Er du klar til at sende en spørgeundersøgelse? En af de første ting, du skal gøre, er at sætte en ramme omkring din stikprøve eller en gruppe individer, som du ønsker at indhente data fra. Der er mange forskellige måder at definere en stikprøve på, og det kan hurtigt føles lidt forvirrende, når man skal beslutte sig for en målgruppe til en spørgeundersøgelse. I denne guide deler vi indsigter om forskellige stikprøvetilgange, deres fordele og ulemper, og hvornår man skal bruge hvad, så du er på rette vej med din markedsanalyse.

Ordene stikprøve og population bruges ofte i flæng, når det gælder spørgeundersøgelsesbaseret analyse, men det handler faktisk om to meget forskellige grupper individer. En population er hele gruppen af individer, som potentielt kan deltage i din spørgeundersøgelse. Hvis du for eksempel ønsker at få feedback på et produkt, som du har lanceret sidste år, så vil populationen være alle personer, som har købt, prøvet eller på anden måde været i forbindelse med produktet. Stikprøven derimod er en delmængde af populationen. Stikprøven kan identificeres og udvælges på forskellige måder. Du kan for eksempel fokusere på kundedemografi – hvis du er interesseret i feedback fra kvindelige kunder, vil køn være grundlaget for din stikprøvestrategi. Andre kendetegn, der kan danne grundlag for din stikprøve, kan være geografi eller adfærd. Hvis populationen er meget stor og derfor uhåndterlig, er det måske at foretrække at vælge en mindre stikprøve, der vil være nemmere at gå til, efter tilfældighedsprincippet.

Genopfrisk din spørgeundersøgelsesterminologi, inden du udfører din markedsanalyse.

Både indsamling af data fra en population og fra en stikprøve har fordele. Der er også nogle gode tommelfingerregler, som du kan bruge som vejledning til, hvilken tilgang du skal vælge – og hvornår.

Når man udfører enhver form for analyse, uanset om det handler om en brandkendskabsanalyse eller indsamling af kundefeedbackdata vil det i den ideelle verden være hele populationen, der bliver undersøgt. Hvorfor? Hvis alle medlemmer af populationen leverer analysedata, har du den bedste garanti for, at de konklusioner, du udleder, er repræsentative for populationen. Med andre ord, indsamling af data fra populationen er med til at forbedre gyldigheden og pålideligheden af dine analyseresultater. 

Men i praksis er det ikke altid muligt at indsamle data fra hele populationen. Den vigtigste grund er, at populationer ofte er svære at identificere og endnu sværere at få adgang til, så dine besvarelser er statistisk gyldige. Hvis grænserne for populationen er klart defineret, og målgruppen er mere eller mindre givet, giver det mening at indsamle data fra en population. Hvis du for eksempel er interesseret i at indsamle data om medarbejderengagement, kan du muligvis tage en populationsbaseret tilgang ved at anvende en liste over dine medarbejdere fra HR-afdelingens arkiver og e-maile hver enkelt direkte. 

Derudover giver denne tilgang mening, hvis populationen er lille og samarbejdsvillig eller interesseret i resultatet af spørgeundersøgelsen (som for eksempel alle 30 pilotbrugere af en ny tjeneste). Men hvis grænserne for populationen ikke er klart defineret, hvis populationen er meget stor eller geografisk spredt, vil det ofte være nødvendigt at udtage en stikprøve.

Hvis indsamling af data fra en population giver dig den bedste position til at udtrække valide og præcise indsigter, hvorfor skulle man så undersøge en stikprøve i stedet for en population? Det korte svar er: af nødvendighed. Det er sjældent praktisk muligt for analytikere at få adgang til hele populationen på grund af dens størrelse og geografiske udbredelse. Lad os sige, at du har en travl madvogn i et område med mange virksomheder. Du er interesseret i at få mere at vide om chefernes frokostpræferencer i de omkringliggende kontorer. En populationsbaseret tilgang kræver, at du har adgang til en komplet liste over alle medarbejderne – hvilket du højst sandsynligt ikke kan få. I sådanne tilfælde er det nødvendigt at indsamle data fra en del af populationen. Herefter kan du generalisere og overføre resultaterne til den bredere population. Med andre ord, ved at benytte en stikprøve kan du ofte antage, at analyseresultaterne er repræsentative for den bredere population, som stikprøven er udtaget fra. Det gælder ofte, men ikke altid. Lad os se nærmere på det.

