Phương pháp chọn mẫu nghiên cứu Marketing phù hợp

Khi doanh nghiệp cần ước lượng tỷ lệ, quy mô nhu cầu hoặc mức độ hài lòng của toàn bộ thị trường, mẫu xác suất thường phù hợp hơn vì xác suất được chọn của từng đơn vị có thể xác định. Khi nghiên cứu nhằm khám phá động cơ, thử nghiệm ý tưởng hoặc tiếp cận một nhóm khó tìm, mẫu phi xác suất có thể thực tế hơn, nhưng kết quả phải được diễn giải trong phạm vi những người đã tham gia.

Một mẫu lớn chưa chắc đại diện. Nếu khung mẫu bỏ sót nhóm khách hàng quan trọng, cách tuyển người tham gia tạo thiên lệch hoặc tỷ lệ phản hồi giữa các phân khúc khác nhau quá lớn, tăng số lượng quan sát chỉ làm kết quả sai trở nên ổn định hơn. Vì vậy, chất lượng mẫu phụ thuộc đồng thời vào độ bao phủ, cơ chế lựa chọn, cơ cấu mẫu, quy mô mẫu và quá trình kiểm soát thực địa.

Bắt đầu từ quyết định Marketing cần hỗ trợ

Lựa chọn mẫu phải bắt đầu bằng việc xác định doanh nghiệp sẽ sử dụng kết quả nghiên cứu để đưa ra quyết định gì. Cùng nghiên cứu một thị trường nhưng yêu cầu về mẫu sẽ khác nhau nếu mục tiêu là đo lường quy mô nhu cầu, so sánh hai phương án truyền thông hay khám phá nguyên nhân khách hàng ngừng sử dụng sản phẩm.

Các mục tiêu phổ biến có thể được phân biệt như sau:

·         Ước lượng tỷ lệ hoặc giá trị trung bình của thị trường

·         So sánh các phân khúc khách hàng

·         Kiểm định sự khác biệt giữa sản phẩm hoặc thông điệp

·         Khám phá động cơ, nhu cầu và rào cản

·         Nghiên cứu nhóm khách hàng hiếm hoặc khó tiếp cận

·         Theo dõi sự thay đổi của chỉ số Marketing theo thời gian

Nếu cần suy rộng kết quả cho toàn bộ thị trường, thiết kế mẫu phải ưu tiên tính đại diện và khả năng tính sai số chọn mẫu. Nếu mục tiêu chỉ là tìm hiểu sâu các kiểu hành vi hoặc phát hiện giả thuyết, sự đa dạng về trải nghiệm của người tham gia có thể quan trọng hơn khả năng suy rộng thống kê.

Đơn vị phân tích cũng phải được xác định rõ. Người ra quyết định mua, người sử dụng, người thanh toán và người ảnh hưởng có thể là những người khác nhau. Khảo sát người sử dụng trong khi quyết định Marketing hướng đến người mua sẽ tạo ra sai lệch ngay cả khi quy mô mẫu rất lớn.

Xác định đúng tổng thể mục tiêu và khung mẫu

Tổng thể mục tiêu là toàn bộ nhóm đối tượng mà kết luận nghiên cứu dự kiến áp dụng. Tổng thể không nên được mô tả bằng những cụm từ quá rộng như “người tiêu dùng”, “khách hàng trẻ” hoặc “doanh nghiệp nhỏ”. Cần xác định bằng các tiêu chí có thể nhận diện và tuyển chọn.

Một định nghĩa tổng thể đầy đủ thường bao gồm:

·         Đặc điểm nhân khẩu học hoặc đặc điểm tổ chức

·         Khu vực địa lý

·         Hành vi mua hoặc sử dụng

·         Khoảng thời gian phát sinh hành vi

·         Vai trò trong quyết định mua

·         Điều kiện đủ và điều kiện loại trừ

Ví dụ, thay vì xác định đối tượng là “người mua mỹ phẩm”, nghiên cứu có thể giới hạn ở “nữ giới từ 22 đến 35 tuổi sống tại Hà Nội và Thành phố Hồ Chí Minh, đã mua sản phẩm chăm sóc da trong ba tháng gần nhất và trực tiếp lựa chọn nhãn hiệu”.

