Oletko valmis lähettämään kyselytutkimuksen? Yksi ensimmäisistä tehtävistä on päättää otoksen koko eli niiden ihmisten lukumäärä, joilta haluat kerätä dataa. Otoksen koon voi määrittää monella eri tavalla, joten vaihtoehtojen viidakkoon on helppo eksyä. Näin käy erityisesti, jos otoksen ja populaation määritelmät eivät ole täysin selviä. Tästä oppaasta saat tietoa erilaisista otantatavoista sekä niiden eduista, haitoista ja siitä, milloin kutakin tulisi käyttää. Näin etenet alusta alkaen oikeaan suuntaan markkinatutkimusta tehdessäsi.

Otoksen ja populaation käsitteitä saatetaan käyttää synonyymeinä kyselytutkimuksissa, mutta itse asiassa ne tarkoittavat varsin erilaisia ihmisjoukkoja. Populaatio tarkoittaa kaikkia ihmisiä, jotka voisivat mahdollisesti osallistua tutkimukseen. Jos esimerkiksi yrität saada asiakaspalautetta viime vuonna lanseeraamastasi tuotteesta, populaatio kattaisi kaikki ihmiset, jotka ovat ostaneet tuotteen, kokeilleet sitä tai käyttäneet sitä muilla tavoilla. Sitä vastoin otos on osajoukko populaatiosta, ja se voidaan määrittää ja valita usein eri tavoin. Jos esimerkiksi olet kiinnostunut saamaan palautetta naispuolisilta asiakkailta, otantastrategiasi perusta on sukupuoli, jolloin keskityt käyttämään asiakkaiden demografisia tietoja. Otoksen voi muodostaa myös vaikkapa maantieteellisen sijainnin tai erilaisten käytösten perusteella. Lisäksi on huomioitava, että jos populaatio on varsin mittava, datan kerääminen populaatiosta on hankalaa, jolloin kannattaa valita satunnaisesti helpommin hallittava pienempi otos.

Teroita kyselytutkimustermien tuntemustasi ennen kuin toteutat markkinatutkimuksen.

Datan keräämisessä niin populaatiosta kuin otoksesta on hyviä puolia. Tämän lisäksi voit noudattaa helppoja perussääntöjä, jotka ohjaavat oikean tavan valintaan oikeissa tilanteissa.

Täydellisessä maailmassa dataa kerättäisiin koko populaatiosta kaikentyyppisiin tutkimuksiin, olipa kyseessä sitten bränditietoisuutta koskevat tutkimus tai asiakaspalautteen kerääminen. Mutta miksi? Jos populaation jokainen jäsen antaa antaisi tutkimusdataa, voisit olla täysin varma, että tuloksista tekemäsi johtopäätökset edustaisivat koko populaatiota. Toisin sanottuna datan kerääminen populaatiosta auttaa parantamaan tutkimustulosten kelpoisuutta ja luotettavuutta. 

Käytännössä datan kerääminen tutkimuspopulaatiosta ei kuitenkaan ole aina mahdollista. Suurin syy tähän on se, että populaatioita on usein hankala tunnistaa ja sitäkin hankalampi tavoittaa, jotta vastaukset olisivat tilastollisesti kelvollisia. Jos populaation rajat on määritetty selkeästi ja yleisön saa jollain tavalla kiinni, datan keräämisessä koko populaatiosta on järkeä. Jos esimerkiksi haluat saada tietoa työntekijöiden sitoutumisesta, voit todennäköisesti kysellä koko populaatiolta, sillä voit pyytää henkilöstöhallinnolta listan, joka sisältää kaikki työntekijät. Näin voit lähettää kaikille sähköpostia suoraan. 

Tämä on kätevä tapa myös silloin, kun populaatio on pieni ja yhteistyöhaluinen tai kiinnostunut kyselytutkimuksen tuloksista (esimerkiksi uuden palvelun kaikki 30 ensikäyttäjää). Jos populaation rajat eivät kuitenkaan ole selkeät tai populaatio on hyvin suuri tai levittäytynyt laajalle maantieteelliselle alueelle, otoksen käyttäminen on tavallisesti tarpeen.

