Muestreo sistemático

Imagina la siguiente situación: tienes una base de datos de 20.000 clientes y necesitas encuestar a unos 1.000 de ellos. Elegir a cada encuestado al azar, uno por uno, es lento e incómodo. Un investigador propone un truco sencillo: ordenar a los clientes por número de contrato y tomar a uno de cada veinte. El resultado es una muestra ordenada y "uniforme" sin matemáticas complicadas. Pero ¿se puede confiar en ella?

Si en la lista de clientes se oculta alguna periodicidad (por ejemplo, ligada a las fechas de las promociones o a los canales de captación), la selección sistemática puede "caer" repetidamente en el mismo subgrupo y ofrecer una imagen distorsionada. Por eso es importante entender cómo funciona el muestreo sistemático, cuándo es apropiado y qué inconvenientes tiene.

Definición del muestreo sistemático

El muestreo sistemático es una forma de construir una muestra en la que los elementos de una población ordenada se seleccionan a un intervalo fijo: por ejemplo, cada décimo o cada vigésimo elemento de una lista, a partir de un punto de inicio elegido al azar.

En esencia, es una versión "simplificada" del muestreo aleatorio: eliges el inicio al azar una sola vez, fijas un paso k y luego reúnes automáticamente la cantidad de encuestados necesaria. Este enfoque ahorra tiempo cuando realizar una selección aleatoria por separado para cada elemento resulta incómodo.

Cómo se construye el muestreo sistemático en la práctica

1. Se compila una lista de la población. Por ejemplo, todos los clientes del último año, todos los números de pedido, todos los registros del CRM. Es importante que la lista esté completa y no contenga grupos excluidos.

2. Los elementos se ordenan. Lo más frecuente es ordenarlos por tiempo, número de contrato o ID del cliente. En esta etapa es fácil introducir una periodicidad sin darse cuenta: por ejemplo, si los números de contrato dependen de la sucursal y tú ordenas solo por número.

3. Se elige un paso k. Si necesitas encuestar a unas N personas de una lista de longitud M, el paso se calcula como M/N y se redondea al número entero más cercano. Con una lista de 20.000 elementos y un plan de 1.000 encuestados, el paso será 20.

4. Se determina una posición de inicio aleatoria. Por ejemplo, un número aleatorio del 1 al k. La selección comienza en ese elemento: el primer encuestado es la posición 7, el siguiente es 27, luego 47, y así sucesivamente, hasta reunir la muestra necesaria.

Ventajas y desventajas del muestreo sistemático

Ventajas. La principal fortaleza es la sencillez y la rapidez de implementación. Basta con calcular una vez el paso y el inicio, y después el procedimiento es fácil de automatizar. En listas uniformes, ordenadas "al azar", esta muestra ofrece resultados muy cercanos al muestreo aleatorio simple.

Limitaciones. El principal riesgo es la periodicidad oculta en la lista. Si, por ejemplo, los pedidos de las tiendas físicas y del canal en línea se alternan por número, y tu paso siempre cae en pedidos de un solo canal, obtendrás una muestra con una estructura distorsionada. Otro problema es la falta de control sobre subgrupos importantes: la selección sistemática por sí sola no garantiza que la muestra contenga suficientes representantes de cada segmento.

El muestreo sistemático en la investigación a lo largo del tiempo

Un caso particular que suelen usar los profesionales del marketing y los equipos de producto es la selección de "cada n-ésimo evento" en el tiempo. Por ejemplo, decides encuestar a cada centésimo cliente que realiza un pedido en una tienda, o a cada quincuagésimo usuario que completa un flujo en una aplicación.

Este enfoque es cómodo para construir series temporales y monitorizar indicadores: puedes medir regularmente la satisfacción, el NPS u otras métricas sin necesidad de encuestar a cada cliente. Más adelante, estos datos pueden analizarse como una serie temporal (el término Time Series Analysis explica más sobre el trabajo con este tipo de estructuras).

Es importante que la elección de los pasos y los puntos temporales no coincida con periodos en los que el comportamiento de los clientes difiere notablemente (por ejemplo, solo días laborables, solo la primera mitad del día o solo días de rebajas); de lo contrario, corres el riesgo de introducir un sesgo persistente.

Ejemplo: una encuesta en puntos de venta físicos

Supongamos que quieres recoger opiniones en una red minorista o en un evento. Una técnica que funciona es encuestar no a cada visitante, sino, digamos, a uno de cada diez. Esto reduce la carga sobre el personal y los clientes, pero sigue ofreciendo un flujo regular de datos. En el mostrador, la caja o el estand se coloca un cartel con un código QR que lleva a la encuesta, y los empleados invitan a las personas a rellenar el formulario según una regla predefinida.

