Cercetare de marketing înseamnă proiectarea, colectarea, analiza și interpretarea sistematică a informațiilor necesare pentru definirea problemelor, evaluarea oportunităților și susținerea deciziilor de marketing. Nu este sinonimă cu realizarea unui chestionar. Chestionarul este doar unul dintre instrumentele care pot fi folosite.

O cercetare bună nu elimină incertitudinea. O reduce și arată câtă incertitudine rămâne. Această delimitare este importantă deoarece datele nu pot transforma automat o decizie managerială într-un adevăr obiectiv.

Problema apare atunci când metoda este aleasă înaintea întrebării. Compania decide că „trebuie făcut un sondaj”, deși problema reală poate necesita interviuri, analizarea comportamentului observat, un experiment sau corelarea datelor comerciale existente.

Ce este cercetarea de marketing?

American Marketing Association definește cercetarea de marketing ca funcția care leagă consumatorul, clientul și publicul de marketer prin informații folosite pentru identificarea problemelor și oportunităților, dezvoltarea și evaluarea acțiunilor, monitorizarea performanței și îmbunătățirea înțelegerii procesului de marketing.

Definiția conține patru idei importante:

cercetarea pornește de la o problemă sau oportunitate;
informația trebuie proiectată pentru acea problemă;
metoda de colectare nu este aleasă arbitrar;
rezultatele trebuie comunicate împreună cu implicațiile lor.

Prin urmare, cercetarea de marketing nu înseamnă doar colectarea datelor. Include definirea informației necesare, proiectarea metodei, administrarea colectării, analiza și comunicarea concluziilor.

Cercetare de marketing versus cercetare de piață

Cercetarea de piață este, de regulă, mai restrânsă. Ea urmărește dimensiunea pieței, structura, concurența, segmentele, cererea și evoluțiile categoriei.

Cercetarea de marketing poate include cercetarea pieței, dar acoperă și:

testarea produsului;
evaluarea brandului;
cercetarea prețului;
testarea comunicării;
analiza distribuției;
experiența clientului;
satisfacția și retenția;
performanța canalelor;
procesele de cumpărare;
dezvoltarea ofertelor.

Diferența nu este doar terminologică. O companie poate înțelege bine piața și totuși să nu știe de ce oferta sa este respinsă sau ce caracteristici influențează alegerea.

De ce începe cercetarea cu problema decizională?

Prima etapă nu este formularea întrebărilor din chestionar. Este clarificarea deciziei care trebuie luată.

Problema managerială și problema de cercetare nu sunt identice.

Problemă managerială	Problemă de cercetare
Ar trebui mărit prețul?	Cum se modifică preferința și probabilitatea de alegere la diferite niveluri de preț?
De ce scad vânzările?	Scăderea provine din cerere, distribuție, preț, percepție, concurență sau execuție?
Ce produs trebuie lansat?	Ce combinații de atribute generează cea mai mare utilitate pentru segmentele relevante?
Trebuie schimbată reclama?	Mesajul este înțeles, credibil, diferențiator și capabil să modifice rezultatul urmărit?

O întrebare slab definită produce frecvent un studiu mare, dar inutil. Cercetătorul măsoară satisfacția generală, deși decizia privește abandonul din checkout. Sau întreabă dacă oamenii ar cumpăra un produs, când compania are nevoie să știe ce aleg în raport cu alternativele și prețurile reale.

Etapele procesului de cercetare de marketing

Definirea problemei decizionale.
Formularea obiectivelor și întrebărilor de cercetare.
Dezvoltarea ipotezelor, când sunt relevante.
Evaluarea datelor existente.
Alegerea designului cercetării.
Definirea populației și a eșantionului.
Operaționalizarea conceptelor.
Construirea și pretestarea instrumentului.
Colectarea datelor.
Curățarea și validarea datelor.
Analiza.
Interpretarea și formularea implicațiilor.
Comunicarea limitelor și recomandărilor.

Procesul nu este întotdeauna liniar. Rezultatele cercetării exploratorii pot schimba obiectivele, iar pretestarea poate arăta că un concept nu este înțeles în forma presupusă inițial.

Tipurile de design al cercetării

Designul exploratoriu

Cercetarea exploratorie este folosită când problema nu este suficient de bine înțeleasă. Scopul său este descoperirea explicațiilor, limbajului, variabilelor și ipotezelor posibile.

