> ## Documentation Index
> Fetch the complete documentation index at: https://docs.exoid.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Ricette per tipo di ricerca
> Venticinque esempi di studio nel largo consumo: la domanda di business, le metodologie che si prestano e come si costruisce su Exoid
Ogni studio nasce da una domanda di business. Qui trovi le domande più ricorrenti nella ricerca di mercato consumer, ognuna tradotta in uno studio che puoi costruire: quali metodologie si prestano, quali blocchi e quale logica usi su Exoid, cosa guardi nei risultati.
Leggile come esempi, non come prescrizioni. Alla stessa domanda di business rispondono disegni diversi, e il disegno che scegli decide cosa scopri: una classifica ti dà l'ordine, un confronto monadico ti dà il livello, una domanda aperta ti dà il motivo. Ogni ricetta si chiude con un modo diverso di farla — provalo.
Ogni ricetta cita una o più metodologie. Cosa misura ciascuna e come funziona lo trovi in [Metodologie di ricerca](/it/metodologie).
Quattro use case sono trattati per esteso, perché sono quelli su cui la decisione pesa di più e il modo tradizionale di farli costa di più.
Come viene percepita la marca rispetto ai competitor, e se sta migliorando.
Quale messaggio mettere sulla confezione o in campagna, tra molti candidati.
In quanti e quali gruppi si divide il mercato, e su quale concentrarsi.
Come il consumatore arriva all'acquisto, e in quale punto lo perdi.
Gli ordini di grandezza di costo e tempo citati qui sotto descrivono il mercato della ricerca tradizionale, raccolti dall'advisor di Exoid nel workshop di luglio 2026. Sono riferimenti di mercato, non prezzi né promesse di Exoid.
## Prodotto e innovazione
### Concept test
**La domanda del cliente.** "L'idea funziona col mio target consumer?"
**Le metodologie.** [Test monadico](/it/metodologie#test-monadico), [fattori di Kano](/it/metodologie#penalty-reward-e-fattori-di-kano), [MaxDiff](/it/metodologie#maxdiff).
**Come si costruisce su Exoid.** Presenta il concept con un blocco Messaggio, testo e media insieme, e imposta **Attesa prima di avanzare** perché nessuno lo salti. Poi rating separati su interesse, unicità, credibilità e valore percepito — quattro misure distinte dicono molto più di un giudizio complessivo — e una scelta singola sull'intenzione d'acquisto. Chiudi con una risposta aperta moderata dall'AI sul perché: un "no" motivato vale più di un "sì" generico.
Per capire su quali funzioni investire, l'esercizio di Kano è una coppia di domande per ogni funzione — come ti sentiresti se ci fosse, come ti sentiresti se non ci fosse — entrambe sulla stessa scala dentro una matrice. La classificazione in must-have, proporzionali e delighter la ricavi incrociando le due risposte su Excel o SPSS a partire dall'export.
**Cosa guardare.** L'intenzione d'acquisto nei [cluster di confronto](/it/analisi/riepilogo) tra chi è già cliente e chi no.
**Provalo in un altro modo.** Somministra gli stessi concept in monadico, una versione per rispondente con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi): misuri l'appeal assoluto di ciascuno. Oppure mostrali tutti e usa la Classifica: ottieni un ordine più netto ma giudizi più generosi, perché il confronto rende benevoli.
### Test di prodotto in uso
**La domanda del cliente.** "Il prodotto regge quando la gente lo usa davvero a casa?"
**Le metodologie.** [Analisi qualitative multimodali](/it/metodologie#analisi-qualitative-multimodali), [Key Driver Analysis](/it/metodologie#key-driver-analysis).
**Come si costruisce su Exoid.** Due momenti, due campagne. Prima dell'uso: le aspettative, con i rating e una domanda di intenzione d'acquisto. Dopo qualche giorno d'uso: la performance sugli stessi attributi, in una matrice con la stessa scala, più un blocco Caricamento file per la foto del prodotto nel suo contesto reale e una risposta aperta con [moderazione AI](/it/builder/moderazione-ai) sul primo utilizzo. Passa lo stesso identificativo del rispondente come [variabile da URL](/it/logica/variabili) in entrambe le onde, così le ricongiungi sull'export.
**Cosa guardare.** Lo scarto tra aspettativa ed esperienza, attributo per attributo. Da quello scarto nascono i resi e le recensioni negative.
**Provalo in un altro modo.** Chiedi solo dopo l'uso, con una sola intervista e una domanda di ricordo su cosa si aspettavano. Costa la metà e scopri se la delusione viene ricordata, che è la parte che genera passaparola.
### Test di packaging
**La domanda del cliente.** "Quale packaging funziona meglio a scaffale e durante l'uso?"
**Le metodologie.** [Test monadico](/it/metodologie#test-monadico), [MaxDiff](/it/metodologie#maxdiff), [test di associazione implicita](/it/metodologie#test-di-associazione-implicita-singolo).
**Come si costruisce su Exoid.** Il blocco Scelta immagini è il blocco naturale: mostri il lineare con i pack in competizione e chiedi quale prenderesti. Imposta **Attesa prima di avanzare** su pochi secondi, perché a scaffale la decisione avviene in quel tempo, e tieni la randomizzazione delle immagini sempre attiva: la posizione sullo scaffale pesa quanto il design.
Subito dopo, una domanda di riconoscimento — quale di questi hai visto — misura quanto il pack emerge. Poi rating su leggibilità, premiumness e coerenza con la marca, e una matrice pack × attributi per le associazioni. Per capire il pack durante l'uso, il blocco Caricamento file ti fa arrivare la foto della confezione a casa, aperta e in uso.
**Cosa guardare.** Lo scarto tra "l'ho notato" e "lo prenderei": sono due problemi diversi e si risolvono con leve diverse.
**Provalo in un altro modo.** Mostra un pack per persona con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi), senza competitor intorno. La visibilità a scaffale sparisce come misura, e viene avanti quello che il pack dice da solo: spesso una risposta completamente diversa.
