Alapos. Személyre szabott. Emberi. Független.

A legtöbb cég az ügyfelei elégedettségét NPS mutatóval méri, kíváncsi rá ugyanakkor, hogy ezt az egy számba tömörített információt milyen paraméterek milyen mértékben változtatják, mozgatják. Többváltozós statisztikai módszerek sorát használjuk arra, hogy az összefüggéseket számszerűen megvizsgáljuk, és rámutassunk azokra a részfeladatokra egy customer journey során, amelyek az NPS-t érdemben javítani tudják.

Egy termék vaktesztje (pl. 2 sós snack vagy 2 sör közül melyik finomabb) ma már nem csak azt jelenti, hogy kontrollált körülmények közt leteszteljük a 2 terméket, és megnézzük, melyik ízlik jobban a fogyasztónak, hanem az is elvárás, hogy értsük, az össz-értékelésre melyik tulajdonságok (íz, illat, állag, fűszeresség, stb.) milyen mértékben hat, és a just right skálán az optimálistól való milyen irányú eltérést „bünteti" jobban a fogyasztó. Erre többféle statisztikai próba közül a Penalty analízis bizonyult a legbeszédesebbnek, így kutatásainkban ezt használjuk.

Ügyfeleink sokszor egy szegmentációs kutatás után szembesülnek azzal a helyzettel, hogy egy kiválasztott szegmens még mindig többféle karaktert foglal magában. Ahhoz, hogy ezeket a karaktereket kézzelfoghatóvá tegyük, kvázi behozzuk számukra az irodába (hogy mindig szem előtt legyenek, mikor pl. kommunikációs briefet írnak), a perszónákat vagy külön, célzott kutatás, vagy a szegmentációs u&a kutatásban található jellemzőik alapján pontosítjuk és tesszük élővé, az AI segítségével még fiktív fotót is kreálva róluk.

Nagy tapasztalatunk van annak mérésében, hogy fesztiválokon a helyi közönség mennyire elégedett a programokkal, észlelik-e a szponzorációt, hogyan értékelik a szponzori tevékenységet, hogy lássuk, mennyire sikerült a márkáknak megszólítani a célközönséget. Kidolgoztuk annak a módszertanát is, hogyan tudjuk a benti felmérést reprezentatívvá tenni a látogatók főbb demográfiai paraméterei alapján.