Sau khi xác định tổng thể, nhà nghiên cứu cần đánh giá khung mẫu, tức danh sách hoặc hệ thống cho phép tiếp cận các đơn vị thuộc tổng thể. Khung mẫu có thể là cơ sở dữ liệu khách hàng, danh sách thành viên, địa chỉ hộ gia đình, danh bạ doanh nghiệp, dữ liệu giao dịch hoặc panel nghiên cứu.

Khung mẫu phải được kiểm tra theo bốn câu hỏi:

·         Có bao phủ những nhóm quan trọng trong tổng thể hay không

·         Có chứa nhiều đơn vị không còn thuộc tổng thể hay không

·         Một người có thể xuất hiện nhiều lần hay không

·         Những nhóm nào có khả năng bị bỏ sót

Sai lệch bao phủ xảy ra khi xác suất xuất hiện trong khung mẫu có liên hệ với hành vi cần nghiên cứu. Chẳng hạn, khảo sát mức độ hài lòng chỉ qua ứng dụng có thể bỏ sót khách hàng lớn tuổi hoặc người ít sử dụng công nghệ. Kết quả khi đó phản ánh người dùng ứng dụng chứ không nhất thiết phản ánh toàn bộ khách hàng.

Chọn giữa mẫu xác suất và mẫu phi xác suất

Hai nhóm phương pháp lấy mẫu khác nhau chủ yếu ở cơ chế lựa chọn người tham gia.

Khi nên sử dụng mẫu xác suất

Trong mẫu xác suất, mỗi đơn vị thuộc tổng thể có xác suất được chọn đã biết và lớn hơn không. Cơ chế lựa chọn ngẫu nhiên tạo cơ sở để ước lượng sai số chọn mẫu và suy rộng kết quả từ mẫu ra tổng thể.

Mẫu xác suất phù hợp khi:

·         Nghiên cứu cần ước lượng chỉ số của thị trường

·         Kết quả được dùng cho quyết định có chi phí hoặc rủi ro cao

·         Cần so sánh chính xác giữa các phân khúc

·         Có khung mẫu đủ tốt

·         Cần công bố khoảng tin cậy hoặc sai số chọn mẫu

·         Kết quả phải có khả năng kiểm tra và tái lập

Các phương pháp phổ biến gồm:

Lấy mẫu ngẫu nhiên đơn: Mỗi đơn vị có cơ hội được chọn như nhau. Phương pháp dễ diễn giải nhưng đòi hỏi danh sách tổng thể tương đối đầy đủ.

Lấy mẫu hệ thống: Chọn một điểm bắt đầu ngẫu nhiên rồi lấy mỗi đơn vị thứ (k) trong danh sách. Phương pháp hiệu quả khi danh sách không có chu kỳ trùng với khoảng chọn.

Lấy mẫu phân tầng: Chia tổng thể thành các tầng như khu vực, độ tuổi, loại khách hàng hoặc quy mô doanh nghiệp, sau đó lấy mẫu trong từng tầng. Phương pháp này đặc biệt hữu ích khi cần bảo đảm sự hiện diện của các nhóm quan trọng hoặc so sánh giữa các phân khúc.

Lấy mẫu cụm: Chọn các cụm tự nhiên như cửa hàng, trường học, khu dân cư hoặc chi nhánh rồi khảo sát các đơn vị trong cụm. Chi phí thực địa có thể giảm, nhưng các đối tượng trong cùng cụm thường giống nhau, làm sai số cao hơn mẫu ngẫu nhiên đơn có cùng số quan sát.

Lấy mẫu nhiều giai đoạn: Kết hợp nhiều bước, chẳng hạn chọn tỉnh, chọn cửa hàng rồi chọn khách hàng. Phương pháp phù hợp với tổng thể lớn và phân tán nhưng cần tính đến xác suất lựa chọn ở từng giai đoạn.

