Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
SEPUTAR RISET DALAM SALESMANSHIP
Oleh : I Putu Artaya,SE.,MM
2
BIRO RISET AC Nielsen (www.acnielsen.com)
Spectra ( CLARITAS ( TDLinx ( Burke Institute ( Markplus ( Frontier ( MARS Direktori biro riset Asosiasi riset pemasaran
3
KLASIFIKASI RISET RISET IDENTIFIKASI MASALAH RISET PEMECAHAN MASALAH
Mengidentifikasi masalah yang belum muncul atau diperkirakan berpotensi muncul di masa depan Contoh: Riset Potensi Pasar, Riset Citra Merk RISET PEMECAHAN MASALAH Memecahkan masalah pemasaran secara Spesifik Contoh: Riset Segmentasi, Riset Produk
4
PELAKU RISET INTERNAL EKSTERNAL
Departemen Riset Pemasaran yang dikelola Perusahaan Contoh: RBI Unilever, Nestle EKSTERNAL Perusahaan/Konsultan luar yang dikontrak Perusahaan Contoh: AC Nielsen, MarkPlus Layanan yang diberikan: Syndicated Services (mengumpulkan data dari waktu ke waktu), Customized Services (kebutuhan khusus)
5
PROSES RISET
6
Proses Riset 1 2 3 6 5 4 Perumusan Masalah Penentuan Disain Riset
Metode Pengumpulan Data Laporan Penelitian 5 4 Penetapan Jumlah Sampel Analisis Data
7
PERUMUSAN MASALAH
8
PERUMUSAN MASALAH Bedakan antara: MASALAH (PROBLEM) GEJALA (SYMPTOMS)
Situasi yang membutuhkan tindakan (action) GEJALA (SYMPTOMS) Situasi yang membuktikan adanya masalah Contoh: penurunan penjualan Ford di AS
9
PERUMUSAN MASALAH MASALAH KEPUTUSAN MANAJEMEN MASALAH RISET PEMASARAN
Lebih bersifat ACTION-ORIENTED Contoh: Apakah Program Iklan harus diubah? MASALAH RISET PEMASARAN Lebih bersifat INFORMATION-ORIENTED Contoh: menentukan efektivitas Iklan saat ini
10
PENENTUAN DISAIN RISET
11
DISAIN RISET Tiga Jenis Disain Riset Pemasaran: RISET EKSPLORATIVE
TUJUAN: Memberikan Pemahaman atau gagasan tentang masalah yang dihadapi SIFAT: Fleksibel dalam metode dan kuesioner, tergantung kreativitas Periset CARA: Experince Survey, Focus Group Interview, Consumer Insight
12
DISAIN RISET RISET DESKRIPTIF TUJUAN UTAMA: SIFAT: CARA: CONTOH:
Menggambarkan karateristik Pasar (konsumen) SIFAT: Formal dan Terstruktur, Sampel relatif besar CARA: Longitudinal, Cross Sectional CONTOH: Profil Konsumen, Consumer Panel
13
DISAIN RISET RISET KAUSAL TUJUAN UTAMA: SIFAT: CARA: CONTOH:
Menentukan hubungan sebab-akibat dari suatu fenomena Pemasaran SIFAT: Formal dan Terstruktur, Sampel relatif besar CARA: Eksperimen CONTOH: Apakah Promosi meningkatkan Penjualan ?
