Representativiteit: meer dan een grote steekproef.

"Een representatief onderzoek, graag...!"

Wanneer mensen me vragen een onderzoek voor ze uit te voeren, is representativiteit vaak een vereiste.

Maar... wat is dat eigenlijk, een representatief onderzoek...?

Representativiteit is de mate waarin respondenten in een steekproef een goede afspiegeling vormen van de populatie (alle mensen die samen de doelgroep vormen). 

Representativiteit is belangrijk om de resultaten uit een steekproefonderzoek te kunnen generaliseren en extrapoleren naar de totale doelgroep.  

Vrij vertaald: een representatief onderzoek geeft een adequaat beeld van de hele doelgroep. De vraag is dan natuurlijk: hoe zorg je voor een goede representativiteit?
Er zijn veel factoren die hierop invloed hebben. De belangrijkste twee licht ik hieronder toe. 

Tip 1: de steekproef moet voldoende groot zijn.


Wanneer je steekproef klein is, kan het zomaar zijn dat er relatief veel mensen met dezelfde kenmerken meedoen aan het onderzoek. Hoe groter je steekproef, koe kleiner de kans dat dat gebeurt.

Bij onderzoeken die uitgevoerd worden onder meer dan 1.000 mensen, is de mening van die éne boze respondent verwaarloosbaar. Wel kan duidelijk worden dat 10% van de mensen boos is.

Er valt dus iets te zeggen voor grote steekproeven. Maar soms maak ik mee dat ervoor gekozen is om duizenden mensen te ondervragen. Dat kost veel geld. Er zijn slimme manieren om met een steekproef van voldoende omvang een representatief onderzoek uit te voeren zonder de efficiëntie uit het oog te verliezen.


Tip 2: zorg dat ieder mens evenveel kans heeft om in die steekproef terecht te komen.

Wanneer we op dinsdagochtend om 11 uur straatinterviews uitvoeren, is de kans groot dat we weinig werkende en studerende mensen treffen. Dat geldt ook voor telefonische benadering: niet iedereen zal op dat moment even enthousiast de tijd willen nemen om onze vragen te beantwoorden. En ook als we 10.000 emails verzenden en 800 ontvangers klikken op de link en vullen de internetvragenlijst in, hebben er nog altijd heel veel mensen níet meegedaan aan het onderzoek.

De vraag "waarom niet?" blijft in zo'n geval onbeantwoord.

 

Responsbias.

Responsbias vindt plaats wanneer de reden waarom mensen meedoen aan een onderzoek, een vertekening geeft van de onderzoeksresultaten.

Bijvoorbeeld: ontevreden klanten hebben eerder de neiging om hun mening te geven dan tevreden klanten.
In zo'n geval geeft je onderzoeksresultaat, bijvoorbeeld dat rapportcijfer over tevredenheid, geen goed beeld van wat het gemiddelde zou zijn wanneer het percentage tevreden en ontevreden klanten in de steekproef vergelijkbaar zou zijn dan de totale klantenpopulatie. 

Als professional kan ik me best ergeren aan onderzoeken die worden uitgevoerd door middel van alleen maar een linkje via een website, met "geef uw mening!".
Je hebt op deze manier geen enkel zicht op hoeveel mensen het linkje zien en welk deel daarvan er daadwerkelijk op klikt. De onzekerheid over of misschien alleen boze of blije klanten de vragenlijst hebben ingevuld, blijft dus. En wat betekenen die grafiekjes en rapportcijfers dan écht…?
 

Hoe verklein je de kans op een responsbias?

Vaak wordt een onderzoek representatief genoemd omdat er veel mensen meedoen. Dat is echter geen garantie. Streef niet alleen naar grote aantallen, maar optimaliseer ook de kans op respons! Dat kan bijvoorbeeld door mensen op verschillende manieren te benaderen.

Wat ook kan is kiezen voor die benaderingswijze die ervoor zorgt dat bijna iedereen die uitgenodigd wordt om deel te nemen aan een onderzoek, dit ook doet. Bijvoorbeeld door de respondenten een kleine tegenprestatie te geven voor het beantwoorden van de vragen of door hen op een andere manier te motiveren.

Wij hebben veldmethodieken in huis waarbij meer dan 80% van de mensen die we uitnodigen, ook daadwerkelijk alle vragen beantwoorden. Zo weet je zeker dat ook een "zwijgende meerderheid" een stem heeft in je onderzoek. Ook zij zijn immers belangrijk in de evaluatie van producten of diensten!