Causaal onderzoek voor betere beslissingen | SurveyMonkey (2024)

Geavanceerde registratieMeld u gratis aan

Wat is causaal onderzoek?

We gaan kijken naar het doel van causaal onderzoek en hoe u het kunt implementeren in uw projecten. We geven ook een paar mooie voorbeelden van hoe organisaties causaal onderzoek inzetten om betere zakelijke beslissingen te nemen.

Causaal onderzoek: wat is het en waarom is het belangrijk?

Causaal onderzoek valt in de categorie van concluderend onderzoek, omdat het zoekt naar een oorzaak-en-gevolg-relatie tussen twee variabelen. Net als bijbeschrijvend onderzoek wordt in deze variant bewijs gezocht voor een idee van een persoon of organisatie. Maar zowel qua methode als doel zijn deze twee soorten onderzoek zeer verschillend. Beschrijvend onderzoek is breed opgezet om een mening, houding of gedrag van een bepaalde groep beter te kunnen beschrijven. Causaal onderzoek heeft maar twee doelen:

  1. Begrijpen welke variabelen de oorzaak zijn en welke variabelen het gevolg zijn.Een gemeentebestuur wil bijvoorbeeld het aantal auto-ongelukken terugdringen. Uit inleidend beschrijvend en verkennend onderzoek blijkt dat de afgelopen vijf jaar het aantal ongevallen en de verkeerswoede flink zijn toegenomen. In plaats van automatisch aan te nemen dat verkeerswoede de oorzaak is van deze ongelukken, moet het bestuur nagaan of het tegenovergestelde misschien wel het geval is. Mogelijk neemt de verkeerswoede toe doordat er meer ongelukken zijn vanwege afgesloten wegen en toegenomen drukte. Of misschien geldt hier wel dat correlatie niet per se een causaal verband inhoudt. Wellicht hebben beide factoren wel een andere oorzaak, zoals de wegenbouw, te weinig verkeerslichten of heel veel onervaren bestuurders.
  2. De relatie tussen de causale variabelen en het voorspelde gevolg aan het licht brengen.In ons voorbeeld toonde het gemeentebestuur bijvoorbeeld aan dat verkeerswoede een toenemend effect had op het aantal ongevallen in de regio. Het causale onderzoek kon voor twee dingen worden gebruikt. Ten eerste om te meten hoe significant het effect was, bijvoorbeeld door de procentuele toename van het aantal ongelukken in cijfers uit te drukken dat aan verkeerswoede kan worden toegeschreven. Ten tweede om te observeren hoe de relatie tussen de variabelen werkt (boze chauffeurs trekken vaak gevaarlijk snel op of nemen meer risico, waardoor het aantal ongevallen toeneemt).

Door deze toepassingen is causaal onderzoek een wetenschappelijkere methode dan verkennend en beschrijvend onderzoek. Causale onderzoekers isoleren de variabele die aan de basis ligt van een gebeurtenis en meten dan de consequenties. Met deze informatie kan een organisatie vol vertrouwen kiezen of ze een variabele wil gebruiken, zoals meer verkeerslichten. Of ze kan proberen een variabele weg te bestrijden, zoals verkeerswoede.

Causaal onderzoek effectief inzetten

U kunt causaal onderzoek het beste zien als experimenteel onderzoek. Het doel van dit onderzoek is om een oorzaak-en-gevolg-relatie te bewijzen. Daarom is het erg belangrijk dat u strikt geplande parameters en doelen hebt opgesteld. Als u uw onderzoeksopzet en het te bewijzen verschijnsel niet volledig begrijpt, zijn de resultaten mogelijk onbetrouwbaar en is er sprake van een grotevooringenomenheid. Gebruik daarom verkennend of beschrijvend onderzoek als basis voor uw onderzoeksopzet.

Zodra u de opzet en de doelen van uw onderzoek op papier hebt staan, is het tijd om met het causale experiment aan de slag te gaan. U moet van tevoren drie belangrijke voorwaarden voor uw causale experiment afvinken:

  1. De oorzaak-en-gevolg-relatie wordt bewezen of ontkracht door het experiment.Logisch natuurlijk, maar als uw onderzoeksopzet niet direct aansluit op uw onderzoeksdoel, zijn de eindresultaten even zinloos als een schaatsbaan in de tropen. Als uw onderzoek resultaten moet opleveren, observeert u uw normale omgeving en verhoogt u de frequentie of de intensiteit van de causale variabele.
  2. Geef duidelijk aan welke variabelen als onafhankelijk (ze hebben gevolgen) en welke als afhankelijk (ze zijn het gevolg) worden getest.Zoals bleek uit het voorbeeld van de verkeerswoede/auto-ongelukken is het vaak lastig te weten welke variabele afhankelijk is van een andere variabele. Daarom moet u kiezen welke variabele u gaat testen (en op welke manier) voordat u met het experiment begint. Meestal voegt u de onafhankelijke variabele toe aan de omgeving.