Khi có thể sử dụng mẫu phi xác suất

Trong mẫu phi xác suất, xác suất được chọn của từng đơn vị không được biết hoặc không thể tính đầy đủ. Phương pháp thường nhanh hơn, ít tốn kém hơn và khả thi khi không có khung mẫu.

Các hình thức phổ biến gồm:

Mẫu thuận tiện: Tuyển những người dễ tiếp cận. Phương pháp phù hợp cho khảo sát sơ bộ nhưng có nguy cơ sai lệch tự chọn cao.

Mẫu hạn ngạch: Đặt số lượng cần tuyển theo các đặc điểm như giới tính, độ tuổi hoặc khu vực. Hạn ngạch giúp cơ cấu mẫu giống tổng thể ở các biến được kiểm soát, nhưng không bảo đảm đại diện ở những biến không được kiểm soát.

Mẫu có chủ đích: Chọn người có kiến thức, kinh nghiệm hoặc hành vi đặc biệt phù hợp với câu hỏi nghiên cứu. Phương pháp thường được dùng trong phỏng vấn chuyên sâu và nghiên cứu B2B.

Mẫu dây chuyền: Người tham gia giới thiệu thêm đối tượng phù hợp. Cách này hữu ích với nhóm khó tiếp cận nhưng dễ tạo ra mẫu tập trung trong một số mạng lưới xã hội.

Panel tự nguyện trực tuyến: Người tham gia chủ động đăng ký vào panel. Chất lượng phụ thuộc vào quy trình tuyển panel, xác minh danh tính, quản lý tần suất làm khảo sát, chống gian lận và hiệu chỉnh dữ liệu.

Mẫu phi xác suất không mặc nhiên là mẫu chất lượng thấp. Nó có thể là lựa chọn phù hợp nếu mục tiêu, giới hạn suy rộng và quy trình kiểm soát được công bố rõ. Tuy nhiên, không nên trình bày sai số ±3% hoặc khoảng tin cậy theo công thức mẫu ngẫu nhiên đơn cho một mẫu tự nguyện như thể đó là sai số thống kê đầy đủ.

Lựa chọn kỹ thuật lấy mẫu theo từng tình huống

Sau khi xác định nhóm phương pháp, cần lựa chọn kỹ thuật cụ thể dựa trên cấu trúc thị trường và yêu cầu phân tích.

Việc lựa chọn không nên chỉ dựa trên ngân sách. Cần xem xét hậu quả của một kết luận sai. Một nghiên cứu khám phá ban đầu có thể chấp nhận mẫu hạn ngạch nhỏ, trong khi quyết định đầu tư mở rộng thị trường cần thiết kế chặt chẽ hơn.

Trong nghiên cứu kết hợp, doanh nghiệp có thể dùng mẫu có chủ đích để phỏng vấn sâu và hình thành giả thuyết, sau đó dùng mẫu xác suất hoặc mẫu hạn ngạch được kiểm soát để đo mức độ phổ biến của các phát hiện. Hai giai đoạn phục vụ hai mục tiêu khác nhau và không nên thay thế lẫn nhau.

Xác định quy mô mẫu theo độ chính xác cần thiết

Quy mô mẫu phải được xác định theo loại phân tích và độ chính xác cần đạt, thay vì áp dụng một con số cố định cho mọi nghiên cứu.

Với mục tiêu ước lượng một tỷ lệ trong mẫu ngẫu nhiên đơn, quy mô mẫu ban đầu có thể tính bằng:

[

n_0=\frac{Z^2p(1-p)}{e^2}

]

Trong đó:

·         (n_0) là quy mô mẫu cần thiết khi tổng thể lớn

·         (Z) là giá trị tương ứng với mức tin cậy

·         (p) là tỷ lệ dự kiến trong tổng thể

·         (e) là biên sai số chấp nhận

Khi chưa biết (p), có thể dùng (p=0,5) vì đây là trường hợp tạo phương sai lớn nhất. Với mức tin cậy 95%, (Z) xấp xỉ 1,96. Khi đó:

Các con số trên chỉ đúng gần đúng trong điều kiện lấy mẫu ngẫu nhiên đơn, tỷ lệ phản hồi đầy đủ và không có sai lệch ngoài chọn mẫu. Chúng không tự động áp dụng cho mẫu thuận tiện, mẫu panel tự nguyện hoặc thiết kế cụm.

