目录
在问卷调查中，最常被问到的问题之一是：
“到底要调查多少人？”
但事实上，样本数量多并不意味着结果就可信。
真正重要的是，样本是否能够充分代表总体，也就是“代表性”。
如果代表性不足，即使收集上千份答卷，结果也可能只是对总体的片面反映。
代表性失衡的主要原因
样本来源偏向单一群体（例如仅年轻人参与）
性别、地区、职业等人口统计特征分布不均衡
调查渠道受限（仅使用线上问卷时，老年群体参与率低）
未剔除不诚信回答，导致样本偏离真实总体
提高代表性的关键策略
🎯 1. 前期样本设计
在调查前，对目标总体的人口统计结构进行分析，
并制定样本配额（例如按性别、年龄段、地区比例分配）。
🌐 2. 多渠道招募
结合线上与线下渠道，或同时利用面板样本与公开招募，以减少特定群体的偏差。
🧹 3. 剔除不诚信回答
过滤重复答案、逻辑矛盾的回答，排除影响代表性的数据。
📈 4. 预留冗余样本
在目标样本数之外额外多收集一些答卷，以确保清理后仍有足够的有效样本。
研究与企业调查的区别
🎓 研究生论文：
IRB 审查与论文评审都要求明确说明样本计算依据。
若样本代表性不足，研究的可信度会受到严重质疑。
🏢 企业市场调查：
重点是锁定目标客群（如 20 多岁的女性消费者）。
与其追求总体代表性，不如确保目标市场群体的准确反映。
The Brain 的方法与优势
以 最少 150 份样本为基础，根据需要可扩展至数百或数千份。
利用 拥有 1700 万人规模的面板网络，实现快速且精准的样本获取。
结合 AI 不诚信回答过滤 + 专家复核，全面保障数据质量。
采用 冗余样本策略：若目标为 150 份，则实际调查 200 人以上，确保数据清理后依然稳定可靠。
质量比数量更重要
具有代表性的样本，是决定研究与调查可信度的核心因素。
The Brain 从调查设计到数据清理全过程严格把控，
为研究者与企业提供真正有意义、可靠的分析结果。
