Muestreo estratificado

Imagina esta situación: una cadena de supermercados quiere medir cuán satisfechos están los clientes con su servicio. Si simplemente encuestas al azar a 800 personas de la base de datos general, existe el riesgo de que la mayoría provenga de grandes ciudades y de barrios céntricos. Los pueblos pequeños, las tiendas de las afueras y los compradores "nocturnos" quedarán infrarrepresentados en la muestra, y es justo allí donde a menudo se esconden los problemas más graves.

Para no "diluir" los segmentos importantes a lo largo de la muestra ni perder su voz, los investigadores dividen de antemano a la audiencia en grupos homogéneos y planifican a cuántas personas necesitan encuestar en cada uno. Este enfoque se denomina muestreo estratificado y se considera una de las formas más precisas de construir una muestra para una encuesta.

Qué es el muestreo estratificado

El muestreo estratificado es un método para construir una muestra en el que la población se divide primero en grupos homogéneos (estratos) según una característica importante —sexo, edad, región, tipo de cliente, etc.— y luego se selecciona aleatoriamente un número determinado de encuestados dentro de cada estrato.

La idea es simple: en lugar de esperar que el azar distribuya "correctamente" a los encuestados entre los grupos, defines de antemano la estructura de la muestra y te aseguras de que todos los segmentos relevantes de la audiencia estén representados en la encuesta.

En qué se diferencia la estratificación del muestreo por cuotas y del aleatorio simple

Muestreo aleatorio simple. Cada elemento de la población tiene la misma probabilidad de ser seleccionado, pero la estructura por sexo, edad, región y otras características queda "según la suerte". Con muestras suficientemente grandes, el azar suele jugar a tu favor, pero con muestras pequeñas y medianas son posibles los sesgos.

Muestreo por cuotas. También fijas proporciones objetivo para las características clave, pero la selección dentro de cada cuota suele basarse en la conveniencia: los entrevistadores o los canales eligen a las personas más fáciles de encuestar. Formalmente es un esquema no probabilístico, descrito en detalle en el artículo sobre el muestreo por cuotas.

Muestreo estratificado. Se diferencia del muestreo por cuotas en que la selección dentro de cada estrato debe ser aleatoria (o lo más cercana posible a la aleatoriedad). Esto permite clasificarlo como un método probabilístico y estimar correctamente el margen de error estadístico a nivel de toda la muestra.

Cómo planificar una muestra estratificada

1. Describir la población. Primero, debes entender claramente a quién quieres estudiar exactamente: todos los clientes de los últimos 12 meses, solo los clientes nuevos, los residentes de la ciudad mayores de 18 años, los usuarios de un plan determinado. Sin esto no tiene sentido avanzar.

2. Elegir una característica (o varias) para la estratificación. Deben ser características que influyan fuertemente en el indicador que estudias: región, tipo de punto de venta, tamaño de la empresa, grupo de edad. Para estudios a gran escala, conviene apoyarse en las buenas prácticas para diseñar encuestas de opinión pública y en las estadísticas oficiales de población.

3. Definir la estructura de los estratos. Aquí ayudan los datos del CRM, las estadísticas del negocio o las fuentes públicas. Por ejemplo: "Nueva York — 20% de los clientes, otras grandes ciudades — 30%, otras localidades — 50%". O: "microempresa — 40%, pequeña — 35%, mediana — 25%".

4. Repartir el tamaño total de la muestra entre los estratos. Lo más habitual es usar una asignación proporcional: si el 60% de los clientes de la población son mujeres y el 40% son hombres, entonces se fijan las mismas proporciones en la muestra. Para segmentos pequeños pero estratégicamente importantes, a veces se aplica una estratificación desproporcionada: se reclutan algo más de encuestados para que las analíticas sobre ellos sean más robustas.

El muestreo estratificado en las encuestas en línea

En el "clásico offline", la estratificación se construye en torno a listas y a la selección aleatoria. En un entorno en línea el enfoque cambia, pero los principios básicos se mantienen.

Trabajar con varias bases de datos. A menudo, distintos estratos viven físicamente en fuentes diferentes: listas de clientes separadas por región, tipo de producto o canal de ventas. En este caso, cada base de datos actúa como su propio estrato, dentro del cual seleccionas aleatoriamente contactos y envías invitaciones.

