跟踪研究是监测品牌健康状况的重要手段。品牌在诸如无辅助或总体品牌知名度、考虑度、品牌偏好度等指标方面的跟踪情况如何？
我们对一系列品牌健康指标的水平和轨迹感兴趣。该品牌有多健康？该品牌将走向何方？
问题是，品牌健康跟踪措施往往进展缓慢。小样本带来的差异会模糊品牌健康图景。很难决定何时庆祝或开始采取纠正措施。
处理调查数据时
最好先了解所报告的内容。数据代表什么时间间隔？数据捕获的频率是多少？数据是连续捕获的吗？每月周？每季度一个月？每个数据点代表多少次采访？
借助触手可及的手机号码数据，释放营销活动的力量。有了有效且更新的联系数据，您就能够与潜在客户进行个人联系。这可以提高 手机号码数据 参与度和转化率，无论是新产品还是特殊交易。如果不包括某些万无一失的手机号码，成功之路就不算完整。
些数据提供商 选择“滚动”他们的数据，这意味着创建一个移动平均值，以减少样本跳动并为数据趋势引入稳定性。这似乎是一个好主意。但是，各个数据点并不是独立的。三个月的移动平均值意味着每个数据点只有三分之一是当前的。从一个月到下个月的变化被抑制了。新兴趋势可能会被掩盖。具有离散数据点的数据集（其中每个数据点都独立于所有先前的数据点）有助于避免此类问题。
股票和商品市场的活跃投资者每天都要做出此类决定。许多人使用简单的跟踪系统来生成买卖信号，或者至少指示何时需要关注。
通常会将股票和
商品价格与最近 52 周间隔（称为 52 周通道）内观察到的最高价和最低价进行比较。
我们可以把这种想法运用到品牌追踪中。想象一下，在没有帮助的情况下，品牌知名度突破 52 周新高的感觉，或者突破 52 周新低的失望。这两个明显的信号表明品牌健康状况可能正在改善或陷入困境。
表 1 中的图表基于五个品牌的无辅助品牌知名度数据，将同样的思路应用于 12 个月的跟踪数据。红色单元格代表新的 12 个月高值，表明品牌健康状况有所改善。（绿色用于表示新的 12 个月低值。）分析品牌跟踪指标变动的第二种不太为人所知的方法是利用交叉移动平均线。
想象一下品牌健康指标（如无辅助品牌知名度）的 52 周移动平均值。52 周平均值呈上升趋势吗？还是呈下降趋势？当 52 周移动平均值呈下降趋势时，建议注意。
想象下较短的
周移动平均线。与 52 周移动平均线相比，13 周移动平均线会表现出更大的变化性 – 但反映的是短期趋势。将 13 周移动平均线与 52 周移动平均线进行比较可以指示方向的变化。
当 13 周移动平均线高于 52 周移动平均线时，我们就可以判断品牌健康趋势正在改善。当 13 周移动平均线低于 52 周移动平 模糊的虚实边界，vr社交平台的风险 均线时，我们就可以判断品牌健康可能正在减弱。这种方法可以提前预示品牌强势或弱势的出现。
表 2 中的图表显示了 3 个月移动平均线与 12 个月移动平均线的指数。红色单元格表示品牌健康状况正在改善；绿色单元格表示品牌健康状况正在恶化。
在金融领域，还有许多其他例子，这些例子说明了生成相当于买卖信号的方法，可以应用于品牌健康跟踪研究。（读者可能希望查看佩里·考夫曼的《商品技术分析》。）
提供有限的反馈
跟踪数据本身对品牌管理的 销售线索 反馈有限。鉴于跟踪研究需要大量投资，上述步骤为品牌健康提供了宝贵的见解。我们在哪里？我们是否朝着正确的方向前进？我们应该采取纠正措施吗？
旦系统到位，实施上述分析方法所需的额外工作量就很小。Microsoft Excel 可能就足够了。结果对于提醒管理层采取纠正措施（或购买香槟）的原因非常有用。
您的网站在目标受众中的表现如何？对于在线卖家来说，这是将网站访问者转化为付费客户的关键知识。找出目标用户感到困惑、沮丧或遇到问题的地方，可以让企业调整或彻底改造其网站，以适应这些用户的体验和期望。
个同样重要但更
难以捉摸的问题是：与主要竞争对手相比，您的网站表现如何？没有哪个网站是孤立运作的，为了取得最大的成功，您的测试和研究策略必须反映这一点。
近年来，获取这些问题答案的方法经历了巨大的发展和完善。可用性行业见证了提供现场可用性测试、远程用户测试、主持测试、非主持测试以及其他各种组合和可能性的公司崛起。许多大公司已经建立了内部用户体验部门来研究和制定其网站的最佳设计。
总体而言，收集可用性信息的传统方法都是严格定性的。各种形式的用户测试，以及焦点小组等较老的方法，都为用户提供了关于他们喜欢什么和不喜欢什么、他们认为哪些令人困惑以及他们想要但在网站上没有看到什么的意见。这是一个非常主观的领域。
当然，从主观、定性的反馈中可以了解到很多关于网站的信息。但是，只用一种视角来放大可用性就像只通过双筒望远镜的一个镜头来观察一样。没有定量的补充来将反馈放入上下文中并填充画面，也没有任何东西可以为收集到的一维信息提供深度和质感。
很难知道
这不仅仅是缺少一个维度。对于竞争意识强的企业来说，如果没有标准化、量化的数据，就很难将您的表现与竞争对手进行比较。定性反馈对于比较各个网站上存在或不存在的特定功能或交互很有用，但从数字上看，这些功能有多重要？如果没有办法衡量用户体验，就很难知道用户体验的组成部分加起来是多少。
因此我们看到了
混合定性和定量模型来理解可用性的趋势。一种称为 SUS 或系统可用性量表的指标越来越多地被用作定性网站反馈的补充；“快速而粗糙”的 10 项问卷已经存在了几十年，现在它作为一种技术无关、开源、易于实施的工具的优势正在用户体验研究界得到充分利用。
因其简单性而广受欢迎：它由有关内部一致性和易用性的五个正面和五个负面陈述组成，用户根据五点李克特量表对这些陈述做出反应，范围从“非常同意”到“非常不同意”。当这些回答被规范化并合在一起时，结果数字是 0 到 100 之间的分数，代表用户对系统的总体满意度。然后，通过访问其他网站的 SUS 分数数据库，可以轻松将此数字转换为百分位排名，反映网站相对于更广泛的网络社区的表现。