Metodele pot include:

interviuri în profunzime;
focus grupuri;
observație;
analiza reclamațiilor;
analiza căutărilor interne;
netnografie;
discuții cu experți;
analiza cazurilor extreme.

Exemplu: o companie observă că rata de reînnoire a abonamentelor a scăzut. Înaintea unui sondaj, interviurile pot identifica probleme pe care compania nu le luase în calcul: dificultatea anulării, lipsa utilizării sau schimbarea persoanei care aprobă bugetul.

Designul descriptiv

Cercetarea descriptivă estimează caracteristici, proporții, distribuții sau relații observate într-o populație.

Poate răspunde la întrebări precum:

ce procent dintre clienți cunoaște brandul;
cât de frecvent este cumpărat produsul;
ce segmente declară anumite nevoi;
care este nivelul satisfacției;
ce caracteristici sunt asociate cu retenția.

O asociere nu demonstrează însă cauzalitate. Faptul că utilizatorii aplicației cumpără mai des nu arată automat că aplicația a produs creșterea. Este posibil ca utilizatorii cei mai loiali să fie și cei care instalează aplicația.

Designul cauzal

Cercetarea cauzală urmărește dacă modificarea unei variabile produce schimbarea alteia.

Instrumentul principal este experimentul, în care:

se manipulează tratamentul;
există o comparație relevantă;
alocarea este, ideal, aleatorie;
se controlează contaminarea;
rezultatul este măsurat consecvent.

Un test A/B poate compara două pagini de produs. Totuși, rezultatul este credibil doar dacă randomizarea a funcționat, grupurile au fost expuse corect și nu au existat alte schimbări care explică diferența.

Date primare și date secundare în cercetare de marketing

Datele secundare există deja și au fost colectate pentru alt scop sau pentru un scop anterior. Exemple:

date de vânzări;
CRM;
analytics;
reclamații;
studii publice;
statistici oficiale;
rapoarte de industrie;
recenzii;
interacțiuni de suport.

Datele primare sunt colectate pentru problema curentă.

Înaintea unui studiu nou trebuie verificat dacă răspunsul există deja. O companie poate întreba clienții cât de des cumpără, deși frecvența reală este disponibilă în baza tranzacțională. Declarația poate fi utilă pentru percepție, dar nu trebuie confundată cu comportamentul observat.

Cercetarea calitativă

Cercetarea calitativă urmărește sensuri, mecanisme, limbaj, contexte și explicații. Nu este o versiune mai puțin riguroasă a cercetării cantitative. Răspunde la alte tipuri de întrebări.

Interviurile în profunzime

Interviul semi-structurat folosește un ghid tematic, dar permite dezvoltarea răspunsurilor și investigarea contradicțiilor.

Este potrivit când:

subiectul este sensibil;
decizia este complexă;
participanții au roluri diferite;
trebuie înțeles procesul, nu doar opinia;
influența grupului ar distorsiona răspunsul.

În B2B, interviurile separate cu utilizatorul, cumpărătorul economic și persoana care aprobă pot arăta că fiecare evaluează alt beneficiu.

Focus grupurile

Focus grupul folosește interacțiunea dintre participanți pentru a observa limbajul, acordul, dezacordul și normele sociale.

Nu este potrivit pentru estimarea procentelor. Zece participanți care preferă un concept nu reprezintă „80% din piață”.

Riscurile includ:

dominarea discuției;
conformismul;
influența moderatorului;
recrutarea unor participanți prea asemănători;
interpretarea spectaculoasă a unor afirmații izolate.

Observația și etnografia

Observația analizează comportamentul în context, nu doar relatarea lui.

Un client poate declara că alege produsul după calitate, dar în magazin poate folosi poziția pe raft și prețul ca scurtături decizionale. Diferența nu înseamnă neapărat că minte. Oamenii nu au acces perfect la propriile procese cognitive.

Netnografia și analiza comunităților

Recenziile, forumurile și comunitățile pot oferi acces la limbaj spontan, probleme recurente și utilizări neașteptate.

Limita este selecția. Persoanele care publică nu reprezintă automat toți clienții. Analiza trebuie tratată ca explorare, nu ca estimare reprezentativă a pieței.

Cercetarea cantitativă

Cercetarea cantitativă folosește măsurători standardizate și analiză numerică pentru descriere, comparație, modelare sau testarea ipotezelor.

Metodele pot include:

sondaje;
paneluri;
experimente;
analiza tranzacțiilor;
modele econometrice;
conjoint;
MaxDiff;
studii de preț;
analiza cohortelor.