### Test di naming e logo
**La domanda del cliente.** "Con quale nome, e con quale marchio, usciamo?"
**Le metodologie.** [MaxDiff](/it/metodologie#maxdiff), [test di associazione implicita](/it/metodologie#test-di-associazione-implicita-singolo), [test monadico](/it/metodologie#test-monadico).
**Come si costruisce su Exoid.** Per i nomi, un esercizio di solo testo: con sette candidati o meno la Classifica ti dà l'ordine in una schermata, con più di sette usi i set più/meno importante descritti nel [claim test](#claim-test). Poi una matrice nomi × attributi — facile da dire, facile da ricordare, coerente con la categoria, suona premium — e una risposta aperta su cosa suggerisce il nome: è lì che emergono i significati che in riunione non aveva visto nessuno.
Per i loghi, stessa struttura con Scelta immagini e **Supersize** attivo, così il marchio si vede abbastanza grande da poterlo giudicare.
**Cosa guardare.** Non il preferito, ma quello senza rifiuti forti: i nomi muoiono per chi li detesta, non per chi li ignora.
**Provalo in un altro modo.** Metti il nome sul pack e testalo nel contesto invece che su fondo bianco. Un nome che vince in astratto spesso perde quando intorno ci sono il brand block, il colore e il prodotto.
### Prodotto, gamma, assortimento
**La domanda del cliente.** "Quali referenze proporre? In negozio e online?"
**Le metodologie.** [TURF](/it/metodologie#turf), [MaxDiff](/it/metodologie#maxdiff), [Choice-Based Conjoint](/it/metodologie#choice-based-conjoint).
**Come si costruisce su Exoid.** L'input del TURF è una sola domanda fatta bene: una scelta multipla "quali di questi compreresti davvero" sull'intera gamma candidata, con le opzioni in ordine casuale e nessun limite di selezione. Accanto, un blocco Inserimento Numero sulla frequenza d'acquisto e una Classifica per la priorità. Esporti la scelta multipla e calcoli la copertura combinata — quale insieme di referenze raggiunge più persone senza sovrapporsi — nel tuo strumento.
Se la gamma cambia per canale, chiedi la stessa cosa due volte separando negozio e online con le [regole di navigazione](/it/logica/condizioni), oppure crea un cluster di confronto per canale nei risultati.
**Cosa guardare.** Non la referenza più votata, ma quella che aggiunge persone nuove a quelle già coperte dalle prime scelte.
**Provalo in un altro modo.** Fai la stessa domanda come se fosse uno scaffale: Scelta immagini con tutta la gamma a griglia, **Selection mode** su `Range` da uno a tre e **Attesa prima di avanzare** attiva. Ottieni il carrello, non la lista dei desideri.
### Pricing
**La domanda del cliente.** "A che prezzo vendere? A quale promuovere?"
**Le metodologie.** [Price Sensitivity Meter](/it/metodologie#price-sensitivity-meter), [Choice-Based Conjoint](/it/metodologie#choice-based-conjoint).
**Come si costruisce su Exoid.** Il Price Sensitivity Meter sono quattro blocchi Inserimento Numero in sequenza, nell'ordine canonico — a quale prezzo il prodotto ti sembra troppo caro, caro ma accettabile, economico, così economico da farti dubitare della qualità — con la stessa descrizione del prodotto ripetuta nella consegna. Quattro domande, dieci minuti di costruzione. Le quattro curve le disegni su Excel a partire dall'export e leggi la fascia accettabile dagli incroci.
Il conjoint è la strada più ambiziosa: ogni task è un blocco a scelta singola tra profili di prodotto completi, e **Aggiungi in serie** più **Aggiungi opzioni in blocco** rendono rapido crearne dodici o sedici. Prepari il piano dei task con il tuo strumento di disegno, li somministri su Exoid, esporti il dataset in SPSS e lì stimi utilità e scenari di prezzo.
**Cosa guardare.** Dal Price Sensitivity Meter, la fascia accettabile per segmento: spesso è più stretta nel segmento che compra di più.
**Provalo in un altro modo.** Lascia perdere il prezzo dichiarato e metti il prodotto su uno scaffale a tre prezzi diversi, un prezzo per rispondente con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi). Quello che misuri non è più l'opinione sul prezzo ma la scelta: un esame molto più difficile da superare.
## Comunicazione
### Claim test
**La domanda del cliente.** "Quale claim è più immediato? Quale convince il consumatore a sceglierci?" Se la pongono brand manager, marketing research manager e innovation manager, con R\&D o affari regolatori a presidiare la sostanziabilità del claim; nel retail il product manager della private label. Quasi sempre sotto pressione di tempo, per una deadline di packaging o di lancio campagna.
**Come si risolve oggi.** Con gli istituti, tramite concept e claim test monadici: qualche settimana di lavoro, ordini di grandezza tra i dieci e i trenta mila euro. Oppure in modo artigianale con un giro veloce di domande su un panel qualsiasi. Oppure non si testa e decide l'opinione di chi comanda. La pressione di tempo pesa così tanto che a volte si sceglie l'agenzia più veloce invece della migliore, e la decisione anticipa perfino la consegna dei risultati.
**Le metodologie.** [MaxDiff](/it/metodologie#maxdiff), [test monadico](/it/metodologie#test-monadico), [test di associazione implicita](/it/metodologie#test-di-associazione-implicita-singolo).
**Come si costruisce su Exoid.**
Quando i claim candidati sono molti — otto, dodici, venti — la domanda non è se piacciono ma in che ordine metterli. Costruisci l'esercizio MaxDiff così: prepari sottoinsiemi di quattro o cinque claim, e per ogni sottoinsieme metti due blocchi a scelta singola con le stesse opzioni, "quale ti convince di più" e "quale ti convince di meno". **Aggiungi opzioni in blocco** ti fa incollare i claim invece di scriverli uno per uno, **Aggiungi in serie** ti crea i blocchi ripetuti in un colpo solo. Tieni la randomizzazione delle opzioni attiva su tutti.
