نمونه گیری جهت تحلیل مشتریان

نمونه گیری بخشی اساسی از آمار است. نمونه ها برای دستیابی به درک یک جمعیت جمع آوری می شوند ، زیرا مشاهده همه اعضای جمعیت به طور معمول امکان پذیر نیست. هدف , جمع آوری نمونه هایی است که نمایشی دقیق از جمعیت را ارائه می دهند. محدودیت در وقت و پول حکم می کند که تلاش برای نمونه گیری باید کارآمد باشد. برای توصیف ماهیت جمعیت های بسیار متغیر ، نمونه های بیشتری نسبت به جمعیت های کم متغیر مورد نیاز است.

برای استفاده از داده های میدانی ، به نمونه های کافی نیاز دارید تا اطمینان حاصل کنید که  پراکندگی جمعیت مورد نظر را بررسی کنید. در صورت کالیبراسیون دستگاه آزمایشگاهی ، ممکن است فقط به دو اندازه گیری نیاز باشد با دو مقیاس اندازه گیری متفاوت. این نکته را نشان می دهد که اندازه نمونه از نزدیک , با پراکندگی ذاتی داده ها ارتباط دارد. تعداد نمونه های مورد نیاز با افزایش پراکندگی افزایش می یابد. همچنین ، هرچه تعداد نمونه شما بیشتر باشد ، می توانید سطح اطمینان بیشتری کسب کنید. به عنوان مثال ، نمونه گیری در سطح اطمینان 85  درصدی , تعدد کمتری نسبت به نمونه برداری در سطح اطمینان 95 درصدی دارد.

وقتی درباره گروهی از افراد تحقیق می کنید ، به ندرت امکان جمع آوری داده ها از هر فرد در آن گروه وجود دارد ,  به همین دلیل ، شما یک نمونه را انتخاب می کنید. نمونه ، گروهی از افراد است که در تحقیق شرکت خواهند کرد . باید به دقت تصمیم بگیرید که چگونه نمونه ای را انتخاب کنید که نماینده کل گروه باشد. دو نوع روش نمونه گیری وجود دارد.

نمونه گیری احتمالی

شامل انتخاب تصادفی است ، به شما این امکان را می دهد که در مورد کل گروه استنباط آماری کنید.

نمونه گیری غیر احتمالی

شامل انتخاب غیر تصادفی می باشد که بر اساس راحتی یا معیارهای دیگر است و به شما این امکان را می دهد که  به راحتی داده های اولیه را جمع آوری کنید.

شما باید تفاوت بین یک جمعیت و یک نمونه را درک کرده و جمعیت مورد نظر خود را در تحقیقات شناسایی کنید.

جمعیت , کل گروهی است که شما می خواهید درباره آن نتیجه بگیرید.

نمونه  , گروه خاصی از افراد حاضر در جمعیت است که شما از آنها داده جمع آوری خواهید کرد.

جمعیت را می توان از نظر موقعیت جغرافیایی ، سن ، درآمد و بسیاری از خصوصیات دیگر بررسی کرد.

این  مسله می تواند بسیار پیچده ویا یا کاملاً آسان باشد . شاید شما بخواهید در مورد کل جمعیت بزرگسال کشور خود استنباط کنید. شاید تحقیقات شما بر روی مشتریان یک شرکت خاص ، بیماران با وضعیت خاص بهداشتی یا دانش آموزان در یک مدرسه متمرکز باشد و مهم است که جمعیت هدف ، با توجه به هدف و کاربردهای پروژه مشخص شود. اگر جمعیت بسیار زیاد ، از نظر جمعیتی مختلط و از نظر جغرافیایی پراکنده باشد ، دستیابی به یک نمونه  ممکن است دشوار باشد.

چارچوب نمونه برداری

لیست واقعی افرادی است که از آنها نمونه گرفته می شود. در حالت ایده آل ، باید شامل کل جمعیت هدف باشد.

