When is a research sample what can be useful?

Próba badawcza to wybrana część większej grupy (populacji), którą badasz zamiast całości, a wynik przenosisz na wszystkich. Wnioski są wiarygodne tylko wtedy, gdy próba jest odpowiednio duża i dobrana bez faworyzowania łatwo dostępnych osób. Dla dużej populacji próba 385 osób wybranych losowo daje, przy zwykłych założeniach, margines błędu około pięciu punktów procentowych.

What is a research sample?

Próba badawcza (inaczej próba statystyczna) to część populacji, czyli wszystkich obiektów, o których chcesz coś wiedzieć. Populacją mogą być klienci sklepu, mieszkańcy miasta, partie wyprodukowanych towarów albo wizyty na stronie internetowej. Badasz tylko próbę, bo sprawdzenie wszystkich jest za drogie, za wolne albo niemożliwe.

Dobrze to oddaje definicja z podręcznika statystyki: populacją nazywamy dowolną interesującą nas grupę obiektów, a próbą część populacji, którą poddajemy badaniu (Tomasz Zieliński, „Jak pokochać statystykę, czyli STATISTICA do poduszki”). Dalsze rozumowanie jest proste: jeśli próba jest dobra, jej cechy przybliżają cechy całości, a my możemy oszacować, jak bardzo możemy się mylić.

Próba badawcza nie jest tylko narzędziem ankieterów. Używa się jej w produkcji, w kontroli jakości, w testach nowych produktów i w ocenie stron internetowych. Wszędzie tam, gdzie nie da się sprawdzić „wszystkiego”, ktoś musi zdecydować, co sprawdzić i ile.

If you are involved in production, a research trial will allow you to do a quality test without the need to check, for example, thousands of batches or products. This way, you can research customer feedback and preferences, delivery quality and many other factors. The success of the research will depend on the adopted assumptions as well as the research methodology.

Próba badawcza a próba kontrolna – czym się różnią?

Te dwa pojęcia często się mylą, bo pojawiają się w tekstach o testach i eksperymentach. Różnica jest prosta.

• Próba badawcza (testowa) – grupa, wobec której stosujesz zmianę lub którą po prostu badasz: osoby, które dostały nową ofertę, klienci ankietowani po zakupie
• Próba kontrolna – grupa podobna do badawczej, ale bez zmiany. Służy do porównania i pozwala odróżnić efekt działania od zwykłych wahań

Przykład: wysyłasz nowy newsletter do losowo wybranej połowy klientów (próba badawcza), a druga połowa dostaje stary (próba kontrolna). Jeśli po miesiącu zapytania wzrosły tylko w pierwszej grupie, masz mocniejszy argument niż porównanie „przed i po” w całej bazie, bo oba okresy mogą się różnić sezonem. Zbieżność w czasie to nie dowód wpływu, a grupa kontrolna jest najprostszym sposobem, żeby to sprawdzić.

Methods and types of research sample

Zanim wybierzesz metodę, ustal trzy rzeczy: kogo badasz (populację i jej granice), ile osób potrzebujesz i jak będziesz do nich docierać. Populacja może być szeroka („dorośli Polacy”) albo wąska („właściciele firm transportowych z województwa śląskiego”). Im węższa, tym łatwiej ją opisać, ale trudniej do niej dotrzeć. Metody dzielą się na losowe i nielosowe.

Dobór losowy

W doborze losowym każda jednostka populacji ma znaną szansę trafienia do próby. Dzięki temu można oszacować błąd wyniku. Warunek: masz listę wszystkich jednostek (tzw. operat losowania), na przykład bazę klientów.

Dobór nielosowy

W doborze nielosowym badacz sam decyduje, kto wejdzie do próby. Metody są tańsze i szybsze, ale nie pozwalają oszacować błędu. Wyniki traktuj jako wskazówkę, a nie dowód.

