Notre analyse des facteurs clés intégrée examine les relations entre les facteurs potentiels et le comportement, comme la probabilité d’une recommandation positive (NPS) ou le niveau général de satisfaction.

Il est important d’identifier et de comprendre les facteurs des indicateurs de performance clés, tels que la satisfaction ou la fidélité des clients, afin d’améliorer les processus et la rentabilité. Lorsque vous effectuez des enquêtes NPS, vous souhaiterez comprendre quels aspects de votre service ou produit influencent la probabilité qu’un client vous recommande à d’autres. Une analyse des facteurs clés est utilisée pour répondre exactement à ce type de question.

En sachant quels éléments de votre service ou produit influencent le plus votre satisfaction et votre fidélité en général, vous saurez où votre organisation doit investir son énergie.

La métrique de résultat est le terme utilisé pour la question principale de votre enquête. Il s’agit généralement de la question sur la satisfaction globale ou le NPS (fidélité).

Par exemple : sur une échelle de 1 à 10, dans quelle mesure étiez-vous globalement satisfait de votre séjour au Grand Hôtel ?

« Facteur potentiel » est le terme utilisé pour les questions d’évaluation de la performance dans votre enquête qui, selon vous, influencent votre question principale ou la métrique de résultat comme elle est connue.

Poursuivant l’exemple ci-dessus, nous pouvons demander aux répondants d’évaluer les aspects de votre hôtel, tels que la propreté, la nourriture, la piscine, le personnel, etc.

L’ Analyse des Facteurs Clés fonctionne en utilisant une régression linéaire multiple pour étudier les corrélations entre des variables indépendantes (moteurs potentiels) pour générer la meilleure combinaison linéaire pour prédire une variable dépendante (la métrique de résultat).

Il fournit un modèle utilisant la valeur absolue du r de Pearson, qui calcule dans quelle mesure les variables indépendantes (facteurs potentiels) prédisent la variable dépendante (la métrique de résultat) sur une échelle de 0 à 1. La force de la relation peut être décrite en mettant la corrélation au carré et en multipliant par 100. La statistique résultante est connue sous le nom de variance expliquée (ou R²). Par exemple, une valeur r de Pearson de 0,50 signifie que 25% de la variance dans la variable dépendante est «expliquée» ou prédite par la variable dépendante. Plus la valeur d’importance est élevée, plus un facteur potentiel affecte la métrique de résultat. Gardez à l’esprit qu’une corrélation élevée n’implique pas nécessairement une relation causale.

Le graphique trace la note moyenne des facteurs potentiels sur l’axe X par rapport à la corrélation ou l’importance des facteurs potentiels sur la métrique de résultat sur l’axe Y.

Plus la question est à droite, plus le score moyen est élevé et plus les répondants sont satisfaits de cette question.

Plus une question apparaît haut, plus l’impact de cette question sur la métrique de résultat (satisfaction principale ou question NPS). La meilleure pratique consiste à ne considérer les facteurs potentiels comme des facteurs clés que si l’importance est supérieure à 0,50.

Les évaluations sur l’axe X utilisent une échelle normalisée. Cela signifie que la valeur varie de 0% à 100%. Cet axe est normalisé car il dépend du score moyen. La normalisation permet de comparer des facteurs potentiels à différentes échelles. Ce pourcentage est calculé en prenant la valeur moyenne pour le facteur potentiel et en la divisant par la valeur d’échelle maximale pour cette question.

Par exemple, si une question a une échelle de 1 à 10 et que la moyenne est de 5,5, le pourcentage de notation est de 55%. Si une autre question a une échelle de 1 à 5 et que la moyenne est de 3, alors son pourcentage de notation serait 3/5 ou 60%. Les convertir en pourcentage permet de les tracer sur le même graphique et de les comparer.

Les deux lignes pointillées gris clair divisent le graphique en 4 régions ou quadrants.

La ligne horizontale en pointillés gris à 0,5 sur l’échelle d’importance sur l’axe Y est le seuil généralement accepté à partir duquel un facteur devient un prédicteur fiable et précis de la métrique de résultat.

La ligne pointillée grise verticale sur l’échelle de performance sur l’axe X, est le seuil à partir duquel les scores moyens passent de performants à médiocres. La valeur par défaut est habituellement le score moyen de tous les facteurs potentiels.

Le graphique des facteurs clés comporte quatre quadrants :

• Principales faiblesses : importantes mais mal notées. Ces valeurs se situent dans le quadrant supérieur gauche et indiquent les facteurs qui jouent un rôle important dans la détermination de la métrique de résultat. Cependant, ces facteurs ont des scores moyens inférieurs. C’est un domaine à améliorer. Les facteurs qui entrent dans ce quadrant méritent des efforts de votre organisation pour s’améliorer. L’amélioration de ces scores augmentera également votre satisfaction globale ou votre fidélité.
• Points forts : importants et hautement cotés. Ces valeurs se situent dans le quadrant supérieur droit et indiquent les facteurs qui jouent un rôle important dans la détermination de la métrique de résultat. Ces facteurs ont également des scores moyens plus élevés, ce qui signifie qu’ils sont déjà bien performants.
• Faiblesses sans importance : Pas important et mal noté. Ces valeurs se situent dans le quadrant inférieur gauche et indiquent des facteurs qui ne sont pas importants pour déterminer la métrique de résultat. Ces facteurs ont également de faibles scores moyens.
• Points forts sans importance : Pas important mais très bien noté. Ces valeurs se situent dans le quadrant inférieur droit et indiquent des facteurs qui ne sont pas importants pour déterminer la métrique de résultat. Ces facteurs ont également un score moyen élevé. Bien que l’on puisse dire que les scores élevés sont toujours une bonne chose, ils n’influencent pas la métrique de résultat.

Les facteurs trouvés dans le quadrant supérieur gauche sont un bon point de départ. Ces facteurs ont un effet significatif sur votre métrique de résultat (généralement la satisfaction globale ou le NPS), mais ne sont pas performants selon vos répondants.

Suivez ces étapes pour ajouter une analyse des facteurs clés à un rapport d’enquête :

1. Allez vers l’enquête.
2. Cliquez sur Résultats.
3. Cliquez sur Rapports.
4. Modifiez un rapport existant ou créez un nouveau rapport.
5. Dans le rapport, sélectionnez l’élément après lequel vous souhaitez que le nouvel élément apparaisse. Sinon, il sera ajouté à la fin du rapport.
6. Cliquez sur Ajouter un élément.
7. Sélectionnez l’onglet Type d’élément.
8. Sélectionnez Quadrant facteurs clés.
9. Sélectionnez votre métrique de résultat (généralement une satisfaction globale ou une question NPS).
10. Sélectionnez un ou plusieurs facteurs potentiels (vous pouvez en ajouter d’autres ultérieurement).

L’élément apparaîtra. Vous pouvez le modifier davantage en cliquant sur l’onglet Paramètres dans le volet Propriétés.

Pour que la régression linéaire multiple fonctionne, il doit y avoir au moins 50 + (8 * nombre de facteurs potentiels) répondants (Tabachnick & Fidell, Using Multivariate Statistics). Par exemple, si vous avez 4 facteurs, il doit y avoir au moins 50 + (8*4) = 82 répondants minimum. S’il n’y a pas suffisamment de répondants, aucun graphique ne sera rendu. Une fois ce seuil atteint, le graphique sera rendu. C’est le minimum pour obtenir même un résultat. La signification statistique augmentera avec plus de répondants. Par exemple, si vous souhaitez détecter une corrélation de 0,10 avec une puissance statistique de 80%, vous aurez besoin d’environ 650 répondants.