip değişmediğini veya nasıl değiştiğini görebilirsiniz. Katılımcıların memnuniyeti dışında başka soruları da kıyaslayabilirsiniz. Her geçen yıl katılımcıların konferans hakkında ne düşündüğünü takip edebilirsiniz. Buna boylamsal veri analizi denir.

Farklı alt gruplara ait verileri de takip edebilirsiniz. Örneğin memnuniyet oranının öğrenci ve öğretmenlerde yıldan yıla yükseldiğini, ama aynı yükselişin yöneticilerde gözlenmediğini farz edelim. Bu durumda yöneticilerin çeşitli sorulara verdikleri yanıtlara bakarak neden diğer katılımcılardan daha az memnun olduklarına ilişkin görüşler elde edebilirsiniz.

Kaç kişinin etkinliğe yeniden katılacağını söylediğini öğrendiniz. Peki, anketinizin güvenebileceğiniz ve gelecekte alacağınız kararlarda rahatlıkla kullanabileceğiniz yanıtlar sunduğundan nasıl emin olacaksınız? Verilerinizin kalitesine dikkat etmek ve istatistiksel anlamlılık öğelerini anlamak çok önemlidir.

"Anlamlı" sözcüğü, günlük dildeki kullanımından farklı olarak anket analizinde ve istatistikte "doğruluk değerlendirmesi" anlamına gelir. "Artı veya eksi" kavramları da işte bu noktada anket çalışmanıza dahil olur. Yani anket sonuçlarının şansa eseri değil, belirli bir güven düzeyi dahilinde doğru olduğu anlamına gelir. Doğru olmayan (diğer bir deyişle istatistiksel olarak anlamlı olmayan) sonuçlara dayanarak bir çıkarıma varmak riskli olabilir. İstatistiksel anlamlılığa yönelik değerlendirmelerde dikkat edilmesi gereken ilk unsur, örneğinizin temsil etme düzeyidir. Başka bir deyişle, anketinize dahil edilen kişilerin, hakkında sonuca varmak istediğiniz genel popülasyona ne ölçüde "benzerlik" gösterdiğidir.

Örneğin, konferans katılımcılarınızın yalnızca %15'i erkekken, anketinizi yanıtlayan konferans katılımcılarının %90'ının erkek olması bir sorun teşkil eder. Üzerinde araştırma yapmak istediğiniz popülasyon hakkında ne kadar bilgiye sahip olursanız, anketinizin bu rakamları yansıttığına o kadar güvenebilirsiniz. Bu örnekte cinsiyet söz konusu olduğunda, anketi yanıtlayanların %15'inin erkeklerden oluşması daha doğru olur.

Anket örneğiniz bilinen bir popülasyondan rastgele seçilen kişilerden oluşuyorsa istatistiksel anlamlılık basit bir şekilde hesaplanabilir. Buradaki baş faktör örnek boyutudur. Konferansınıza katılan 1000 kişiden 50'sinin anketi yanıtladığını varsayalım. Örnek boyutu için elli (50) kişi çok azdır ve büyük bir hata payı ile sonuçlanır. Kısacası, sonuçlarınız yeterli ağırlığa sahip olmaz.

Anketinizi yanıtlayanlara konferanstaki 10 oturumdan kaçına katıldıklarını sorduğunuzu ve sonuçların aşağıdaki gibi olduğunu düşünelim:

Bu durumda ortalamayı analiz etmek isteyebilirsiniz. Hatırlayacağınız gibi, üç farklı ortalama türü bulunur: aritmetik ortalama, medyan ve mod.

Yukarıdaki tabloda, yanıtlayanların katıldığı ortalama oturum sayısı 6,1'dir. Burada verilen değer, en iyi bilinen ortalama türü olan aritmetik ortalamadır. Aritmetik ortalamayı belirlemek için rakamları toplar ve rakam sayısına bölersiniz. Bu örnekte tek bir oturuma katılanların sayısı 100, dört oturuma katılanların sayısı 50, beş oturuma katılanların sayısı 100 vb. olarak verilmiştir. Bu durumda kişi sayılarını tek tek oturum sayısı ile çarpmanız, bunların hepsini toplamanız ve toplam kişi sayısına bölmeniz gerekir.

