為什麼我們做使用者調研時，樣本量不是50就是500這樣的數字？為什麼不是300，或者是20這樣？作者通過自己公衆号為例，對這個問題進行了詳細的分析，并解釋了背後的理論依據，分享給大家。
教員經常講，你對于某個問題沒有調查，就停止你對于某個問題的發言權。
要注重調查、反對瞎說。
今天某個朋友在問我定性和定量調研的關系，問定性調研為啥是50位，不是30不是100呢？
有沒有理論支撐？
我當時被問住了，尴尬了回了句 哈哈哈，好問題。
午飯後，重新思考了這個問題，做一個簡單的梳理。
定性調研：
已購使用者定性調研，有幾個關鍵性的名額要明确。
1、使用者是誰
2、使用者在哪
3、使用者使用産品屬于什麼階段
舉個例子，
我在寫公衆号，我的産品就是輸出關于機器人賽道相關的東東。
那我做定性調研怎麼做呢？
一、使用者是誰
通過背景資料會發現，我的公衆号粉絲男女比例，差不多4：1
那我做調研男女比例也要遵循這個邏輯。
使用者是誰還要包含年齡、職業、收入、等等次元，那個群體多那個群體相對比例也要增加。
那我在訪談時就要側重在26-45的年齡區間。
二、使用者在哪呢？
還是以我公衆号為例，那我的訪談重點區域就在這幾個地方。
繼續拆解，廣東訪談重點在深圳，江蘇訪談重點在蘇州。
三、使用者使用産品屬于什麼階段
1、未使用人群
2、已使用人群
3、重度體驗人群
按照階段再結合地區和使用者分解
3（階段）x2（性别）xN(地區選擇）xS（年齡選擇）
按照我的來看
3x2x4x2=48人
這還沒按照粉絲比例去做調整，那50位是不是算合理呢。
新産品的調研也可以做參考，也是适用的。
定量調研：
500份的調研樣本不代表回收的有效資料，那為啥是500呢？
我們在讀書階段可能都接觸過一部分統計學，在統計學裡有個機率問題。
我不做科普，樣本量其實也有幾個關鍵性名額。
1、置信區間
2、置信水準
3、人口規模
4、标準差
感興趣的自行百度
那統計學中有一個概念叫做Z分數。
Z 分數是統計學中的一個概念，它表示你的分數距離平均值有多少個标準差。在計算樣本大小時，Z 分數代表了你想要的置信水準。
常見的置信水準有 90%，95%，和 99%，它們對應的 Z 分數分别大約是 1.645, 1.96, 和 2.576。
正太分布Z值表是現成，可以看下圖
正态分布Z值表怎麼看呢？
比如，我們想要找到置信水準為 90% 的時候，Z 分數是多少？
90% 的置信水準意味着中間覆寫了總體的 90%，留下兩端各占 5%（100% – 90% = 10%，兩端各占一半，是以是 5%）。
在标準正态分布中，這意味着你需要找到累積機率為 95%（50% + 45%）的 Z 分數。因為從最左端到中間覆寫了 50%，再加上從中間到你的 Z 點的 45%。
使用正态分布Z值表
找到對應的行和列，然後沿着這行和列确定交點，你就可以找到對應的 Z 分數。如果表是從最左側到 Z 點的累積機率，你會找到累積機率為 0.9500 左右的 Z 分數。
好像還是沒聊到樣本量，别着急。
當你了解了這些資訊，自然就會了解到一個公式
1）置信水準（Z 分數）：你需要多大的置信度？這決定了你的 Z 分數。
2）預期的效應大小（P）：這通常是你希望能夠檢測到的最小變化或差異。
通常使用 P = 0.5 作為保守估計，因為這會給出最大的樣本大小。
3）标準差（e）：預期答案的變化範圍。
如果你不确定，可接受的誤差範圍 e 可以用 0.05（即 5%）作為一個保守估計。
假設我們要計算的情景如下：
置信水準是 95%，是以 Z = 1.96
預計效應大小（比例）P = 0.5
可接受的誤差範圍 e = 0.05（即 5%）
我們将這些值代入公式中：
N = (1.96² × 0.5 × (1 – 0.5)) / 0.05² = 384.16
根據計算，當置信水準為 95%，預期效應大小為 0.5，且可接受的誤差範圍為 5% 時，所需的樣本大小大約為 384.16。
用樣本電腦計算，使用者基數十萬人，有效樣本量382就可以覆寫。
使用者基數100萬，有效樣本量384。
使用者基數一個億，你會發現還是384。
神奇不？
沒有調查，我怎麼可能瞎說。
以上
本文由人人都是産品經理作者【new bo】，微信公衆号：【new bo】，原創/授權 釋出于人人都是産品經理，未經許可，禁止轉載。
題圖來自Unsplash，基于 CC0 協定。