• Dobór celowy – wybierasz osoby, które spełniają określone kryterium, na przykład tylko osoby kupujące produkt premium
• Dobór kwotowy – ustalasz kwoty dla grup (np. 50% kobiet, 50% mężczyzn; trzy grupy wiekowe) i szukasz osób, aż kwoty się zapełnią
• Dobór przypadkowy (wygodny) – pytasz tych, którzy są pod ręką, na przykład przechodniów
• Metoda poleceń (kuli śnieżnej) – każdy badany wskazuje kolejne osoby. Sprawdza się, gdy grupa jest wąska i trudno do niej dotrzeć, na przykład specjaliści z konkretnej dziedziny

Jak duża powinna być próba badawcza?

To pytanie pojawia się najczęściej. Odpowiedź zależy od dwóch decyzji: jaki margines błędu akceptujesz i jak pewny wynik chcesz mieć (poziom ufności). Dla szacowania odsetka (np. „ilu klientów poleciłoby firmę”) stosuje się wzór n = z² × p × (1 − p) / e². W nim z to wartość odpowiadająca poziomowi ufności (1,96 dla 95%), e to dopuszczalny błąd, a p to oczekiwany odsetek. Gdy go nie znasz, przyjmuje się ostrożnie p = 0,5, co daje największą potrzebną próbę (wzór i tę konwencję opisuje m.in. hasło „Sample size determination” w Wikipedii).

Z tego wzoru wynikają liczby dla dużej populacji, wyliczone przy poziomie ufności 95%:

Przy małej populacji próba może być mniejsza, bo stosuje się poprawkę: n = n0 / (1 + (n0 − 1) / N), gdzie n0 to wynik ze wzoru, a N to liczba wszystkich jednostek. Dla firmy, która ma 500 klientów, wyjdzie około 218 osób przy błędzie ±5 punktów, a dla 1000 klientów – około 278. Zwróć uwagę, że to wielkość próby, którą trzeba faktycznie zebrać. Jeśli odpowiada tylko 20% zaproszonych, musisz zaprosić pięć razy więcej osób.

Pamiętaj też, że wzór zakłada losowy dobór. Ankieta, którą wypełniają tylko chętni, nie jest próbą losową, więc wyliczony błąd jest tylko orientacyjny. Im mniejsza próba, tym mniej wiarygodne wyniki – ale większa próba źle dobranej grupy nie naprawi błędu doboru.

What to consider when selecting a sample?

Dobrze dobrana próba losowa powinna spełniać cztery warunki:

1. Opierać się na właściwej populacji. Badasz wszystkich mieszkańców Warszawy, tacy jacy są, a nie wyobrażenie „typowego warszawiaka”
2. Obejmować wszystkie jednostki populacji. Także te trudno dostępne: mieszkających daleko, rzadko korzystających z internetu, niezadowolonych
3. Dawać każdej jednostce równą szansę. Dlatego ankieta, którą wypełniają chętni, nie jest losowa
4. Być ostateczna. Nie można podmieniać wylosowanych osób na bardziej przychylne, gdy wyniki nie pasują do założeń

Druga grupa to techniki nielosowe. Szybciej i taniej dają wstępny obraz, ale nie pozwalają policzyć błędu. Wybieraj je świadomie, na przykład na etapie pomysłów i hipotez.

The second selection method are non-random techniques. The research group is selected according to any criteria or "at random", without keeping any rules. The error rate and accuracy cannot be determined in this way. The biggest plus is the ease and availability of this method. For example, if you want to control the quality of your goods, the research sample may include those taken from randomly selected batches. You risk choosing a party that will not represent the whole as a result of an accident.

Do badań dobrej jakości potrzebna jest też wiedza o tym, czego dokładnie szukasz. Zanim zaczniesz dobierać próbę, ustal, czy potrzebujesz liczb (badanie ilościowe) czy zrozumienia powodów (badanie jakościowe). Różnice opisujemy w artykule o badaniach ilościowych i jakościowych. W badaniach jakościowych próbę dobiera się zwykle celowo, a liczy w kilkunastu osobach, nie w setkach.