Bir başka ortalama türü ise medyandır. Medyan, %50 noktasını gösteren orta değerdir. Yukarıdaki tabloda, sağında ve solunda 500 kişinin olduğu oturum sayısını bulmamız gerekir. Bu durumda medyan 6 oturumdur. Bu şekilde, verilerinizi olumsuz etkileyebilecek uç değerlerin etkisini de ortadan kaldırabilirsiniz.

Son ortalama türü ise moddur. Mod, en sık verilen yanıtı gösterir. Bu durumda söz konusu yanıt 6 oturumdur. 6 oturuma katılan 260 katılımcı, tüm diğer oturumlara katılanların sayısından daha fazladır.

Aritmetik ortalamalar ve diğer ortalama türleri, sonuçlarınızın Likert ölçeklerine dayalı olması durumunda da kullanılabilir.

Konu anket sonuçlarını raporlamak olduğunda, verilerin bize anlattığına kulak vermek gerekir.

Konferansınızın genelde vasat değerlendirmeler aldığını ve bunun nedenini anlamak için daha derinlemesine inceleme yaptığınızı farz edelim. Verilere göre katılımcılar konferansın; oturumlar, dersler, sosyal etkinlikler ve otel gibi neredeyse her unsuruna çok yüksek puan vermiş, ancak konferans için seçilen şehirden hiç memnun kalmamıştır. (Konferans kış aylarında Ankara'da gerçekleştirilmiş, bu nedenle kimse soğuktan dışarı çıkamamış olabilir!) 

Verilerin anlattığı hikaye işte budur: Konferans genel olarak çok iyi olsa da mekan seçimi başarısızdır. Kışın konferansları İzmir'de veya Antalya'da gerçekleştirmek daha iyi bir seçim olabilir.

Veri analizi ve raporlama yaparken nedenselliği ve korelasyonu dikkate almak gerekir.

İnsanların bilgileri anlama ve yorumlama biçimleri oldukça farklılık gösterir. Neyse ki, SurveyMonkey'in anketlerinizi analiz etmeniz için sunduğu onlarca yöntem sayesinde bilgileri hedeflerinize ulaşmanıza en faydalı olacak şekilde değerlendirip sunabilir ve sonuçlarınızı kolayca anlaşılabilir hale getirecek grafikler, tablolar ve raporlar oluşturabilirsiniz.

Anket analizi becerilerinizi geliştirirken doğru adımları atmanıza yardımcı olabilmek için bazı sık sorulan soruları paylaştık:

Boylamsal veri analizi (diğer adıyla “trend analizi”), temel olarak belirli sorulara yönelik bulguların zaman içinde nasıl değiştiğini takip eder. Kıstas belirlendikten sonra, rakamların değişip değişmediğini veya nasıl değiştiğini tespit edebilirsiniz. Konferansınızın memnuniyet oranının üç yıl önce %50, iki yıl önce %55, geçen yıl %65 ve bu yıl %75 olduğunu düşünün. Bu durumda kendinizi tebrik edebilirsiniz! Çünkü boylamsal veri analiziniz memnuniyet oranında yükselen bir trend gösteriyor demektir.

Geri dönün

Nedensellik bir faktörün başka biri faktöre neden olması, korelasyon ise iki değişkenin birbirini etkilemeden veya birbirinin nedeni olmadan birlikte hareket etmesi anlamına gelir. Örneğin; sıcak çikolata içmek ve eldiven takmak, birbiriyle korelasyon ilişkisi olan iki değişkendir ve birlikte hareket eder, fakat biri diğerine neden olmaz. Hatta bu iki faktör, üçüncü bir faktöre, yani soğuk havaya bağlıdır. 

