Er du klar til å sende ut en spørreundersøkelse? En av de første tingene du må gjøre, er å definere en utvalgsramme, eller et sett med enkeltpersoner du har tenkt å innhente data fra. Det er tilsynelatende mange måter å definere en utvalgsramme på, og det er lett å miste oversikten eller bli forvirret – spesielt når man skal skille et utvalg fra en undersøkelsespopulasjon. I denne veiledningen deler vi innsikt om de forskjellige tilnærmelsene for utvalg som finnes, fordelene og ulempene deres, og når hver skal brukes. Dette viser deg rett vei for markedsundersøkelsen din.

Du har kanskje hørt begrepene utvalg og populasjon om hverandre innen forskning basert på spørreundersøkelser, men det er faktisk to veldig forskjellige grupper med personer. En populasjon er hele settet med personer som potensielt kan delta i forskningen. Hvis du for eksempel prøver å få kundetilbakemeldinger om et produkt du lanserte i fjor, er populasjonen alle personene som hadde kjøpt, prøvd eller på andre måter samhandlet med produktet. Et utvalg er derimot en underdel av populasjonen. Utvalget kan identifiseres og velges på en rekke måter. Du kan for eksempel fokusere på kundedemografi hvis du er interessert i tilbakemeldinger fra kunder som er kvinner, slik at kjønn hadde blitt grunnlaget for utvalgsstrategien. Andre karakteristikker som kan danne grunnlaget for utvalg, inkluderer geografiske egenskaper eller atferdsmessige egenskaper. Hvis populasjonen er veldig stor, noe som gjør datainnhenting fra populasjonen vanskelig, kan du også velge et mindre, mer håndterbart utvalg med en tilfeldig tilnærmelse.

Frisk opp terminologien innen spørreundersøkelser før du utfører markedsundersøkelser.

Innhenting av data fra en populasjon eller et utvalg har begge gode sider. Det finnes i tillegg gode tommelfingerregler du kan bruke når du skal velge hvilken tilnærmelse du skal bruke, og når.

I en ideell verden hadde data blitt innhentet fra hele populasjonen for alle typer undersøkelser, enten det er snakk om undersøkelse av merkevarebevissthet eller innhenting av data om kundetilbakemeldinger. Hvorfor? Hvis alle medlemmene av populasjonen oppgir undersøkelsesdata, har du den beste garantien for at utledninger du gjør om resultatet, er representative for populasjonen. Med andre ord hjelper innhenting av data fra populasjonen med å forbedre gyldigheten og påliteligheten til undersøkelsesfunnene dine. 

I praksis er det imidlertid ikke alltid mulig å innhente data fra populasjonen i en undersøkelse. Hovedgrunnen er at populasjonen ofte er vanskelig å identifisere og enda vanskeligere å få tilgang til for at svarene skal være statistisk gyldige. Hvis grensene til populasjonen er klart avgrenset og målgruppen er tvunget på en måte, gir det mening å innhente data fra en populasjon. Hvis du for eksempel er interessert i å innhente data om medarbeiderengasjement, kan du antageligvis bruke en populasjonsbasert tilnærmelse, og bruke en liste over alle medarbeiderne dine fra personalavdelingen og sende alle en undersøkelse direkte via e-post. 

Denne tilnærmelsen gir også mening hvis populasjonen er liten og samarbeidsvillig eller interessert i resultatet av spørreundersøkelsen (for eksempel alle 30 pilotbrukerne av en ny tjeneste). Når grensene til populasjonen er uklare eller populasjonen er veldig stor eller geografisk spredt, er det imidlertid vanligvis nødvendig å bruke et utvalg.

Hvis innhenting av data fra en populasjon setter deg i den beste posisjonen for å utlede gyldig og nøyaktig innsikt, hvorfor vil du da sende spørreundersøkelser til et utvalg i stedet for til en populasjon? Det er sjelden praktisk for forskere å få tilgang til hele målpopulasjonen på grunn av størrelsen og den geografiske spredningen. La oss si at du driver en travel matvogn i en bedriftspark. Du er interessert i å undersøke ledere i de nærliggende bedriftene om lunsjpreferansene deres. Bruk av en populasjonsbasert tilnærmelse hadde krevd tilgang til en fullstendig og nøyaktig liste over alle lederne – noe det er usannsynlig at du hadde. I slike tilfeller må du innhente data fra et undersett av populasjonen. Funnene kan så generaliseres til den større populasjonen. Med andre ord kan du – ved å bruke et utvalg – ofte anta at undersøkelsesfunnene er representative for den større populasjonen som utvalget ble hentet fra. Ofte, men ikke alltid. La oss ta en nærmere titt.

