互聯(lián)網(wǎng)公司vi設計當然不會在市場研究中著手進行設計和分析中的致命錯誤，但是鏈接分析中涉及的復雜性易受遺漏和傭金錯誤的影響。通常可以通過充分的計劃，溝通和程序執(zhí)行來避免這些錯誤。

鏈接是指正式的統(tǒng)計過程，通過該過程我們可以將一個數(shù)據(jù)源的輸入度量連接到另一數(shù)據(jù)源的輸出度量。復雜程度的不同區(qū)分了“簡單”和“復雜”鏈接。復雜與簡單鏈接的不同之處在于，它涉及某種類型的多元預測模型，該模型可以進行“假設分析”。

七個復雜因素威脅著鏈接模型的有效性，尤其是復雜鏈接模型的有效性。這些威脅中的某些威脅非常嚴重，以至于如果沒有預料和計劃，它們可能會導致鏈接模型的災難性故障。

1.聚合水平

在所有鏈接中，互聯(lián)網(wǎng)公司vi設計需要確保調(diào)查和外部數(shù)據(jù)是在相同的聚合級別下準備的。例如，我們可能有針對客戶的客戶滿意度調(diào)查數(shù)據(jù)，這些客戶報告在拜訪給定銀行分支機構時排隊等候的時間。但是，如果為整個商店而不是單個客戶存儲數(shù)據(jù)，則失去了建立聯(lián)系并改善體驗的機會。在這種情況下，只有將受訪者的滿意度信息匯總到整個分支的平均分數(shù)中，我們才能鏈接數(shù)據(jù)。這樣做會導致三個問題：

• 我們在分支機構可能沒有足夠的受訪者來計算穩(wěn)定的平均得分。

• 我們可能沒有足夠的總體觀察值來進行穩(wěn)定的分析。例如，如果我們每個分支機構有1,000名受訪者，但只有10個分支機構，那么在我們的綜合分析中，這僅變成10個觀察值，不足以使我們有把握地得出結論。

• 當我們將受訪者級別的數(shù)據(jù)匯總為均值時，通常會損失很多可變性，最終會得到非常“平坦”的數(shù)據(jù)。在我們的鏈接分析中，這種平坦度通常只會產(chǎn)生很小的影響。

• 解決潛在聚合問題級別的方法位于項目的藍圖階段。確保互聯(lián)網(wǎng)公司vi設計具有可用于鏈接的數(shù)據(jù)的完整清單，并詳細列出了變量之間的所有關系，以使聚合級別不匹配明顯。

2.型號規(guī)格

當我們構建統(tǒng)計模型以預測某些結果時，僅當模型包含影響結果的所有變量時才正確指定該模型。在某種程度上，它表現(xiàn)出規(guī)格不足或規(guī)格錯誤。例如：

• 我們將客戶隨后購買（或不購買）品牌汽車與其對以前使用該品牌的經(jīng)歷的總體滿意度相聯(lián)系。但是，一個人是否購買某個品牌取決于競爭者是否提出了新的型號，新的廣告，新的功能，新的價格，差價或返利等。僅基于對單個品牌的經(jīng)驗的滿意度來預測回購很多故事。

• 我們將客戶滿意度與一家銀行分支機構關聯(lián)到該分支機構的交叉銷售數(shù)據(jù)。但是分支機構向其支票帳戶客戶出售多少IRA不僅取決于這些客戶的滿意度，還取決于分支機構所服務的人口，其收入，就業(yè)和生活階段以及客戶的收入。更大的經(jīng)濟。

• 理想情況下，互聯(lián)網(wǎng)公司vi設計通過進行藍圖會議來防止出現(xiàn)規(guī)范錯誤，但是正確地進行操作有時會使我們的生活變得有些復雜。

對于銷售長期合作關系的客戶（電信，金融服務，基于訂閱的服務），請使用生存分析從關系客戶滿意度研究到行為建立聯(lián)系。但是，許多或大多數(shù)鏈接都與可能受到競爭活動影響的業(yè)務結果相關。對于這些情況，我們需要對選擇進行建模，而不是對總體滿意度或返回評級的意圖進行建模。這意味著我們將需要基于包括品牌選擇因變量在內(nèi)的競爭性，相對關系滿意度研究建立聯(lián)系。

要考慮的模型規(guī)范的其他方面包括：

• 數(shù)據(jù)缺失：并非所有受訪者都能體驗到或可以評價與品牌潛在關系的各個方面

• 非線性影響：可能是屬性對結果的影響不是線性的，這可能會使建模復雜化

• 抽樣：互聯(lián)網(wǎng)公司vi設計需要確保我們基于模型的樣本足以代表我們要預測的總體

• 預測的時間安排：當前的績效衡量標準（滿意度等）應與未來的結果比與當前的結果更緊密地相關，因此要了解業(yè)務現(xiàn)實就需要建立縱向聯(lián)系

• 因果關系的方向：有時，互聯(lián)網(wǎng)公司vi設計看到滿意度較高的業(yè)務部門的銷售量也較低–與其推斷滿意度導致較低的銷售量，我們通常發(fā)現(xiàn)銷售較低的業(yè)務部門不那么忙碌，可以為客戶提供更多關注

• 效果是否最好用橫截面來最好地衡量：橫截面分析著眼于高滿意度和低滿意度受訪者之間，或績效較高和績效較低的業(yè)務部門之間的差異；如前所述，當數(shù)量本身可能掩蓋了真正的關系時，在業(yè)務部門內(nèi)（或在受訪者級別）進行分析可能會得出更準確的測量結果。