    Stel bijvoorbeeld dat meer opties in autokleuren de omzet laten stijgen. Dan is het aantal kleuren de onafhankelijke variabele en het aantal verkochte auto's onze afhankelijke variabele. Daarna meet u het normale aantal verkochte wagens van de dealer en voegt u vervolgens meer autokleuren toe. Nadat u de nieuwe verkoopcijfers hebt verzameld, vergelijkt u de twee gegevenssets en bestudeert u het effect ervan op de verkoop.

  3. Er zijn geen externe variabelen die ook wijzigingen in uw resultaten kunnen veroorzaken.Als u geen rekening houdt met alle mogelijke factoren die voor wijzigingen in uw afhankelijke variabele kunnen zorgen, weet u niet zeker of de geteste variabele ook echt verantwoordelijk is voor de gemeten effecten. In het laboratorium hebben wetenschappers de luxe dat ze een volledig neutrale omgeving kunnen creëren. Helaas moet de rest van ons het doen met de omgeving die we hebben. Let er bij uw onderzoeksopzet dus op dat de omstandigheden van het experiment zoveel mogelijk gelijk zijn als toen u de normale resultaten opmat.

    U hebt bijvoorbeeld een ijsjeswinkel en u wilt weten welk effect een clown heeft die ballonnen uitdeelt voor uw winkel. Inderdaad, geweldig idee! Het is niet slim om de zomeromzet als uw normale gegevensbron te nemen en uw experiment in de winter te houden. Niet alleen krijgt de clown het vast erg koud, de sneeuw heeft ook een enorm effect op het aantal ijsjes dat u verkoopt.

Wie gebruikt causaal onderzoek en hoe kan ik het inpassen in mijn bedrijfsdoelen?

Het maakt echt niet uit wat voor organisatie u hebt of wat uw doelen zijn: u kunt altijd profiteren van causaal onderzoek. Causaal onderzoek is bedoeld om bewijs te leveren dat een bepaalde relatie bestaat. Wilt u weten of een strategie succesvol is voor uw bedrijf? Of wilt u de oorzaak van een probleem achterhalen? Dan is causaal onderzoek geknipt voor u. Een paar voorbeelden van de implementatie van causaal onderzoek:

  1. Meer klantenbinding:De meeste franchiseketens voeren causale onderzoeksexperimenten uit in hun winkels. Een grote garageketen hield bijvoorbeeld onlangs een experiment waarbij medewerkers een gesprek voerden met de klant terwijl de auto werd bekeken. Ze legden in gewone taal uit wat er mis was met de auto en keken of de klant de problemen begreep.

    Aan de basis van het experiment lag een online enquête. Uit deze enquête bleek dat klanten vaak niet terugkwamen doordat de communicatie met medewerkers spaak liep. Nadat het bedrijf twee oplossingen voor het probleem had bedacht (gesprekken organiseren en meer begrip kweken bij de klant), werd in dit experiment gekeken of deze oplossingen inderdaad de klantenbinding zouden stimuleren. Bij de vergelijking tussen de omzet van de de 'gewone garages' en de garages die meededen aan het experiment, bleek dat de klantentrouw significant toenam.

  2. Maatschappelijke initiatieven:Gemeentebesturen meten het succes van hun maatschappelijke initiatieven vaak met causaal onderzoek. Laten we aannemen dat de stad Amsterdam een enquête heeft gehouden waaruit bleek dat de Amsterdammers niet tevreden waren over het huidige openbaar vervoer. Op basis hiervan worden meer P+R Transferiums aangelegd, zodat meer mensen de bus kunnen nemen. Na de implementatie van deze strategie kan het effect op de totale tevredenheid over het openbaar vervoer met een enquête opnieuw worden bepaald.
  3. Effectieve reclame:Reclame is één van de sectoren die het meest gebruikmaakt van causaal onderzoek. Bedrijven testen een reclamecampagne vaak eerst op kleine schaal voordat deze landelijk wordt uitgerold. Zo weten bedrijven of de advertenties de omzet, het aantal leads of de publieke belangstelling in deze regio's bevorderen voordat ze er helemaal voor gaan.
    Veel organisaties gaan nog een stapje verder door in een enquête klanten te vragen naar de reden van hun bezoek of waarom ze belangstelling hebben voor hun services. Zo kan het bedrijf reacties van klanten binnen het experiment vergelijken met de reacties van hun totale klantenbestand en zien of het gestegen verkeer een rechtstreeks gevolg is van de advertenties.

