.svg)
Quelles que soient les précautions prises, une fausse précision se glisse dans les résultats et les rapports de recherche. Qu’il s’agisse de la conception des études, des tests statistiques ou de l’incapacité générale à accepter les limites des personnes et des données, les chiffres paraissent souvent plus précis qu’ils ne le sont en réalité. Les professionnels des études de marché peuvent toutefois essayer de minimiser les fausses précisions afin que les responsables du marketing puissent prendre des décisions commerciales plus éclairées.
Intégrer autant de rigueur que possible
Les professionnels des études de marché disposent de nombreux outils pour réduire le risque de fausse précision, mais trois techniques fondamentales sont particulièrement importantes.
Premièrement, utilisez des échantillons de la plus grande taille possible. Bien qu’il n’y ait pas de taille d’échantillon « idéale » applicable à toutes les études, on peut dire que plus il y en a, mieux c’est. Dans le domaine des études de marché, un échantillon de 700 personnes par groupe offre souvent la précision nécessaire pour déterminer si deux groupes sont différents – dans ce cas, 10 % contre 15 % seront probablement statistiquement différents. Lorsque les budgets conduisent à des tailles d’échantillon de 200 à 300 par groupe, la fiabilité diminue et la fausse précision augmente.
Deuxièmement, utilisez des groupes de comparaison ou de contrôle aussi souvent que possible. Sans comparaison, il est impossible de savoir dans quelle mesure le hasard a affecté les données. Le taux de rappel de votre marque était-il réellement de 10 % ou 10 % des gens se seraient-ils souvenus d’une marque que vous venez d’inventer ? Est-ce que 10 % des gens ont essayé, acheté, aimé ou recommandé votre produit ou est-ce que 10 % des gens auraient dit la même chose d’une marque que vous venez d’inventer ? Quelle que soit la prudence dont ils font preuve, les gens se souviendront toujours mal et comprendront mal des choses apparemment évidentes.
Troisièmement, lorsque l’occasion se présente, utilisez un véritable échantillon aléatoire. Si vous avez la chance de travailler avec des élèves inscrits dans une école ou des caissiers employés dans un magasin, il peut être possible d’obtenir le consentement d’un échantillon de la population. Malheureusement, la plupart des études de marché n’ont pas accès à une liste de clients/acheteurs/utilisateurs et ne peuvent donc pas en bénéficier.
Utiliser le moins possible de chiffres significatifs
Les chiffres sont faciles à générer. Il suffit de soumettre un questionnaire à 700 personnes, d’effectuer des chi-carrés, de calculer des valeurs p et d’élaborer des tableaux d’un millier de pages. Cependant, les chiffres qui en résultent ne sont pas la véritable réponse. Ce sont des représentations de constructions subjectives complexes basées sur des êtres humains faillibles et peu fiables. Alors que la vérité est de 68 %, le résultat d’un sondage peut être de 61 % ou de 69 %. Dire que 61,37 % des personnes recommanderaient l’hypothétique marque C est une grossière erreur d’utilisation des décimales.
Les décimales sont peut-être la source la plus problématique de fausse précision, en particulier dans le monde des études de marché. Pour éviter cela, n’utilisez pas de décimales lorsque les pourcentages sont compris entre 5 % et 95 %. De même, évitez d’utiliser deux décimales lorsque vous présentez des résultats de type Likert. Ne vous aventurez à utiliser une ou plusieurs décimales que lorsque vous travaillez avec des échantillons de grande taille provenant d’échantillons réellement aléatoires.
Mieux encore, si vous êtes courageux et que vous voulez exprimer votre appréciation de la fausse précision, arrondissez 61,37 % à « environ 60 % ».
Utiliser les tests statistiques à bon escient
Tout comme l’intelligence artificielle, les tests statistiques sont dénués de sens lorsqu’ils ne sont pas accompagnés d’une supervision humaine.
Les rapports de tabulation peuvent inclure des milliers de tests t et de tests chi-carré mais, par construction, nous savons que 5 % des résultats significatifs sont des erreurs de type I. Pire encore, nous ne savons pas lesquels de ces résultats significatifs sont faux. Parce qu’ils sont faciles à trouver et excitants à rapporter, il est facile d’abuser de ces résultats significatifs. Pour aider les lecteurs à saisir le concept de fausse précision, il est bon de partager des tendances corroborantes provenant d’autres sources, telles que le rapport de recherche de l’année dernière, les données de fidélité, les données économiques ou politiques.
Si vous avez la chance d’utiliser des échantillons aléatoires, indiquez toujours les marges d’erreur. De plus, indiquez toujours les intervalles de confiance disponibles. Bien que ces chiffres intègrent également un degré de fausse précision, les lecteurs ont besoin qu’on leur rappelle que toutes les statistiques communiquées ne sont pas gravées dans le marbre.
Le plus important est de s’assurer que le lecteur comprend que les chiffres présentés ne sont pas la vérité. Au contraire, ils sont beaucoup plus proches de la vérité que les hypothèses.
Résumé
La fausse précision est un piège dans lequel il est facile de tomber, surtout lorsque les résultats de la recherche correspondent à vos hypothèses. Elle peut donner lieu à des interprétations trompeuses, à des prises de décision erronées et, en fin de compte, à des conséquences négatives pour les entreprises. Cependant, en étant conscients des limites des modèles de recherche et des rapports de données, et en offrant des instructions claires sur la meilleure façon d’interpréter les chiffres, les chercheurs peuvent aider les professionnels du marketing à mieux comprendre leurs données et à prendre des décisions plus éclairées et plus précises. Si vous êtes curieux de savoir si la fausse précision peut se présenter dans vos études, n’hésitez pas à prendre contact avec l’un de nos experts en enquêtes !
