Ikke-tilfældig udvælgelse

Det kan være en kompliceret opgave at gennemføre en spørgeundersøgelse i stor skala. Selvfølgelig ønsker man at ens resultater afspejler hele populationen, men det er svært at give alle, som du gerne vil høre fra, mulighed for at deltage i en spørgeundersøgelse.

En effektiv løsning er at benytte ikke-tilfældig udvælgelse, som er noget, SurveyMonkey ved en hel del om. Vi har mere end en halv million mennesker klar til at deltage i spørgeundersøgelser gennem vores Audience -panel når som helst – SurveyMonkey har den største ikke-tilfældig udvælgelse i USA.

Ikke-tilfældig udvælgelse vælger en gruppe respondenter fra en større population, velvidende at nogle medlemmer af populationen ikke har mulighed for at blive valgt. Det er ikke tilladt i tilfældig udvælgelse, som kræver, at alle i populationen har en ikke-nul chance for at blive valgt.

Uanset om du bruger et panel som SurveyMonkey Audience eller et andet design for Ikke-tilfældig udvælgelse, vil måden du vælger respondenter på bevidst ekskludere nogle medlemmer af populationen.

Sommetider er disse eksklusioner indlysende, som når folk kan til- og framelde at skulle svare dig. For eksempel kan du bede dine kunder om lov til at få deres e-mailadresser, så de kan deltage i en spørgeundersøgelse om feedback fra kunder. Nogle kunder vil takke nej, og de vil derfor ikke få mulighed for at deltage i din spørgeundersøgelse.

Andre gange vil eksklusionerne være mindre tydelige. Lad os sige at du har planlagt, at de første 100 mennesker, som besøger din butik på en givet dag, skal deltage i spørgeundersøgelsen. Det kan se ud til at være et design for tilfældig udvælgelse, men der vil givetvis være en forskel på de mennesker, som besøger din butik om morgenen og de, som besøger butikken senere på dagen.

Hvis din butik åbner klokken 9 om morgenen, er der større chance for, at dagens første kunder har et arbejde sammenlignet med de, der kommer i butikken ved 19-20-tiden om aftenen. Da en del af populationen ikke har mulighed for at være blandt de 100 første kunder, kan dine resultater blive ensidige – så du i virkeligheden benytter ikke-tilfældig udvælgelse her.

Her er en række design for ikke-tilfældig udvælgelse, som alle benyttes ofte, selvom de ikke er egnede til alle spørgeundersøgelser:

Tilfældig udvælgelse foretrækkes af statistikere, men for dem, som gennemfører spørgeundersøgelser i den virkelige verden, er ikke-tilfældig udvælgelse mere praktisk. Hvis det bliver udført godt, kan ikke-tilfældig udvælgelse give dig de samme (eller bedre) højkvalitetsdata, som du kan få fra en ægte tilfældig udvælgelse.

De fleste spørgeundersøgelser er målrettet en specifik population og behøver ikke garantere samme diversitet og repræsentation som en tilfældig udvælgelse. Hvis du skal lave en markedsanalyse blandt mødre med små børn, har du ikke brug for en tilfældig udvælgelse, der inkluderer mænd, barnløse eller folk med voksne børn.

Selv hvis en ikke-tilfældig udvælgelse ikke dækker din interessepopulation optimalt, er der stadig mange fordele ved at holde fast ved den.

Det er almindeligvis hurtigere og billigere at få besvarelser med ikke-tilfældig udvælgelse end med tilfældig udvælgelse, fordi deltagerne er mere motiverede til at svare end mennesker, som bliver kontaktet tilfældigt. Mennesker, som for eksempel er udvalgt fra en mailingliste, er ofte mere loyale overfor virksomheden end mennesker, der ikke står på listen.

Den største udfordring ved ikke-tilfældig udvælgelse er at genskabe den samme type ikke-entydige resultater som tilfældig udvælgelse giver dig.

Du skal altid passe på, at måden du rekrutterer respondenter på, ikke skævvrider dine data. Nogle onlinepaneler betaler deres respondenter, hvilket kan føre til ensidighed fra "professionelle" deltagere, som udelukkende svarer for pengenes skyld og ikke giver dig den information, du ønsker.

Når du gennemfører en ikke-tilfældig spørgeundersøgelse, skal du sørge for at gennemtænke potentielle årsager til ensidighed. Det er ikke altid nemt at forudsige, hvad der kan skabe ensidige resultater, men det er vigtigt at have en forskelligartet gruppe af respondenter med egenskaber, der matcher din interessepopulation. Det vil ikke bare give dig data, der er lige så præcise som ved tilfældig udvælgelse, men det vil også være meget mere omkostnings- og tidseffektivt.