Hur väljer du urval vid en marknadsundersökning?

Vad är ett urval – och varför räcker det inte att fråga alla?

En totalundersökning innebär att man undersöker samtliga individer i den population man sedan vill uttala sig om. Den görs bara i sällsynta fall. I de allra flesta studier används i stället en urvalsundersökning: endast en del av individerna undersöks, och de utvalda kallas stickprov. Väljs stickprovet rätt kan det ses som en miniatyrkopia av populationen, och resultatet får representera alla individer i populationen.

I en marknadsundersökning är totalundersökning sällan genomförbar. Ofta är det omöjligt att få synpunkter från alla i målgruppen, och även om en enkät når varje person kommer några inte att svara eller inte att delta. Att ändå skicka ut till varenda person är en vanlig överdrift som kostar tid och pengar och gör processen mer komplicerad.

Ett exempel på skalan: att fråga varenda person i Europa tar lång tid och blir mycket kostsamt – undersökningen ska genomföras i olika länder, på olika språk och i olika tidszoner, och alla resultat ska samlas in och bearbetas. Med ett urval går datainsamlingen snabbare och billigare, och data kan dessutom ofta samlas in noggrannare när man hanterar ett litet antal personer än när man intervjuar en hel befolkning.

Utgå från syftet: bestäm målpopulation och vilka som ska svara

Identifiera först vilka slutsatser du vill kunna dra och vem du vill ska besvara enkäten. Det ger två beslut: vilken population resultaten ska gälla (målpopulationen) och vilken kanal och förteckning över personer du kan nå den genom.

Ett exempel visar varför kopplingen mellan syfte och urval måste vara explicit. En restaurang vill nå människor mellan 25 och 35 år i ett storstadsområde och vill veta vilken färg logotypen ska ha. I stället för att fråga alla i åldersspannet kan företaget använda ett urval på 100 personer ur gruppen. Om fler än hälften av dem tycker att blått är den mest tilltalande färgen, kan företaget dra slutsatser om 25–35-åringar i allmänhet och anpassa marknadsföringen. Frågar restaurangen i stället slumpmässigt valda personer om deras favoritfärg – inte personer i målgruppen – blir slutsatserna mindre pålitliga. Slutsatserna kan bara bli så bra som urvalsramen medger.

Täckningen är en andra kontroll. Om en del av landets befolkning inte kan svara – till exempel för att de inte har tillgång till internet – går det inte att veta om svaren är representativa för alla i landet. Formulera därför målpopulationen i egenskaper som faktiskt går att identifiera i urvalsramen (ålder, region, kundrelation, medlemskap) och lista vilka grupper ramen utesluter. De grupperna måste du senare beskriva som osäkra i rapporten.

Representativitet: rätt sammansättning före storlek

Representativitet handlar om urvalets sammansättning, inte om att det är så stort som möjligt. Norstat beskriver historien om den amerikanska tidskriften The Literary Digest som marknadsundersökningens grundläggande myt: för hundra år sedan genomförde tidskriften opinionsundersökningar bland sina tio miljoner läsare för att förutspå presidentvalet. Under fem val i rad var förutsägelserna helt korrekta – men 1936 misslyckades de massivt, trots cirka 2,4 miljoner intervjuer. George Gallup förutspådde samma val korrekt med ”bara” 50 000 intervjuer. Förklaringen var att Literary Digests läsare inte var representativa för den allmänna befolkningen: de hade en annan åldersstruktur, en annan genomsnittlig inkomst och uppenbarligen andra politiska preferenser. Gallup använde i stället kvoter för att alla grupper av människor skulle vara korrekt representerade i urvalet.

Samma poäng illustreras av A.C. Nielsen Jr., som på 1960-talet svarade dem som trodde att ett större urval automatiskt ökar representativiteten: ”Om du inte tror på slumpmässiga urval, nästa gång du tar ett blodprov, säg åt läkaren att ta allt.” Det spelar ingen roll om man analyserar en droppe blod eller en hel liter – analysresultaten blir desamma, eftersom droppen representerar helheten.

I liten skala: en grupp på 300 personer, 150 kvinnor och 150 män, ska ge feedback om en kurs. Du behöver inte svar från majoriteten. Ett representativt urval på kanske 60 personer, 30 kvinnor och 30 män, kan representera den större gruppen. Storleken spelar ändå viss roll: även i ett representativt urval kan enskilda målvariabler vara över- eller underrepresenterade på grund av slumpen. Statistiska beräkningar används för att uppskatta sannolikheten för att felet ligger inom en viss marginal – till exempel att avvikelsen från det verkliga värdet är mindre än en angiven procentsats vid en konfidensnivå på 95 procent.

Välj metod: sannolikhetsurval eller icke-sannolikhetsurval

I ett sannolikhetsurval har alla medlemmar i populationen en känd chans att väljas ut. Vid ett enkelt slumpmässigt urval har alla medlemmar – eller grupper av medlemmar – samma chans att komma med. Den egenskapen gör det möjligt att använda statistisk analys och dra generella slutsatser om den undersökta populationen.