مثال

شما در حال تحقیق در مورد شرایط کار در شرکت X هستید. جمعیت شما همه ی 1000 کارمند شرکت هستند. چارچوب نمونه گیری شما , پایگاه داده منابع انسانی شرکت است که نام و اطلاعات تماس هر کارمند را ذکر می کند. تعداد افراد در نمونه شما بستگی به تعداد جمعیت و نتیجه ی مدنظر شما دارد. شما می توانید برای تعیین میزان بزرگ بودن نمونه خود از یک ماشین حساب اندازه نمونه استفاده کنید. به طور کلی ، هرچه اندازه نمونه بزرگتر باشد ، با دقت و اطمینان بیشتری می توانید در مورد کل جمعیت نتیجه گیری کنید.

نمونه گیری احتمال به این معنی است که  , هر عضو از جمعیت شانس انتخاب شدن را دارد. عمدتا در تحقیقات کمٌی استفاده می شود. اگر می خواهید نتایجی ارائه دهید که نمایانگر کل جمعیت باشد ، باید از روش نمونه گیری احتمال استفاده کنید. از نمونه گیری تصادفی ساده برای استنباط آماری در مورد جمعیت استفاده می شود. تصادفی سازی بهترین روش برای کاهش تأثیر متغیرهای مخدوش کننده بالقوه است. علاوه بر این ، با یک نمونه به اندازه کافی بزرگ ، یک نمونه تصادفی ساده از اعتبار خارجی بالایی برخوردار است , این ویژگی های جمعیت بیشتری را نشان می دهد.

با این حال ، نمونه برداری تصادفی ساده در عمل می تواند چالش برانگیز باشد. برای استفاده از این روش چند پیش شرط وجود دارد:

شما یک لیست کامل از همه اعضای جمعیت دارید. در صورت انتخاب هر یک از اعضای جمعیت می توانید با آنها تماس بگیرید یا به آنها دسترسی پیدا کنید. شما وقت و منابع لازم را برای جمع آوری داده ها از اندازه نمونه لازم دارید. اگر زمان و منابع زیادی برای انجام مطالعه خود داشته باشید ، یا اگر جمعیت محدودی را مطالعه می کنید که به راحتی می توان از آنها نمونه برداری کرد ، نمونه گیری تصادفی ساده بهترین نتیجه را خواهد داشت.

انواع نمونه گیری

نمونه گیری سیستماتیک

به جای انتخاب کاملاً تصادفی ، انتخاب نمونه شما براساس یک بازه منظم است. هنگامی که لیست کاملی از جمعیت ندارید ، می توان از آن استفاده کرد.

نمونه گیری طبقه ای

زمانی مناسب است که بخواهید اطمینان حاصل کنید که خصوصیات خاص به طور متناسب در نمونه نشان داده شده اند. شما جمعیت خود را به اقشار تقسیم می کنید (به عنوان مثال بر اساس جنسیت یا نژاد تقسیم می شوید) ، و سپس به طور تصادفی از هر یک از این زیر گروه ها انتخاب می کنید.

نمونه گیری خوشه ای

زمانی که نتوانید از کل جمعیت نمونه بگیرید. شما نمونه را به خوشه هایی تقسیم می کنید که تقریباً کل جمعیت را منعکس می کند ، و سپس نمونه خود را از میان یک انتخاب تصادفی از این خوشه ها انتخاب می کنید.

اطمینان از اینکه به تک تک افراد جامعه دسترسی دارید مهم است ، بنابراین می توانید از همه کسانی که برای نمونه انتخاب شده اند اطلاعات جمع آوری کنید.