Cantitatea datelor nu compensează un instrument greșit. Un milion de răspunsuri la o întrebare ambiguă produc o estimare precisă a unui concept neclar.

Populație, eșantion și reprezentativitate

Populația este totalitatea unităților despre care cercetarea dorește să formuleze concluzii. Eșantionul este subsetul observat.

Trebuie definite explicit:

unitatea de analiză;
criteriile de includere;
teritoriul;
perioada;
cadrul de eșantionare;
subgrupurile care trebuie analizate.

Un eșantion mare nu este automat reprezentativ. Dacă un sondaj este trimis doar abonaților activi, foștii clienți și non-clienții nu au șansa de a fi selectați.

Eșantionare probabilistică

În eșantionarea probabilistică, fiecare unitate are o probabilitate cunoscută și nenulă de selecție.

Tipuri:

aleatorie simplă;
sistematică;
stratificată;
pe clustere;
multistadială.

Eșantionare neprobabilistică

Include:

conveniență;
cote;
bulgăre de zăpadă;
paneluri opt-in;
recrutare intenționată.

Aceste metode pot fi utile, dar limitează inferența statistică. Aplicarea cotelor sau ponderilor nu transformă automat un eșantion neprobabilistic într-unul probabilistic.

Calculul orientativ al eșantionului

Pentru estimarea unei proporții într-un eșantion aleatoriu simplu, o formulă orientativă este:

n = z² × p × (1 − p) / e²

Unde:

n este dimensiunea eșantionului;
z este valoarea asociată nivelului de încredere;
p este proporția estimată;
e este eroarea de eșantionare tolerată.

Pentru un nivel de încredere de aproximativ 95%, p = 0,5 și o marjă de aproximativ ±5 puncte procentuale, rezultatul orientativ este de aproximativ 385 respondenți.

Formula nu rezolvă:

eroarea de acoperire;
non-răspunsul;
eșantionarea neprobabilistică;
ponderarea;
analiza subgrupurilor;
efectul de design;
întrebările greșite.

Dacă trebuie comparate patru segmente, un eșantion total de 400 poate deveni insuficient la nivelul fiecărui segment.

Total Survey Error: de ce marja de eroare nu este suficientă

Paradigma Total Survey Error analizează toate sursele majore de eroare, nu doar variația eșantionării.

Sursă de eroare	Exemplu
Acoperire	O parte din populație nu poate fi recrutată
Eșantionare	Eșantionul diferă întâmplător de populație
Non-răspuns	Cei care răspund diferă sistematic de cei care refuză
Măsurare	Întrebarea este ambiguă sau produce răspunsuri sociale
Procesare	Codificări, filtre sau ponderi greșite
Analiză	Model nepotrivit sau interpretare excesivă

Un studiu cu marjă de eșantionare mică poate avea o eroare totală mare dacă populația este acoperită slab sau întrebările sunt formulate defectuos.

Cum se măsoară conceptele abstracte?

Concepte precum satisfacția, încrederea, loialitatea sau valoarea percepută nu sunt observate direct. Ele trebuie operaționalizate prin indicatori.

Procesul presupune:

definirea conceptuală;
delimitarea dimensiunilor;
generarea itemilor;
evaluarea de către experți;
pretestare;
analiză exploratorie;
validare pe date noi;
verificarea relației cu alte variabile.

O singură întrebare de tipul „Cât de loial sunteți?” poate combina intenția de recumpărare, atașamentul și lipsa alternativelor.

Scale, fidelitate și validitate

Fidelitatea descrie consistența măsurării. Validitatea privește cât de bine susțin teoria și dovezile interpretarea scorului.

Un instrument poate fi fidel fără să fie valid. Un cântar dereglat cu două kilograme poate da rezultate consecvente, dar greșite.

Forme importante de validitate:

de conținut – acoperă dimensiunile relevante;
convergentă – măsurile aceluiași construct sunt asociate;
discriminantă – constructele diferite nu sunt confundate;
de criteriu – scorul se leagă de un rezultat relevant;
predictivă – scorul anticipează un rezultat ulterior.

Cronbach alpha este frecvent folosit pentru consistența internă, dar o valoare mare nu demonstrează singură că scala este unidimensională sau validă. Itemii redundanți pot crește artificial coeficientul.

Cum se construiește un chestionar?

Un chestionar bun începe cu o hartă a informațiilor necesare, nu cu o listă de întrebări.