14
METODE PENGUMPULAN DATA
15
KLASIFIKASI DATA MENURUT JENIS DATA: DATA KUALITATIF
Ciri: Tidak bisa dilakukan operasi Matematika Dibagi: DATA NOMINAL Data hasil Kategorisasi DATA ORDINAL Data dengan proses Preferensi/Ranking
16
KLASIFIKASI DATA MENURUT JENIS DATA: DATA KUANTITATIF
Ciri: Bisa dilakukan operasi Matematika Dibagi: DATA INTERVAL DATA RASIO Data yang mempunyai titik nol absolut
17
KLASIFIKASI DATA MENURUT SUMBER DATA: DATA INTERNAL DATA EKSTERNAL
Data yang berasal dari dalam Perusahaan Contoh: data keuangan, data penjualan dll DATA EKSTERNAL Data yang berasal dari luar Perusahaan Contoh: data daya beli masyarakat, data sikap konsumen dll
18
KLASIFIKASI DATA MENURUT CARA MEMPEROLEH DATA: DATA PRIMER
Data yang diperoleh langsung dari obyeknya Contoh: wawancara langsung DATA SEKUNDER Data yang diperoleh dalam bentuk yang sudah jadi, dan hasil olahan pihak lain Contoh: data pemasaran dari majalah SWA
19
DATA PRIMER SUMBER DATA PRIMER: OBSERVASI EKSPERIMEN KUESIONER
Mengamati perilaku atau obyek yang diteliti Contoh: Ghost Shopper, Alat Perekam untuk mengamati reaksi pelanggan EKSPERIMEN Mengamati reaksi konsumen, baik di Lapangan atau di Laboratorium KUESIONER Sejumlah Pertanyaan yang diberikan kepada Konsumen/Responden untuk mengetahui perilaku mereka
20
KUESIONER Penyusunan Kuesioner lebih merupakan seni (art) daripada ilmu (science) Usahakan melakukan uji Validitas dan Reliabilitas dari sebuah Kuesioner Contoh pertanyaan pada Kuesioner: Pertanyaan terbuka (Open-Ended Question) Pertanyaan tertutup, bisa dibagi: Dichotomous Questions Multichotomous Questions
21
DATA SEKUNDER SUMBER DATA SEKUNDER: INTERNAL PERUSAHAN EKSTERNAL
Contoh: Faktur Penjualan EKSTERNAL Bisa berupa: PUBLIKASI: Jurnal, laporan BPS KOMERSIAL: Lap. Penelitian
22
KLASIFIKASI DATA MENURUT WAKTU PENGUMPULAN: DATA CROSS-SECTION
Data yang dikumpulkan pada suatu waktu tertentu Contoh: Data Penjualan di 10 Provinsi DATA TIME-SERIES Data yang dikumpulkan dari waktu ke waktu Contoh: Data Penjualan di Jakarta dari Maret- Des 2009
23
3. TEKNIK SAMPLING
24
METODE SAMPLING NON PROBABILITY SAMPLING
Setiap unsur dari Populasi tidak mendapat peluang yang sama untuk dipilih sebagai sampel. Contoh: QUOTA SAMPLING ACCIDENTAL/CONVENIENCE SAMPLING PURPOSIVE/JUDGMENT SAMPLING SNOWBALL SAMPLING
25
METODE SAMPLING PROBABILITY SAMPLING
Setiap unsur dari Populasi mendapat peluang yang sama untuk dipilih sebagai sampel. Contoh: RANDOM SAMPLING STRATIFIED SAMPLING CLUSTER SAMPLING SYSTEMATIC SAMPLING MULTI STAGE SAMPLING
26
ANALISIS DATA
27
PROSES ANALISIS DATA EDITING
Melakukan Edit terhadap data yang telah dikumpulkan. Editing dilakukan bertahap, yakni: FIELD EDIT Editing yang dilakukan di Lapangan CENTRAL OFFICE EDIT Editing lanjutan yang dilakukan di Kantor
28
PROSES ANALISIS DATA CODING
Pada beberapa data yang membutuhkan proses kuantitatif, dilakukan proses mengubah Data Kualitatif menjadi Data Kuantitatif Contoh: Pria diberi kode 1 Wanita diberi kode 2
29
PROSES ANALISIS DATA ANALISIS DATA DENGAN TOOLS TERTENTU
Tools (Alat Analisis) bisa dibagi menjadi: STATISTIK Menggunakan Metode Statistik, seperti Deskripsi Data dengan Tabel, Grafik, Uji Hipotesis, Analisis Korelasi dll Bisa menggunakan bantuan program SPSS NON STATISTIK Menggunakan operasi matematika biasa, seperti pengukuran Sikap Konsumen, Kepuasan Pelanggan dll IPA, Multidimension Scalling, Categorical Analysis dll.
30
SOFTWARE STATISTIK Software khusus pengolah data statistik:
SAS SPSS MINITAB MICROFIT, MICRO TSP STATISTICA dll SPSS digunakan karena: Paling populer di Indonesia Memenuhi syarat untuk pengujian hipotesa Salah satu software global
31
LAPORAN RISET
32
ISI LAPORAN RISET Judul Laporan Daftar Isi
Ringkasan (Executive Summary) Latar Belakang Masalah Metodologi dan Analisis Data Kesimpulan dan Saran Lampiran (Appendix)
33
Kesimpulan Dalam kegiatan salesmanship, kemampuan menggali data dan informasi tentang individu/obyek mutlak perlu, karena bidang ini akan memberikan pengetahuan dan kemampuan cukup kepada anda dalam ‘membaca’ dan ‘memaknai’ sebuah kejadian/proses yang berhubungan dengan pengambilan keputusan secara cepat.
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.