Jos datan kerääminen populaatiosta antaa parhaat edellytykset kelvollisten ja tarkkojen havaintojen tekemiseen, miksi pitäisi käyttää otosta populaation sijasta? Lyhyesti sanottuna se on välttämätöntä. Tutkijoiden kannalta on harvoin käytännöllistä tutkia koko kohdepopulaatiota sen koon ja maantieteellisen levittäytymisen vuoksi. Sanotaan vaikka, että sinulla on suosittu myyntiauto yrityspuistossa ja haluat kysellä lähistöllä olevien yritysten johtajilta heidän lounasmieltymyksistään. Jos perustat kyselysi populaatioon, tarvitset kaikki työntekijät sisältävän virheettömän listan, jota sinulla ei todennäköisesti ole. Tällaisissa tapauksissa voit kerätä dataa vain populaation osajoukolta, mutta tulokset voidaan yleistää koko populaatioon. Toisin sanottuna otosta käyttämällä voit usein olettaa, että tutkimuksen tulokset edustavat sitä laajempaa populaatiota, jolta otos otettiin. Katsomme nyt, miksi tämä onnistuu usein, muttei kuitenkaan aina.

Jos päätät käyttää otosta, voit valita kahdesta yleisimmästä otantastrategiasta, jotka ovat todennäköisyyteen perustuva otanta ja harkinnanvarainen otanta.

Todennäköisyyteen perustuva otanta on satunnainen otantamenetelmä

Se tarkoittaa mitä tahansa menettelyä, jossa populaation jokaisella jäsenellä on yhtäläinen mahdollisuus tulla valituksi otokseen. Esimerkki: jos sinulla on lista populaatiosta eli otantakehikko, voit käyttää esimerkiksi satunnaislukugeneraattoria ja valita sitten jokaisen henkilön, jonka sijainti listassa vastaa saatua numeroa. Tätä kutsutaan yksinkertaiseksi satunnaisotannaksi. 

Toinen tapa on systemaattinen otanta, jolloin otantakehikosta valitaan esimerkiksi joka kymmenes tai joka sadas henkilö. Ositettu otanta on samankaltainen kuin satunnainen otanta, mutta ensimmäisessä tapauksessa populaatio jaetaan ryhmiin, joiden ominaisuudet ovat samankaltaisia. Esimerkiksi asiakkaat voidaan jakaa ryhmiin sen perusteella, miten usein he asioivat kanssasi tai miten paljon rahaa he käyttävät. Tämän jälkeen jokaisesta ryhmästä valitaan henkilöitä yksinkertaisen tai systemaattisen otannan avulla. Näin varmistetaan, että populaation eri segmentit ovat edustettuina lopullisessa otoksessa.

Harkinnanvarainen otantatapa on valikoivampi

Tätä tapaa käytettäessä populaation kaikilla jäsenillä ei ole yhtäläistä mahdollisuutta tulla valituksi otokseen. Jos esimerkiksi esittäisit kyselytutkimuksesi verkkosivustollasi lauantaisin käyville vieraille, saisit vastauksia vain viikonloppushoppaajilta. Toisaalta voisit lähettää kyselytutkimuksen vain asiakkaille, jotka tunnet henkilökohtaisesti, mutta tällöin jättäisit huomiotta asiakkaat, joita et tunne kovin hyvin. Tämän vuoksi otokseesi voi tulla vinouma, jolloin otos ei edusta koko populaatiota. Miksi tätä tapaa pitäisi sitten käyttää? Vaikka todennäköisyyteen perustuvat menetelmät ovat ihanteellisia, ne vaativat, että pystyt tavoittamaan koko populaation kaikki ihmiset.

Kuten olemme huomanneet, sinun on usein kerättävä dataa otoksesta koko populaation sijasta. Vaikka joudutkin tekemään näin pakon edessä, se ei tarkoita, ettei datan kerääminen otoksesta olisi hyödyllistä:

Varmista, että käytät oikeita termejä, keräsitpä sitten dataa otoksesta tai populaatiosta. Eräs suurimmista eroista populaatioon ja otokseen perustuvan tavan välillä liittyy otoskokoon. Kuten olemme kuvanneet, otoskoko on arvio kyselytutkimuksen vastaajien lukumäärästä. Tilastotieto ja parametri ovat kaksi toisiinsa liittyvää erillistä käsitettä, jotka koskevat datan keräämistä otoksesta tai populaatiosta. Tutustumme nyt kumpaankin.

Parametrilla mitataan jotain populaation piirrettä, joka perustuu koko populaatiosta kerättyyn dataan. Jos olet esimerkiksi päättänyt ottaa käyttöön nelipäiväisen työviikon, tavoitteesi on lisätä työntekijöiden motivaatiota ja sitoumusta (mikä onnenpotku työntekijöille!). Lähetät kyselytutkimuksen kaikille henkilökunnan jäsenille ja kysyt, minkä viikonpäivän he mieluiten haluaisivat vapaaksi. Jos kaikki työntekijät vastaavat kyselyyn ja 80 % heistä haluaa perjantain vapaaksi, tämä luku on populaation parametri. 

