Regressieanalyse in marktonderzoek: soorten, uitleg en voorbeeld

Regressieanalyse is een statistische techniek die meet hoe sterk een of meer verklarende variabelen samenhangen met een uitkomst die je wil begrijpen of voorspellen. In marktonderzoek gebruik je regressieanalyse om te bepalen welke factoren, zoals prijs, service of merkbeleving, het meeste gewicht in de schaal leggen bij een resultaat als klanttevredenheid, aankoopintentie of loyaliteit. Waar een gemiddelde alleen vertelt hoe hoog een score is, vertelt regressieanalyse waarom die score zo is en waar je moet ingrijpen om hem te verbeteren.

Voor een bureau is dat het verschil tussen een rapport dat beschrijft en een rapport dat richting geeft. Het is ook een van de weinige technieken die tegelijk verklaart en voorspelt, wat ze bruikbaar maakt voor zowel evaluatie achteraf als planning vooraf. In dit artikel lees je wat regressieanalyse precies is, welke soorten er bestaan, hoe je de uitkomst leest en welke voorwaarden je moet respecteren. We sluiten af met een uitgewerkt voorbeeld en een korte FAQ, zodat je de techniek meteen op je eigen onderzoeksvraag kunt toepassen.

Wat is regressieanalyse?

Regressieanalyse is een methode om de relatie tussen variabelen in een cijfermatige formule te vatten. Je hebt altijd een afhankelijke variabele, dat is de uitkomst die je wil verklaren, en een of meer onafhankelijke variabelen, dat zijn de mogelijke verklaringen. De techniek zoekt de best passende lijn of formule door de data, zodat je met de onafhankelijke variabelen een zo goed mogelijke schatting van de afhankelijke variabele maakt.

Een eenvoudige vorm ziet er zo uit: uitkomst = constante + (gewicht x factor) + foutmarge. Het gewicht, in de statistiek de regressiecoëfficiënt genoemd, geeft aan hoeveel de uitkomst verandert als die ene factor met een eenheid stijgt en de rest gelijk blijft. Precies die laatste toevoeging, de rest gelijk, maakt regressieanalyse zo waardevol. Ze isoleert het effect van elke factor apart, ook wanneer meerdere factoren tegelijk spelen. In de meeste marktonderzoeken is dat het geval: tevredenheid hangt zelden aan een enkel ding.

Regressieanalyse hoort bij het kwantitatieve marktonderzoek. Ze werkt op cijfers uit enquêtes, transacties of panels en levert een toetsbaar resultaat op. Dat maakt ze complementair aan technieken als kwalitatief onderzoek analyseren, waar je juist de betekenis en beweegredenen achter gedrag onderzoekt.

Waarom regressieanalyse onmisbaar is in marktonderzoek

De meeste onderzoeksrapporten blijven steken bij beschrijving: dit is de gemiddelde tevredenheid, zoveel procent zou ons aanbevelen, deze eigenschap scoort hoog. Nuttig, maar het beantwoordt niet de vraag die elke opdrachtgever stelt: waar zetten we onze middelen op in om het meeste effect te halen? Daar komt regressieanalyse in beeld, vaak onder de naam driveranalyse of key driver analysis.

Bij een driveranalyse zet je de algemene tevredenheid of aanbevelingsscore als afhankelijke variabele, en de deelscores op onderdelen zoals prijs, snelheid, klantvriendelijkheid en productkwaliteit als onafhankelijke variabelen. De regressie berekent per onderdeel hoe sterk het doorweegt in het eindoordeel. Zo ontdek je dat een onderdeel dat matig scoort maar zwaar doorweegt een grotere prioriteit is dan een onderdeel dat laag scoort maar nauwelijks meetelt. Dat inzicht stuurt budgetten, roadmaps en verbeterplannen.

Regressieanalyse voegt drie dingen toe die een gemiddelde niet kan geven. Ze weegt factoren tegen elkaar af in plaats van ze los te bekijken. Ze corrigeert voor overlap tussen factoren, zodat je niet twee keer hetzelfde effect telt. En ze laat toe om een verwachte uitkomst te voorspellen bij een gekozen scenario, bijvoorbeeld: hoeveel stijgt de aanbevelingsscore als we de leversnelheid met een punt verbeteren.