مثال: جمعیت

در نظرسنجی جامعه آمریکا ، جمعیت کل 128 میلیون خانوار است که در ایالات متحده زندگی می کنند (از جمله خانوارهایی که از شهروندان و غیر شهروندان تشکیل شده اند). در مرحله بعدی ، باید تصمیم بگیرید که اندازه نمونه شما چه اندازه خواهد بود. اگرچه نمونه های بزرگتر ,  اطمینان آماری بیشتری را ارائه می دهند ، اما هزینه آنها نیز بیشتر است و به کار بسیار بیشتری نیاز دارند. چندین روش بالقوه برای تصمیم گیری در مورد اندازه نمونه شما وجود دارد ، اما یکی از ساده ترین آنها استفاده از فرمولی با فاصله و سطح اطمینان مورد نظر ، اندازه تخمینی جمعیتی است که با آن کار می کنید .همچنین باید انحراف استاندارد در مظر گرفته شود.

معمول ترین فاصله اطمینان و سطح معناداری مورد استفاده به ترتیب 0.95 و 0.05 است. از آنجا که ممکن است از انحراف معیار جمعیتی که در حال تحصیل هستید آگاهی نداشته باشید ، باید یک عدد را به اندازه کافی زیاد انتخاب کنید تا انواع مختلف امکانات را در نظر بگیرد (مانند 0.5).

سازمان آمار امریکا سالانه 3.5 میلیون خانوار را دنبال می کند. این بخش کوچکی از جمعیت کلی 128 میلیون خانوار است ، اما حجم نمونه کافی برای جمع آوری داده های دقیق در مورد تمام مناطق جغرافیایی و گروه های جمعیتی در ایالات متحده می باشد.

جنین نمونه برداری را می توان به یکی از دو روش انجام داد:

 روش قرعه کشی یا اعداد تصادفی

روش قرعه کشی

شما نمونه را به طور تصادفی با “انتخاب  از روی رنگ” یا با استفاده از یک برنامه رایانه ای که همان عمل را شبیه سازی می کند ، انتخاب می کنید.

 روش اعداد تصادفی

به هر فرد یک عدد اختصاص می دهید. با استفاده از یک مولد اعداد تصادفی یا جداول اعداد تصادفی ، شما به طور تصادفی زیرمجموعه ای از جمعیت را انتخاب می کنید. همچنین می توانید از تابع شماره تصادفی (RAND) در Microsoft Excel برای تولید اعداد تصادفی استفاده کنید.

در آخر ، شما باید داده ها را از نمونه خود جمع آوری کنید.

برای اطمینان از اعتبار یافته های خود ، باید اطمینان حاصل کنید که هر فرد انتخاب شده واقعاً در مطالعه شما شرکت می کند. اگر برخی به دلایلی در خصوص موضوعی که در حال مطالعه آن هستید ، انصراف دهند یا شرکت نکنند ممکن است  یافته های شما را مغرضانه جلوه دهد.

به عنوان مثال ، اگر شرکت کنندگان جوان به طور سیستماتیک کمتر در مطالعه شما شرکت کنند ، ممکن است یافته های شما به دلیل کمبود نمایندگی این گروه نامعتبر باشد. ابتدا اداره سرشماری نامه ای ارسال می کند و از پاسخ دهندگان می خواهد نظرسنجی را بصورت آنلاین پر کنند. اگر ساکنان یک آدرس پاسخ ندهند ، دفتر با شماره تلفن خانه تماس می گیرد. اگر همه موارد دیگر به شکست منجر شود ، نماینده شخصاً از آدرس بازدید می کند.

از طریق این روشهای مختلف ، مسئولان جمع آوری داده برای سازمان آمار امریکا موفق به دریافت پاسخ از 95٪ افرادی که به طور تصادفی انتخاب شده اند می شوند ، نرخ پاسخ بالایی که از صحت نتایج آنها پشتیبانی می کند.

ما در خانه صنایع همواره منتظر نظرات ، انتقادات و سوالات شما عزیزان هستیم. در صورت نیاز به دریافت مشاوره رایگان در خصوص نمونه گیری از مشتریان و تحلیل ایشان با تماس بگیرید.