Der er to primære strategier til stikprøveudtagning, hvis du beslutter dig for at tage en stikprøvebaseret tilgang: sandsynlighedsbaseret stikprøveudtagning og ikke-sandsynlighedsbaseret stikprøveudtagning.

Sandsynlighedsbaseret stikprøveudtagning er en metode, der er baseret på tilfældighedsprincipper

Det er enhver tilgang, hvor alle medlemmer af en population har lige stor chance for at blive inkluderet i stikprøven. Hvis du for eksempel har en populationsliste, også kaldet en ramme for stikprøveudtagning, kan du benytte en tilfældighedsgenerator og herefter vælge de individer, hvis placering på listen svarer til de genererede tal. Denne tilgang kaldes en simpel tilfældig stikprøveudtagning. 

En anden tilgang kan være en systemisk tilfældig stikprøveudtagning, hvor man vælger hvert 10. eller hvert 100. individ i rammen for stikprøveudtagning. Stratificeret stikprøveudtagning svarer til tilfældig stikprøveudtagning, men i det første tilfælde er populationen inddelt i grupper med fælles kendetegn. For eksempel kan kunderne være inddelt i grupper, alt efter hvor ofte de køber fra dig, eller efter hvor meget de køber for. Herefter bruger du en simpel eller systemisk tilfældig stikprøveudtagning til at udvælge individer fra hver gruppe. Det hjælper med at sikre, at forskellige segmenter af populationen bliver repræsenteret i den endelige stikprøve.

Ikke-sandsynlighedsbaseret stikprøveudtagning er mere selektiv

Med denne metode er det ikke alle medlemmer i en population, der har samme mulighed for at blive udtaget til stikprøven. Hvis du for eksempel undersøger alle besøgende på din hjemmeside en lørdag morgen, vil det kun være personer, som køber i weekenden, der har mulighed for at medvirke i undersøgelsen. Alternativt kan du vælge kun at sende spørgeundersøgelser til kunder, som du har et personligt forhold til, mens kunder, som du ikke kender så godt, bliver ignoreret. Det kan give fejl i din stikprøve og betyde, at din stikprøve ikke er repræsentativ for populationen. Så hvorfor benytte denne tilgang? Selvom sandsynlighedsbaserede tilgange er ideelle, kræver de, at du har adgang til den vigtige, men ofte svært tilgængelige populationsliste.

Som vi har set flere eksempler på, vil det ofte være nødvendigt, at du indsamler data fra en stikprøve i stedet for fra hele populationen. Men bare fordi du gør det af nødvendighed, betyder det ikke, at der ikke er mange fordele ved at indsamle data fra en stikprøve:

Uanset om du indsamler dine data fra en stikprøve eller fra en population, skal du sørge for, at du har din terminologi på plads. En af de store forskelle på populationsbaserede og stikprøvebaserede tilgange relaterer til, hvordan man bestemmer strikprøvestørrelsen. Som vi forklarer mere om her, er stikprøvestørrelsenet estimat for det antal målpersoner, som du ideelt set ønsker skal gennemføre din spørgeundersøgelse. Begreberne statistik og parameter er beslægtede, men forskellige begreber, der er relevante for indsamling af data fra en stikprøve eller fra en population. Lad os se nærmere på dem.

Et parameter er et mål for et kendetegn ved en population, baseret på data indsamlet fra hele populationen. Lad os for eksempel sige, at du har besluttet, at virksomheden skal have en 4-dages arbejdsuge for at styrke medarbejdernes motivation og engagement (heldige medarbejdere!). Du sender en undersøgelse til alle medarbejdere og spørger, hvilken ugedag de helst vil have fri. Hvis alle dine medarbejdere besvarer undersøgelsen, og 80 % af dine medarbejdere svarer, at de helst vil have fri om fredagen, er dette tal et parameter for populationen. 