Uso de paneles de encuestados. Si reclutas a tu audiencia a través de un panel, se logra un efecto similar mediante los ajustes de segmentación. El enfoque y lo que cabe esperar de tales encuestados se explican bien en el artículo "Quién es un encuestado en una encuesta": muestra cómo los paneles ayudan a completar los segmentos que necesitas y a evitar sesgos hacia los usuarios activos.

Variables ocultas y filtros. Aunque no puedas seleccionar a los encuestados dentro de cada estrato de forma perfectamente aleatoria, al menos puedes etiquetarlos correctamente. Mediante variables ocultas y filtros en los informes, controlas la estructura de los datos y, si es necesario, completas adicionalmente los grupos infrarrepresentados.

Ejemplo: encuesta a clientes de una cadena de gimnasios

Supongamos que una cadena tiene 30 clubes en tres tipos de ubicaciones: centro de la ciudad, barrios residenciales y centros comerciales. Según los datos del CRM, el 25% de los clientes visita los clubes céntricos, el 50% visita los clubes de barrios residenciales y el 25% visita los clubes de los centros comerciales. Las analíticas muestran que la satisfacción depende en gran medida del tipo de ubicación.

Si simplemente tomas una muestra aleatoria de la base de datos general, podrías obtener por casualidad un sesgo hacia un tipo de club. Con un esquema estratificado defines tres estratos ("centro", "barrios", "centros comerciales") y repartes, digamos, 600 clientes como 150/300/150. Dentro de cada estrato se seleccionan aleatoriamente personas del CRM para invitarlas, y el envío en SurveyNinja se construye ya sobre la base de estas listas.

Como resultado, en el informe obtienes no solo una valoración general de la satisfacción, sino también comparaciones robustas por cada tipo de club, sin el temor de que uno de los grupos tenga solo 20 respuestas y las conclusiones sobre él no sean fiables.

Errores típicos en la estratificación

Demasiados estratos. El deseo de "tenerlo todo en cuenta" hace que dividas a la audiencia por muchos criterios a la vez y termines con decenas de celdas, en cada una de las cuales necesitas reunir un número mínimo de observaciones. En la práctica esto es casi inalcanzable y encarece mucho el proyecto.

Uso de características inestables. Estratificar por características que cambian rápidamente (por ejemplo, "cliente activo/inactivo durante la última semana") es arriesgado: mientras reclutas la muestra, la estructura de la población ya ha tenido tiempo de cambiar.

Mezclar la estratificación con la lógica de cuotas sin entenderla. En las encuestas en línea reales, dentro de los estratos se usa a menudo una selección por cuotas o por conveniencia, en lugar de una puramente aleatoria. Esto no está prohibido, pero es importante reconocer honestamente que en tal caso tu diseño se sitúa en algún punto entre la estratificación estricta y el muestreo por cuotas, e interpretar con cuidado las conclusiones estadísticas.

Recomendaciones prácticas

Estratifica por unas pocas características realmente significativas. Para empezar bastan 1–2 dimensiones: región + tipo de cliente, tipo de punto de venta + tamaño de la empresa. Las demás características se pueden tener en cuenta más adelante, en la etapa de análisis, aplicando filtros y cortes en los informes.

Planifica el tamaño de la muestra teniendo en cuenta los estratos. Es importante calcular el tamaño de la muestra no solo "en general", sino también dentro de cada grupo. Si tienes 600 encuestados y tres estratos, las analíticas de cada uno de ellos se construyen ya sobre submuestras de 200 personas; conviene comprobar de antemano si eso es suficiente para tus objetivos.

Documenta el esquema en la sección metodológica. En los informes sobre los resultados de las encuestas conviene describir por separado qué estratos se usaron y cómo se seleccionaron los encuestados dentro de ellos. Esto aumenta la confianza en los resultados y ayuda a los colegas a evaluar correctamente la fiabilidad de las conclusiones.

Aprovecha las posibilidades del creador de encuestas, no solo Excel. En SurveyNinja es fácil "dar soporte" a la estratificación mediante varios enlaces a una misma encuesta (para distintos estratos) y variables ocultas que marcan a qué grupo pertenece cada respuesta. Esto simplifica la creación de cortes y comparaciones en los informes y reduce el riesgo de confundir los datos durante el procesamiento manual.

El muestreo estratificado es una forma de asegurarte de antemano de que en una encuesta se escuche a todos los segmentos importantes de la audiencia, y no solo a los más visibles y ruidosos. Un poco de planificación adicional al principio ahorra horas de discusión en la etapa de análisis, cuando hay que explicar por qué "casi no hay clientes de las regiones en la muestra".