Amostragem sistemática

Imagine a seguinte situação: você tem um banco de dados de 20.000 clientes e precisa entrevistar cerca de 1.000 deles. Escolher cada respondente aleatoriamente, um por um, é lento e inconveniente. Um pesquisador sugere um truque simples: ordenar os clientes pelo número do contrato e pegar um a cada vinte. O resultado é uma amostra organizada e "uniforme", sem matemática complicada. Mas dá para confiar nela?

Se houver alguma periodicidade oculta na lista de clientes (por exemplo, ligada às datas das promoções ou aos canais de aquisição), a seleção sistemática pode "cair" repetidamente no mesmo subgrupo e gerar uma imagem distorcida. Por isso é importante entender como funciona a amostragem sistemática, quando ela é apropriada e quais armadilhas ela tem.

Definição de amostragem sistemática

A amostragem sistemática é uma forma de construir uma amostra na qual os elementos de uma população ordenada são selecionados em um intervalo fixo: por exemplo, a cada décimo ou a cada vigésimo elemento de uma lista, a partir de um ponto de início escolhido aleatoriamente.

Em essência, é uma versão "simplificada" da amostragem aleatória: você escolhe o início aleatoriamente apenas uma vez, define um passo k e depois reúne automaticamente a quantidade necessária de respondentes. Essa abordagem economiza tempo quando fazer uma seleção aleatória separada para cada elemento é inconveniente.

Como a amostragem sistemática é construída na prática

1. Compila-se uma lista da população. Por exemplo, todos os clientes do último ano, todos os números de pedido, todos os registros do CRM. É importante que a lista esteja completa e não contenha grupos excluídos.

2. Os elementos são ordenados. Na maioria das vezes, por tempo, número do contrato ou ID do cliente. Nessa etapa é fácil introduzir uma periodicidade sem perceber: por exemplo, se os números dos contratos dependem da filial e você ordena apenas pelo número.

3. Escolhe-se um passo k. Se você precisa entrevistar cerca de N pessoas de uma lista de comprimento M, o passo é calculado como M/N e arredondado para o número inteiro mais próximo. Com uma lista de 20.000 elementos e um plano de 1.000 respondentes, o passo será 20.

4. Determina-se uma posição de início aleatória. Por exemplo, um número aleatório de 1 a k. A seleção começa nesse elemento: o primeiro respondente é a posição 7, o seguinte é 27, depois 47 e assim por diante, até que a amostra necessária seja reunida.

Prós e contras da amostragem sistemática

Vantagens. O principal ponto forte é a simplicidade e a rapidez de implementação. Basta calcular o passo e o início uma vez, e depois o procedimento é fácil de automatizar. Em listas uniformes, ordenadas "aleatoriamente", essa amostra gera resultados muito próximos da amostragem aleatória simples.

Limitações. O principal risco é a periodicidade oculta na lista. Se, por exemplo, os pedidos das lojas físicas e do canal online se alternam por número, e o seu passo sempre cai em pedidos de um único canal, você obterá uma amostra com uma estrutura distorcida. Outro problema é a falta de controle sobre subgrupos importantes: a seleção sistemática por si só não garante que a amostra contenha representantes suficientes de cada segmento.

A amostragem sistemática em pesquisas ao longo do tempo

Um caso particular frequentemente usado por profissionais de marketing e equipes de produto é a seleção de "cada n-ésimo evento" ao longo do tempo. Por exemplo, você decide entrevistar cada centésimo cliente que faz um pedido em uma loja, ou cada quinquagésimo usuário que conclui um fluxo em um aplicativo.

Essa abordagem é conveniente para construir séries temporais e monitorar indicadores: você pode medir regularmente a satisfação, o NPS ou outras métricas sem precisar entrevistar cada cliente. Posteriormente, esses dados podem ser analisados como uma série temporal (o termo Time Series Analysis explica mais sobre o trabalho com esse tipo de estrutura).

É importante que a escolha dos passos e dos pontos no tempo não coincida com períodos em que o comportamento dos clientes difere bruscamente (por exemplo, apenas dias úteis, apenas a primeira metade do dia ou apenas dias de promoção); caso contrário, você corre o risco de introduzir um viés persistente.

Exemplo: uma pesquisa em pontos de venda físicos

Suponha que você queira coletar feedback em uma rede de varejo ou em um evento. Uma técnica que funciona é entrevistar não cada visitante, mas, digamos, um a cada dez. Isso reduz a carga sobre a equipe e os clientes, mas ainda fornece um fluxo regular de dados. No balcão, no caixa ou no estande coloca-se um cartaz com um código QR que leva à pesquisa, e os funcionários convidam as pessoas a preencher o formulário de acordo com uma regra predefinida.