Datzelfde principe werkt ook buiten tevredenheid. Je kunt met regressie voorspellen welke klantkenmerken samenhangen met een hogere bestelwaarde, welke campagnevariabelen het meest bijdragen aan naamsbekendheid, of hoe prijsgevoelig een bepaald segment reageert. Steeds is de logica dezelfde: een uitkomst die je wil sturen, een reeks factoren die daarop kunnen inwerken, en een model dat het relatieve gewicht van elke factor zichtbaar maakt. Die veelzijdigheid maakt regressieanalyse tot een van de meest gebruikte technieken in het kwantitatieve deel van een marktonderzoekstraject.

Correlatie versus regressie: het verschil

Regressieanalyse wordt vaak verward met correlatie. Een correlatie drukt in een getal tussen min een en plus een uit hoe sterk twee variabelen samen bewegen, zonder richting of gewicht. Regressie gaat een stap verder: ze wijst een afhankelijke en onafhankelijke variabele aan, geeft elke factor een concreet gewicht en laat toe om te voorspellen. Correlatie beantwoordt de vraag bewegen deze twee samen, regressie de vraag hoeveel verandert de uitkomst als deze factor verandert.

Belangrijk blijft dat regressie op zich geen oorzaak bewijst. Een sterk verband in een regressiemodel kan nog altijd door een derde factor of door omgekeerde causaliteit ontstaan. Wie het onderscheid tussen correlatie en causaliteit scherp wil houden, combineert regressie met een goed onderzoeksontwerp en waar mogelijk met een experiment. De formule zegt hoeveel, de onderzoeksopzet zegt of het echt stuurt.

De soorten regressieanalyse

Er bestaan verschillende vormen van regressieanalyse, elk geschikt voor een ander type vraag en een ander type uitkomstvariabele. De keuze hangt af van hoe je afhankelijke variabele eruitziet en van het aantal factoren dat je meeneemt.

Voor de meeste driveranalyses in marktonderzoek gebruik je meervoudige lineaire regressie, omdat een tevredenheids- of aanbevelingsscore een getal is en je meerdere onderdelen tegelijk wil wegen. Werk je met een uitkomst die maar twee waarden kent, zoals wel of niet churnen, dan is logistische regressie de juiste keuze. Die schat geen getal maar een kans, en drukt het effect van een factor uit in een verhoging of verlaging van die kans.

Logistische regressie is bijzonder nuttig voor voorspelvragen rond klantgedrag. Denk aan de kans dat een prospect klant wordt, dat een bestaande klant opzegt of dat iemand een aanbieding aanvaardt. Het model geeft per kenmerk een zogenaamde odds ratio, die vertelt hoeveel keer waarschijnlijker de uitkomst wordt naarmate dat kenmerk toeneemt. Zo weet een organisatie niet alleen wie er afhaakt, maar ook welke factoren die kans het sterkst opdrijven, en waar een gerichte ingreep dus het meeste rendement oplevert.

Zo lees je de uitkomst: coëfficiënten, R2 en significantie

Een regressieoutput lijkt op het eerste zicht een tabel vol cijfers. Vier waarden bepalen samen wat het model waard is en wat je ermee mag zeggen. Wie deze vier begrippen begrijpt, kan elke regressietabel duiden.

De coëfficiënt vertelt de richting en de sterkte van elk effect. Wil je factoren met elkaar vergelijken, dan kijk je naar de gestandaardiseerde coëfficiënt, want die haalt het verschil in meeteenheden en spreiding eruit. De factor met de hoogste beta is de sterkste driver. R2 geeft de kwaliteit van het model als geheel: een R2 van 0,60 betekent dat het model zestig procent van de verschillen in de uitkomst verklaart, en veertig procent aan andere of ongemeten oorzaken laat. In sociaal en marktonderzoek zijn waarden tussen 0,30 en 0,60 heel gebruikelijk, omdat menselijk gedrag nu eenmaal grillig is.

De p-waarde en statistische significantie vertellen ten slotte of je een effect serieus mag nemen of dat het even goed ruis kan zijn. Een factor met een groot gewicht maar een hoge p-waarde is onbetrouwbaar en hoort niet in je conclusie. Rapporteer daarom nooit een coëfficiënt zonder de bijhorende significantie erbij te vermelden.

Regressieanalyse stap voor stap

Een betrouwbare regressieanalyse volgt een vaste volgorde. Overslaan van een stap zorgt vaak voor een model dat mooi oogt maar niet klopt.

Stap zeven is waar het onderzoek waarde krijgt voor de opdrachtgever. Een lijst coëfficiënten is nog geen advies. Pas wanneer je de drivers rangschikt, koppelt aan de scores en vertaalt in concrete keuzes, wordt de analyse bruikbaar. Bij BABLR verwerken we die vertaalslag standaard in het rapport, en we visualiseren de uitkomst zodat het management in een oogopslag ziet welke onderdelen prioriteit verdienen. Meer daarover lees je in onze tips over data visualiseren.

