Om du genomför en undersökning eller ett test, hur många svar behöver du för att dina data ska ha en ”statistiskt giltig urvalsstorlek”? Det är ofta ett svårt mål att uppnå, men utan giltiga data kan du inte lita på dina testresultat.
Varför är detta viktigt? En stor del av orsaken till de överraskande resultaten i det amerikanska presidentvalet 2016 berodde på dåligt genomförda opinionsundersökningar. Den 11/8 2016 hade Princeton fru Clinton som ”stenhårt säker på att vinna” med 99 %. Här är några av de andra opinionsundersökningarnas förutsägelser.
Som marknadsförare har vi vanligtvis inte komplexiteten att förutsäga resultaten av något så polariserande som förra årets val, men att samla in korrekta data är viktigt för viktiga marknadsföringsbeslut som följer av aktiviteter som t.ex:
- Göra en varumärkesrevision
- Mätning av kundlojalitet
- Mätning av marknaden för att utvärdera ett nytt varumärkesnamn
(Qlutch kan vägleda dig genom var och en av dessa. Skapa ett kostnadsfritt konto här.)
Kriterier för statistiskt giltig urvalsstorlek
När du fastställer den statistiska giltigheten för dina data finns det fyra kriterier att ta hänsyn till.
- Population: Den räckvidd eller det totala antalet personer som du vill tillämpa uppgifterna på. Storleken på din population beror på dina resurser, din budget och din undersökningsmetod.
- Sannolikhet eller procentsats: Procentuell andel av de personer som du förväntar dig kommer att svara på din undersökning eller kampanj.
- Förtroende: Den procentuella andel av de personer som du förväntar dig kommer att svara på din undersökning eller kampanj: Hur säker du måste vara på att dina uppgifter är korrekta. Uttryckt i procent är det typiska värdet 95 % eller 0,95.
- Felmarginal eller konfidensintervall: Den mängd svaj eller potentiella fel som du kommer att acceptera. Det är det ”+/-”-värde som du ser i medieundersökningar. Ju mindre procentsatsen är, desto större måste ditt urval vara.
Om till exempel 45 % av de svarande i din undersökning väljer ett visst svar och du har en felmarginal på 5 % (+/- 5), kan du anta att 40-50 % av hela befolkningen kommer att välja samma svar.
Räknare för urvalsstorlek
Om du vill bestämma hur många deltagare du behöver i ett A/B-test kan du kolla in det här verktyget för urvalsstorlek som talar om för dig hur många besökare du behöver vid olika konverteringshastigheter för olika önskade konfidensnivåer.
Här finns en beräkningsverktyg för urvalsstorlek från Survey Monkey och ett mer detaljerat beräkningsverktyg för urvalsstorlek med olika konfidensintervall och uppskattningar av felmarginaler.