Il piano dei set lo prepari prima di costruire: ogni claim compare lo stesso numero di volte e ogni volta con partner diversi. Somministri su Exoid, esporti il dataset e calcoli i punteggi di utilità nel tuo strumento statistico.
Se i claim sono sette o meno, un blocco Classifica ti dà l'ordine con molte meno schermate.
Sul claim vincente serve la diagnostica: una matrice claim × criteri — chiarezza, credibilità, unicità, rilevanza — e una domanda di intenzione d'acquisto a scelta singola. Se il claim vive su un pack, usa Scelta immagini con **Attesa prima di avanzare** impostata, così lo stimolo resta a schermo per il tempo che decidi tu. Chiudi con una risposta aperta moderata dall'AI: "cosa ti fa pensare questo claim?" è la domanda che fa emergere le letture involontarie e i problemi di sostanziabilità prima che ci arrivi il regolatorio.
**Cosa guardare nei risultati.** Il conteggio dei "più" meno i "meno" per claim ti dà già una classifica leggibile prima di qualsiasi modello. Nel [Riepilogo](/it/analisi/riepilogo) attiva **Mostra statistiche** sulle scale e crea cluster di confronto tra chi già compra la marca e chi no: un claim che convince solo i clienti attuali non ti fa crescere. Poi apri [Parla con i Dati](/it/analisi/talk-with-data) in modalità **Scientifica** e chiedi se il vantaggio del claim in testa regge: risponde con test statistici veri, e avverte quando la base di un segmento è troppo piccola per concludere.
**Provalo in un altro modo.** Dai a ogni rispondente un solo claim con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi) e chiedi intenzione d'acquisto e diagnostica su quello. Il MaxDiff ti dice quale claim vince il confronto; la versione monadica ti dice quanto vale ciascuno da solo, che è il modo in cui il consumatore lo incontrerà davvero. Fare entrambe le cose sugli stessi claim è la via più rapida per capire quanto la tua classifica dipende dagli avversari che le hai messo accanto.
### Test pubblicitario
**La domanda del cliente.** "La campagna convince gli utenti a comprarmi? Che immagine lascia del mio brand?"
**Le metodologie.** [Test monadico](/it/metodologie#test-monadico), [pre-roll test](/it/metodologie#pre-roll-test), [test di associazione implicita](/it/metodologie#test-di-associazione-implicita-singolo).
**Come si costruisce su Exoid.** Carica il video come media del blocco e imposta **Attesa prima di avanzare** sulla durata dello spot. Subito dopo, prima di qualsiasi domanda assistita, una risposta aperta sul ricordo spontaneo: cosa ti ricordi di quello che hai appena visto. Poi il ricordo di marca con una scelta singola ("di quale marca era?"), il giudizio con rating su chiarezza, rilevanza e piacevolezza, e le associazioni post-esposizione con una matrice marche × attributi da confrontare con la stessa matrice su chi non ha visto lo spot.
**Cosa guardare.** Il ricordo spontaneo della marca è la metrica più severa e la più utile: molte campagne piacciono e non lasciano il nome.
**Provalo in un altro modo.** Aggiungi una cella di controllo che lo spot non lo vede, assegnata con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi) o con un secondo link, e leggi ogni metrica come differenza tra esposti e non esposti. I valori assoluti di un test pubblicitario sono difficili da interpretare, le differenze no.
### Pre-test creativo
**La domanda del cliente.** "Quale di queste strade produciamo?"
**Le metodologie.** [MaxDiff](/it/metodologie#maxdiff), [test monadico](/it/metodologie#test-monadico), [analisi qualitative multimodali](/it/metodologie#analisi-qualitative-multimodali).
**Come si costruisce su Exoid.** Storyboard e key visual sono immagini, quindi Scelta immagini con **Supersize** attivo li mostra come si deve. Due domande chiuse per strada — è chiara, è di una marca come questa — poi una risposta aperta con [moderazione AI](/it/builder/moderazione-ai) su cosa promette quella strada. In questa fase i verbatim contano più dei punteggi: stai decidendo su quale idea spendere la produzione, non certificando un film finito.
**Cosa guardare.** Se il messaggio che le persone portano via è quello del brief. Una strada che comunica benissimo un'altra cosa resta la strada sbagliata.
**Provalo in un altro modo.** Rinuncia del tutto ai punteggi e fallo come studio qualitativo: tre blocchi di risposta aperta con moderazione AI e un Caricamento file che chiede di mostrare qualcosa in casa che ricorda l'idea. Con sessanta rispondenti hai materiale che a un focus group richiederebbe tre sessioni.
### Post-campagna
**La domanda del cliente.** "La campagna ha funzionato? Su chi?"
**Le metodologie.** [Test di associazione implicita, multiplo](/it/metodologie#test-di-associazione-implicita-multiplo), [Mental Availability](/it/metodologie#mental-availability), [Key Driver Analysis](/it/metodologie#key-driver-analysis).
**Come si costruisce su Exoid.** Duplica lo studio pre-campagna con **Duplica** e tieni identici codici domanda, testi e ordine dei blocchi: il confronto regge solo se non si è mosso nient'altro. Aggiungi un blocco di riconoscimento della campagna — il key visual in una Scelta immagini, "l'hai visto nell'ultimo mese?" — e usalo per dividere il campione tra esposti e non esposti con un [cluster di confronto](/it/analisi/riepilogo).
Aggiungi una [variabile](/it/logica/variabili) manuale `onda` con il numero dell'onda: finisce nella colonna Variabili delle Risposte e nell'export, e ti permette di impilare le onde.
**Cosa guardare.** Notorietà, associazioni e situazioni d'acquisto coperte, esposti contro non esposti, prima contro dopo. I piani media si rinnovano sul secondo di questi quattro numeri.
**Provalo in un altro modo.** Fallo in continuo invece che prima e dopo: un campione piccolo ogni settimana, sempre le stesse domande, e vedi la curva invece di due punti. Due punti non ti dicono quando l'effetto ha cominciato a scendere.
