L’analyse des données à l'origine d’un plan d’action clair

Obtenez un devis

44M

Questions traitées

179

Entreprises clientes
dans le monde

9.2

Net Promoter Score (NPS™)

Nous transformons les données brutes en solutions business actionnables

La partie cruciale de toute étude repose sur l’interprétation des résultats. En tant que partenaire de votre succès, nous pouvons - sur demande- procéder à une analyse exhaustive des réponses recueillies et créer pour vous un rapport d’étude clair et précis, pour vous aider à prendre des décisions data-driven plus rapidement et partager les résultats directement depuis la plateforme Potloc.

Illustrations de personnes travaillant sur leur ordinateur et interprétant des graphiques de données

Élargissez votre vision grâce aux insights générés

check_circle_outline

Notre équipe applique des redressements pour prévenir de tout biais, et construit des segmentations afin de procéder aux tris croisés.

check_circle_outline

Nous parcourons vos données pour identifier les tendances, les benchmarks et les opportunités d’actions à entreprendre.

check_circle_outline

Nous classons des centaines de commentaires qualitatifs par thèmes, et utilisons notre technologie propriétaire d’analyse des sentiments pour faciliter les catégorisations.

check_circle_outline

Nos experts construisent des recommandations stratégiques et des éclairages qui vous nourrissent vos prises de décision.

Découvrez l'échantillonnage via les réseaux sociaux

Lancer votre prochaine étude via Facebook, LinkedIn, Twitter, et plus encore.

Demandez une démo

L’échantillonnage via les réseaux sociaux : notre expertise

Comparez Potloc avec les méthodes traditionnelles

Logo de Potloc, étude consommateur
Caractéristiques principales Panel Web (CAWI) Sondage téléphonique (CATI) Sondage<br>in-situ
Enquêtes sans incentive check_circle_outline check_circle_outline check_circle_outline
Taux d’incidence < 10% check_circle_outline check_circle_outline
Zones géolocalisées jusque 1 km2 check_circle_outline check_circle_outline
Données de qualité supérieure check_circle_outline
Échantillonnage par quotas check_circle_outline check_circle_outline check_circle_outline check_circle_outline
Étude des non-clients check_circle_outline Obtenez un devis check_circle_outline check_circle_outline check_circle_outline

FAQ

Tout d’abord, nous procédons au nettoyage des données pour garantir leur qualité et leur fiabilité. Nous veillons ensuite à ce que les datas récoltées constituent bien un échantillon représentatif, et procédons à un ou plusieurs redressements si nécessaire pour être en conformité avec les critères attendus de l’étude. Puis nous déterminons la robustesse des données pour produire l’analyse. Notre expertise réside particulièrement dans la définition des sous-échantillons dignes d’intérêts à l’analyse.
Nous en tenons compte ! Nous connaissons très bien les biais auxquels nous avons affaire et savons parfaitement comment y remédier. Il y a quatre types de biais dans une étude :
  1. Biais de couverture : Nous utilisons les réseaux sociaux pour cibler vos consommateurs. Nous avons évidemment besoin qu’ils remplissent certaines conditions, comme avoir accès à Internet, posséder un compte sur un réseau social et être utilisateur actif. Cela dit, il y a 51,1 millions d’adultes en France, et 33 millions d’entre eux utilisent Facebook, ce qui laisse de très grandes possibilités. Le biais de couverture concerne également les personnes âgées. Il se peut donc que les hommes, les personnes âgées et les personnes moins éduquées ou avec un faible statut socioéconomique soient sous-représentés.
  2. Biais de l’algorithme de Facebook Ads:L’algorithme publicitaire de Facebook est configuré pour réduire le coût par clic. Il affiche les publicités pour nos questionnaires principalement aux consommateurs les moins coûteux. Cela peut conduire à une sous-représentation des hommes et des personnes âgées.
  3. Biais cognitif : Répondre à un questionnaire en ligne de 6 à 8 minutes demande beaucoup de concentration, ce qui peut être difficile pour certaines personnes. Il se peut donc que les personnes âgées et les personnes moins éduquées ou avec un faible statut socioéconomique soient sous-représentées.
  4. Biais d'autosélection : Contrairement aux panels Web, nous devons divulguer le sujet du questionnaire. Les personnes qui cliquent sur nos publicités sont donc intéressées par le sujet proposé. Par ailleurs, nous ne proposons aucune récompense aux personnes interrogées. Les personnes répondent à nos questionnaires car elles sont intéressées et veulent se faire entendre. Quelle option vous semble la plus intéressante : Que les personnes répondent spontanément aux questionnaires car elles sont intéressées par le sujet proposé, ou qu’elles y soient incitées par une récompense ? Nous sommes convaincus que notre méthode accroît la qualité des réponses.

    Toutes les méthodes comportent des biais, mais peu sont transparentes. Nous remédions aux biais en visant un échantillon de personnes suffisamment large pour être sûrs d'atteindre les quotas ciblés.

    Par exemple, nous savons que les femmes répondent plus aux enquêtes et que les jeunes sont sur-représentés sur les réseaux sociaux. Cependant , les personnes âgées sont suffisamment nombreuses sur les réseaux sociaux pour nous permettre de recueillir les réponses nécessaires pour satisfaire tous les quotas.

    Pour ce qui est des autres méthodes telles que les appels téléphoniques, l'intercept et les panels Web, elles sont intrusives et font appel à la pondération sans mentionner l’impact qu’elles ont sur les données collectées.
Nous utilisons différents tests statistiques pour vérifier la pertinence des sous-échantillons et de la nature des variations de résultats que l’on y observe, afin de voir s’il sont statistiquement significatifs pour vos problématiques business. Ces tests sont, entre autres : régression linéaire, test du khi2 , corrélations et tableaux croisés.