Principii de formulare

o singură idee per întrebare;
limbaj apropiat de cel al respondentului;
perioadă de referință explicită;
evitarea presupozițiilor;
evitarea întrebărilor direcționate;
opțiuni exhaustive și neambigue;
includerea variantelor „nu știu” când sunt legitime;
ordine care nu influențează inutil răspunsurile.

Exemplu de întrebare greșită

Cât de mulțumit sunteți de prețul și calitatea produsului?

Întrebarea este dublă. Respondentul poate fi mulțumit de calitate și nemulțumit de preț.

Exemplu corectat

Cât de mulțumit sunteți de calitatea produsului?
Cât de mulțumit sunteți de raportul dintre preț și beneficiile primite?

Pretestarea

Chestionarul trebuie testat înaintea lansării. Interviurile cognitive pot arăta cum interpretează participanții întrebarea, ce informație recuperează din memorie și cum aleg răspunsul.

Un pilot nu urmărește doar timpul de completare. Verifică:

înțelegerea;
logica filtrelor;
distribuția răspunsurilor;
rata de abandon;
opțiunile nefolosite;
întrebările care produc confuzie.

Experimente și inferență cauzală

Experimentul este metoda cea mai directă pentru estimarea efectului unei intervenții, dacă alocarea și execuția sunt corecte.

Într-un experiment simplu:

Efect estimat = media rezultatului în tratament − media rezultatului în control

Trebuie verificate:

randomizarea;
dimensiunea eșantionului;
metricile stabilite înainte de analiză;
contaminarea între grupuri;
oprirea prematură;
testarea repetată;
efectele de rețea;
noutatea temporară;
diferența dintre semnificație statistică și relevanță economică.

Microsoft descrie infrastructura de experimentare la scară ca fiind construită în jurul încrederii în rezultat și al capacității de a executa experimente controlate consecvent, nu doar al generării rapide a variantelor.

Analiza conjoint

Analiza conjoint estimează compromisurile pe care oamenii le fac între atributele unei oferte.

Într-un studiu choice-based conjoint, participanții aleg între configurații ipotetice de produs. Din alegeri sunt estimate utilitățile asociate nivelurilor atributelor.

Exemplu pentru un abonament software:

preț: 49, 79 sau 119 lei;
număr de utilizatori: 1, 5 sau 10;
suport: email, chat sau telefon;
raportare: standard sau avansată;
contract: lunar sau anual.

Metoda poate ajuta la:

configurarea produsului;
simularea cotei de preferință;
evaluarea sensibilității la preț;
compararea scenariilor;
identificarea segmentelor de preferință.

Conjoint nu prezice perfect piața. Rezultatul depinde de atributele incluse, realismul alegerilor, setul competitiv și model.

MaxDiff

MaxDiff, sau best-worst scaling, solicită participantului să aleagă cel mai important și cel mai puțin important element dintr-un set.

Este util când o listă mare de caracteristici ar produce evaluări foarte asemănătoare pe o scală clasică.

Exemplu: un retailer dorește să prioritizeze zece beneficii:

livrare rapidă;
preț mic;
retur gratuit;
stoc disponibil;
consultanță;
garanție extinsă;
plată în rate;
branduri cunoscute;
recenzii;
ridicare din magazin.

MaxDiff produce o discriminare mai bună între priorități, dar măsoară preferința relativă în setul prezentat.

Cercetarea prețului

Întrebarea „Cât ați plăti?” produce frecvent răspunsuri instabile. Prețul este evaluat în raport cu produsul, alternativele, contextul și bugetul.

Metodele pot include:

experimente de preț;
conjoint;
Gabor-Granger;
Van Westendorp;
analiza elasticității din date istorice;
experimente geografice sau temporale.

Van Westendorp analizează percepții precum „prea ieftin”, „ieftin”, „scump” și „prea scump”. Nu estimează direct cererea reală și nu trebuie tratat drept mecanism automat de stabilire a prețului optim.

Segmentarea prin cercetare

Segmentarea urmărește identificarea unor grupuri suficient de diferite pentru a necesita decizii distincte.

Un proces riguros include:

alegerea variabilelor relevante;
standardizarea lor;
selectarea metodei;
stabilirea numărului de segmente;
verificarea stabilității;
profilarea;
validarea comercială;
implementarea în datele companiei.

Un segment este util dacă poate fi:

măsurat;
identificat;
atins;
servit diferit;
legat de rezultate economice.

Clusterele statistice nu sunt automat segmente de piață. Dacă echipele nu pot identifica persoanele sau adapta oferta, rezultatul rămâne o descriere interesantă.