Onderzoek alles wat los en vast zit!

Met uw nieuwe kennis vancausaal onderzoek kunt u effectiever uw onderzoek opzetten en loopt u nooit meer een zakelijke kans mis.

Meer hulpbronnen bekijken

Causaal onderzoek voor betere beslissingen | SurveyMonkey (1)

Sjablonen voor klanttevredenheidsenquêtes

Bespaar tijd en doe geweldige ideeën op met onze gratis sjablonen voor klanttevredenheidsenquêtes. Ontvang vandaag nog de feedback die u nodig heeft.

Meer informatie

Causaal onderzoek voor betere beslissingen | SurveyMonkey (2)

Hoe de SurveyMonkey Salesforce-integratie u helpt bij het verbeteren van CX-scores

De mogelijkheden van klantgegevens uit Salesforce koppelen aan de feedback van SurveyMonkey voor een betere CX.

Meer informatie

Causaal onderzoek voor betere beslissingen | SurveyMonkey (3)

Verzamel feedback waarop u actie kunt ondernemen met online evaluatieformulieren

Ontgrendel de kracht van feedback met de online evaluatieformulieren van SurveyMonkey. Ga vandaag nog aan de slag met onze opbouwfunctie voor formulieren.

Meer informatie

Causaal onderzoek voor betere beslissingen | SurveyMonkey (4)

Wat is een feedbackloop? Hoe u inzichten van klanten en werknemers kunt benutten

A feedback loop helps you convert customer and employee feedback into action. Learn what a feedback loop is and how to close your feedback loop.

Meer informatie

Kijk eens hoe SurveyMonkey uw nieuwsgierigheid kan bevredigen

Geavanceerde registratieMeld u gratis aan

Over ons:

Leiderschap

App-map

Nieuws

Visie en missie

SurveyMonkey Together

Diversiteit, gelijkheid en inclusie

Kantoorlocaties

Bedrijfsinformatie

Carrières

Site-overzicht

Help

Aanmelden

Registreren

Beleid:

Gebruiksvoorwaarden

Privacymelding

Privacyverklaring voor Californië

Beleid inzake aanvaardbaar gebruik

Beveiligingsverklaring

Naleving van de Algemene Verordening Gegevensbescherming (AVG)

Kiezen voor het ontvangen van e-mail

Toegankelijkheid

Cookieverklaring

Praktijkvoorbeelden:

Online polls

Enquêtes op Facebook

Enquêtesjabloon

Peilingen voor planning

Google Formulieren vs. SurveyMonkey

Enquêtes over werknemertevredenheid

Gratis enquêtesjablonen

Mobiele enquêtes

Hoe u de klantenservice kunt verbeteren

Calculator voor AB-testsignificantie

NPS-calculator

Vragenlijstsjablonen

Enquête over evenementen

Steekproefcalculator

Goede enquêtes schrijven

Likert-schaal

Enquête-analyses

360-graden feedback

Onderwijsenquêtes

Enquêtevragen

NPS berekenen

Vragen voor klanttevredenheidsenquêtes

Vragen van het type eens-oneens

Een enquête maken

Online quizzen

Kwalitatief versus kwantitatief onderzoek

Klantenenquête

Enquêtes voor marktonderzoek

NPS-enquête

Aanbevolen procedures voor het ontwerpen van enquêtes

Foutmargecalculator

Vragenlijst

Demografische vragen

Cursusenquête

Offline enquête

360-graden beoordelingssjabloon

Nederlands

Copyright © 1999-2024 SurveyMonkey

TrustedSite logo
Causaal onderzoek voor betere beslissingen | SurveyMonkey (2024)

References

Top Articles
Latest Posts
Article information

Author: Manual Maggio

Last Updated:

Views: 5676

Rating: 4.9 / 5 (49 voted)

Reviews: 88% of readers found this page helpful

Author information

Name: Manual Maggio

Birthday: 1998-01-20

Address: 359 Kelvin Stream, Lake Eldonview, MT 33517-1242

Phone: +577037762465

Job: Product Hospitality Supervisor

Hobby: Gardening, Web surfing, Video gaming, Amateur radio, Flag Football, Reading, Table tennis

Introduction: My name is Manual Maggio, I am a thankful, tender, adventurous, delightful, fantastic, proud, graceful person who loves writing and wants to share my knowledge and understanding with you.