TEORIE - Typy výzkumů - 2. část - Škály měření

Když sbíráme data — ať už dotazníkem, hodnocením spokojenosti nebo při interním průzkumu — málokdo řeší, jak odpovědi sbíráme. Jenže právě výběr škály dokáže úplně změnit výsledky. A to, jak je později interpretujeme.
V tomto článku si projdeme nejčastější škály měření, ukážeme si jejich výhody, rizika a hlavně — kdy které použít (a kdy raději ne).
Nejdřív stručně: proč různé škály vůbec existují?
Protože různé otázky vyžadují různé typy odpovědí. Někdy chceme získat jemné nuance. Jindy potřebujeme rozhodnutí. A někdy chceme porovnávat, někdy měřit změnu v čase.
Správná škála = přesnější data + méně zkreslení + lepší rozhodnutí.
Nejběžnější typy škál:
1️⃣ Likertova škála ("souhlasím / nesouhlasím")
Nejznámější forma dotazníků — většinou 5 nebo 7 možností.
Příklad:
"Jak moc souhlasíte s tvrzením, že náš zákaznický servis reaguje rychle?"
-
1 – rozhodně nesouhlasím
-
2 – spíš nesouhlasím
-
3 – ani ano, ani ne
-
4 – spíš souhlasím
-
5 – rozhodně souhlasím
✅ Výhody:
-
jednoduchá, intuitivní
-
zachytí nuance (od slabého po silný souhlas)
-
dobře se vyhodnocuje
❌ Nevýhody / rizika:
-
"střed" (3) přitahuje nerozhodné i znuděné respondenty
-
sklony odpovídat společensky žádoucím způsobem
-
může být příliš subjektivní (každý chápe "spíš" jinak)
🤔 Kdy použít
-
když měříte postoje, názory, pocity
-
když chcete jemnější odstíny odpovědí
2️⃣ Škála jako ve škole (1 = nejlepší, 5 = nejhorší) 🎓
Hodně firem ji stále používá, protože v Česku je hluboko zarytá.
✅ Výhody:
-
všichni ji znají
-
rychle pochopitelná
❌ Nevýhody / rizika:
-
není intuitivní pro cizince
-
"jednička jako nejlepší" jde proti mezinárodnímu standardu
-
škála má jen 5 úrovní → málo nuance
-
často generuje falešně pozitivní hodnocení (1–2 dávají lidé z loajality, 3–5 už se bojí)
🤔 Kdy použít:
-
interní průzkumy v českém prostředí, kde nechcete zbytečně vysvětlovat jiný typ škály
3️⃣ NPS (Net Promoter Score) 🚀
Otázka:
"Jak pravděpodobné je, že byste naši službu doporučili známému?"
Odpověď: škála 0–10
-
9–10 = promotéři
-
7–8 = pasivní
-
0–6 = detraktoři
NPS se počítá jako = % promotérů – % detraktorů.
✅ Výhody:
-
světový standard
-
snadno srovnatelné s jinými firmami
-
rychle ukazuje dlouhodobý trend
❌ Nevýhody / rizika:
-
nerozlišuje důvody (musí se doplnit otevřenou otázkou)
-
extrémně citlivé na jednotlivé špatné zkušenosti
-
lidé dávají 10 jen výjimečně → u některých segmentů zkresluje
uživatelé, kteří si nejsou jistí, nemají zkušenosti, nemají názor, nebo se nechtějí rozhodnout, volí velmi často prostřední hodnotu — obvykle 5 nebo 6. V interpretaci výsledků to není bráno jako neutrální odpověď, ale často jako něco negativního.
🤔 Kdy použít:
-
když chcete sledovat trend loajality
-
porovnání se standardem v oboru
4️⃣ Binární škály (ano/ne) ⚫⚪
Nejtvrdší, nejpřímější a nejméně jemná škála.
✅ Výhody:
-
rychlá
-
nulový prostor pro neporozumění
-
donutí člověka rozhodnout se
❌ Nevýhody / rizika:
-
žádné nuance
-
může být frustrující, pokud je téma složitější
-
vede k povrchním závěrům
🤔 Kdy použít:
-
jednoduchá fakta (ano/ne, má/nemá)
-
když je potřeba rychlá filtraci → např. "Používáte tuto službu?"
5️⃣ Škála frekvence ("nikdy – někdy – často – vždy") 📆
Hodně používaná v HR i CX výzkumech.
✅ Výhody:
-
intuitivní
-
dobře zachytí chování
-
jednoduché vyhodnocení
❌ Nevýhody / rizika:
-
"někdy" může znamenat jednou týdně i dvakrát ročně
-
rozdíl mezi "často" a "vždy" může být subjektivní
🤔 Kdy použít:
-
když měříte frekvenci určitého chování (užívání služby, problémy, čekání…)
6️⃣ Škála očekávání vs. reality (gap model) 🎯
Např.:
-
Jaké jste měli očekávání?
-
Jaká byla realita?
Skvělá pro měření "wow efektu" nebo zklamání.
✅ Výhody:
-
ukáže zásadní rozdíl (pozitivní i negativní)
-
skvělé pro služby a CX
❌ Nevýhody / rizika:
-
vyžaduje dvě otázky (delší dotazník)
-
lidé si své původní očekávání zpětně upravují
🤔 Kdy použít:
-
měření spokojenosti se službou, dopravou, ubytováním, onboardingu
🤔Pozor na prostřední hodnoty aneb proč lidé volí prostředek?
Několik častých důvodů:
- Nedostatek zkušeností
- Nejistota, nepochopení otázky
- Neochota se vyhraněně rozhodnout
- Snaha odpovědět "bezpečně"
- Rychlé kliknutí bez přemýšlení
Závěr
Škály měření nejsou jen technický detail. Jsou to nástroje, které určují, jak moc jsou data pravdivá, použitelná a interpretovatelná. Špatně zvolená škála může celý výzkum zkreslit — i když jsou otázky jinak perfektní.
👉 Ve čtvrtečním článku si ukážeme nejčastější chyby při sběru dat a interpretaci výsledků. A taky pár konkrétních situací z praxe, kde i malá změna škály vedla k úplně jinému výsledku.