Soğuk hava hem sıcak çikolata tüketimini hem de eldiven takma olasılığını etkiler. Soğuk hava bağımsız bir değişkendir; sıcak çikolata tüketimi ve eldiven takma olasılığı ise bağımlı değişkenlerdir. Soğuk hava, konferans geri bildirim anketi örneğimizde katılımcıların konferansın yapıldığı şehre ve genel olarak konferansa yönelik memnuniyetsizliğini etkilemiştir. 

Son olarak anketinizdeki değişkenler arasındaki ilişkiyi daha derinlemesine incelemek için regresyon analizi yapmanız gerekebilir.

Geri dönün

Regresyon analizi, en az iki değişken arasındaki ilişkiyi incelemenizi sağlayan gelişmiş bir veri analizi yöntemidir. Birçok farklı regresyon analizi türü vardır ve anket uzmanları inceledikleri değişkenlere bağlı olarak istedikleri türü seçebilirler. Regresyon analizi türlerinin ortak noktası, hepsinin bir veya daha fazla bağımsız değişkenin bağımlı bir değişkene olan etkisini incelemesidir. Anket verilerini analiz ederken hangi faktörlerin konferansa katılanların memnuniyetini en çok etkilediğini öğrenmek isteyebilirsiniz. Oturum sayısı, ana konuşmacı, sosyal etkinlikler veya mekan gibi faktörlerden hangisi daha etkili olmuştur? Regresyon analizini kullanan bir anket uzmanı, konferansa ilişkin bu farklı özelliklerin genel memnuniyeti etkileyip etkilemediğini ve ne derece etkilediğini belirleyebilir.

Bu da bir dahaki sefere konferansta ne gibi değişiklikler yapabileceğinize ilişkin görüşler sunar. Açılış oturumunuzda konuşma yapacak olan ana konuşmacı için çok yüksek bir ücret ödediğinizi farz edelim. Katılımcılar bu konuşmacıya ve konferansa genel olarak yüksek puan vermiştir. Bu iki faktöre dayanarak, çok iyi (ve pahalı) bir konuşmacıya sahip olmanın konferansınızın başarısında temel bir rol oynadığını düşünebilirsiniz. Regresyon analizi, bu durumun gerçeği yansıtıp yansıtmadığını belirlemenize yardımcı olur. Ana konuşmacının popülerliğinin, konferansa yönelik memnuniyeti destekleyici bir unsur olduğunu tespit edebilirsiniz. Bu durumda, ertesi yıl yine çok iyi bir ana konuşmacıyı davet etmek isteyebilirsiniz. Öte yandan, regresyon analizi, ana konuşmacının herkes tarafından beğenilmesine rağmen katılımcıların konferansa yönelik memnuniyetini pek etkilemediğini de gösterebilir. Bu durumda konuşmacıya ödenen tutarın başka bir yere harcanması daha doğru olabilir. 

Anket verilerinizin sağlamlığını dikkatli bir şekilde analiz ettiğinizde, yanıtları bilgiye dayalı kararlar almanıza yardımcı olacak şekilde kullanmaya başlayabilirsiniz.

Anket verileri en güçlü araçlarınızdan biri olabilir

Verilerinizi yeni, ilgi çekici ve görüşler elde edebildiğiniz bir şekilde analiz ederek şirketinizin büyümesine yardımcı olabilir, müşteri ilişkilerinizi güçlendirebilir ve rekabette bir adım önde olabilirsiniz. SurveyMonkey, tüm bütçelere uyan bir dizi seçenek sunar. 

Anket verisi toplama, anketleri kullanarak belirli yanıtlayanlardan bilgi toplama işlemidir ve görüşmeler, odak grupları ve daha birçok veri toplama yönteminin yerine veya onları desteklemek için kullanılabilir. Anketlerden toplanan veriler, çalışan bağlılığını artırmanıza, tüketicilerin satın alma davranışlarını anlamanıza ve müşteri deneyimlerini iyileştirmenize yardımcı olabilir.

