Sie sind bereit, eine Umfrage zu senden? Als erstes sollten Sie eine Stichprobenabgrenzung definieren, also eine Auswahl von Personen, von denen Sie Ihre Daten erfassen möchten. Es gibt aber verschiedene Möglichkeiten, eine Stichprobengröße zu definieren. Dies kann etwas verwirrend sein, insbesondere bei der Unterscheidung zwischen Stichprobe und Population. Dieser Leitfaden vermittelt Ihnen die verschiedenen Stichprobenansätze, die es gibt, deren Vor- und Nachteile und wann Sie welchen Ansatz verwenden sollten, damit Sie richtig für Ihre Marktforschung aufgestellt sind.

Sie haben die Begriffe Stichprobe und Population hinsichtlich umfragebasierter Forschung evtl. austauschbar verwendet gehört. Dabei handelt es sich aber um völlig verschiedene Personengruppen. Eine Population bzw. die Grundgesamtheit ist der vollständige Satz der Personen, die potenziell an Ihrer Forschung teilnehmen könnten. Wenn Sie z. B. versuchen, Kundenfeedback zu einem im vergangenen Jahr eingeführten Produkt zu erhalten, besteht die Population aus allen Personen, die das Produkt gekauft, es ausprobiert oder auf sonstige Weise damit interagiert haben. Eine Stichprobe andererseits ist eine Teilmenge der Grundgesamtheit. Die Stichprobe kann auf verschiedene Arten identifiziert und ausgewählt werden. Sie können sich z. B. auf die Kundendemografie konzentrieren, wenn Sie nur am Feedback von Kundinnen interessiert sind. In diesem Fall wäre das Geschlecht die Basis für Ihre Stichprobenstrategie. Andere Merkmale, die die Stichprobenbasis darstellen könnten, sind beispielsweise geografische oder Verhaltensattribute. Ist die Population sehr groß, dann ist die Datenerfassung anhand dieser Grundgesamtheit außerdem recht aufwändig. In diesem Fall ziehen Sie evtl. eine kleinere, leichter zu untersuchende Stichprobe einem Ansatz nach dem Zufallsprinzip vor.

Frischen Sie Ihre Umfrageterminologie auf, bevor Sie Marktforschung betreiben.

Die Erfassung von Daten mithilfe einer Population oder einer Stichprobe haben beide Vor- und Nachteile. Außerdem gibt es einige gute Faustregeln, die Sie anwenden können, um zu bestimmen, wann Sie welchen Ansatz nutzen sollten.

Im Idealfall sollten bei jeder Art von Forschung (ob zum Thema Markenbekanntheit oder zum Erfassen von Kundenfeedbackdaten) Daten aus der gesamten Grundgesamtheit erhoben werden. Warum? Wenn jedes Mitglied der Population Forschungsdaten bereitstellt, ist es am wahrscheinlichsten, dass Ihre Schlüsse aus den Ergebnissen repräsentativ für die Grundgesamtheit sind. Anders gesagt: Die Erfassung von Daten aus der Population hilft, die Gültigkeit und Zuverlässigkeit Ihrer Forschungsergebnisse zu verbessern. 

In der Praxis ist es aber nicht immer möglich, Daten aus einer Forschungspopulation zu erfassen. Der Hauptgrund ist, dass die Grundgesamtheit oft schwer zu identifizieren ist und es noch problematischer ist, so auf sie zuzugreifen, dass Ihre Beantwortungen statistisch zutreffend sind. Werden die Grenzen der Population klar definiert und spricht die Zielgruppe gut an, ist die Erfassung von Daten aus einer Grundgesamtheit sinnvoll. Wenn Sie z. B. Mitarbeiterengagement-Daten erfassen möchten, können Sie wahrscheinlich einen populationsbasierten Ansatz verfolgen und eine komplette Liste der Mitarbeitenden aus Personalunterlagen abrufen, um alle Beschäftigten einzeln direkt per E-Mail anzusprechen. 

Darüber hinaus ist dieser Ansatz sinnvoll, wenn die Population klein und kooperativ oder an den Umfrageergebnissen interessiert ist (wie z. .B. alle 30 Testbenutzer:innen eines neuen Service). Sind die Grenzen der Grundgesamtheit aber unklar oder ist die Grundgesamtheit sehr groß bzw. geografisch weit verteilt, ist es in der Regel notwendig, Stichproben zu entnehmen.

Falls die Erfassung von Daten aus einer Population Sie am besten aufstellt, um gültige und präzise Erkenntnisse zu erhalten, warum sollten Sie dann statt einer Grundgesamtheit eine Stichprobe befragen? Die kurze Antwort lautet: Notwendigkeit. Aufgrund der Größe und geografischen Verteilung ist es selten praktikabel, dass Forscher auf die gesamte Zielpopulation zugreifen. Angenommen, Sie haben einen beliebten Foodtruck in einem Industriepark. Sie sind daran interessiert, Führungskräfte aus den benachbarten Bürogebäuden zu ihren Präferenzen beim Mittagessen zu befragen. Ein populationsbasierter Ansatz erfordert, dass Sie eine genaue Liste aller Beschäftigten erstellen und pflegen, was Sie wahrscheinlich nicht machen werden. In solchen Fällen müssen Sie Daten aus einer Teilmenge der Population erfassen. Die Ergebnisse können dann allgemein auf die weitere Population angewendet werden. Sie können oft voraussetzen, dass die Forschungsergebnisse aus der Stichprobe repräsentativ sind. Oft ist das der Fall, aber nicht immer. Das wollen wir uns genauer ansehen.

