איך חוקרים קהל שלא מספר לכם מי הוא

נניח שקיבלתם תיאור קהל: ישראלים בגילי עשרים עד שלושים, שמתעניינים בבידור ובתרבות. הנתונים האלה יכולים לעזור לתחום שאלה, אבל קשה לבנות עליהם רעיון. בתוך אותה קבוצה אפשר למצוא אנשים שמחפשים מוזיקה חדשה, אנשים שמגיעים בשביל בדיחות ואנשים שעוקבים בעיקר אחרי חברים. הדמיון בטבלה לא אומר שהם יגיבו לאותו תוכן.

חקר קהל מתחיל במקום שבו התיאור הכללי מפסיק להספיק. רוצים להבין מה מעסיק אנשים בהקשר מסוים, איזו שפה הם מזהים ואילו דברים כבר נמאס להם לראות. לא צריך לדעת על כל אדם הכול כדי להתקדם. צריך להחליט איזה מידע באמת רלוונטי לשאלה ואיך בודקים אותו בלי להפוך רמז קטן לסיפור שלם על הקהל.

לפני איסוף הנתונים, מנסחים את השאלה

יש הבדל בין השאלה מי עשוי לאהוב שיר לבין השאלה באיזה הקשר אנשים ירצו להשתמש בו. הראשונה עוסקת בטעם. השנייה כוללת גם סיטואציות, רגשות והרגלי יצירה. שתיהן לגיטימיות, אבל הן מובילות לאיסוף מידע אחר. חיפוש כללי אחרי קהל צעיר עלול להחמיץ בדיוק את ההבדל שבשבילו התחלנו לחקור.

לכן כדאי לנסח החלטה שנרצה לקבל בסוף הבדיקה. למשל, האם להציג יצירה דרך הופעה חיה, סיפור אישי או שימוש יומיומי. אז בוחרים אילו תכנים ושיחות יכולים לעזור, באיזו תקופה מתמקדים ואילו ממצאים יגרמו לנו לשנות כיוון. כך אפשר גם לדעת מתי יש מספיק מידע, במקום להמשיך לאסוף עוד ועוד צילומי מסך ללא מטרה.

הרבה מידע לא מבטיח תמונה מייצגת

אלפי תגובות נראות כמו בסיס משכנע למחקר. אבל אם כולן מגיעות מחשבון אחד, סביב ויכוח אחד, הן מספרות קודם כול על הסיטואציה הזאת. במאמר שפורסם ב־Science ב־2014, דרק רותס ויורגן פפר התריעו מפני הטיות במחקרי התנהגות המבוססים על רשתות חברתיות. בין השאר, הם הדגישו שמאגר גדול אינו מבטל את בעיית הייצוג של האוכלוסייה. ¹

המשמעות המעשית אינה לוותר על נתוני רשת, אלא לתעד איך בחרנו אותם. אפשר להפריד בין חשבונות, נושאים ותקופות ולבדוק אם אותו דפוס מופיע ביותר ממקום אחד. כדאי גם לזהות תגובות כפולות וחשבונות דומיננטיים. מאה הודעות מאדם אחד אינן מאה דעות ועשרים סרטונים שממחזרים אותה בדיחה אינם בהכרח עשרים סימנים עצמאיים למגמה.

חיפוש יכול לגלות עניין, אבל לא את הסיבה לו

נתוני חיפוש מוסיפים מבט אחר. Google Trends מציג מדגם מצטבר ואנונימי של חיפושים ומנרמל את העניין ביחס לזמן ולמקום שנבחרו. המדד אינו מספר מוחלט של מחפשים וציון מאה מציין שיא יחסי בטווח ההשוואה. Google גם מדגישה שהכלי אינו סקר דעת קהל ושעלייה בחיפושים אינה מוכיחה אהדה. ²

זאת הבחנה שימושית כששם של אמן או ביטוי מסוים מזנק. אנשים עשויים לחפש בגלל שיר חדש, כתבה, מחלוקת או רצון להבין בדיחה. לפני שמכריזים שנוצר ביקוש, בודקים מה עוד התרחש באותו זמן ואילו חיפושים קשורים מופיעים. אם היקף הנתונים קטן מדי, גם היעדר מגמה אינו הוכחה להיעדר עניין. לפעמים הכלי פשוט אינו מספק תשובה טובה לשאלה המקומית שלנו.

