Pesquisa e analise de mercado trabalho

Prévia do material em texto

Pesquisa e análise de mercado- Marketing 
Quais são as duas classificações de técnicas de amostragem?
Probabilísticas e não probabilísticas.Amostragem não probabilísticas, a definição da amostragem depende do julgamento pessoal do pesquisador de modo arbitrário, por conveniência, ou ainda de forma consciente em relação às amostras que devem ser incluídas.
Nas técnicas probabilísticas, os elementos são selecionados aleatoriamente, sem a intervenção pessoal do pesquisador. 
O que são Técnicas de Amostragem Probabilística, explique cada uma delas:
Técnica de amostragem probabilística asseguram, mesmo com a existência de uma margem de erro de que estão na amostra todos os subgrupos que constituem a população alvo (claro que de forma proporcional a sua representação na população).
Tendo assim quatro pilares para sua construção: 
1. Deve ser possível definir o conjunto de amostras distintas que o procedimento é capaz de selecionar.
2. Cada amostra possível tem uma probabilidade conhecida de selecção.
3. As amostras são selecionadas por um processo aleatório no qual cada amostra tem amesma probabilidade de ser selecionada.
4. O método para calcular a estimativa deve conduzir a uma estimativa única para qualquer amostra específica.
A amostragem probabilística pode ser classificada de quatro formas: 
Amostragem Aleatória Simples (AAS):Técnica de amostragem onde todos os elementos que o universo os compõe, tem a mesma chance de serem escolhidos para por finalidade fazer parte da amostra. É a forma justa de escolher com base em sorteio, tendo todos a mesma chance de serem escolhidos. Este serviço pode ser facilitado por meio do uso da tecnologia.
Apesar de ser facilmente entendida e representada, a amostragem aleatória tem 4 fatores limitadores que são eles:
- A construção da estrutura de amostragem é difícil.
- Pode ser cara e demandar muito tempo, em função da abrangência geográfica.
- Resulta em baixa precisão, com consequente grande padrão de erro amostral.
- As amostras podem não ser representativas da população-alvo, especialmente se a amostra for pequena.
- Em função dos fatores limitadores, esse tipo de amostragem é pouco utilizado em pesquisa de marketing.
Amostragem Sistemática:é um processo de amostragem probabilístico não aleatório, o qual o critério se estabelece pela aleatoriedade da primeira unidade amostral.
No processo sistemático a unidade amostral é selecionada a partir de um modo rígido e pré-moldurado de sistematização, tendo a finalidade de cobrir a população em toda sua extensão, tornando assim, simples e uniforme, distribuindo os elementos da população em uma listagem, classificada por algum critério que seja relevante para o estudo, como tamanho da empresa, características, ordem alfabética, entre outros.
Algumas vantagens da amostragem sistemática, de acordo com HUSCH, MILLER & BEERS (1972), são:
- A sistematização proporciona uma boa estimativa da média e do total, devido à distribuição uniforme da amostra em toda população.
- Uma amostra sistemática é executada com maior rapidez e menor custo que uma aleatória, desde que a escolha das unidades amostrais seja mecânica e uniforme.
- O deslocamento entre as unidades é mais fácil pelo fato de seguir uma direção fixa e preestabelecida, resultando em tempo gasto menor e, por consequência, um menor custo de amostragem.
- O tamanho da população não precisa ser conhecido, uma vez que cada unidade que ocorre dentro do intervalo de amostragem fixado, é selecionada sequencialmente, após ser definida a unidade inicial.
Se um intervalo de amostragem (k) for escolhido, haverá (k) amostras possíveis. Para que a média de uma amostra sistemática seja uma estimativa sem tendência da média da população, alguma forma de seleção aleatória deve ser incorporada no processo de amostragem. Porém, a única possibilidade de aleatorização é a seleção da primeira unidade da amostra sistemática.
A primeira unidade da amostra pode ser aleatorizada entre o conjunto total de unidades, ou entre as (k) primeiras unidades da população. Em qualquer um dos casos, escolhida a primeira unidade, todas as demais serão selecionadas em intervalos constantes de (k) unidades.
 