Motsatsen är icke-sannolikhetsurval, där principen är ”man tager vad man haver”: man undersöker de individer som är lättast att få tag i. Resultaten gäller då de undersökta individerna, och om de även gäller dem som inte undersökts vet man oftast inte. Metoden används ändå av kostnadsskäl eller när kraven på exakt rätt svar inte är så höga, men i epidemiologiska undersökningar bör den undvikas.

Ett vanligt mellanting är kvoturval. Vet du att populationen består av 40 procent män och 60 procent kvinnor, bestämmer du att undersöka 40 män och 60 kvinnor – men tar dem på enklast möjliga sätt, till exempel de första 40 männen och de första 60 kvinnorna som kommer till en mottagning. Sammansättningen matchar då populationen på kvoten, men inom varje kvot är urvalet ett bekvämlighetsurval, vilket begränsar möjligheten att dra statistiska slutsatser.

Utöver enkelt slumpmässigt urval finns flera sannolikhetsurval. Stratifierat urval: populationen delas in i grupper (strata), till exempel kön eller ålder, och man drar slumpmässigt inom varje grupp. Systematiskt urval: man väljer till exempel var n:te individ i en lista. Klusterurval: man lottar hela grupper – skolor, vårdcentraler, butiker – och undersöker inom dem. Vid dataanalys är obundet slumpmässigt urval eller stratifierat urval i de flesta fall något bättre än systematiskt urval eller klusterurval. Praktiskt passar stratifiering när vissa grupper är små men viktiga att kunna uttala sig om, medan klusterurval passar när det saknas en lista över individer men finns en lista över grupper.

Fördelar och nackdelar med olika urvalsmetoder

Bestäm urvalsstorlek och felmarginal utifrån precision

Felmarginalen visar hur mycket ett urvalsresultat kan tänkas avvika från det värde du skulle fått om hela populationen hade svarat. Konfidensnivån anger hur säker beräkningen är. För opinionsundersökare är 95 procents konfidensnivå vanligast; då är risken mindre än 5 procent att det verkliga värdet faller utanför den angivna felmarginalen. Precisionen styr hur många svar du behöver: en snävare felmarginal kräver fler svar, och ska du kunna uttala dig om små delgrupper – en enskild ålder, en region, ett kundsegment – måste varje sådan delgrupp innehålla tillräckligt många svar.

Storleken är ändå underordnad sammansättningen, vilket exemplet om representativitet visar. Ett större urval minskar den slumpmässiga osäkerheten, men rättar inte upp en systematisk snedvridning i urvalsramen.

Räkneexemplet om representativitet visar att ett litet representativt urval kan räcka. Innan du lovar en viss urvalsstorlek i projektplanen bör du kontrollera genomförbarheten: är panelen eller registret tillräckligt stort för den urvalsstorlek som krävs, och klarar du kvoterna för de grupper du vill uttala dig om?

Nyckelvärden vid marknadsundersökningar

Undvik fallgropar: bortfall, snedvridning och svårtolkade resultat

Bortfall gör ofta att ett i övrigt korrekt urval inte blir representativt. Även om en enkät når varje person i målgruppen kommer några inte att svara eller inte vilja delta. Om benägenheten att svara dessutom skiljer sig systematiskt mellan grupper – till exempel mellan nöjda och missnöjda kunder eller mellan yngre och äldre – förskjuts resultatet i en riktning du inte kan korrigera i efterhand utan att veta hur de som inte svarade skiljer sig.

Täckningsfel uppstår när delar av målpopulationen inte kan nås genom kanalen du använder. Om en del av befolkningen inte har tillgång till internet går det inte att veta om svaren från dem du når är representativa för alla. Kontrollera därför i förväg vilka grupper urvalsramen utesluter.

Snedvridning kan också vara inbyggd i ramen; se exemplet om representativitet. Även i ett representativt urval kan enskilda målvariabler vara över- eller underrepresenterade på grund av slumpen, och det går inte att styra när data väl samlas in. Statistiska beräkningar kan bara uppskatta sannolikheten att felet ligger inom en given marginal.

Den sista fallgropen är generaliseringen. Vid icke-sannolikhetsurval gäller resultaten de undersökta individerna, och om de också gäller dem som inte undersökts vet man oftast inte. Konkreta åtgärder: dokumentera urvalsram, urvalsmetod och bortfall; jämför urvalets sammansättning med kända data om populationen, till exempel officiell statistik över kön, ålder och region; använd kvoter eller viktning när vissa grupper blivit fel representerade; redovisa konfidensnivå och felmarginal; och ange uttryckligen vilka delgrupper som är för små för att bära några slutsatser och vilka resultat som inte kan generaliseras utanför de svarande.

Praktisk beslutsguide: så väljer du urval steg för steg

1. Definiera syfte och målpopulation. 2. Bedöm om sannolikhetsurval är möjligt. 3. Välj urvalsmetod. 4. Bestäm urvalsstorlek och felmarginal. 5. Granska representativiteten före analys. 6. Dokumentera urvalsram, metod, bortfall, konfidensnivå, felmarginal och vilka resultat som bara gäller de svarande.