En statistik er et resultat, der er udledt af data, indsamlet fra en stikprøve af populationen. Forestil dig, at du har en stor medarbejderbase, så du beslutter dig for at sende din spørgeundersøgelse til en repræsentativ stikprøve. Resultaterne er i store træk de samme, som hvis du har indsamlet data fra hele populationen – størstedelen af medarbejderne (77 %)  håber på at få en lang weekend med fredage fri. I dette tilfælde ændrer resultatet sig ikke, men måden, du beskriver det på, gør – 77 % kaldes nu en statistik. Hvorfor skal du kende forskellen mellem de to? Svaret handler om prøvefejl.

Prøvefejl er en anden vigtig stikprøverelateret terminologi, som du skal kende. Kort fortalt er en prøvefejl forskellen mellem et populationsparameter og en stikprøvestatistik. Hvis vi går tilbage til vores tidligere eksempel, så vi, at når en hel population blev spurgt om deres foretrukne fridag, sagde 80 % fredag, men når en stikprøve blev undersøgt sagde 77 % fredag. Prøvefejl er forskellen mellem resultaterne fra populationen og resultaterne fra stikprøven – i dette tilfælde 3 %.

Eksemplet viser, hvor vigtigt det er at anvende en stikprøve, der repræsenterer populationen bedst muligt. For hvad nu hvis du kun spurgte deltidsmedarbejdere, inklusive dem, som alligevel aldrig arbejder om fredagen? Så får du måske et helt andet resultat, som ikke repræsenterer den brede population. 

Det er at sikre nøjagtighed og holde fejlene på et minimum. Prøvefejl kan forekomme, selv når der er anvendt en sandsynlighedsbaseret stikprøveudtagningsstrategi. Det er fordi statistiske mål for spredning og middelværdi (som for eksempel gennemsnit og standardafvigelser) vil afvige en smule, selv hvis stikprøven er repræsentativ for populationen. Dit mål er at holde antallet af prøvefejl så langt nede som muligt. Du kan reducere prøvefejl ved at øge din stikprøvestørrelse. 

Hvordan bestemmer du, hvor mange der skal deltage i din spørgeundersøgelse. Designer du den bare, sender den ud og håber på det bedste? Nej, selvfølgelig ikke. Hvis du kan indsamle data fra din population er spørgsmålet underordnet: Målgruppens ideelle størrelse er præcis den samme som størrelsen af din population. Men hvis du undersøger en stikprøveudtagning, skal du gøre dig flere overvejelser.

For det første skal du estimere størrelsen på populationen. Selv hvis du ikke har en opdateret population, er det en god idé at lave et groft estimat. Hvis du for eksempel vil undersøge farlige steder for cyklister på vejene i din region, kan du bruge sekundære data til at estimere, at der er omkring 20.000 cyklister i dit område. Når du har det tal, kan du anvende en fejlmargen. Det er ganske enkelt et mål for nøjagtigheden af dine resultater, og det bliver udtrykt i procent. Hvis du vil tolerere en fejlmargen på 5 %, betyder det, at du estimerer, at det sande resultat ligger i et område, der er 5 % mere eller mindre end din statistik. Så anvendelse af en 5 % fejlmargen til statistikken, der viser, at 77 % af medarbejderne i stikprøven vil foretrække at have fredag fri, betyder at det sande tal højst sandsynligt ligger mellem 72 % og 82 %.

Endelig kan du bruge et diagram til stikprøvestørrelse til at sammenligne din populationsstørrelse med din fejlmargen for at give dig et groft estimat af din målstikprøvestørrelse. Du må heller ikke glemme, at det ikke er alle, der udfylder din spørgeundersøgelse! Så hvis din stikprøvestørrelse er 100, skal du undersøge mange flere respondenter end det for at nå din målgruppestørrelse. 

Få mere at vide, om hvordan du bestemmer antallet af personer, der skal deltage i din spørgeundersøgelse. 

Det er forskellen mellem indsamling af data fra en population og fra en stikprøve. Uanset hvilken form for markedsanalyse du skal i gang med, skal du starte med at udforske de forskellige typer spørgeundersøgelser til markedsanalyse, der findes, og vælge den bedste.