Amostragem Aleatória Estratificada:É dividido em duas etapas, gerando amostra probabilística.
A primeira etapa se dá por divisão de grupos em camadas ou em andares. Já na segunda etapa os elementos de cada grupo/camada/andar são selecionados de forma aleatória constituindo assim, uma amostra única. Cabendo a ela, aumentar a precisão sem elevar custos. 
Para a população ser dividida, deverão ser seguidos os seguintes critérios:
- Os elementos devem ser homogêneos ou similares.
- Entre as camadas, os elementos devem ser heterogêneos.
- As variáveis da estratificação devem ter relação com as características de interesse.
- O número de camadas varia de duas a seis.
Tendo característica demográfica, tipos de clientes, tamanho das empresas etc.
Amostragem em Grupo:A amostra por conglomerados é uma técnica que explora existência de grupos (clusters) na população. Esses grupos representam adequadamente a população total em relação a característica que queremos medir. Em outras palavras, estes grupos contêm variabilidade da população inteira.
A amostragem estratificada é particularmente adequada quando os grupos (camadas) são internamente homogêneos e muito diferentes. Nesse caso, devemos garantir que temos representantes em nossa amostra que vêm de todos os estratos. Por outro lado, a amostragem por conglomerados é adequada quando os grupos que formam a população são muito semelhantes entre si, por isso não há grande diferença entre estudar indivíduos em um grupo ou de outro. É por isso que, embora ambas as técnicas dividem a população (estratos ou aglomerados), o processo de seleção dos indivíduos é radicalmente diferente.
Benefícios/Desvantagem:
- A principal vantagem desta técnica é a parte operacional: selecionar um conglomerado costuma ser mais fácil e mais barato do que fazer uma amostra aleatória ou sistemática. Usar clusters geográficos podem representar uma economia significativa no deslocamento.
- A principal desvantagem é o risco dos clusters não serem realmente homogêneos entre eles. No exemplo citado anteriormente, poderia acontecer de em uma das províncias ser mais propensas o número de fumantes por ser uma área mais urbana ou outras razões culturais.
Amostragem não probabilística:
A amostragem não probabilística ocorre quando não é possível, por conta de fatores diversos, a quantificação numéria dos dados. Um exemplo fácil é das pesquisas eleitorais. Como não é possível entrevistar a todos, as pesquisas são baseadas em critérios previamente definidos.
Dentre as técnicas de amostragem não probabilisticas temos 5 tipos:
Amostra por conveniência, amostra por julgamento, amostra por cotas, amostra bola de neve e amostra desproporcional.
A amostra por conveniência ocorre quando é feita uma pesquisa sem a pré seleção de um público. Um exemplo é de uma pesquisa feita em uma rua de comércio, onde as pessoas abordadas serão de diversas classes e grupos sociais, sem nenhuma especificação. Esse tipo de amostragem é útil quando se é buscado conclusões gerais sobre as pesquisas, sem especificação.
A amostra por julgamento ocorre quando as pessoas são escolhidas por características físicas, visuais, de lugares que frequentam ou por terem um determinado comportamento que se encaixa com a alguma característica pré determinada. Essa amostragem serve para um propósito mais exploratório, servindo mais como uma pré pesquisa.
A amostra por cotas é um tipo muito usado em pesquisas de mercado, de opinião pública e eleitorais. Essa amostragem funciona ao segmentar o "universo" estudado em características. Dentre essas características podem estar idade, sexo, escolaridade, entre outros. Ao separar os pesquisadores escolhem, dentro dessa população, características relevantes para a pesquisa. A precisão da amostragem por cotas se dá pela relação de quantidade diferente de cotas selecionadas e aplicadasna pesquisa.
A amostragem bola de neve é efetuada quando não há um universo de pesquisa pré definida. Esse nome é dado pelo seu modus operandi que se baseia no entrevistado indicando ou convidando outra pessoa spara participar da pesquisa. Essa é uma boa técnica para encontrar sub grupos e seguimentos. A amostra bola de neve tem dois tipos. O linear se baseia no entrevistado indicando uma pessoa. Já o exponecial o entrevistado indica duas ou mais pessoas e assim por diante, criado um esquema pirâmide de pesquisa.
A amostragem desproporcional pode ocorrer de três maneiras. A primeira é a busca de interferência dentro dos sub grupos, onde essas amostras menores tem um peso maior em relação aos outros grupos do estudo. Esse método é utilizado para que os pequenos grupos possuam o mínimo de representatividade possível em pesquisas.
A segunda é a gestão de custos onde por exemplo, em uma cidade 95% das pessoas moram na área urbana e 5% em áreas rurais, esses 5% podem ser retirados da amostragem por conta dos custos para a pesquisa no local. O perigo desse modo, é que mesmo que uma quantidade de 5% possa parecer pequeno, eles ainda podem fazer diferença na pesquisa, fazendo com que a pesquisa seja diferente da realidade.
A terceira é das discrepâncias internas. Vale usar um exemplo de um estádio de futebol com as cadeiras populares e os camarotes. Mesmo que o número de usuários dos camarotes seja muito menor, seu trabalho em relação ao faturamento do estádio é possivel considerar uma amostra desproporcional relacionada ao número de pessoas nas cadeiras populares e nos camarotes.