Det finnes to primærstrategier for utvalg hvis du bestemmer deg for å bruke en utvalgsbasert tilnærmelse: sannsynlighetsutvalg og ikke-sannsynlighetsutvalg.

Sannsynlighetsutvalg er en metode med tilfeldig utvalg

Den beskriver alle tilnærmelser der alle medlemmene av populasjonen har en lik sjanse for å bli inkludert i utvalget. Hvis du for eksempel har en populasjonsliste, kjent som en utvalgsramme, kan du bruke en slumptallgenerator og deretter velge hver person hvis plassering på listen samsvarer med tallet som genereres. Dette kalles en tilnærmelse med enkelt og tilfeldig utvalg. 

En annen måte kan være å bruke en tilnærmelse med systematisk tilfeldig utvalg og velge for eksempel hver 10. eller 100. person i utvalgsrammen. Lagdelt utvalg minner om tilfeldig utvalg, men i det første eksemplet blir populasjonen delt inn i grupper med lignende egenskaper. Kunder kan for eksempel deles inn i grupper basert på hvor ofte de handler hos deg, eller hvor mye de bruker. Deretter brukes en prosedyre med enkelt eller systematisk tilfeldig utvalg for å velge personer fra hver gruppe. Dette bidrar til å sikre at forskjellige segmenter av populasjonen representeres i det endelige utvalget.

Ikke-sannsynlighetsutvalg er mer selektivt

Med denne metoden har ikke alle medlemmene av populasjonen en lik sjanse til å bli valgt ut for utvalget. Hvis du for eksempel undersøker alle besøkende på nettstedet ditt en lørdag morgen, har bare kunder som handler i helgen en sjanse til å bli undersøkt. Du kan alternativt sende spørreundersøkelser bare til kunder du har et personlig forhold til, mens kunder du ikke kjenner godt, blir ignorert. Dette kan introdusere feil i utvalget og kan bety at utvalget ikke er representativt for populasjonen. Hvorfor vil du da vurdere å bruke denne tilnærmelsen? Selv om sannsynlighetsbaserte tilnærmelser er ideelle, krever de at du har tilgang til den viktige og ofte utilgjengelige populasjonslisten.

Som vi har sett, må du i mange tilfeller innhente dataene fra et utvalg i stedet for fra hele populasjonen. Bare fordi du må gjøre det av nødvendighet, betyr det ikke at det ikke finnes fordeler med å innhente data fra et utvalg:

Uansett om du innhenter data fra et utvalg eller en populasjon, må du sørge for å bruke riktig terminologi. En av de store forskjellene i populasjonsbaserte og utvalgsbaserte tilnærmelser er knyttet til hvordan utvalgsstørrelsen fastslås. Som vi forklarer i mer detalj her, er utvalgsstørrelse et estimat av målet for antall personer du ideelt sett vil få til å fullføre spørreundersøkelsen. Begrepene statistikk og parameter er relaterte, men er forskjellige konsepter som er knyttet til innhenting av data fra et utvalg eller en populasjon. La oss ta en titt på begge.

En parameter er en måling av en egenskap til en populasjon, basert på data innhentet fra hele populasjonen. La oss for eksempel si at du har bestemt deg for å gå ned til firedagers arbeidsuker for å forbedre personalets motivasjon og engasjement (heldige ansatte!). Du sender en spørreundersøkelse til alle ansatte og spør hvilken ukedag de foretrekker å ha fri. Hvis alle ansatte fyller ut spørreundersøkelsen og 80 % av de ansatte sier at de foretrekker å ha fri på fredager, er det tallet en parameter for populasjonen. 

