Känner du dig redo att skicka ut en enkät? Något av det första du måste göra är att definiera ett urval, en uppsättning individer från vilka du ska samla in data. Det finns många olika sätt att identifiera en provgrupp och det är lätt att bli förvirrad, särskilt när det handlar om att skilja på urval och population. I den här guiden delar vi med oss av vår kunskap om olika urvalsmetoder, deras för- och nackdelar samt när de olika metoderna passar bäst, så att du kommer igång rätt med din marknadsundersökning.

Du kanske har hört termerna urval och population användas synonymt inom enkätundersökningar, men termerna avser faktiskt helt olika grupper med individer. En population är den kompletta uppsättningen individer som kan delta i en undersökning. Om du till exempel försöker samla in kundernas synpunkter på en produkt ni lanserade förra året är populationen alla individer som köpte, provade eller på något annat sätt interagerade med produkten. Ett urval å andra sidan är en delmängd av populationen. Urvalet kan definieras och utses på olika sätt. Du kan till exempel fokusera på kunddemografi om du är intresserad av synpunkter från kvinnliga kunder så att kön utgör grunden för din urvalsstrategi. Andra egenskaper som kan utgöra urvalsgrund är bland annat geografiska attribut eller beteendeattribut. Om populationen är så stor att det blir besvärligt att samla in data från hela populationen kan det också vara en bra idé att göra ett mindre, mer hanterbart urval med en slumpmässig metod.

Friska upp dina kunskaper i enkätterminologi innan du genomför marknadsundersökningen.

Det finns fördelar med att samla in data från en population såväl som från ett urval. Dessutom finns det ett antal bra tumregler som du kan använda för att avgöra vilken metod du ska använda i vilken situation.

I en perfekt värld samlar du in data från hela populationen när du utför en undersökning, vare sig det gäller varumärkeskännedom eller kundsynpunkter. Varför? Om du får data från alla individer som ingår i populationen är det också störst chans att de slutsatser du drar är representativa för urvalet. Med andra ord ökar giltigheten och tillförlitligheten för resultatet om du samlar in data från hela populationen.

I praktiken är det däremot sällan möjligt att samla in data från hela populationen. Huvudskälet är att det ofta är svårt att identifiera en population och ännu svårare att få tillgång till den så att du får svar som är statistiskt giltiga. Om gränserna för populationen är tydliga och målgruppen mer eller mindre tvungen att delta är det en bra idé att samla in data från hela populationen. Om du till exempel vill samla in data om medarbetarengagemang kan du förmodligen använda en populationsbaserad metod, som en lista över företagets alla medarbetare från personalavdelningen, och mejla var och en direkt. 

Den här metoden passar dessutom bra när populationen är liten och samarbetsvillig eller intresserad av enkätresultatet (till exempel alla 30 testanvändare av en ny tjänst). Men om populationens gränser är suddiga, om populationen är mycket stor eller om populationen är geografiskt utspridd blir det ofta nödvändigt att göra ett urval.

Om datainsamling från en population ger dig den bästa möjligheten att få giltiga och korrekta insikter, varför skulle du då använda ett urval i stället? Det korta svaret är för att du måste. Det är sällan praktiskt att använda hela målpopulationen med tanke på dess storlek och geografiska spridning. Anta att du har en populär matvagn i ett industriområde. Du vill skicka en enkät till cheferna på de omkringliggande företagen för att få veta vad de vill ha till lunch. Om du då skulle använda en populationsbaserad metod måste du få en komplett och korrekt lista över alla anställda, något som är högst osannolikt att du får. I sådana här fall måste du samla in data från en delmängd av populationen. Sedan kan du generalisera resultatet för den större populationen. Med hjälp av ett urval kan du alltså ofta anta att resultatet är representativt för den större populationen ur vilken urvalet drogs. Ofta, men inte alltid. Vi tittar närmare på det.

Om du bestämmer dig för en urvalsbaserad metod finns det två huvudsakliga urvalsstrategier: sannolikhetsurval och icke-sannolikhetsurval.

Sannolikhetsurval är en slumpmässig urvalsmetod

Med den har alla individer i populationen lika stor chans att ingå i urvalet. Om du till exempel har en populationslista, som kallas urvalsgrupp, kan du använda en funktion som genererar nummer slumpmässigt och sedan välja individer vars position i listan motsvarar de genererade numren. Detta kallas enkelt slumpmässigt urval. 

Ett annat sätt är att använda ett systematiskt slumpmässigt urval och till exempel välja var tionde eller hundrade individ i urvalsgruppen. Stratifierat urval liknar slumpmässigt urval, men populationen delas först in i grupper med likartade attribut. Kunderna kan till exempel delas in i grupper baserat på hur ofta de köper något av er eller hur mycket de handlar för. Sedan används ett enkelt eller systematiskt slumpmässigt urval för att välja ut individer från varje grupp. På så sätt försäkrar du dig om att populationens alla olika segment är representerade i det slutliga urvalet.

Icke-sannolikhetsurval är mer selektivt

Med den här metoden har inte alla individer i populationen samma chans att ingå i urvalet. Om du till exempel skickar en enkät till alla som besöker webbplatsen en lördagsmorgon är det bara de som handlar på helgen som har en chans att väljas ut till enkäten. Du kanske också bara skickar enkäter till kunder som du har en personlig relation till, vilket utesluter kunder som du inte känner. Detta kan leda till att urvalet innehåller felaktigheter och inte är representativt för populationen. Varför skulle du då använda den här metoden? Sannolikhetsurval i all ära, men då måste du ha tillgång till den där fullständiga och svåråtkomliga populationslistan.