### Valutazione di promozioni
**La domanda del cliente.** "La promozione porta acquirenti nuovi o è uno sconto a chi avrebbe comprato lo stesso?"
**Le metodologie.** [Test monadico](/it/metodologie#test-monadico), [Price Sensitivity Meter](/it/metodologie#price-sensitivity-meter), [TURF](/it/metodologie#turf).
**Come si costruisce su Exoid.** Mostra una meccanica promozionale per rispondente con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi) — tre per due, trenta per cento di sconto, omaggio con l'acquisto, punti fedeltà — poi una scelta singola su cosa farebbero e un Inserimento Numero su quante unità comprerebbero. Uno screener in testa separa chi già compra da chi no: è la divisione su cui poggia tutta l'analisi.
**Cosa guardare.** Le unità incrementali dichiarate tra i non acquirenti. Tra i clienti attuali le unità in più sono quasi sempre scorta, e la scorta è presa in prestito dal mese dopo.
**Provalo in un altro modo.** Metti le meccaniche una accanto all'altra in una Classifica e chiedi quale attira di più. Vincerà un'altra meccanica, e il confronto tra le due risposte ti dice se vince per attrattività o per capacità di cambiare davvero il comportamento.
## Marca
### Brand equity
**La domanda del cliente.** "Come è percepita la mia marca, quanto è forte e distintiva rispetto ai competitor, e sta migliorando o peggiorando?" Se la pongono Head of Consumer Insights, brand manager e CMO nel largo consumo; nel retail vale per il marketing d'insegna e per chi gestisce la private label. Ha due forme diverse: **one shot**, la fotografia scattata prima di una decisione precisa — un lancio, un riposizionamento, l'ingresso in una categoria — e **tracking**, il monitoraggio continuo che serve ad accorgersi degli scostamenti prima che diventino perdita di quota.
**Come si risolve oggi.** Con gli istituti, tramite brand health tracker continui: ordini di grandezza che vanno da alcune decine a oltre centomila euro l'anno. In alternativa con qualche studio occasionale su panel, oppure non si misura affatto e si usano le vendite come proxy della salute di marca. Il ciclo con l'agenzia — brief, proposta, selezione, disegno, fieldwork, analisi, readout — porta via settimane prima che arrivi il primo numero, e spesso se ne perdono altre nella sola selezione del fornitore.
**Le metodologie.** [Test di associazione implicita](/it/metodologie#test-di-associazione-implicita-singolo) singolo e multiplo, [Mental Availability](/it/metodologie#mental-availability), [Mental Advantage](/it/metodologie#mental-advantage).
**Come si costruisce su Exoid.**
Parti da uno screener di categoria: un blocco Sì/No o a scelta singola sul consumo, con una [regola di navigazione](/it/logica/condizioni) che manda alla schermata finale chi è fuori target. Dai a ogni blocco un [codice domanda](/it/builder/opzioni-blocchi) parlante, tipo `SQ_CATEGORIA` o `Q_AWARE_SPONT`: filtri, quote e cluster di confronto si costruiscono tutti sui codici.
Poi, nell'ordine:
Una risposta aperta, prima di qualsiasi lista: "quali marche ti vengono in mente per questa categoria?". Va per forza prima, altrimenti le marche che mostri dopo contaminano il ricordo.
Una scelta multipla sulla lista di marche, con **Ordina opzioni in modo casuale** attivo così la posizione non falsa il dato.
Una scelta multipla per ogni situazione d'acquisto che vuoi coprire — colazione di corsa, ospiti a cena, dopo lo sport — sempre con la stessa lista di marche in ordine casuale. Il numero di situazioni in cui la tua marca compare è l'indicatore.
Una matrice marche × attributi, oppure una scelta multipla per attributo ("quale di queste marche è la più..."). Metti nella consegna che si risponde di pancia, senza pensarci troppo.
Una risposta aperta con [moderazione AI](/it/builder/moderazione-ai) sull'associazione più importante: il verbatim ti resta accanto al numero.
Per il campione, recluta dal [panel](/it/distribuzione/recruiting) con profili di targeting e imposta le [quote](/it/distribuzione/quote) sulle risposte per bilanciare utilizzatori e non utilizzatori della marca.
Per il tracking, duplica la campagna a ogni onda con **Duplica** dal menu della campagna e tieni identici codici domanda, testi e ordine dei blocchi. Aggiungi una [variabile](/it/logica/variabili) manuale `onda` con il numero dell'onda: finisce nella colonna Variabili delle Risposte e nell'export, così impili le onde su Excel o SPSS e leggi lì l'andamento.
**Cosa guardare nei risultati.** La distanza tra notorietà spontanea e assistita: se la marca è riconosciuta ma non ricordata, il problema è di memoria, non di gradimento. Quante situazioni d'acquisto copre rispetto ai competitor. Gli attributi in cui sei davanti e quelli in cui sei dietro, con i [cluster di confronto](/it/analisi/riepilogo) tra utilizzatori e non utilizzatori. Onda su onda, la direzione del movimento più che il valore assoluto.
**Provalo in un altro modo.** Somministra la parte di associazioni una marca per rispondente, assegnata con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi): ognuno giudica una sola marca senza vedere il set competitivo. La mappa esce più pulita e le risposte meno strategiche, al prezzo di un campione più ampio. Oppure vai nella direzione opposta e costruisci tutto sui soli Category Entry Points: meno attributi, più occasioni, e uno studio che legge il potenziale di crescita invece dell'immagine.
### Brand health tracking
**La domanda del cliente.** "Si sta muovendo qualcosa, e me ne sono accorto in tempo?"
**Le metodologie.** [Mental Availability](/it/metodologie#mental-availability), [Mental Advantage](/it/metodologie#mental-advantage), [NPS](/it/metodologie#net-promoter-score).
**Come si costruisce su Exoid.** Un'intervista corta — otto-dodici blocchi — che puoi ripetere senza fatica: notorietà spontanea e assistita, tre o quattro Category Entry Points, la matrice degli attributi, una domanda di intenzione d'acquisto. La duplichi a ogni onda, tieni i codici congelati e porti il numero dell'onda in una variabile. Corto e frequente batte lungo e raro: un tracker che ti pesa somministrare smette di essere somministrato.