Geri dönün

Boylamsal veri analizi (diğer adıyla “trend analizi”), temel olarak belirli sorulara yönelik bulguların zaman içinde nasıl değiştiğini takip eder. Kıstas belirlendikten sonra, rakamların değişip değişmediğini veya nasıl değiştiğini tespit edebilirsiniz. Konferansınızın memnuniyet oranının üç yıl önce %50, iki yıl önce %55, geçen yıl %65 ve bu yıl %75 olduğunu düşünün. Bu durumda kendinizi tebrik edebilirsiniz! Çünkü boylamsal veri analiziniz memnuniyet oranında yükselen bir trend gösteriyor demektir.

Geri dönün

Nedensellik, bir faktörün başka biri faktöre neden olması; korelasyon ise, iki değişkenin birbirini etkilemeden veya birbirine neden olmadan birlikte hareket etmesi anlamına gelir. Örneğin sıcak çikolata içmek ve eldiven takmak, birbiriyle korelasyon ilişkisi olan iki değişkendir ve birlikte hareket eder, fakat biri diğerine neden olmaz. Hatta bu iki faktörün nedeni, üçüncü bir faktöre, yani soğuk havaya bağlıdır. Soğuk hava hem sıcak çikolata tüketimini hem de eldiven takma olasılığını etkiler. Soğuk hava bağımsız bir değişkendir; sıcak çikolata tüketimi ve eldiven takma olasılığı ise bağımlı değişkenlerdir. Soğuk hava, konferans geri bildirim anketi örneğimizde katılımcıların konferansın yapıldığı şehre ve genel olarak konferansa yönelik memnuniyetsizliğini etkilemiştir. Son olarak anketinizdeki değişkenler arasındaki ilişkiyi daha derinlemesine incelemek için regresyon analizi yapmanız gerekebilir.

Geri dönün

Regresyon analizi, en az iki değişken arasındaki ilişkiyi incelemenizi sağlayan gelişmiş bir veri analizi yöntemidir. Birçok farklı regresyon analizi türü vardır ve anket uzmanları inceledikleri değişkenlere bağlı olarak istedikleri türü seçebilirler. Regresyon analizi türlerinin ortak noktası, hepsinin bir veya daha fazla bağımsız değişkenin bağımlı bir değişkene olan etkisini inceliyor olmasıdır. Anket verilerini analiz ederken hangi faktörlerin konferansa katılanların memnuniyetini en çok etkilediğini öğrenmek isteyebilirsiniz. Oturum sayısı, ana konuşmacı, sosyal etkinlikler veya mekan gibi faktörlerden hangisi daha etkili olmuştur? Regresyon analizini kullanan bir anket uzmanı, konferansa ilişkin bu farklı özelliklerin genel memnuniyeti etkileyip etkilemediğini ve ne derece etkilediğini belirleyebilir.

Bu da bir dahaki sefere konferansta ne gibi değişiklikler yapabileceğinize ilişkin görüşler sunar. Açılış oturumunuzda konuşma yapacak olan ana konuşmacı için çok yüksek bir ücret ödediğinizi farz edelim. Katılımcılar bu konuşmacıya ve konferansa genel olarak yüksek puan vermiştir. Bu iki faktöre dayanarak, çok iyi (ve pahalı) bir konuşmacıya sahip olmanın konferansınızın başarısında temel bir rol oynadığını düşünebilirsiniz. Regresyon analizi, bu durumun gerçeği yansıtıp yansıtmadığını belirlemenize yardımcı olur. Ana konuşmacının popülerliğinin, konferansa yönelik memnuniyeti destekleyici bir unsur olup olmadığını tespit edebilirsiniz. Bu durum söz konusuysa yine çok iyi bir ana konuşmacıyı davet etmek isteyebilirsiniz. Öte yandan, regresyon analizi, ana konuşmacının herkes tarafından beğenilmesine rağmen katılımcıların konferansa yönelik memnuniyetini pek etkilemediğini de gösterebilir. Bu durumda konuşmacıya ödenen tutarın başka bir yerde harcanması daha doğru olabilir. Anket verilerinizin sağlamlığını dikkatli bir şekilde analiz ettiğinizde, yanıtları bilgiye dayalı kararlar almanıza yardımcı olacak şekilde kullanmaya başlayabilirsiniz.