Você pode ler mais sobre como esse formato funciona no artigo «Código QR: uma abordagem offline»: ele aborda as particularidades da colocação de códigos e os cenários de trabalho com materiais impressos. Combinado com a seleção sistemática (por exemplo, convidar cada n-ésimo visitante), isso ajuda a manter um fluxo constante de respostas sem sobrecarregar o público.

Para eventos e conferências, são úteis as ideias do artigo «Pesquisas em eventos»: ele aborda formas de integrar uma pesquisa ao desenrolar do evento sem atrapalhar a experiência principal do participante. A seleção sistemática (cada quinto participante de uma sessão, cada décimo visitante de um estande) ajuda a obter uma imagem mais uniforme do que os "picos" aleatórios de atividade no início ou no fim do dia.

Como usar a amostragem sistemática em pesquisas online

Seleção de contatos em um CRM. Muitas vezes é mais fácil exportar uma grande lista de clientes, ordená-la por tempo ou ID e depois selecionar os contatos pelo passo k. Em seguida, essas pessoas recebem um convite para a pesquisa. Essa abordagem é especialmente conveniente em grandes projetos de estimativa do tamanho do mercado ou de análise da base de clientes, quando se trata de dezenas de milhares de registros (veja o artigo «Estimativa do tamanho do mercado»).

Seleção pseudoaleatória de visitantes do site. Online, "cada n-ésimo" visitante pode ser implementado tecnicamente por meio de contadores, gatilhos e segmentos. Por exemplo, você pode exibir um convite para a pesquisa não a todos, mas apenas a uma parte do público, para não sobrecarregar os usuários. Aqui é importante garantir que o mecanismo de exibição não dependa do canal de tráfego nem da hora do dia; caso contrário, a amostra ficará enviesada.

Controle da estrutura das respostas. Mesmo que inicialmente você tenha selecionado os respondentes de forma sistemática, nos relatórios é útil verificar como as respostas se distribuíram pelos parâmetros principais. No SurveyNinja você pode usar filtros e recortes nos relatórios para isso, bem como as configurações descritas na seção de ajuda sobre filtragem de respostas («Ver o relatório da pesquisa»).

Erros típicos

Ignorar a estrutura da lista. Se os elementos da lista estiverem ordenados por uma característica relacionada ao indicador estudado, a seleção sistemática pode dar uma imagem muito distorcida. Por exemplo, quando os clientes no CRM estão ordenados por gerente, e cada gerente trabalha com um segmento diferente.

Um passo que coincide com uma periodicidade. Um exemplo clássico: em uma loja, cada sétima compra faz parte de uma promoção de fim de semana, e você escolhe um passo de 7. Como resultado, a amostra contém uma quantidade desproporcional de clientes "de promoção", e os resultados da pesquisa ficam distorcidos.

Ausência de um início aleatório. Se você sempre começa a seleção pelo primeiro elemento em vez de por um ponto aleatório dentro do primeiro intervalo, você dificulta a sua tarefa: qualquer particularidade dos primeiros registros afetará sistematicamente a amostra.

Confiança cega sem verificação. Mesmo que o esquema de seleção pareça organizado, depois de reunir os dados é útil comparar a estrutura da amostra com a estrutura de toda a população segundo as características disponíveis: região, tipo de cliente, fonte de tráfego. Para isso são práticos os relatórios e as ferramentas de segmentação descritos no artigo «Segmentar e filtrar clientes por meio de pesquisas».

Recomendações práticas

Não use a amostragem sistemática "por padrão". É uma ferramenta conveniente, mas deve ser uma escolha consciente. Primeiro avalie como sua lista está estruturada, se ela tem grupos ou ciclos marcados, e só então escolha o passo e o início.

Combine-a com outros métodos. Muitas vezes é razoável usar a seleção sistemática dentro de um design maior: por exemplo, primeiro dividir o público em vários segmentos e depois aplicar um esquema sistemático dentro de cada segmento. Isso ajuda a controlar melhor a estrutura da amostra.

Descreva a metodologia com honestidade. Nos relatórios de pesquisa, convém indicar explicitamente que a amostra foi sistemática, como exatamente a lista foi compilada, qual passo foi usado e como o ponto de início foi escolhido. Isso permitirá interpretar corretamente os resultados e compará-los com dados de outras fontes.

Aproveite os recursos do construtor para controlar a carga. No SurveyNinja você pode limitar o número total de respostas, configurar links diferentes para diferentes canais e aplicar a filtragem de respostas nos relatórios. Tudo isso ajuda a implementar as ideias da seleção sistemática com mais cuidado, sem sobrecarregar o público e mantendo a etapa de campo sob controle.

A amostragem sistemática é uma ferramenta para quem quer facilitar a vida das equipes de campo sem sacrificar cegamente a qualidade dos dados. Quando aplicada com cuidado, ela gera resultados próximos da amostragem aleatória, mas exige um pouco mais de atenção a como o seu banco de dados está estruturado e onde podem se esconder ciclos e padrões dentro dele.