**Cosa guardare.** La direzione, non il livello. E il momento in cui la notorietà spontanea si muove prima di tutto il resto: di solito è la prima a muoversi.
**Provalo in un altro modo.** Attacca a ogni onda una domanda aperta a rotazione con moderazione AI, ogni volta su un tema diverso. Il tracker mantiene il suo nucleo comparabile e guadagna una finestra qualitativa continua che ti costa un blocco.
### Mental availability
**La domanda del cliente.** "In quante occasioni d'acquisto esisto?"
**Le metodologie.** [Mental Availability](/it/metodologie#mental-availability).
**Come si costruisce su Exoid.** Una scelta multipla per ogni Category Entry Point, sempre con la stessa lista di marche e la randomizzazione attiva. Formula l'occasione come la vivrebbe una persona — "torni tardi e non c'è niente di pronto" — non come la scriverebbe un piano marketing. Otto-dodici occasioni sono un quadro completo, quattro bastano per una prima lettura.
**Cosa guardare.** Il numero di occasioni in cui la tua marca viene nominata, contro quello del leader. In questo schema la quota di occasioni è il numero della crescita.
**Provalo in un altro modo.** Rovescia la domanda: invece di chiedere quali marche stanno in un'occasione, mostra la marca e chiedi quali occasioni le si addicono, con una scelta multipla sulla lista delle occasioni. Misuri lo stesso legame dall'altro capo, e le due letture quasi mai coincidono: la differenza è la parte interessante.
### Benchmark competitivo
**La domanda del cliente.** "Come sto rispetto alle due o tre marche che mi tolgono davvero vendite?"
**Le metodologie.** [Test di associazione implicita, multiplo](/it/metodologie#test-di-associazione-implicita-multiplo), [Mental Advantage](/it/metodologie#mental-advantage), [Key Driver Analysis](/it/metodologie#key-driver-analysis).
**Come si costruisce su Exoid.** Una matrice marche × attributi con la tua marca e il set competitivo sulle stesse righe, randomizzate, più una scelta singola sull'ultima marca comprata e una sul prossimo acquisto probabile. **Transport options** è ciò che rende efficiente questo studio: le domande successive riportano solo le marche che il rispondente ha selezionato prima, così nessuno giudica una marca che non ha mai incontrato.
**Cosa guardare.** Gli attributi in cui la distanza dal leader è più ampia e l'attributo conta di più. Le due condizioni insieme, non una delle due.
**Provalo in un altro modo.** Chiedi alle stesse persone di descrivere ogni marca in una frase aperta, con moderazione AI. Le matrici ti dicono dove sei sui tuoi assi, le risposte aperte ti dicono quali assi sta usando il consumatore — e a volte i tuoi non sono nell'elenco.
## Persone e mercato
### Segmentazione
**La domanda del cliente.** "In quanti e quali gruppi si divide il mio mercato, o i miei shopper, e su quale mi concentro?" Se la pongono CMO, Head of Strategy e Insights Director; nel retail chi gestisce loyalty e CRM e il category manager, che costruisce i segmenti a partire dal dato di fedeltà. È una scelta strategica, poco frequente e ad alto impatto: da lì discendono posizionamento, comunicazione, media e assortimento.
**Come si risolve oggi.** Con gli istituti, tramite grandi studi di segmentazione: ordini di grandezza tra gli ottanta e i duecento mila euro e tre-sei mesi di lavoro. Poche agenzie sono in grado di farlo, quindi la selezione è lunga e i preventivi sono alti. In alternativa si clusterizzano i dati interni del CRM, senza nessuna profondità attitudinale, oppure ci si limita a un targeting anagrafico. Il rischio noto è che la segmentazione, una volta consegnata, resti sulla carta.
**Le metodologie.** [Segmentation](/it/metodologie#segmentation) con approccio need-based.
**Come si costruisce su Exoid.**
Il cuore dello studio è la batteria attitudinale: venti-quaranta affermazioni su bisogni, occasioni e atteggiamenti verso la categoria, distribuite su una o più matrici con la stessa scala di accordo a cinque o sette punti. Randomizza l'ordine delle righe. Se ti serve più granularità di una scala a punti, lo Slider misura l'intensità su un continuo.
Attorno alla batteria:
* **Comportamenti e occasioni d'uso** con scelte multiple, per avere di che profilare i segmenti dopo.
* **Frequenze e spesa** con blocchi Inserimento Numero, così il dato resta numerico e utilizzabile nel clustering.
* **Anagrafica in fondo**, non in cima: in una segmentazione need-based serve a descrivere i segmenti, non a definirli. In cima ci va solo quello che screena.
Il campione deve essere ampio e bilanciato: recluta dal [panel](/it/distribuzione/recruiting) e usa le quote, perché con basi piccole i cluster non reggono. Attiva la [Modalità statistiche avanzate](/it/avanzate/statistiche-avanzate) prima di andare live, così hai il dataset strutturato e l'export SPSS.
Chiusa la raccolta, esporti da Risposte in SPSS (`.sav`) o Excel e fai il clustering nel tuo software statistico: numero di segmenti, regole di appartenenza, profilazione.
Poi i segmenti tornano dentro Exoid in due modi. Nei risultati crei un **cluster di confronto** per segmento, traducendo la regola in condizioni sulle domande della batteria: da lì confronti ogni domanda dello studio segmento per segmento. Nello studio successivo, invece, uno [Script](/it/avanzate/script) sul primo blocco può calcolare il segmento dalle risposte appena date e salvarlo in una variabile, per esempio `vars.segmento`, che compare nella colonna Variabili delle Risposte e nell'export. È il typing tool, dentro la piattaforma.
**Cosa guardare nei risultati.** La dimensione di ogni segmento e quanto è raggiungibile. Quanto i segmenti sono davvero distinti sulle domande che contano, non solo sulla batteria che li ha generati. E soprattutto: chi ti sceglie oggi, in quale segmento sta, e se quel segmento sta crescendo o si sta restringendo.