Testarea conceptelor și produselor

Testarea conceptului evaluează o promisiune înaintea dezvoltării complete. Testarea produsului evaluează experiența efectivă de utilizare.

Trebuie separate:

înțelegerea conceptului;
relevanța;
unicitatea percepută;
credibilitatea;
intenția declarată;
alegerea relativă;
utilizarea reală;
recumpărarea.

Cazul New Coke arată limita testării izolate a gustului: preferința într-un test nu surprinde automat atașamentul față de brand, identitatea și reacția la înlocuirea produsului existent. Compania însăși prezintă episodul drept unul dintre cele mai cunoscute eșecuri de marketing.

Cum se analizează datele?

Analiza trebuie aleasă în funcție de întrebare și de nivelul de măsurare.

Întrebare	Metode posibile
Cum este distribuită o variabilă?	Frecvențe, medie, mediană, dispersie
Există diferențe între grupuri?	Teste de proporții, t-test, ANOVA, metode neparametrice
Ce variabile sunt asociate?	Corelație, regresie
Ce factori explică alegerea?	Regresie logistică, modele de alegere
Ce dimensiuni latente există?	Analiză factorială
Ce grupuri similare există?	Clusterizare, clase latente
Care este efectul unei intervenții?	Experiment, inferență cauzală

Semnificația statistică nu arată automat importanța comercială. O diferență de 0,2 puncte poate deveni semnificativă într-un eșantion foarte mare și totuși să nu justifice costul implementării.

Unelte pentru cercetare de marketing

Colectare și sondaje

Qualtrics;
Alchemer;
SurveyMonkey;
Typeform;
LimeSurvey;
Google Forms, pentru studii simple și cu limite explicite.

Cercetare calitativă

Zoom sau Microsoft Teams pentru interviuri;
Dovetail;
NVivo;
ATLAS.ti;
MAXQDA;
platforme de testare moderată și nemoderată.

Analiză statistică

R;
Python;
SPSS;
Stata;
SAS;
JASP și jamovi pentru anumite analize accesibile.

Vizualizare și raportare

Power BI;
Tableau;
Looker Studio;
R Markdown sau Quarto;
Jupyter Notebook.

Instrumentul nu validează metoda. Un dashboard elegant poate prezenta concluzii greșite cu multă claritate vizuală.

Exemple din lumea reală despre cercetare de marketing

Netflix: personalizarea imaginilor

Netflix a descris utilizarea experimentelor A/B și a metodelor de personalizare pentru a evalua ce imagini ajută utilizatorii să descopere conținut relevant. Exemplul arată diferența dintre opinia declarată despre o imagine și comportamentul observat în context.

Microsoft: experimentarea la scară

Microsoft a construit o platformă pentru experimente controlate utilizată în produse diferite. Accentul metodologic este pus pe rezultate demne de încredere, validarea infrastructurii și analiza consecventă, nu doar pe numărul testelor executate.

New Coke: o întrebare prea îngustă

Testele de gust indicau preferința pentru formula mai dulce. Reacția pieței a arătat însă că decizia nu privea doar gustul, ci și înlocuirea unui simbol de brand. Cercetarea poate răspunde corect la o întrebare și totuși să nu acopere întreaga problemă managerială.

Etică, GDPR și transparență

Cercetarea trebuie să protejeze participanții și să distingă clar cercetarea de activitățile comerciale.

Principii importante:

participare informată;
colectarea minimului necesar;
protejarea identității;
securitate;
utilizare compatibilă cu scopul declarat;
atenție sporită pentru minori și persoane vulnerabile;
transparență asupra sponsorului, când este necesară;
raportarea limitelor;
interdicția fabricării sau manipulării rezultatelor.

Codul ICC/ESOMAR actualizat în 2025 pune accent pe protecția vieții private, transparență, responsabilitate profesională și supraveghere umană, inclusiv în utilizarea noilor tehnologii.

Inteligența artificială și respondenții sintetici în cercetare de marketing

AI poate ajuta la:

transcriere;
codificare inițială;
identificarea temelor;
traducere;
generarea variantelor de chestionar;
verificarea logicii;
analiza textului;
automatizarea documentării.

Rezultatele trebuie verificate. Modelele pot inventa surse, omite nuanțe, reproduce biasuri și produce categorii plauzibile, dar nefundamentate.