Nếu tổng thể hữu hạn và không quá lớn, có thể hiệu chỉnh:

[

n=\frac{n_0}{1 \frac{n_0-1}{N}}

]

Trong đó (N) là quy mô tổng thể.

Quy mô mẫu thực tế còn phải điều chỉnh theo các yếu tố sau:

Tỷ lệ phản hồi: Nếu cần 400 phản hồi hoàn chỉnh và dự kiến tỷ lệ phản hồi là 25%, số lời mời tối thiểu về mặt số học là (400/0,25=1.600).

Hiệu ứng thiết kế: Mẫu cụm, phân tầng không tỷ lệ hoặc dữ liệu có trọng số thường có phương sai khác mẫu ngẫu nhiên đơn. Nếu hiệu ứng thiết kế dự kiến là 1,5, quy mô mẫu cần đạt có thể được nhân với 1,5 để giữ mức chính xác tương đương.

Phân tích phân nhóm: Mẫu tổng thể 600 người không có nghĩa mỗi phân khúc đều có 600 quan sát. Nếu cần so sánh bốn nhóm, quy mô của từng nhóm mới là yếu tố quyết định độ chính xác.

Kiểm định khác biệt: Khi mục tiêu là phát hiện sự khác biệt giữa hai phương án, cần tính công suất thống kê dựa trên mức chênh lệch tối thiểu có ý nghĩa, mức ý nghĩa và độ biến thiên dự kiến.

Tăng quy mô mẫu mang lại lợi ích giảm dần. Sai số chọn mẫu giảm theo căn bậc hai của quy mô mẫu, nên muốn giảm biên sai số còn một nửa thường phải tăng số quan sát lên khoảng bốn lần. Vì vậy, trước khi tăng mẫu, cần kiểm tra xem nguồn sai lệch chính có thực sự là quy mô hay nằm ở khung mẫu và cách tuyển chọn.

Kiểm soát tính đại diện và sai lệch của mẫu

Tính đại diện không thể được đánh giá chỉ bằng cách so sánh tỷ lệ giới tính hoặc độ tuổi. Một mẫu có cơ cấu nhân khẩu học giống tổng thể vẫn có thể sai lệch về thu nhập, mức độ quan tâm đến ngành hàng, khả năng sử dụng công nghệ hoặc xu hướng tham gia khảo sát.

Quá trình kiểm soát nên bao gồm:

Kiểm tra độ bao phủ

Đối chiếu tổng thể mục tiêu với nguồn tuyển mẫu để xác định nhóm bị bỏ sót. Nếu chỉ dùng một kênh tiếp cận, cần xem xét liệu kênh đó có liên hệ với hành vi nghiên cứu hay không.

Kiểm soát lựa chọn trong thực địa

Trong khảo sát tại địa điểm, điều tra viên không nên tự chọn người trông “dễ phỏng vấn”. Có thể sử dụng quy tắc chọn như mỗi khách hàng thứ năm, chọn theo khung giờ hoặc chọn ngẫu nhiên trong danh sách đủ điều kiện.

Theo dõi tỷ lệ phản hồi theo phân khúc

Tỷ lệ phản hồi chung có thể che giấu khác biệt lớn giữa các nhóm. Nếu khách hàng không hài lòng ít trả lời hơn khách hàng trung thành, kết quả hài lòng có thể bị đẩy lên cao dù số phản hồi đạt mục tiêu.

Kiểm soát chất lượng người tham gia

Với khảo sát trực tuyến, cần kiểm tra:

·         Trùng danh tính hoặc trùng thiết bị

·         Thời gian hoàn thành bất thường

·         Câu trả lời theo một mẫu lặp lại

·         Không nhất quán giữa các câu sàng lọc

·         Vượt quá tần suất tham gia cho phép

·         Dấu hiệu dùng công cụ tự động hoặc giả mạo vị trí

Áp dụng trọng số hợp lý

Trọng số có thể điều chỉnh khác biệt giữa mẫu và tổng thể theo các biến đã biết, đồng thời bù cho xác suất lựa chọn không bằng nhau. Tuy nhiên, trọng số không thể khôi phục hoàn toàn những nhóm không hề xuất hiện trong mẫu và không sửa được sai lệch trên các biến không được quan sát.