**Provalo in un altro modo.** Segmenta sui comportamenti invece che sugli atteggiamenti: occasioni, frequenza, spesa, repertorio di marche. L'intervista è più corta, i segmenti sono raggiungibili in media dal giorno in cui esistono, e perdi la storia motivazionale. Oppure parti da un MaxDiff sui bisogni e clusterizza sui punteggi che ne escono: una via di mezzo che tiene la batteria corta e la discriminazione alta.
### Targeting e profilo dell'acquirente
**La domanda del cliente.** "Chi mi compra davvero, ed è la gente a cui sto parlando?"
**Le metodologie.** [Segmentation](/it/metodologie#segmentation), [Key Driver Analysis](/it/metodologie#key-driver-analysis).
**Come si costruisce su Exoid.** Un'intervista corta sulla categoria: ultima marca comprata, frequenza, occasioni, canale, spesa, e l'anagrafica in fondo. Recluta un campione rappresentativo dal [panel](/it/distribuzione/recruiting), poi costruisci un cluster di confronto per i tuoi acquirenti, uno per quelli del leader, uno per la categoria intera. Tutto lo studio è uno screener e otto domande, ed è la cosa ad alto valore che costa meno somministrare.
**Cosa guardare.** Dove i tuoi acquirenti si discostano dalla categoria, non dove le assomigliano. La somiglianza è la base, la differenza è il target.
**Provalo in un altro modo.** Fai le stesse domande solo a chi ti ha abbandonato, reclutato con uno screener sull'acquisto passato. Il profilo di chi se n'è andato è più azionabile del profilo di chi è rimasto.
### Abitudini e occasioni di consumo
**La domanda del cliente.** "Quando, dove e con chi viene consumato davvero il mio prodotto?"
**Le metodologie.** [Mental Availability](/it/metodologie#mental-availability), [analisi qualitative multimodali](/it/metodologie#analisi-qualitative-multimodali), [Segmentation](/it/metodologie#segmentation).
**Come si costruisce su Exoid.** Ancorala all'ultima occasione reale, non alle abitudini in generale: Data e ora per collocarla, scelte singole su momento, luogo e compagnia, una scelta multipla su cos'altro è stato consumato insieme, un Inserimento Numero sulla quantità. Poi un Caricamento file per la foto del contesto e una risposta aperta moderata dall'AI sul perché proprio quel prodotto. Il ricordo di un episodio preciso è molto più accurato di una dichiarazione su cosa si fa "di solito".
**Cosa guardare.** Quali occasioni portano più volume e quali stanno crescendo. L'unità di crescita è più spesso l'occasione che l'acquirente.
**Provalo in un altro modo.** Somministra la stessa intervista una volta a settimana per un mese, con un link via email: invece di una fotografia hai un diario leggero. La ripetizione sulle stesse persone trasforma l'abitudine dichiarata in frequenza osservata.
### Category exploration e studi ad hoc
**La domanda del cliente.** "Cosa succede nella categoria?"
**Le metodologie.** [Analisi qualitative multimodali](/it/metodologie#analisi-qualitative-multimodali).
**Come si costruisce su Exoid.** È lo studio con più aperte che chiuse. Poche domande chiuse per inquadrare chi risponde e cosa consuma, poi risposte aperte con [moderazione AI](/it/builder/moderazione-ai) che rilancia mentre la persona sta rispondendo, invece di lasciarti una riga sola. Il Caricamento file ti porta la foto della dispensa o dello scaffale, il blocco Sito web raccoglie l'indirizzo della pagina che le persone usano davvero, che poi vai a guardare tu.
Nei risultati, [Parla con i Dati](/it/analisi/talk-with-data) in modalità **Conversazionale** è il modo giusto di esplorare: ogni risposta porta i codici delle domande citate e suggerisce dove approfondire. Quando trovi qualcosa, la mandi nel report con **Aggiungi al report** e monti la restituzione nell'[AI Report](/it/analisi/ai-report).
**Cosa guardare.** Le ipotesi, non le stime. Qui il campione può essere piccolo, perché il risultato utile è la domanda giusta da mettere nel prossimo studio quantitativo.
**Provalo in un altro modo.** Trasforma subito i risultati qualitativi in un MaxDiff: prendi le venti cose che le persone hanno detto e falle mettere in ordine dallo studio successivo. Un'esplorazione che finisce in una classifica viene usata, una che finisce in una presentazione di solito no.
### Ingresso in un nuovo mercato
**La domanda del cliente.** "Questo prodotto ha senso in un paese, un canale o una categoria dove non ci siamo?"
**Le metodologie.** [Test monadico](/it/metodologie#test-monadico), [Price Sensitivity Meter](/it/metodologie#price-sensitivity-meter), [analisi qualitative multimodali](/it/metodologie#analisi-qualitative-multimodali).
**Come si costruisce su Exoid.** Uno studio in tre parti: la categoria com'è lì — marche usate, occasioni, prezzo pagato — poi il concept con un blocco Messaggio e una domanda di intenzione d'acquisto, poi le quattro domande di prezzo. Recluta ogni mercato dal [panel](/it/distribuzione/recruiting) come target group separato e tieni l'intervista identica, così i mercati restano confrontabili. Aggiungi una variabile manuale con il codice del mercato, così te la ritrovi nell'export.
**Cosa guardare.** La distanza tra la categoria come la conosci a casa tua e la categoria come te la descrivono lì. I punteggi di concept viaggiano male tra paesi, la struttura della categoria viaggia bene.
**Provalo in un altro modo.** Testa i pack e i claim dei concorrenti locali invece del tuo concept. Impari i codici del mercato prima di spendere su una proposta d'ingresso, e ti costa un solo studio di Scelta immagini.
