¿Cuántas encuestas necesito? Guía práctica para calcular el tamaño de muestra
Nivel de confianza, margen de error, población finita o infinita y subgrupos. Cómo decidir el tamaño de muestra de un estudio de mercado sin gastar de más ni quedarte corto.
“¿Cuántas encuestas necesitamos?” es la primera pregunta de casi cualquier estudio de mercado, y la respuesta define buena parte del presupuesto. Una muestra demasiado chica produce resultados que no permiten decidir; una demasiado grande cuesta dinero que podría ir a análisis o a otra ola de medición.
La buena noticia es que el cálculo es sencillo si tienes claras cuatro decisiones.
1. ¿Qué nivel de confianza necesitas?
El nivel de confianza indica qué tan seguro quieres estar de que el valor real de la población cae dentro de tu margen de error. En investigación de mercados el estándar es 95 %. Se usa 90 % en estudios exploratorios y 99 % cuando una decisión muy costosa depende del resultado, por ejemplo un cambio de precio en todo el portafolio.
2. ¿Qué margen de error puedes tolerar?
Es la precisión de tu estimación. Si el 40 % de la muestra dice que compraría tu producto y el margen es de ±5 puntos, el valor real está entre 35 % y 45 %. La pregunta útil es: ¿qué diferencia necesito detectar para tomar la decisión? Si vas a comparar dos conceptos que probablemente estén separados por 10 puntos, un error de ±5 alcanza; si esperas diferencias de 3 puntos, no.
Reducir el error cuesta caro: para pasar de ±5 % a ±2.5 % necesitas cuatro veces más entrevistas, porque el error baja con la raíz cuadrada de la muestra.
3. ¿Tu población es finita o infinita?
Para consumidores de un país o una ciudad grande, la población es prácticamente infinita y la fórmula básica es:
Con 95 % de confianza (Z = 1.96), p = 0.5 y e = 0.05, resultan 385 entrevistas.
Cuando la población es pequeña y conocida (clientes de una cartera B2B, distribuidores, médicos de una especialidad en una ciudad) se aplica la corrección por población finita:
Si tienes 1,000 clientes, bastan 278 entrevistas en lugar de 385. Con 100 clientes, 80. La corrección importa cuando la muestra representa más del 5 % de la población.
4. ¿Vas a leer resultados por segmento?
Aquí se equivocan muchos presupuestos. El margen de error calculado aplica al total. Si además quieres reportar por región, por marca de uso o por edad con la misma precisión, cada subgrupo necesita su propia base. Tres regiones con ±5 % cada una no son 385 entrevistas, son 1,155.
Una regla práctica: no reportes subgrupos con menos de 100 casos, y márcalos como indicativos si tienen entre 50 y 100.
Tabla rápida de referencia
| Margen de error | 90 % | 95 % | 99 % |
|---|---|---|---|
| ± 3 % | 752 | 1,068 | 1,844 |
| ± 5 % | 271 | 385 | 664 |
| ± 7 % | 139 | 196 | 339 |
| ± 10 % | 68 | 97 | 166 |
Valores para proporción con p = 50 % y población infinita.
Dos ajustes que casi nadie hace
Efecto de diseño. Las muestras por cuotas, por conglomerados o ponderadas tienen más varianza que un muestreo aleatorio simple. Multiplicar la muestra por 1.3 a 2 mantiene la precisión prometida.
Tasa de respuesta. Si esperas que responda el 20 % de los invitados, para lograr 385 entrevistas necesitas invitar a unas 1,925 personas. Esto define el tamaño de la base de contactos que debe aportar el cliente en un estudio de satisfacción.
¿Y en metodologías avanzadas?
En MaxDiff y conjoint el tamaño no depende solo de esta fórmula: también cuenta el número de tareas por entrevistado, el número de atributos y niveles, y si necesitas utilidades estables por segmento. Como referencia, entre 300 y 600 entrevistas suelen ser suficientes para un modelo HB por segmento principal.
Calcúlalo en segundos
Prueba nuestra calculadora de tamaño de muestra: eliges el nivel de confianza, el margen de error, la proporción y si la población es finita o infinita, y obtienes la muestra con la fórmula aplicada, la tabla de sensibilidad y los contactos a invitar.
Si prefieres que diseñemos el muestreo completo, incluyendo cuotas y ponderación, escríbenos.