• 6 heures
  • Moyenne

Ce cours est visible gratuitement en ligne.

course.header.alt.is_video

course.header.alt.is_certifying

J'ai tout compris !

Mis à jour le 18/02/2021

Analysez les résultats de votre enquête quantitative en ligne

Connectez-vous ou inscrivez-vous gratuitement pour bénéficier de toutes les fonctionnalités de ce cours !

Dans ce chapitre, vous allez apprendre à analyser les résultats de votre étude quantitative.

Traitez les données brutes

Pour mener votre analyse, commencez par traiter les données brutes issues de votre questionnaire. Votre but est de les condenser et de les synthétiser par des indicateurs clés, comme des pourcentages, par exemple.

Votre travail se résume en 3 actions :

  •    corriger d’éventuels déséquilibres d’échantillon ;

  •    trier vos données ;

  •    vérifier leur valeur statistique.

Comme nous l’avons vu dans le précédent chapitre, votre échantillon peut être déséquilibré.

Par exemple, imaginons que dans votre test de packaging, la part d’hommes ne soit que de 17,5 % au lieu des 35 % ciblés.

Dans ce cas, vous pouvez effectuer un redressement statistique par pondération,  afin de rééquilibrer le poids de ces répondants.

Le principe est d’attribuer à chaque répondant un « poids » particulier en fonction de la catégorie à laquelle il appartient. Ce poids est supérieur à 1 si sa catégorie n’est pas assez représentée, et il est inférieur à 1 si celle-ci est sur-représentée.

Dans notre exemple, vous avez deux fois moins d’hommes que prévu ; leur « poids » sera 2, et la réponse de chaque homme comptera double. Pour cela, vous devez utiliser un logiciel de traitement statistique (comme SPSS ou R). Toutefois, rassurez-vous, le recours au redressement statistique n’est pas systématique, surtout si vous verrouillez vos quotas.

Triez vos données brutes

Afin d’interpréter les résultats de votre étude, vous devez trier vos données brutes. Le tri le plus simple est le tri à plat. C’est en fait le calcul de pourcentage pour chaque question où cela a un sens. Vous aurez également recours au tri croisé (ou ventilation). Il revient à calculer les pourcentages sur une partie des répondants, en fonction de leurs réponses à une autre question.

Pour bien comprendre, revenons à notre question d’intention d’achat :

Exemple d'une question d'un questionnaire : parmi les phrases suivantes, quelle est celle qui correspond le mieux à ce que vous pensez de ce produit ? Je l'achèterais certainement, probablement, je ne sais pas, probablement pas, certainement pas 

Le tri à plat

Le tri à plat calcule la part de chacune des réponses possibles sur le total des personnes interrogées. Il se présente ainsi :

Représentation graphique en pourcentage des intention d'achat des répondants

Le tri croisé

Le tri croisé vous permet d’analyser les mêmes résultats sur une partie des répondants, par exemple les personnes de 35 à 49 ans. Pour cela, vous filtrez les répondants selon leur réponse à la question, et selon leur âge qui figure dans votre questionnaire. Vous présentez les résultats en prenant soin de les comparer au total des répondants, comme vous pouvez le voir ci-après, afin d’éviter toute confusion.

Représentation graphique des intentions d'achat des répondants. Comparaison entre tri à plat et tri croisé

Vérifiez la valeur statistique

Enfin, avant de vous lancer dans l’interprétation de vos résultats, vous devez vérifier leur valeur statistique. Cela vous évitera de conclure hâtivement sur des différences qui ne sont en réalité pas significatives.   

Par exemple, imaginons que les réponses à votre test de packaging fassent apparaître les résultats suivants pour vos deux options de flacon de shampoing :

Représentation graphique d'intention d'achat entre les deux options de packaging des shampoingLes chiffres présentés donnent l’option A meilleure que l’option B sur le critère d’intention d’achat.

Mais les différences observées sont-elles statistiquement significatives, ou simplement le fruit du hasard lié au sondage ?

Le test de Student vous permet de le déterminer. Ce test statistique repose sur des comparaisons de moyennes, et vous permet notamment de savoir avec une probabilité, généralement de 90 %, 95 % ou 99 %, si l’écart entre deux pourcentages est significatif.

Si vous appliquez ce test à vos résultats de test de packaging, vous n’obtenez aucune différence statistique significative sur les réponses. En revanche, si vous regroupez les intentions d’achat certaines et probables, vous obtenez une différence statistiquement significative à 95 %, comme vous le voyez ici :

Représentation graphique de l'intention d'achat des répondants, entre les deux options de packaging. Mais ici est pris en compte l'écart significatif à 95%.

 Vous pouvez donc bien en conclure que l’option A est meilleure que l’option B sur ce critère.

Bien entendu, il existe beaucoup d’autres types d’analyses et de tests statistiques. Au fil de votre pratique des études, vous pourrez progressivement les utiliser, notamment si vous vous appuyez sur des personnes ayant les compétences requises.

En résumé

Vous avez à présent un échantillon équilibré, des données proprement triées, ainsi qu’une visibilité sur leur significativité. Vous pouvez donc les interpréter et passer à la phase suivante : la restitution.

Rendez-vous dans la troisième partie de ce cours pour apprendre à communiquer efficacement vos résultats d’étude.

Exemple de certificat de réussite
Exemple de certificat de réussite