## Acquisto e relazione
### Shopping journey
**La domanda del cliente.** "Come e perché il mio consumatore arriva, o non arriva, all'acquisto, in negozio e online — e dove lo perdo?" Se la pongono shopper marketing manager, trade marketing, category manager ed e-commerce manager; nel retail customer experience, direzione di negozio e loyalty. Il trigger è sempre concreto: conversione bassa online, un lancio che non gira a scaffale, cannibalizzazione tra referenze, o un picco di consumo da intercettare come Natale o il Black Friday. I dati di vendita e di loyalty dicono il cosa, non il perché.
**Come si risolve oggi.** Con gli istituti, tramite studi di shopper e path-to-purchase, etnografia più panel: ordini di grandezza tra i cinquanta e i centocinquanta mila euro e tempi lunghi. Poche agenzie coprono bene sia il fisico sia l'online, e l'integrazione di fonti diverse in fase di analisi è faticosa. In alternativa qualche osservazione in negozio, oppure si deduce tutto dai dati di vendita. È il job meno servito dalle piattaforme quantitative pure, e il limite è noto: a percorso finito, il mercato è già cambiato.
**Le metodologie.** [Analisi qualitative multimodali](/it/metodologie#analisi-qualitative-multimodali) integrate con il quantitativo: [associazione implicita](/it/metodologie#test-di-associazione-implicita-singolo) sul primo momento a scaffale, [Key Driver Analysis](/it/metodologie#key-driver-analysis) sui driver della scelta, [MaxDiff](/it/metodologie#maxdiff) su trigger e barriere, [Segmentation](/it/metodologie#segmentation) sulle missioni d'acquisto.
**Come si costruisce su Exoid.** Un solo studio in fasi, con le [regole di navigazione](/it/logica/condizioni) che mandano ogni missione e ogni canale sul proprio ramo e poi li riportano sul tronco comune.
Scelta singola sull'ultimo acquisto: scorta pianificata, urgenza, occasione speciale, prova. È il blocco che governa tutto il resto, dagli il codice `MISSIONE`.
Scelta singola tra negozio, online e misto, con regole di navigazione verso il ramo fisico o il ramo digitale. Ogni ramo ha le sue domande e rientra nel tronco comune con **Always go to**.
Data e ora per collocare l'acquisto nel tempo, una scelta multipla sui touchpoint incontrati, una Classifica su quale ha pesato di più nella decisione.
Scelta immagini con la foto del lineare o della pagina prodotto, **Attesa prima di avanzare** impostata su pochi secondi per riprodurre il tempo reale di esposizione, poi la domanda su cosa hai notato per primo. Con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi) mostri a ciascuno il lineare dell'insegna in cui fa davvero la spesa.
Due liste in blocchi separati. Se devi metterle in ordine, usa l'esercizio più/meno importante descritto nel [claim test](#claim-test).
Caricamento file per la foto dello scontrino o dello scaffale, e una risposta aperta con [moderazione AI](/it/builder/moderazione-ai) sul momento in cui ha rinunciato. È la parte qualitativa, e su Exoid vive dentro lo stesso studio quantitativo.
Una matrice sugli attributi del prodotto e una misura di risultato — soddisfazione o intenzione di riacquisto — nello stesso studio. Sono i due ingredienti della Key Driver Analysis: li raccogli qui, esporti il dataset e fai la regressione nel tuo strumento.
**Cosa guardare nei risultati.** Filtra il [Riepilogo](/it/analisi/riepilogo) per missione: i filtri si costruiscono sulle domande, scegliendo il codice, un operatore e un valore. Crea un cluster di confronto negozio contro online: le barriere cambiano completamente tra i due. Nella tabella [Risposte](/it/analisi/risposte) guarda a quale punto del flusso le persone si fermano, perché il dettaglio della singola risposta ti dice quante domande ha completato. E leggi i verbatim delle barriere prima dei numeri: sono la parte che i dati di vendita non ti daranno mai.
**Provalo in un altro modo.** Taglia il percorso in tre studi corti somministrati nella stessa settimana — uno sul trigger, uno sullo scaffale, uno sul momento dopo l'acquisto — ciascuno su un campione suo. Perdi il percorso individuale e guadagni risposte oneste, perché nessuno arriva alla domanda difficile con trenta domande alle spalle.
### Esperienza digitale e pagina prodotto
**La domanda del cliente.** "Perché la mia pagina prodotto non converte?"
**Le metodologie.** [Test monadico](/it/metodologie#test-monadico), [Key Driver Analysis](/it/metodologie#key-driver-analysis), [analisi qualitative multimodali](/it/metodologie#analisi-qualitative-multimodali).
**Come si costruisce su Exoid.** Mostra uno screenshot della pagina come media del blocco, **Attesa prima di avanzare** sul tempo che dura una visita vera, poi: cos'è questo prodotto, quanto costa, lo compreresti. Tre domande che rivelano se la pagina comunica o no. Prosegui con una matrice su chiarezza, fiducia e completezza delle informazioni, e una risposta aperta con moderazione AI su cosa manca.
**Cosa guardare.** La quota di persone che, dopo aver guardato la pagina, non sa dire cosa fa il prodotto. È quasi sempre più alta di quanto il team si aspetti.
**Provalo in un altro modo.** Dai a ogni rispondente una versione diversa della pagina con la [variabile nel media](#mostrare-stimoli-diversi-a-rispondenti-diversi) e confronta la comprensione tra le celle. Stesso studio, una variabile in più, e la diagnosi diventa un test.
### Soddisfazione
**La domanda del cliente.** "Chi ha comprato è contento, e di cosa esattamente?"
**Le metodologie.** [Key Driver Analysis](/it/metodologie#key-driver-analysis), [Penalty Reward e fattori di Kano](/it/metodologie#penalty-reward-e-fattori-di-kano).
**Come si costruisce su Exoid.** Una matrice sui driver dell'esperienza, tutti sulla stessa scala, più una domanda di soddisfazione complessiva: sono i due input della Key Driver Analysis, che stimi sull'export. Distribuisci con il [link](/it/distribuzione/link) via email alla tua base clienti e passa l'ID cliente come [variabile da URL](/it/logica/variabili), così le risposte si ricongiungono al CRM. Con un [webhook](/it/webhooks/introduzione) ogni risposta arriva al tuo endpoint mentre la raccolta è ancora in corso.
