แบบสอบถามกี่ชุดถึงน่าเชื่อถือ และสัมภาษณ์กี่คนถึงพอ (คู่มือ Sample Size สำหรับธุรกิจ 2026)

แต่ตัวเลขเหล่านี้ใช้ได้เฉพาะเมื่อคุณวิเคราะห์ภาพรวมกลุ่มเดียว ถ้าต้องแยกดูรายกลุ่มย่อย ตัวเลขจะเปลี่ยนทั้งหมด บทความนี้อธิบายวิธีคิดที่ถูกต้องพร้อมตารางที่ใช้อ้างอิงได้จริง

แบบสอบถามกี่ชุด ถึงน่าเชื่อถือ

ความน่าเชื่อถือของแบบสอบถามวัดด้วยค่าความคลาดเคลื่อน (margin of error) ซึ่งบอกว่าผลที่ได้อาจเบี่ยงจากความจริงเท่าไหร่

ตารางค่าความคลาดเคลื่อนที่ระดับความเชื่อมั่น 95 เปอร์เซ็นต์ สำหรับประชากรขนาดใหญ่

• —50 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 13.9 เปอร์เซ็นต์
• —100 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 9.8 เปอร์เซ็นต์
• —200 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 6.9 เปอร์เซ็นต์
• —300 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 5.7 เปอร์เซ็นต์
• —385 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 5.0 เปอร์เซ็นต์ (มาตรฐานงานธุรกิจ)
• —600 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 4.0 เปอร์เซ็นต์
• —800 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 3.5 เปอร์เซ็นต์
• —1,000 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 3.1 เปอร์เซ็นต์
• —1,500 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 2.5 เปอร์เซ็นต์
• —2,000 ชุด ความคลาดเคลื่อนประมาณ บวกลบ 2.2 เปอร์เซ็นต์

วิธีอ่านตาราง ถ้าเก็บ 400 ชุดแล้วพบว่า 60 เปอร์เซ็นต์ของผู้ตอบสนใจสินค้า ค่าจริงในตลาดน่าจะอยู่ระหว่าง 55 ถึง 65 เปอร์เซ็นต์ ซึ่งเพียงพอสำหรับการตัดสินใจส่วนใหญ่

จุดสำคัญที่คนมักเข้าใจผิดคือ ขนาดประชากรแทบไม่มีผลต่อจำนวนที่ต้องเก็บ ไม่ว่าตลาดของคุณจะมี 50,000 คนหรือ 5 ล้านคน จำนวน 385 ชุดให้ความแม่นยำใกล้เคียงกัน สิ่งที่กำหนดความแม่นยำคือจำนวนตัวอย่าง ไม่ใช่สัดส่วนต่อประชากร

กรณีที่จำนวนน้อยกว่า 385 ก็ใช้ได้

หลายโครงการไม่จำเป็นต้องถึง 385 ชุด

เมื่อประชากรมีจำนวนจำกัด เช่น ลูกค้าองค์กรทั้งหมดมี 300 ราย การเก็บ 169 ชุดก็ให้ความคลาดเคลื่อนราวบวกลบ 5 เปอร์เซ็นต์แล้ว เพราะมีการปรับค่าตามขนาดประชากรที่จำกัด (finite population correction) กรณี B2B ที่ลูกค้ามีหลักร้อยราย ตัวเลขที่ต้องเก็บจึงต่ำกว่าที่คิดมาก

เมื่อต้องการเปรียบเทียบก่อนหลัง เช่น วัดความพึงพอใจไตรมาสนี้เทียบไตรมาสก่อน ถ้าใช้วิธีเก็บเหมือนเดิมทุกครั้ง ตัวอย่าง 200 ชุดก็เห็นแนวโน้มได้ เพราะความคลาดเคลื่อนเชิงระบบหักล้างกันไป

เมื่อความต่างที่สนใจมีขนาดใหญ่ ถ้าคุณต้องการรู้แค่ว่ากลุ่มไหนชอบมากกว่ากันแบบชัดเจน ไม่ได้ต้องการตัวเลขละเอียด ตัวอย่าง 150 ถึง 200 ชุดอาจพอ

เมื่อใช้ประกอบการตัดสินใจภายใน ไม่ใช่เผยแพร่ งานที่ใช้ตัดสินใจภายในองค์กรยอมรับความคลาดเคลื่อนสูงกว่าได้ ตราบใดที่ผู้ตัดสินใจรู้ว่าตัวเลขมีช่วงความคลาดเคลื่อนเท่าไหร่

กับดักที่แพงที่สุด การวิเคราะห์รายกลุ่มย่อย

นี่คือจุดที่โครงการวิจัยเสียเงินเปล่ามากที่สุด

ถ้าคุณเก็บ 400 ชุด แล้วต้องการแยกวิเคราะห์เป็น 4 กลุ่มอายุ แต่ละกลุ่มจะเหลือประมาณ 100 ชุด ซึ่งมีความคลาดเคลื่อนบวกลบเกือบ 10 เปอร์เซ็นต์ นั่นแปลว่าถ้ากลุ่ม A ตอบ 55 เปอร์เซ็นต์ และกลุ่ม B ตอบ 48 เปอร์เซ็นต์ คุณ ไม่สามารถสรุปได้ว่าสองกลุ่มนี้ต่างกันจริง เพราะช่วงความคลาดเคลื่อนทับซ้อนกัน