Badanie opinii i nie tylko – gdzie próba badawcza przydaje się w marketingu

Próba badawcza to nie tylko ankieta. Poniżej trzy zastosowania, w których pozwala zaoszczędzić czas.

• Tajemniczy klient (mystery shopping). Nie sprawdzisz każdej restauracji sieci ani każdego sklepu. Możesz odwiedzić po jednym punkcie z każdego miasta albo każdego typu i zamówić te same pozycje, by szybko ocenić standard obsługi
• Testy stron i nowych produktów. Nie dowiesz się, co myślą wszyscy użytkownicy sklepu internetowego. Możesz jednak sprawdzić grupę wybraną losowo i porównać jej odpowiedzi z grupą kontrolną
• Quality control. Zamiast sprawdzać tysiące sztuk, losujesz kilkadziesiąt z kilku partii. Ważne, by losować z różnych partii, a nie z jednej

The simplest opinion poll is a face-to-face interview, for example with passers-by. You can gather valuable information in just a few hours. The research sample can be selected in terms of location - e.g. in the morning, near the kindergarten, parents of young children can be easily found. In other circumstances, gathering such a representative group would be more difficult and would be associated with errors, because the study would involve, for example, many childless people, parents of teenagers, etc.

Dobór próby wpływa też na to, jak dobrze poznasz swoją grupę docelową. Jeśli chcesz sprawdzić, kto naprawdę kupuje, nie opieraj się na wyobrażeniach. Zbierz dane od losowo wybranych klientów i porównaj je z założeniami. Więcej o opisie odbiorców piszemy w artykule o tym, jak dobierać grupę docelową.

Problems selecting the research sample

Większość błędów w badaniach bierze się nie z rachunków, ale z doboru. Oto najczęstsze.

• Dobieranie życzliwych. Szef lub handlowiec podświadomie wskazuje ulubionych klientów. Dostaje komplet pochwał, który może przeczyć temu, co myśli większość. Próbę powinna dobierać osoba niezależna
• Presja na wynik. Zlecający badanie nie powinien wpływać na to, kogo pytać. Pytany z uprzejmości często mówi to, co chce usłyszeć rozmówca. Tak bywa przy badaniu rynku ograniczonym do znajomych i rodziny
• Brak założeń. Gdy nie ustalono celu i metody, próba składa się z przypadkowych osób albo z wąskiej grupy. Dla niszowego produktu premium nie potrzebujesz opinii „przeciętnego Kowalskiego”
• Zbyt niszowy kanał dotarcia. Jeśli ankietę rozsyłasz tylko w mediach społecznościowych firmy, badasz osoby, które już Cię znają
• Niski odsetek odpowiedzi. Gdy odpowiada mniej niż co piąty zaproszony, sprawdź, czy ci, którzy odpowiedzieli, nie różnią się od pozostałych
• Pytania sugerujące. „Czy zgadzasz się, że nasza obsługa jest świetna?” wymusza odpowiedź. Pytaj neutralnie

Dwa rodzaje błędów: losowy i systematyczny

Wynik z próby zawsze różni się od prawdziwej wartości w populacji. Różnice mają dwa źródła i warto je rozdzielać.

• Błąd losowy wynika z tego, że badasz część, a nie całość. Można go policzyć, o ile próba jest losowa, i zmniejszyć, zwiększając próbę. To on stoi za „marginesem błędu” w sondażach
• Błąd systematyczny wynika z wadliwego doboru lub pytań. Nie maleje, gdy zwiększasz próbę. Jeśli ankietujesz tylko stałych klientów, to nawet tysiąc odpowiedzi nie pokaże opinii tych, którzy odeszli

Dlatego pytanie „ile osób zbadać?” jest mniej ważne niż „kogo zbadać?”. Mała, dobrze dobrana próba bywa lepsza od dużej, ale przypadkowej. W praktyce firmy zwykle skupiają się na rachunku wielkości próby, a zaniedbują kontrolę doboru.