Respondenții sintetici nu trebuie tratați drept înlocuitori demonstrați ai oamenilor. Ei pot fi folosiți pentru simulare, pretestare sau generarea ipotezelor, dar validitatea externă trebuie stabilită prin comparație cu date reale.

Cum se transformă rezultatele în decizii?

Raportul nu trebuie organizat după ordinea chestionarului. Trebuie organizat după întrebările decizionale.

O recomandare bună conține:

constatarea;
dovada;
gradul de certitudine;
explicațiile alternative;
implicația comercială;
opțiunile;
riscurile;
următoarea verificare.

Exemplu:

Segmentul cu sensibilitate redusă la preț preferă suportul telefonic și contractele lunare. Rezultatul sugerează testarea unui pachet premium, dar nu demonstrează cererea reală. Recomandarea este un experiment comercial limitat, cu măsurarea conversiei, retenției și costului de suport.

Aceasta este diferența dintre raportare și cercetare aplicată. Cercetarea nu se încheie la constatare. Trebuie să arate ce decizie poate fi susținută și ce trebuie încă verificat.

Checklist pentru o cercetare de marketing riguroasă

Este definită decizia care trebuie luată?
Problema managerială a fost tradusă într-o întrebare de cercetare?
Au fost analizate datele deja disponibile?
Designul este exploratoriu, descriptiv sau cauzal?
Metoda răspunde întrebării?
Populația este definită?
Cadrul de eșantionare este adecvat?
Pot fi estimate limitele inferenței?
Conceptele sunt definite înaintea măsurării?
Instrumentul a fost pretestat?
Sunt analizate toate sursele de eroare, nu doar marja de eșantionare?
Scalele au dovezi de fidelitate și validitate?
Ipotezele și metricile experimentului au fost stabilite înainte?
Datele au fost curățate după reguli documentate?
Analiza este adecvată structurii datelor?
Sunt separate asocierea și cauzalitatea?
Sunt prezentate dimensiunile efectului, nu doar valorile p?
Sunt raportate limitele?
Recomandările rezultă din dovezi?
Este clar ce trebuie testat în continuare?

Cercetare de marketing înseamnă disciplină în formularea concluziilor

Cercetare de marketing nu înseamnă acumularea de răspunsuri, ci construirea unei legături verificabile între o problemă comercială, date și o concluzie.

Un studiu valoros nu este cel care produce cele mai multe grafice. Este cel care distinge între ceea ce știm, ceea ce estimăm și ceea ce presupunem.

Înaintea instrumentului trebuie clarificată decizia. Înaintea analizei trebuie verificată măsurarea. Iar înaintea recomandării trebuie înțelese limitele dovezilor.

Surse și lecturi suplimentare despre cercetare de marketing

American Marketing Association – Definition of Marketing Research – definiția profesională a cercetării de marketing și rolul său în procesul decizional.
ICC/ESOMAR International Code 2025 – principii de etică, responsabilitate, transparență și protecția participanților.
Paul P. Biemer – Total Survey Error: Design, Implementation, and Evaluation – cadrul privind sursele totale de eroare în sondaje.
Pew Research Center – Survey Methodology – aplicarea practică a cadrului Total Survey Error, a eșantionării și ponderării.
Green și Srinivasan – Conjoint Analysis in Consumer Research – lucrare de referință privind analiza compromisurilor dintre atribute.
Microsoft Research – The Anatomy of a Large-Scale Experimentation Platform – infrastructură și principii pentru experimente A/B credibile la scară.
The Coca-Cola Company – New Coke – exemplu despre limitele unei întrebări de cercetare formulate prea îngust.
Regulamentul (UE) 2016/679 – cadrul european privind protecția datelor cu caracter personal.

Continuă analiza

Marketing digital: strategie, canale, măsurare și profitabilitate – arată cum informațiile despre piață, public, ofertă și comportament sunt transformate într-o strategie de marketing și într-un sistem de măsurare.
Performanța comercială: cum legi vânzările, marja, marketingul, datele și procesele – continuă analiza modului în care rezultatele cercetării trebuie conectate cu deciziile comerciale și cu performanța economică a companiei.
Audit de tracking: cum verifici dacă datele pot susține deciziile comerciale – explică verificarea definițiilor, evenimentelor, conversiilor și surselor de date înainte ca informațiile comportamentale să fie interpretate.
Produse care vând versus produse care aduc profit – oferă un exemplu aplicat despre diferența dintre indicatorii de volum și informațiile necesare pentru decizii privind portofoliul, marja și profitabilitatea.