Sie können zwei Hauptstichproben-Strategien anwenden, wenn Sie entscheiden, einen stichprobenbasierten Ansatz zu verfolgen: Wahrscheinlichkeitsstichproben und nicht-probabilistische Stichproben.

Wahrscheinlichkeitsstichproben stellen eine Stichprobenmethode nach dem Zufallsprinzip dar

Dies beschreibt jeden Ansatz, bei dem alle Personen einer Population eine gleiche Chance haben, in die Stichprobe einbezogen zu werden. Wenn Sie z. B. eine Populationsliste haben, die auch als Stichprobenabgrenzung bezeichnet wird, können Sie einen Zufallsnummerngenerator benutzen und dann jede Einzelperson auswählen, deren Position in der Liste der generierten Nummer entspricht. Dies wird als Ansatz mit einfachen Zufallsstichproben bezeichnet. 

Eine weitere Möglichkeit ist es, einen systematischen Zufallsstichproben-Ansatz zu verfolgen und z. B. jede 10. oder 100. Einzelperson in der Stichprobenabgrenzung auszuwählen. Geschichtete Stichproben ähneln Zufallsstichproben, im ersten Fall wird die Population aber in Gruppen mit ähnlichen Attributen unterteilt. Kunden können z. B. anhand der Häufigkeit ihres Einkaufs bei Ihnen in Gruppen eingeteilt werden, oder anhand der Summe, die sie bei Ihnen ausgeben. Ein einfaches Zufallsstichproben-Verfahren wird dann genutzt, um Einzelpersonen aus jeder Gruppe auszuwählen. Dadurch wird sichergestellt, dass verschiedene Segmente der Population in der endgültigen Stichprobe repräsentiert werden.

Nicht-probabilistische Stichproben sind selektiver

Bei dieser Methode haben nicht alle Mitglieder der Population die gleiche Chance, in die Stichprobe aufgenommen zu werden. Wenn Sie z. B. alle Besucher Ihrer Website an einem Samstagmorgen befragt haben, haben nur Käufer, die am Wochenende einkaufen, eine Chance, an der Umfrage teilzunehmen. Alternativ können Sie Befragungen nur an Kunden senden, mit denen Sie eine persönliche Beziehung haben, während solche die Sie nicht kennen, ignoriert werden. Dadurch können sich Fehler in Ihre Stichprobe einschleichen, was dazu führen kann, dass diese die Grundgesamtheit nicht gut repräsentiert Warum dann diesen Ansatz verfolgen? Wahrscheinlichkeitsbasierte Ansätze sind zwar ideal, erfordern aber, dass Sie Zugang zu dieser so wichtigen und oft schwer zu beschaffenden Populationsliste erhalten.

Wie wir gesehen haben, müssen Sie oft Daten aus einer Stichprobe statt einer vollständigen Grundgesamtheit erfassen. Nur weil die Notwendigkeit Sie dazu zwingt, bedeutet das aber nicht unbedingt, dass es nicht auch viele Vorteile hat:

Egal, ob Sie Ihre Daten aus einer Stichprobe oder einer Population erhalten: Sie müssen sicherstellen, dass Sie die richtige Terminologie verwenden. Einer der Hauptunterschiede zwischen populationsbasierten und stichprobenbasierten Ansätzen besteht darin, wie Sie die Stichprobengröße ermitteln. Die Stichprobengröße ist eine Schätzung der Zielanzahl von Einzelpersonen, die Ihre Umfrage wahrscheinlich abschließen werden. Die Begriffe „Statistik“ und „Parameter“ sind zwar verwandte, aber doch unterschiedliche Konzepte, die für die Datenerfassung aus einer Stichprobe oder Grundgesamtheit relevant sind. Wir wollen beide genauer betrachten.

Ein Parameter ist ein Maß für ein Merkmal einer Population, basierend auf Daten, die aus der gesamten Grundgesamtheit erfasst wurden. Angenommen, Sie haben beschlossen, auf eine Vier-Tage-Arbeitswoche zu reduzieren, um die Personalmotivation und das Commitment Ihrer Beschäftigten zu verbessern (glückliche Mitarbeitende!). Sie senden eine Erhebung an alle Beschäftigten und fragen, an welchem Wochentag sie lieber frei haben. Wenn alle Ihre Mitarbeitenden an der Umfrage teilnehmen und 80% davon angeben, dass sie am liebsten Freitag frei haben, ist dieser Wert der Parameter der Population. 