Trọng số quá lớn còn làm giảm cỡ mẫu hiệu dụng. Vì vậy, báo cáo nên trình bày cả quy mô mẫu thô, biến dùng để hiệu chỉnh và mức độ phân tán của trọng số.

Đánh giá thiết kế mẫu trước khi triển khai

Trước khi thu thập dữ liệu, thiết kế mẫu nên được kiểm tra bằng một bản mô tả có thể kiểm toán. Tối thiểu cần trả lời được các câu hỏi sau:

1.    Kết quả nghiên cứu sẽ áp dụng cho tổng thể nào

2.    Đơn vị nào đủ điều kiện tham gia

3.    Khung mẫu được lấy từ đâu và bỏ sót nhóm nào

4.    Người tham gia được lựa chọn bằng cơ chế nào

5.    Các phân khúc nào phải có đủ số quan sát riêng

6.    Quy mô mẫu được tính theo tiêu chí chính xác nào

7.    Tỷ lệ phản hồi và tỷ lệ loại dự kiến là bao nhiêu

8.    Có cần hiệu chỉnh hiệu ứng thiết kế hay không

9.    Sai lệch bao phủ và sai lệch không phản hồi sẽ được kiểm soát thế nào

10.  Trọng số nào sẽ được sử dụng khi phân tích

11.  Kết quả được phép suy rộng đến đâu

12.  Những giới hạn nào phải công bố trong báo cáo

Thiết kế phù hợp là thiết kế cân bằng giữa độ chính xác thống kê, chiều sâu thông tin, khả năng tiếp cận, thời gian, ngân sách và yêu cầu đạo đức. Theo cách tiếp cận của các tổ chức nghề nghiệp như AAPOR và ESOMAR, tính minh bạch về nguồn mẫu, phương pháp tuyển, tỷ lệ tham gia, kiểm soát chất lượng và giới hạn suy rộng là một phần của chất lượng nghiên cứu, không phải phần ghi chú phụ.

Một quy trình lựa chọn thực tế có thể triển khai theo thứ tự:

1.    Xác định quyết định Marketing và chỉ số cần đo

2.    Mô tả tổng thể mục tiêu bằng tiêu chí tuyển chọn

3.    Xác định đơn vị phân tích và khung mẫu

4.    Đánh giá yêu cầu suy rộng

5.    Chọn mẫu xác suất hoặc phi xác suất

6.    Chọn kỹ thuật lấy mẫu cụ thể

7.    Tính quy mô cho toàn mẫu và từng phân khúc

8.    Dự phòng không phản hồi và dữ liệu không hợp lệ

9.    Thiết kế kiểm soát thực địa và kiểm tra chất lượng

10.  Quy định phương pháp trọng số và phạm vi diễn giải

Mẫu nghiên cứu Marketing phù hợp không phải là mẫu có nhiều người tham gia nhất, mà là mẫu có cơ chế lựa chọn phù hợp nhất với quyết định cần hỗ trợ. Doanh nghiệp cần xác định chính xác tổng thể mục tiêu, đánh giá chất lượng khung mẫu, lựa chọn giữa mẫu xác suất và phi xác suất, sau đó tính quy mô dựa trên độ chính xác và phân tích dự kiến.

Khi cần suy rộng kết quả cho thị trường, nên ưu tiên thiết kế xác suất hoặc một thiết kế có cơ sở đại diện rõ ràng. Khi mục tiêu mang tính khám phá hoặc đối tượng khó tiếp cận, mẫu phi xác suất có thể phù hợp hơn, nhưng giới hạn của kết quả phải được nêu minh bạch. Trong mọi trường hợp, tăng quy mô mẫu không thể thay thế việc kiểm soát sai lệch bao phủ, sai lệch lựa chọn và sai lệch không phản hồi.