La ISO 9001 chiede di “monitorare la percezione del cliente riguardo al grado in cui le sue esigenze e aspettative sono state soddisfatte” e di “determinare i metodi per ottenere, monitorare e riesaminare queste informazioni”.
Uno dei metodi che viene utilizzato spesso è la raccolta dei feedback attraverso un questionario che viene inviato dal cliente.
Ad inizio anni 2000, da giovane consulente, assistevo all’invio di file in formato PDF che il cliente stampava, compilava, scansionava ed inviava al suo fornitore che ne chiedeva il feedback.
Adesso, vengono utilizzati soprattutto dei form online: il fornitore invia il link al cliente che compila il questionario online ed i dati sono subito disponibili per l’analisi.
Per quanto il tasso di risposta sia tendenzialmente molto basso (leggevo qualche anno fa un articolo su una ricerca secondo sui il tasso oscilla fra il 5 ed il 10% che peraltro confermo rispetto alla mia esperienza) è per la sua semplicità organizzativa uno strumento molto utilizzato in diverse aziende.
Proprio per questo, in questo articolo voglio condividere alcune riflessioni sui dati e su alcuni rischi correlati alla loro analisi dopo che il cliente ha lasciato il suo feedback.
A volte, infatti, il numero di questionari ricevuti è di poche decine o addirittura poche unità e quindi il campione è statisticamente poco significativo.
Altre volte, invece, si considera il risultato ottenuto proiettandolo senza ulteriori analisi sul totale dei clienti.
Ad esempio, se il risultato ottenuto è stato di 8,67 su scala 1-10 la tentazione è quella di dichiarare che “mediamente i nostri clienti sono contenti con uno score dell’86,7%”
Da un punto di vista statistico, questa affermazione non è corretta.
Il punteggio ottenuto di 8,67/10, infatti, è relativo al campione di clienti intervistato e che si è espresso.
La popolazione, invece, è formata dall’intera gamma dei nostri clienti e non possiamo proiettare il risultato del campione su di essa.
L’inferenza statistica è quella parte della statistica che si occupa di calcolare le caratteristiche della popolazione partendo dai dati e dall’osservazione di alcuni dei suoi campioni.
Le proiezioni offerte dall’inferenza statistica sono delle stime e sono collegate al concetto di confidenza, in pratica quanto la stima possa essere considerata precisa.
Ad esempio, se venisse studiata la sola mia famiglia ai fini statistici (siamo in 5) e possedendo noi un cane, l’errore statistico potrebbe essere quello di ritenere che tutte le famiglie italiane possiedano un cane oppure che tutte le famiglie italiane formate da 5 persone abbiano un cane con sé in casa.
Empiricamente, possiamo arrivare alla conclusione che maggiore sarà la numerosità del campione analizzato e migliori saranno le stime sulla popolazione: probabilmente, se venissero analizzate 100.000 famiglie italiane la percentuale di queste che possiede un cane sul totale del campione sarà probabilmente più vicino a quello effettivo sulla popolazione totale.
Peraltro, avere un campione molto numeroso e rappresentativo da un lato è auspicabile ma dall’altro può essere difficile da ottenere e spesso anche molto costoso.
In pratica, dobbiamo ottenere il massimo da quello che abbiamo, la bella notizia è che la statistica ci può aiutare! 😀
Esempio pratico: i feedback degli studenti dei miei corsi online
Condivido alcune analisi di dati ricevuti dai feedback dei miei studenti dei miei 8 corsi online su Udemy.
Potrai usare anche tu queste considerazioni come base di ulteriori analisi rispetto alla customer satisfaction oppure altre per altre analisi o monitoraggi che effettui, magari legate al riesame di Direzione.
Alla data attuale (metà aprile 2023), i feedback ricevuti dai miei studenti online sono 411 e sono così suddivisi:
Ogni feedback è un voto che ciascuno studente esprime per il singolo corso che ha frequentato ed è un valore compreso fra 1 e 5; inoltre, sono ammessi anche i “mezzi voti”.
Dalla tabella, si evince che la media delle valutazioni è pari a 4,26 che su scala 1-5 è pari a 4,26/5 = 85,2%.
Posso dichiarare che i miei studenti totali saranno soddisfatti all’85,2% dei miei corsi?
La risposta è NO, devo proiettare il punteggio ottenuto dai feedback di 411 sull’intera popolazione ed applico pertanto la distribuzione T di Student che mi permette di calcolare l’intervallo di confidenza, ovvero il range dei valori probabili proiettati.
In pratica:
- con un livello di confidenza del 95%, la media delle valutazioni della popolazione sarà compresa fra 4,18 e 4,34 (quindi fra il 83,7 e 86,7%);
- con un livello di confidenza del 99% la media delle valutazioni della popolazione sarà invece compresa fra 4,16 e 4,36 (quindi fra l’83,2 e l’87,2%).
Maggiore è il livello di confidenza che voglio considerare nella proiezione sulla popolazione e maggiore sarà l’ampiezza dell’intervallo di confidenza e maggiore sarà la qualità della stima.
Un ulteriore aspetto interessante da calcolare è la percentuale massima di studenti non soddisfatti, ovvero di studenti la cui valutazione è inferiore a 3. I feedback insufficienti sui 411 ricevuti sono 16, pari al 3,89%.
Applicando il test statistico in questo caso si ottiene che:
- con un livello di confidenza del 95%, la percentuale dei feedback negativi massima sarà pari al 5,76%;
- con un livello di confidenza del 99%, la percentuale dei feedback negativi massima sarà pari al 6,36%.
Grazie alla statistica, quindi, posso apprezzare che il 3,89% di feedback negativi ottenuti sul campione potrebbe anche quasi raddoppiare nella popolazione arrivando al 6,36%.
Concludo ribadendo uno stimolo importante: se esegui test ed analisi ricorda sempre che stai lavorando su un campione. Per comprendere meglio il processo proietta questi dati sulla popolazione, potrai prendere decisioni avendo una base più solida.
Spero, anzi confido al 99% 😀, che questo articolo ti sia piaciuto e ti abbia fornito spunti interessanti.
Sentiti libero o libera di commentare oppure scriverci per condividere le tue idee.
Buona Statistica! 😉
Massimiliano
PS: Ti è piaciuto questo articolo? Vuoi ricevere le notifiche e leggere subito il prossimo?
Abbiamo una buona notizia per te, iscriviti alla newsletter di qualydea® e riceverai la notifica di ogni nuovo articolo del nostro blog oppure segui qualydea® su LinkedIn.