Praktijkvoorbeeld: welke factoren drijven de aanbevelingsscore

Stel, een dienstverlener bevraagt zeshonderd klanten. Naast de algemene aanbevelingsscore op een schaal van nul tot tien scoren klanten ook vier onderdelen: prijs, snelheid, deskundigheid en vriendelijkheid. Een meervoudige regressieanalyse levert de volgende gestandaardiseerde coëfficiënten op, elk significant, met een R2 van 0,52.

Zonder regressie zou de dienstverlener wellicht op de prijs focussen, want die scoort het laagst. De analyse laat iets anders zien. Prijs weegt nauwelijks door in de aanbeveling, terwijl snelheid zowel matig scoort als zwaar weegt. De grootste winst zit dus in het versnellen van de dienstverlening, niet in prijsverlaging. Met de coëfficiënten kun je bovendien schatten hoeveel de aanbevelingsscore stijgt als snelheid met een punt verbetert, wat helpt om de business case voor de ingreep te onderbouwen. Precies dit soort gerichte conclusie is de reden waarom een klanttevredenheidsonderzoek aan waarde wint zodra er een driveranalyse aan gekoppeld wordt.

Valkuilen en voorwaarden

Regressieanalyse is krachtig maar niet vrijblijvend. Een paar voorwaarden bepalen of het resultaat betrouwbaar is. De eerste is voldoende data. Een vuistregel is minstens tien tot vijftien respondenten per factor die je meeneemt, en voor stabiele driveranalyses eerder een paar honderd. Te weinig waarnemingen leveren wiebelige coëfficiënten op. Hoe je tot een verantwoorde omvang komt, staat in ons artikel over de steekproefgrootte bepalen.

Een tweede valkuil is multicollineariteit: factoren die onderling zo sterk samenhangen dat het model hun effecten niet meer uit elkaar kan houden. In tevredenheidsonderzoek gebeurt dat vaak, omdat mensen die op een onderdeel positief oordelen dat op andere onderdelen ook doen. Je herkent het aan onlogische of instabiele coëfficiënten en je lost het op door variabelen samen te voegen of te schrappen. Andere aannames zijn een min of meer lineair verband en een uitkomstvariabele die bij lineaire regressie een echt getal is en geen categorie.

De belangrijkste inhoudelijke valkuil blijft de verleiding om een gevonden verband meteen als oorzaak te lezen. Regressie kwantificeert samenhang binnen je data. Of een factor echt stuurt, hangt af van de kwaliteit van je meting en je onderzoeksopzet. Een driveranalyse wint aan zeggingskracht wanneer ze past binnen een doordacht marktonderzoek en waar mogelijk aangevuld wordt met kwalitatieve duiding of een gerandomiseerd experiment zoals A/B-testen.

Regressieanalyse naast andere technieken

Regressieanalyse staat zelden op zichzelf. Ze werkt het best als sluitstuk van een breder onderzoek, waarin ze de losse bevindingen tot een rangorde smeedt. Een enquête levert de cijfers, de regressie weegt ze, en aanvullende methoden geven er kleur aan. Zo brengt sentimentanalyse in kaart welke emoties in open antwoorden en online gesprekken meespelen, terwijl een concurrentieanalyse de gevonden drivers in perspectief plaatst tegenover de markt.

Deze combinatie voorkomt de klassieke fout van blind varen op een enkel model. De regressie vertelt welke factoren zwaar wegen, de kwalitatieve inzichten vertellen waarom, en de context vertelt of het verschil maakt ten opzichte van wie je moet verslaan. Samen leveren ze een advies dat cijfermatig onderbouwd en inhoudelijk begrepen is, en dat is precies het niveau waarop een onderzoeksrapport het verschil maakt voor een beslissing.

Van cijfer naar beslissing met BABLR

Regressieanalyse maakt van een berg enquêtedata een helder verhaal: dit weegt zwaar, hier zit de winst, daar hoef je niet in te investeren. Voor bedrijven die willen weten waar ze hun energie op richten, is dat vaak het meest waardevolle deel van een onderzoek. De techniek vraagt wel om een zorgvuldige opzet, een correcte modelkeuze en een eerlijke vertaalslag naar advies.

Wil je weten welke factoren echt sturen op de tevredenheid en loyaliteit van je klanten? Bekijk onze aanpak voor klanttevredenheidsonderzoek, of ontdek het volledige overzicht van soorten marktonderzoek waarmee we jouw vraag helpen beantwoorden.