En statistikk er derimot et funn utledet fra data innhentet fra et utvalg av populasjonen. Tenk deg at du har veldig mange ansatte, så du bestemmer deg for å sende spørreundersøkelser til et tilfeldig representativt utvalg. Resultatene er stort sett de samme hvis du hadde innhentet data fra hele populasjonen – flesteparten av arbeiderne (77 %)  håper på en langhelg med fri på fredager. I dette tilfellet endres ikke resultatet, men måten du beskriver det på, endres – 77 % kalles nå en statistikk. Hvorfor må du vite forskjellen på de to? Svaret ligger i utvalgsfeil.

Utvalgsfeil er en annen viktig del av utvalgsrelatert terminologi du bør kjenne til. Enkelt forklart er en utvalgsfeil forskjellen på en populasjonsparameter og en utvalgsstatistikk. Hvis vi går tilbake til det tidligere eksemplet vårt, så vi at da hele populasjonen ble undersøkt om foretrukket fridag, sa 80 % fredager, men da et utvalg ble undersøkt, sa 77 % fredager. Utvalgsfeil er forskjellen på resultatene som avledes fra populasjonen og resultatene som utledes fra utvalget, som i dette tilfellet er 3 %.

Dette eksemplet demonstrerer viktigheten av å prøve å oppnå et utvalg som er så representativt for populasjonen som mulig. Hva om du for eksempel bare undersøkte deltidsarbeidere, inkludert mange som aldri jobber på fredager likevel? Du kunne fått et veldig forskjellig resultat som ikke indikerer preferansene til den større populasjonen. 

Det er å opprettholde nøyaktighet og holde feil til et minimum. Utvalgsfeil kan oppstå selv når en sannsynlighetsbasert utvalgsstrategi utledes. Dette er fordi de statistiske målingene av utbredelse og sentral tendens (som gjennomsnitt og standardavvik) avviker litt, selv om utvalget er representativt for populasjonen. Målet ditt er å holde utvalgsfeil så lav som mulig. Du kan redusere utvalgsfeil ved å øke størrelsen på utvalget. 

Hvordan bestemmer du hvor mange personer du skal ha som mål for spørreundersøkelsen? Utforme den, sende den ut og håpe på det beste? Ikke helt. Hvis du kan innhente data fra populasjonen din, er ikke dette spørsmålet åpent: Den ideelle størrelsen til publikum er nøyaktig den samme som populasjonen. Hvis du undersøker et utvalg, er det imidlertid mer å vurdere.

Først må du anslå størrelsen av populasjonen. Selv om du ikke har en oppdatert populasjonsliste, er det en god idé å ha et grovt antall i tankene. Hvis du for eksempel er interessert i å finne ut om farene syklister opplever på veiene i området ditt, kan du bruke sekundærdata til å estimere at det er omtrent 20 000 syklister i området ditt. Når du har det tallet, kan du bruke en feilmargin. Dette er en måling av nøyaktigheten til resultatene dine, og det uttrykkes som en prosentandel. Hvis du er villig til å tolerere en feilmargin på 5 %, betyr det at du anslår at et sant resultat ligger i et område som er 5 % mer eller mindre enn statistikken. Så hvis du bruker en feilmargin på 5 % på statistikken som viser at 77 % av arbeidere i utvalget foretrekker fri på fredager, betyr det at det reelle tallet antageligvis er 72 % til 82 %.

Til slutt kan du bruke et diagram for utvalgsstørrelse for å sammenligne populasjonsstørrelsen din med feilmarginen for å få et grovt estimat av målet for utvalgsstørrelse. Du må selvfølgelig ikke glemme at ikke alle kommer til å fylle ut spørreundersøkelsen. Så hvis utvalgsstørrelsen er 100, bør du sende undersøkelsen til langt flere respondenter enn det for å nå målet for utvalgsstørrelse. 

Finn ut mer om hvordan du fastslår antall personer som må ta spørreundersøkelsen. 

Så det er kort sagt forskjellen mellom å innhente data fra en populasjon og et utvalg. Uansett hvilken markedsundersøkelse du vil utføre, starter du med å utforske alle de forskjellige typene spørreundersøkelser for markedsundersøkelser som finnes og finner den beste typen.