**Cosa guardare.** Non i driver con il punteggio peggiore, ma quelli che vanno male e pesano tanto. Peso alto e punteggio alto è quello che difendi, peso alto e punteggio basso è quello che sistemi.
**Provalo in un altro modo.** Chiedi dell'ultima interazione precisa invece che del rapporto nel suo insieme. La soddisfazione complessiva è stabile e poco informativa, l'ultimo contatto è volatile e ti dice cosa è successo davvero.
### Loyalty e NPS
**La domanda del cliente.** "I clienti restano e tornano da me? Spendono da me più che altrove?"
**Le metodologie.** [NPS](/it/metodologie#net-promoter-score), [Key Driver Analysis](/it/metodologie#key-driver-analysis).
**Come si costruisce su Exoid.** Un blocco Rating da 0 a 10 con **Display type** su `Numeric` per la domanda di raccomandazione, e subito sotto una risposta aperta con [moderazione AI](/it/builder/moderazione-ai) resa visibile solo sotto una certa soglia, con una [condizione di visibilità](/it/logica/condizioni) e l'operatore "minore di": chiedi il perché a chi ha un perché.
La classificazione in promotori, passivi e detrattori la imposti con uno [Script](/it/avanzate/script) che scrive `vars.nps_gruppo` dalla risposta al rating, oppure la ricostruisci con tre cluster di confronto sul rating. Il punteggio netto — promotori meno detrattori — esce dall'export con una formula.
**Cosa guardare.** Non il punteggio, il movimento: quale driver separa i promotori dai passivi. L'NPS dice come stai, la Key Driver Analysis dice su cosa agire.
**Provalo in un altro modo.** Sostituisci la domanda di raccomandazione con una sulla quota di spesa: sui tuoi ultimi dieci acquisti nella categoria, quanti sono stati da noi. È più difficile da rispondere e molto più difficile da falsare, e correla con il fatturato invece che con l'umore.
### Rinnovo e abbandono
**La domanda del cliente.** "Chi sta per andarsene, e perché?"
**Le metodologie.** [Key Driver Analysis](/it/metodologie#key-driver-analysis), [MaxDiff](/it/metodologie#maxdiff), [analisi qualitative multimodali](/it/metodologie#analisi-qualitative-multimodali).
**Come si costruisce su Exoid.** Due campioni nello stesso studio, separati da uno screener: clienti attuali e persone che se ne sono andate nell'ultimo anno. Stessa batteria di driver per entrambi, una scelta singola sull'intenzione di rinnovo per i primi e una sul motivo dell'abbandono per i secondi, poi un esercizio più/meno importante sui motivi, così escono in ordine invece che tutti ugualmente importanti. Chiude una risposta aperta moderata dall'AI sul momento in cui hanno deciso.
Distribuisci con il [link](/it/distribuzione/link) passando l'ID cliente come variabile da URL, così le risposte si uniscono ai tuoi dati di abbandono e puoi verificare l'intenzione dichiarata contro quello che è successo dopo.
**Cosa guardare.** I motivi che chi se n'è andato mette per primi e chi è rimasto mette in fondo. Quella distanza è il sistema di allarme.
**Provalo in un altro modo.** Chiedi solo a chi è rimasto perché stava per andarsene. Le interviste di retention hanno un ricordo migliore di quelle di uscita, perché la persona ha ancora voglia di parlarti.
## Mostrare stimoli diversi a rispondenti diversi
Molte delle ricette qui sopra hanno bisogno che ogni persona veda una versione sola: un concept test monadico, un pack a testa, una cella di controllo senza lo spot, un lineare che corrisponde all'insegna dove quella persona fa la spesa. Tutto questo si fa dentro un solo studio, con il campo **Media**.
Il pannello **Media (optional)** di ogni blocco ha un **Media source** con due valori:
* **Upload file** — l'immagine, il video o l'audio è fisso e lo vedono tutti uguale.
* **Use variable** — il media arriva da una [variabile](/it/logica/variabili), quindi cambia da rispondente a rispondente.
Il modo abituale di alimentare quella variabile è l'URL. Prepari un link per versione, ognuno con il parametro che identifica il suo stimolo, e li distribuisci sul campione o su lotti diversi di panel. Tutto il resto dell'intervista è identico: stessi blocchi, stessi codici domanda, stesso ordine. La variabile finisce nella colonna Variabili delle [Risposte](/it/analisi/risposte) e nell'export, quindi in analisi sai sempre chi ha visto cosa, e ogni cella è un [cluster di confronto](/it/analisi/riepilogo) dentro la stessa campagna.
Siccome le celle vivono in un'unica campagna, le confronti direttamente nel [Riepilogo](/it/analisi/riepilogo) senza impilare export, e le quote valgono su tutto lo studio, quindi le celle restano bilanciate sul profilo che ti interessa.
Anche uno [Script](/it/avanzate/script) sul primo blocco può scrivere la stessa variabile: è così che ruoti le versioni senza preparare link separati.
Vale la pena conoscere anche il disegno alternativo: dai a tutti tutte le versioni e chiedi un ordine, con Classifica, Scelta immagini o l'esercizio più/meno importante. Il confronto diretto coglie differenze più piccole e richiede meno rispondenti; una versione per persona è più fedele a come si incontra uno stimolo nella vita. Due risposte alla stessa domanda — e farle entrambe è spesso il modo più economico di capire il proprio risultato.
## Prossimi passi
Le quindici metodologie una per una: cosa misurano e come le imposti su Exoid.
La mappa completa delle capacità, organizzata per obiettivo.
Tutti i blocchi disponibili nel Builder e quando usare ciascuno.
Il percorso guidato end-to-end, dalla creazione ai risultati.
## Related topics
- [Metodologie di ricerca](/it/metodologie.md)
- [Cosa puoi fare con Exoid](/it/funzionalita.md)
- [Documentazione Exoid](/it/index.md)