Puedes leer más sobre cómo funciona este formato en el artículo «Código QR: un enfoque offline»: aborda las particularidades de la colocación de códigos y los escenarios de trabajo con materiales impresos. Combinado con la selección sistemática (por ejemplo, invitar a cada n-ésimo visitante), esto ayuda a mantener un flujo constante de respuestas sin saturar a la audiencia.

Para eventos y conferencias resultan útiles las ideas del artículo «Encuestas en eventos»: aborda formas de integrar una encuesta en el desarrollo del evento sin interferir con la experiencia principal del participante. La selección sistemática (cada quinto asistente a una sesión, cada décimo visitante de un estand) ayuda a obtener una imagen más uniforme que los "picos" aleatorios de actividad al principio o al final del día.

Cómo usar el muestreo sistemático en encuestas en línea

Selección de contactos en un CRM. A menudo es más fácil exportar una gran lista de clientes, ordenarla por tiempo o ID y luego seleccionar los contactos por el paso k. Después, a estas personas se les envía una invitación a la encuesta. Este enfoque es especialmente cómodo en grandes proyectos de estimación del tamaño del mercado o de análisis de la base de clientes, cuando se trata de decenas de miles de registros (consulta el artículo «Estimación del tamaño del mercado»).

Selección pseudoaleatoria de visitantes del sitio web. En línea, "cada n-ésimo" visitante puede implementarse técnicamente mediante contadores, disparadores y segmentos. Por ejemplo, puedes mostrar una invitación a la encuesta no a todos, sino solo a una parte de la audiencia, para no sobrecargar a los usuarios. Aquí es importante asegurarse de que el mecanismo de visualización no dependa del canal de tráfico ni de la hora del día; de lo contrario, la muestra quedará sesgada.

Control de la estructura de las respuestas. Aunque inicialmente hayas seleccionado a los encuestados de forma sistemática, en los informes es útil comprobar cómo se distribuyeron las respuestas según los parámetros clave. En SurveyNinja puedes usar filtros y segmentaciones en los informes para ello, así como los ajustes descritos en la sección de ayuda sobre el filtrado de respuestas («Ver el informe de la encuesta»).

Errores típicos

Ignorar la estructura de la lista. Si los elementos de la lista están ordenados por una característica relacionada con el indicador estudiado, la selección sistemática puede dar una imagen muy distorsionada. Por ejemplo, cuando los clientes en el CRM están ordenados por gestor, y cada gestor trabaja con un segmento diferente.

Un paso que coincide con una periodicidad. Un ejemplo clásico: en una tienda, cada séptima compra forma parte de una promoción de fin de semana, y tú eliges un paso de 7. Como resultado, la muestra contiene una cantidad desproporcionada de clientes "de promoción" y los resultados de la encuesta se distorsionan.

Ausencia de un inicio aleatorio. Si siempre empiezas la selección por el primer elemento en lugar de por un punto aleatorio dentro del primer intervalo, te complicas la tarea: cualquier particularidad de los primeros registros afectará sistemáticamente a la muestra.

Confianza ciega sin verificación. Aunque el esquema de selección parezca ordenado, después de reunir los datos es útil comparar la estructura de la muestra con la estructura de toda la población según las características disponibles: región, tipo de cliente, fuente de tráfico. Para ello resultan prácticos los informes y las herramientas de segmentación descritos en el artículo «Segmentar y filtrar clientes mediante encuestas».

Recomendaciones prácticas

No uses el muestreo sistemático "por defecto". Es una herramienta cómoda, pero debe ser una elección consciente. Primero evalúa cómo está estructurada tu lista, si tiene grupos o ciclos marcados, y solo entonces elige el paso y el inicio.

Combínalo con otros métodos. A menudo es razonable usar la selección sistemática dentro de un diseño más amplio: por ejemplo, primero dividir la audiencia en varios segmentos y luego aplicar un esquema sistemático dentro de cada segmento. Esto ayuda a controlar mejor la estructura de la muestra.

Describe la metodología con honestidad. En los informes de investigación conviene indicar explícitamente que la muestra fue sistemática, cómo exactamente se compiló la lista, qué paso se utilizó y cómo se eligió el punto de inicio. Esto permitirá interpretar correctamente los resultados y compararlos con datos de otras fuentes.

Aprovecha las funciones del creador para controlar la carga. En SurveyNinja puedes limitar el número total de respuestas, configurar enlaces distintos para diferentes canales y aplicar el filtrado de respuestas en los informes. Todo esto ayuda a implementar las ideas de la selección sistemática con más cuidado, sin saturar a la audiencia y manteniendo bajo control la fase de campo.

El muestreo sistemático es una herramienta para quienes quieren facilitar la vida a los equipos de campo sin sacrificar a ciegas la calidad de los datos. Aplicado con cuidado, ofrece resultados cercanos al muestreo aleatorio, pero requiere algo más de atención a cómo está estructurada tu base de datos y dónde pueden esconderse en ella ciclos y patrones.