Som vi har sett är det ofta nödvändigt att samla in data från ett urval i stället för en hel population. Men bara för att du är tvungen att göra det på grund av yttre omständigheter så betyder det inte att det saknas fördelar med att samla in data utifrån ett urval:

Vare sig du samlar in data från en urvalsgrupp eller en population ser du till att ha koll på terminologin. En av de största skillnaderna mellan en populationsbaserad och en urvalsbaserad strategi handlar om hur urvalsstorleken fastställs. Som vi förklarar närmare här är urvalsstorleken en uppskattning av antalet individer som du helst vill ska slutföra enkäten. Termerna statistika och parameter är två besläktade men helt olika begrepp som rör datainsamling från en urvalsgrupp eller en population. Vi tittar närmare på dem.

En parameter är ett mått på en egenskap hos en population som bygger på data som samlats in från hela populationen. Anta till exempel att du har bestämt dig för att införa 4-dagarsvecka för att förbättra motivationen och engagemanget hos medarbetarna (vilken tur de har!). Du skickar ut en enkät till alla anställda och frågar vilken veckodag de helst vill vara lediga på. Om alla anställda fyller i enkäten och 80 % av de anställda säger att de helst är lediga på fredagar är det en parameter för populationen.

En statistika å andra sidan är resultat som härletts från data som samlats in från ett urval av populationen. Om företaget har väldigt många anställda kanske du bestämmer dig för att skicka enkäten till ett slumpmässigt representativt urval. Resultatet blir i stort sett samma som om du samlat in data från hela populationen – en klar majoritet av de anställda (77 %) vill ha långhelg med ledig fredag. I det här fallet förändras inte resultatet, men ditt sätt att beskriva det påverkas – dessa 77 % kallas nu en statistika. Varför behöver du känna till skillnaden mellan dessa båda termer? Svaret handlar om urvalsfel.

Urvalsfel är ett annat viktigt ord i den terminologi du bör känna till. Enkelt uttryckt är ett urvalsfel skillnaden mellan en populationsparameter och en urvalsstatistika. Om vi går tillbaka till vårt tidigare exempel såg vi att när hela population tillfrågades om vilken dag de ville ha ledigt svarade 80 % fredag, men när ett urval tillfrågades svarade 77 % fredag. Urvalsfelet är skillnaden mellan dessa båda resultat, som i det här fallet är 3 %.

Det här exemplet visar på vikten av att försöka få ett urval som är så representativt som möjligt för populationen. Vad skulle till exempel hända om du bara frågade deltidsarbetande anställda, där många kanske ändå aldrig jobbar på fredagar? Du kanske får ett helt annat resultat som inte alls ligger i linje med den större populationen.

Syftet är att bibehålla riktigheten och minimera felen. Urvalsfel kan uppstå även när sannolikhetsurval används. Det beror på att statistiska mått som spridnings- och centralmått (som medianvärde och standardavvikelse) alltid skiljer sig åt något, även om urvalet är representativt för populationen. Målet är att ha ett så litet urvalsfel som möjligt. Du kan minska urvalsfelet genom att öka storleken på urvalsgruppen.

Hur ska du avgöra hur många individer som ska ingå i enkäten? Utforma den, skicka den och hoppas på det bästa? Helst inte. Om du kan samla in data från hela populationen är frågan överflödig: den perfekta målgruppsstorleken är identisk med populationsstorleken. Om du skickar enkäten till ett urval är det däremot en hel del du ska tänka på.

Först och främst måste du fastställa populationens storlek. Även om du inte har en aktuell populationslista är det en bra idé att ha en ungefärlig siffra i åtanke. Om du till exempel vill lära dig mer om vilka faror cyklister upplever på vägarna i ditt område kan du använda sekundära data för att uppskatta att det finns ungefär 20 000 cyklister i det aktuella området. När du väl har den siffran kan du använda en felmarginal. Det är ett mått på hur korrekt resultatet är, och det uttrycks i procent. Om du kan acceptera en felmarginal på 5 % betyder det att du uppskattar att det verkliga resultatet ligger inom ett intervall på plus eller minus 5 % av statistikan. Så om du använder en felmarginal på 5 % för den statistika som visar att 77 % av de tillfrågade anställda helst vill vara lediga på fredagar så betyder det att den verkliga siffran troligen ligger någonstans mellan 72–82 procent.

Slutligen kan du använda ett diagram för provgruppsstorlek för att jämföra populationsstorleken med felmarginalen så att du får en grov uppskattning av den önskade provgruppsstorleken. Tänk bara på att det inte är alla som kommer att fylla i enkäten. Så om provgruppsstorleken är 100 måste du skicka enkäten till betydligt fler svarande än så för att nå önskad målgruppsstorlek.

Ta reda på mer om hur du fastställer hur många personer som måste fylla i enkäten.

Där har du det, skillnaden mellan att samla in data från en population och från ett urval. Oavsett vilken typ av marknadsundersökning du vill göra börjar du med att utforska de många olika marknadsundersökningsenkäter som finns och letar upp den som passar dig bäst.