Eine Statistik ist eine Erkenntnis, die sich aus den anhand einer Stichprobe der Population ermittelten Daten abgeleitet wird. Sagen wir, Ihr Mitarbeiterstamm ist sehr groß. Daher haben Sie sich entschlossen, Ihre Umfrage an eine zufällig ausgewählte repräsentative Stichprobengruppe zu senden. Die Ergebnisse sind im Großen und Ganzen identisch mit denen der Datenerfassung anhand der Grundgesamtheit und die meisten Mitarbeitenden (77 %) hoffen, ein langes Wochenende zu erhalten und Freitag freizubekommen. In diesem Fall ändert sich die Erkenntnis nicht, aber die Art und Weise, wie sie beschrieben wird: Diese 77 % werden jetzt als Statistik bezeichnet. Warum Sie den Unterschied zwischen beiden kennen sollten? Die Antwort finden Sie beim Stichprobenfehler.

Ein Stichprobenfehler ist der Unterschied zwischen einem Populationsparameter und einer Stichprobenstatistik. Um auf unser früheres Beispiel zurückzugreifen: Wir haben gesehen: Wenn die gesamte Population zu ihrem bevorzugten freien Tag befragt wird, geben 80 % den Freitag an, beim Befragen einer Stichprobe 77 %. Der Stichprobenfehler ist die Differenz zwischen den aus der Grundgesamtheit und den aus der Stichprobe abgeleiteten Ergebnissen, in diesem Fall sind das 3 %.

Dieses Beispiel zeigt, wie wichtig es ist, zu versuchen, eine Stichprobe zu erhalten, die für die Population so repräsentativ ist wie möglich. Was wäre, wenn Sie beispielsweise nur Teilzeitbeschäftigte befragen würden, darunter viele, die sowieso nie am Freitag arbeiten? Sie würden ein ganz anderes Ergebnis erhalten, das überhaupt nicht für die Präferenzen der Grundgesamtheit steht. 

Das Hauptziel besteht darin, die Exaktheit zu wahren und Fehler auf ein Minimum zu reduzieren. Stichprobenfehler können auftreten, wenn eine wahrscheinlichkeitsbasierte Stichprobenstrategie angewendet wird. Dies liegt daran, dass statistische Messungen der Streuung und zentralen Tendenz (wie Mittelwerte und Standardabweichungen) leicht unterschiedlich sind, selbst wenn die Stichprobe für die Population repräsentativ ist. Ihr Ziel besteht darin, Ihre Stichprobenfehler so gering wie möglich zu halten. Sie können sie durch Vergrößern Ihrer Stichprobe reduzieren. 

Wie entscheiden Sie, wie viele Personen Sie für Ihre Befragung in die Zielgruppe aufnehmen? Entwerfen, senden und auf das Beste hoffen? Nicht so ganz. Wenn Sie Daten von Ihrer Population beziehen können, ist die Frage schon beantwortet: Die ideale Größe der Zielgruppe ist mit der Größe der Grundgesamtheit identisch. Falls Sie aber eine Stichprobengruppe befragen, ist mehr zu berücksichtigen.

Zunächst müssen Sie die Größe der Population schätzen. Selbst wenn Sie keine aktuelle Populationsliste haben, ist es empfehlenswert, eine grobe Zahl im Blick zu haben. Wenn Sie z. B. mehr über die Gefahren erfahren möchten, die Radfahrer auf den Straßen in Ihrer Region wahrnehmen, können Sie sekundäre Daten nutzen und schätzen, dass es in Ihrem Abfragebereich ca. 20.000 Radfahrer gibt. Wenn Sie diese Zahl haben, können Sie eine Fehlerspanne anwenden. Dabei handelt es sich ganz einfach um ein Maß der Genauigkeit Ihrer Ergebnisse. Dies wird als Prozentsatz ausgedrückt. Wenn Sie gewillt sind, eine Fehlerspanne von 5 % zu tolerieren, bedeutet dies, dass Sie schätzen, dass ein richtiges Ergebnis in einem Bereich liegt, der 5 % über oder unter Ihrer Statistik liegt. Eine Fehlerspanne von 5 % auf die Statistik anzuwenden zeigt, dass 77 % der in der Stichprobe enthaltenen Beschäftigten lieber Freitag frei hätten, das bedeutet, dass die tatsächliche Zahl wahrscheinlich zwischen 68 und 82 % liegt.

Schließlich können Sie ein Diagramm für die Stichprobengröße verwenden, um die Populationsgröße mit Ihrer Fehlerspanne zu vergleichen und eine grobe Schätzung Ihrer Zielstichprobengröße zu erhalten. Denken Sie auch daran, dass nicht alle Ihre Umfrage ausfüllen werden! Wenn Ihre Stichprobengröße 100 beträgt, sollten Sie viel mehr Befragte als diese Zahl anvisieren, um Ihre Zielgruppengröße zu erhalten. 

Finden Sie mehr darüber heraus, wie Sie die Anzahl der Personen bestimmen, die Sie für Ihre Umfrage benötigen. 

Das ist im Wesentlichen der Unterschied zwischen der Erfassung von Daten aus einer Population bzw. einer Stichprobe. Egal, welche Marktforschung Sie betreiben möchten, evaluieren Sie zunächst die verschiedenen Arten von Marktforschungsumfragen, die es gibt, und wählen Sie die für Sie beste aus.