Tilastotieto on sitä vastoin löydös, joka saadaan populaation otokselta kerätystä datasta. Kuvittele, että työntekijöitä on paljon, joten olet päättänyt lähettää kyselytutkimuksen satunnaisesti valitulle edustavalle otokselle. Tulokset ovat laajalti samat kuin jos keräisit dataa koko populaatiosta – suurin osa työntekijöistä (77 %)  toivoo, että pitkä viikonloppu alkaisi perjantaista. Tässä tapauksessa tulos ei muutu, mutta sen kuvailutapa muuttuu: tämä 77 % on nyt tilastotieto. Miksi näiden kahden käsitteen välinen ero on tunnettava? Vastaus löytyy otosvirheestä.

Otosvirhe on toinen tärkeä otokseen liittyvä käsite, joka on hyvä tuntea. Yksinkertaisesti sanottuna otosvirhe on populaatioparametrin ja otostilastotiedon välinen ero. Aiemmassa esimerkissä näimme, että kun koko populaatiolta kysyttiin mieluisimmasta vapaapäivästä, 80 % valitsi perjantain, mutta otokselta kysyttäessä 77 % vastasi samoin. Otosvirhe on populaatiosta ja otoksesta saatujen tulosten välinen ero eli tässä tapauksessa 3 %.

Tämä esimerkki osoittaa, miten tärkeää on valita otos, joka edustaa populaatiota mahdollisimman hyvin. Entä jos lähettäisit kyselytutkimuksen vaikkapa vain osa-aikaisille työntekijöille, esimerkiksi niille, jotka eivät edes työskentele perjantaisin? Tällöin saatat saada hyvin erilaisen tuloksen, joka ei vastaa laajemman populaation mieltymyksiä. 

Tavoite on säilyttää tarkkuus ja minimoida virheet. Otosvirheitä voi tapahtua myös silloin kun käytetään todennäköisyyteen perustuvaa otosstrategiaa. Tämä johtuu siitä, että vaihtelun ja keskittyneisyyden (kuten keskiarvon ja keskihajonnan) tilastolliset mittaukset poikkeavat hieman toisistaan, vaikka otos edustaisi populaatiota. Tavoitteesi on pitää otosvirhe mahdollisimman alhaisena, ja voit pienentää sitä suurentamalla otoksen kokoa. 

Miten päätät, kuinka monelle ihmiselle kyselytutkimuksesi pitäisi kohdistaa? Riittääkö, että suunnittelet kyselytutkimuksen, lähetät sen vastaajille ja toivot parasta? Ei aivan. Jos pystyt keräämään populaatiosta dataa, kysymys menettää merkityksensä: yleisön ihanteellinen koko on sama kuin populaation koko. Mutta jos lähetät kyselytutkimuksen vain otokselle, huomioitavaa on enemmän.

Ensin on arvioitava populaation koko. Vaikka sinulla ei olisi ajantasaista populaatiolistaa, koko kannattaa kuitenkin arvioida karkeasti. Jos esimerkiksi olet kiinnostunut tietämään vaaroista, joita pyöräilijät uskovat esiintyvän alueesi teillä, käytät ehkä toissijaisesta lähteestä saamaasi tietoa arvioidaksesi, että alueella on noin 20 000 pyöräilijää. Kun sinulla on arvio, voit asettaa virhemarginaalin. Sillä yksinkertaisesti mitataan tulosten tarkkuutta ja se esitetään prosenttilukuna. Jos haluat asettaa virhemarginaaliksi 5 %, se tarkoittaa, että arviosi mukaan todellinen tulos on 5 % enemmän tai vähemmän kuin tilastotietosi kertoo. Kun virhemarginaali on 5 % tilastotiedossa, jonka mukaan 77 % otoksen työntekijöistä haluaisi perjantait vapaiksi, todellinen luku on todennäköisesti 72 % – 82 %.

Voit käyttää myös otoskokotaulukkoa, jos haluat verrata populaation kokoa virhemarginaaliin. Näin saat karkean arvion otoksen tavoitekoosta. Muista kuitenkin, että kaikki eivät vastaa kyselytutkimukseesi! Jos otoskokosi on 100, kyselytutkimus kannattaa lähettää tätä suuremmalle vastaajajoukolle, jotta yleisön koko vastaa tavoitettasi. 

Lue lisää siitä, miten valitaan riittävä määrä vastaajia kyselytutkimukseen. 

Tässä on perimmäinen ero populaatiosta ja otoksesta kerättävän datan välillä. Tutustu aluksi kaikkiin markkinatutkimuskyselytyyppeihin ja valitse niistä omaan tutkimukseesi sopivin.