หลักที่ใช้ได้จริง

• —ทุกกลุ่มย่อยที่คุณตั้งใจจะวิเคราะห์แยก ควรมีอย่างน้อย 100 ชุด และควรมี 150 ถึง 200 ชุดถ้าต้องการเปรียบเทียบระหว่างกลุ่มอย่างมั่นใจ
• —คำนวณย้อนกลับ ถ้าต้องวิเคราะห์ 5 กลุ่มย่อย ต้องเก็บอย่างน้อย 750 ถึง 1,000 ชุด ไม่ใช่ 400
• —ตัดสินใจตั้งแต่ก่อนเก็บข้อมูลว่าจะแยกกี่กลุ่ม การมาคิดทีหลังคือสาเหตุอันดับหนึ่งที่ผลวิจัยตอบคำถามสำคัญไม่ได้
• —ถ้างบไม่พอ ให้เลือกวิเคราะห์เฉพาะกลุ่มที่สำคัญต่อการตัดสินใจจริง แล้วเก็บกลุ่มนั้นให้พอ (over-sampling) แทนการกระจายบาง ๆ ทุกกลุ่ม

สัมภาษณ์เชิงลึกกี่คน ถึงพอ

วิจัยเชิงคุณภาพไม่ได้ใช้ตรรกะเดียวกับเชิงปริมาณ เพราะไม่ได้ต้องการประมาณค่าไปยังประชากร แต่ต้องการเข้าใจกลไกและเหตุผล เกณฑ์ที่ใช้คือ ความอิ่มตัวของข้อมูล (saturation) คือจุดที่สัมภาษณ์เพิ่มแล้วไม่ได้ประเด็นใหม่

ตัวเลขที่ใช้ได้จริงในทางปฏิบัติ

• —การสัมภาษณ์เชิงลึก 8 ถึง 15 รายต่อกลุ่มเป้าหมายหนึ่งกลุ่ม ประเด็นหลักส่วนใหญ่มักปรากฏครบภายใน 10 ถึง 12 ราย ถ้ากลุ่มเป้าหมายมีความหลากหลายสูง ให้เพิ่มเป็น 15 ถึง 20 ราย
• —การสนทนากลุ่ม (Focus Group) 3 ถึง 4 กลุ่มต่อกลุ่มเป้าหมายหนึ่งกลุ่ม กลุ่มละ 6 ถึง 8 คน น้อยกว่า 3 กลุ่มมีความเสี่ยงที่จะได้พลวัตของกลุ่มใดกลุ่มหนึ่งมากกว่าความคิดของตลาด
• —การสังเกตพฤติกรรมจริง (Ethnography) 6 ถึง 12 รายมักเพียงพอ เพราะข้อมูลต่อรายลึกกว่ามาก
• —ถ้ามีหลายกลุ่มเป้าหมาย ให้คูณตามจำนวนกลุ่ม เช่น 3 กลุ่มเป้าหมาย ควรสัมภาษณ์รวม 30 ถึง 45 ราย ไม่ใช่ 12 รายแล้วแบ่งกัน

สัญญาณว่าถึงจุดอิ่มตัวแล้ว คือเมื่อผู้ให้ข้อมูลรายที่ 3 ติดต่อกันไม่ได้ให้ประเด็นใหม่ที่ต่างจากที่บันทึกไว้แล้ว ในทางปฏิบัติควรวางแผนเผื่อไว้และหยุดเมื่ออิ่มตัว แทนที่จะกำหนดตายตัวตั้งแต่ต้น

จำนวนไม่ใช่ทุกอย่าง สามเรื่องที่สำคัญกว่า

ประสบการณ์ของเราคือ งานวิจัยที่ผิดพลาดส่วนใหญ่ไม่ได้ผิดเพราะตัวอย่างน้อยเกินไป แต่ผิดเพราะสามเรื่องนี้

1. กลุ่มตัวอย่างไม่ตรงกลุ่มเป้าหมาย เก็บ 1,000 ชุดจากคนที่ไม่ใช่ลูกค้าเป้าหมาย มีค่าน้อยกว่าเก็บ 200 ชุดจากกลุ่มที่ใช่ ปัญหานี้พบบ่อยในการใช้ panel ออนไลน์ราคาถูกที่คัดกรองหลวม สิ่งที่ต้องถามผู้รับจ้างคือ วิธีคัดกรองผู้ตอบและอัตราการคัดออก (incidence rate)

2. คำถามที่ออกแบบผิด คำถามชี้นำ คำถามที่วัดความสุภาพแทนความตั้งใจซื้อ หรือคำถามที่ใช้ศัพท์ที่ลูกค้าไม่ได้ใช้จริง ทำให้ตัวเลขแม่นยำสำหรับสิ่งที่ไม่มีความหมาย นี่คือเหตุผลที่เราแนะนำให้ทำวิจัยเชิงคุณภาพก่อนออกแบบแบบสอบถามเสมอ

3. ไม่มีขั้นตอนอธิบายตัวเลข เมื่อผลออกมาผิดคาด หลายโครงการเลือกตีความเอาเองแทนที่จะกลับไปหาคำอธิบายจากคนจริง ข้อค้นพบที่มีมูลค่าสูงสุดมักอยู่ตรงนี้