Przykład: sklep internetowy bada, dlaczego klienci nie wracają

Przykład ilustracyjny, liczby są umowne. Sklep ma bazę 2000 klientów, którzy kupili raz i nie wrócili. Właściciel chce poznać powody i zdecydować, czy zmienić dostawę, czy ofertę.

1. Cel i decyzja. Właściciel zapisuje: „Chcę wiedzieć, czy główną przyczyną jest cena dostawy, jakość produktu czy obsługa, żeby wybrać jedną zmianę na kwartał”
2. Populacja. Klienci z ostatnich 12 miesięcy, którzy kupili raz. Wyłączeni są klienci firmowi, bo mają inne zachowania
3. Dobór. Losowanie warstwowe: osobno klienci, którzy kupili tanie produkty, i osobno ci, którzy kupili drogie. Z każdej warstwy losuje się po tyle samo osób
4. Wielkość. Zakładając poprawkę dla małej populacji, potrzeba około 323 odpowiedzi przy błędzie ±5 punktów. Przy odpowiedziach na poziomie 15% trzeba zaprosić około 2150 osób, więc zaproszenie dostaje cała baza, a analiza obejmuje tych, którzy odpowiedzieli, z zaznaczeniem ograniczeń
5. Kontrola odpowiedzi. Przed analizą sprawdza się, czy odpowiedzieli klienci z obu warstw i czy nie dominują osoby, które były niezadowolone lub wyjątkowo zadowolone
6. Wnioski. Wynik opisuje się z zastrzeżeniem, że to deklaracje klientów, i sprawdza zmianę na grupie testowej z grupą kontrolną

Zwróć uwagę, że w tym przykładzie baza jest za mała, by zebrać pełną próbę przy niskim odsetku odpowiedzi. To częsta sytuacja. W takich warunkach uczciwie jest napisać, że wynik ma charakter orientacyjny, i uzupełnić go rozmowami z kilkoma klientami.

Lista kontrolna przed rozpoczęciem badania

1. Napisz jednym zdaniem, jaką decyzję ma wesprzeć badanie
2. Opisz populację: kogo badasz, a kogo nie
3. Wybierz metodę doboru (losowa, jeśli chcesz liczyć błąd)
4. Policz potrzebną wielkość próby i dodaj margines na brak odpowiedzi
5. Ustal, kto dobiera próbę i jak dokumentuje wybór
6. Przygotuj grupę kontrolną, jeśli sprawdzasz efekt zmiany
7. Zapisz z góry, jaki wynik uznasz za sygnał do działania
8. Po badaniu opisz ograniczenia: kto nie odpowiedział i kogo mogło zabraknąć

How does Commplace help?

Commplace pomaga zaplanować badania, które wspierają decyzje marketingowe: od ustalenia, kogo pytać i ile osób potrzeba, po wnioski dla strategii. Dobór próby jest pierwszym krokiem do audytu marketingowego i planu działań. Szczegóły znajdziesz w ofercie marketing strategies for companies. Przy podejmowaniu decyzji o wynikach sprzedaży pomaga też znajomość etapów sprzedaży.

Wyniki badań, dane z analityki i wskaźniki kampanii można zebrać w jednym miejscu, w kokpicie Commwork®AI. System porządkuje dane, a wnioski i decyzje pozostają po stronie człowieka.

Sources: Wzór na wielkość próby dla odsetka i konwencja p = 0,5: „Sample size determination”, Wikipedia (en.wikipedia.org/wiki/Sample_size_determination), sprawdzono 5.10.2026; liczby 385, 1068, 2401, 218, 278, 323 i 2150 to wyniki rachunku według tego wzoru (z = 1,96); definicja populacji i próby: T. Zieliński, „Jak pokochać statystykę, czyli STATISTICA do poduszki”; pozostałe treści: opracowanie redakcji bloga Commplace.