Komplett gjennomgang av pensum med forklaringer, formler, vanlige feil og eksamenstips.
MRK 3460 Markedsanalyse gir deg verktøyene for å samle inn, analysere og tolke data som grunnlag for markedsbeslutninger. Kurset kombinerer forskningsmetodikk med statistisk analyse, fra spørreskjemautvikling til avanserte analyseteknikker som regresjonsanalyse og faktoranalyse.
Denne studieguiden dekker alle pensum-temaer og gir deg en kompakt gjennomgang av det viktigste stoffet. Bruk den som supplement til forelesninger og lærebok — den er designet for å hjelpe deg med å forstå sammenhengene og forberede deg effektivt til eksamen.
Her er de viktigste symbolene du møter i kurset:
Statistikk — grunnleggende:
= utvalgsgjennomsnitt | = populasjonsgjennomsnitt | = utvalgs-standardavvik | = populasjonsstandardavvik
= utvalgsstørrelse | = populasjonsstørrelse | = varians | = standardfeil
Hypotesetesting:
= nullhypotese | = alternativhypotese | = signifikansnivå | = Type II-feil
= -verdi | = testobservator | = frihetsgrader | = statistisk styrke
Regresjon og faktoranalyse:
= forklaringsgrad | = regresjonskoeffisient | = feilledd | = predikert verdi
= korrelasjonskoeffisient | VIF = Variance Inflation Factor | KMO = Kaiser-Meyer-Olkin
= eigenverdi/faktorladning | (Cronbach) = intern konsistens
Hvordan velge riktig forskningsdesign og metode for å besvare et markedsanalyseproblem.
Forskningsdesignet er grunnmuren i enhver markedsanalyse. Et feil valg av design kan gjøre hele studien verdiløs — du kan få svar, men ikke på det du egentlig trenger å vite. Designet bestemmer hva slags data du kan samle, hvilke slutninger du kan trekke, og hvor mye du kan stole på resultatene.
Eksplorativt design — brukes når man vet lite og trenger innsikt
Formål: Utforske, forstå, generere ideer og hypoteser
Metoder: Dybdeintervjuer, fokusgrupper, observasjon, sekundærdata
Eksempel: «Hvorfor slutter kunder å kjøpe produktet vårt?»
Deskriptivt design — brukes for å kartlegge og beskrive
Formål: Beskrive egenskaper, holdninger, atferd i en populasjon
Metoder: Spørreundersøkelser, strukturert observasjon, sekundærdataanalyse
Eksempel: «Hvor stor andel av kundene er tilfredse med servicen vår?»
Kausalt design — brukes for å teste årsak-virkning
Formål: Påvise at en variabel forårsaker endring i en annen
Metoder: Eksperimenter med randomisering og kontrollgruppe, A/B-testing
Eksempel: «Øker den nye reklamekampanjen kjøpsintensjonen?»
Kvalitativ metode gir dybde: rik innsikt i «hvorfor» og «hvordan» gjennom tekst, bilder og observasjoner. Kvantitativ metode gir bredde: generaliserbare funn om «hvor mye» og «hvor mange» gjennom tall og statistikk.
Eksempel: En bedrift vil forstå kundenes opplevelse av ny emballasje.
Kvalitativt: Gjennomfør 10 dybdeintervjuer — får rik innsikt i følelser og assosiasjoner.
Kvantitativt: Send spørreskjema til 500 kunder — kan si at 72 % foretrekker ny emballasje.
Mixed methods: Start med kvalitativt for å forstå, deretter kvantitativt for å måle.
Intern validitet: Kan vi stole på den kausale slutningen? Styrkes av randomisering, kontrollgrupper og kontroll for konfunderende variabler.
Ekstern validitet: Kan vi generalisere resultatene? Styrkes av representative utvalg og naturalistiske settinger.
Reliabilitet: Gir gjentatte målinger samme resultat? Styrkes av standardiserte prosedyrer og veletablerte skalaer.
1. Definere problem og forskningsspørsmål → 2. Velge forskningsdesign → 3. Velge datainnsamlingsmetode → 4. Designe utvalg og spørreskjema → 5. Samle inn data → 6. Klargjøre og analysere data → 7. Tolke resultater → 8. Rapportere funn og anbefalinger
Nøkkelformler
Vanlige feil
Eksamenstips