Kỹ thuật lấy mẫu ngẫu nhiên theo cụm/khối

Khái niệm
Cluster Random Sampling, hay kỹ thuật chọn mẫu phân bổ, là một kỹ thuật chọn mẫu dựa theo xác suất. Phương pháp này hướng tới việc phân tách các mẫu theo cụm/khối dựa trên một số đặc trưng nhất định, sau đó chọn ra một vài cụm/khối ngẫu nhiên để làm mẫu nghiên cứu.

So với kỹ thuật lấy mẫu ngẫu nhiên phân tầng, kỹ thuật lấy mẫu ngẫu nhiên theo cụm/khối tập trung vào việc tiết kiệm thời gian và chi phí bằng cách lấy mẫu từ các nhóm tự nhiên đã có sẵn. Tuy nhiên, các dữ liệu thường có xu hướng đa dạng.

Ví dụ
Doanh nghiệp muốn tìm hiểu hành vi sử dụng ứng dụng di động đặt đồ ăn trực tuyến của người dùng tại các thành phố tại Việt Nam. Họ liệt kê các thị trường tiềm năng (các thành phố lớn như Hà Nội, Đà Nẵng, Hồ Chí Minh, Cần Thơ...) và chọn ngẫu nhiên một số thành phố từ danh sách. Sau đó, trong mỗi thành phố được chọn, doanh nghiệp thu thập dữ liệu từ tất cả người dùng hoặc chọn ngẫu nhiên một số người dùng trong các thành phố ấy.
‍
Ưu điểm
- Áp dụng được cho phạm vi nghiên cứu rộng và có độ phân tán cao
- Giảm thiểu chi phí và thời gian: thay vì tiếp cận từng cá nhân riêng lẻ mà tập trung vào các cụm/khối sẽ giúp giảm thiểu nguồn lực tiêu tốn của nhóm nghiên cứu

Nhược điểm
- Rủi ro mẫu nghiên cứu không đủ tính đại diện: các cá nhân trong cùng một cụm/khối với số lượng lớn thường có thể có nhiều điểm khác biệt đôi chút, giảm đi sự đồng nhất của mẫu dẫn tới sai số cao
- Sai số cao: trong quá trình thực hiện, nhóm nghiên cứu cần đảm bảo các cụm/khối này đồng đẳng với nhau

Ứng dụng trong UX Research
Phương pháp chọn mẫu này phù hợp khi thực hiện nghiên cứu với người dùng có các đặc trưng khác biệt nhau. Việc chọn mẫu trên các cụm/khối sẽ giúp nhóm nghiên cứu dễ dàng tổ chức và quản lý quá trình thu thập dữ liệu của từng cụm/khối riêng biệt -> cho một cái nhìn tổng quan nhất về cách các nhóm người dùng khác nhau sử dụng sản phẩm hoặc dịch vụ

‍