לקרוא שיחה לפני שסופרים מילים

ספירה יכולה לעזור לזהות חזרה, אבל המשמעות נמצאת במשפט ובהקשר. המילה מטורף יכולה לבטא התלהבות או ביקורת. אותה שאלה יכולה להיות בקשה אמיתית, ציניות או ציטוט של סרטון קודם. אם מסווגים הכול כחיובי או שלילי לפני שקוראים, אפשר לקבל תוצאה מסודרת מאוד שאין מאחוריה הבנה.

דרך עבודה אפשרית היא לקרוא מדגם, להגדיר קטגוריות ברורות ורק אז להיעזר בכלי AI לצורך מיון ראשוני של חומר נוסף. בהצעה הזאת, העבודה האנושית כוללת בדיקת דוגמאות מכל קטגוריה, בחינת המקרים הלא ברורים ותיעוד טעויות. לא מניחים מראש שהכלי מבין עברית מדוברת או את הבדיחה המקומית. בודקים אם המיון שלו שימושי למשימה המסוימת שלפנינו.

מה עושים כשמקורות המידע לא מסכימים

נניח שבתגובות עולה עניין במילים של שיר, אבל בתכנים שמשתמשים בו רוב תשומת הלב מופנית דווקא לתנועה או לעריכה. הסתירה יכולה להעיד על שתי קבוצות שונות, או על פער בין מה שאנשים אומרים לבין מה שהם עושים. אין צורך למהר לבחור מקור אחד כאמת ולהשליך את האחר.

אפשר לנסח שתי השערות ולבדוק אותן באמצעות תכנים שונים או שיחות קצרות עם משתתפים שהסכימו לכך. כדאי לכלול גם אנשים שלא מגיבים בקביעות ולא רק את מי שקל למצוא בתגובות. כשנאסף מידע מבעלי חשבונות, משתמשים בנתונים שיש הרשאה לקבל ולנתח. המטרה היא להבין דפוסים מצטברים, לא לחשוף זהות או להסיק פרטים אישיים רגישים על אנשים שלא מסרו אותם.

עוד בדיקה מועילה היא לחפש בכוונה חומר שסותר את הכיוון המסתמן. אם נדמה שקהל מסוים מעדיף הומור, בוחנים גם תכנים רציניים שזכו אצלו לתשומת לב. ייתכן שהמשותף להם הוא דווקא תחושת היכרות עם הדובר. כך מחקר יכול לתקן הנחת מוצא ולא רק לספק לה דוגמאות נוחות. רצוי לשמור גם את הדוגמאות שלא הסתדרו, כדי לחזור אליהן בהמשך.

מתובנה על קהל להחלטה יצירתית

התוצר של מחקר טוב צריך להיות משהו שאפשר לפעול לפיו. למשל: קבוצה מסוימת מתייחסת לשיר דרך חוויה יומיומית ולכן כדאי לבדוק תוכן שמתחיל באותה חוויה. זאת הצעה שנובעת ממה שנצפה ושאפשר לבחון. היא שימושית יותר מהקביעה הכללית שהקהל מחפש אותנטיות, שקשה לדעת מה לעשות איתה בבוקר שלמחרת.

רצוי לתעד לצד כל מסקנה גם את רמת הביטחון בה. דפוס שחזר בכמה מקורות אינו זהה לרעיון שנולד משלוש תגובות. בשני המקרים יכול להיות ערך, כל עוד לא מציגים אותם באותה ודאות. כאן נמצאת המקצועיות של חקר קהל: לדעת לשאול שאלה מדויקת, להצליב מידע, לקבל החלטה סבירה ולשנות אותה כשהמציאות מספקת תשובה אחרת.

מקורות

1. Carnegie Mellon University, הסבר על מאמרם של Ruths ו־Pfeffer ב־Science, נובמבר 2014. המקור משמש לעקרונות ההטיה והייצוג בלבד, לא לנתונים דמוגרפיים עדכניים. רישום המאמר המקורי.
2. Google Trends, FAQ about Google Trends data. הגדרות המדגם, הנרמול והמגבלות של נתוני החיפוש.

→לכל הכתבות