Методика · 16 сентября 2026 г.

Квотная выборка: как составить и проверить квоты

Квотная выборка — это невероятностный метод отбора, при котором заранее задают доли респондентов по значимым признакам — полу, возрасту, региону, типу клиента, — а затем набирают людей до выполнения каждой квоты без случайного отбора внутри неё: кто согласился отвечать и подошёл по параметрам, тот и вошёл в опрос. Метод востребован там, где полного списка аудитории нет и составить его невозможно: уличные опросы, панели онлайн-респондентов, быстрый сбор мнений по рынку в целом. Итоговая структура выборки выглядит как у населения по заданным признакам, но формальные доверительные интервалы для неё не считаются, потому что отбор внутри квоты не случаен. Ниже — как задать параметры квот, в чём главный риск метода и как его контролировать.

Что такое квотная выборка и когда её выбирают

Квотную выборку выбирают обычно не потому, что она лучше вероятностных методов, а потому что вероятностные часто физически недоступны. У розничной сети нет полного списка всех покупателей, у продукта — списка всех потенциальных пользователей на рынке, у общественного опроса — реестра всех жителей города с контактами. В такой ситуации случайный или стратифицированный отбор невозможен по определению: нет списка, из которого можно было бы случайно отобрать. Квотирование даёт практичный компромисс — структура выборки контролируется по известным долям населения, даже если сам отбор внутри квот не случаен.

Метод особенно распространён в маркетинговых исследованиях рынка, где нужно быстро и относительно недорого получить мнение аудитории, максимально похожей по составу на генеральную совокупность, и где заказчику зачастую важнее скорость и стоимость, чем формальная статистическая строгость результата. Это не делает квотную выборку «плохим» методом — это метод с понятными границами применимости, и проблема возникает только тогда, когда её результаты выдают за то, чем они на самом деле не являются.

Как задать параметры квот

Квоты задают по признакам, для которых заранее известно распределение в генеральной совокупности — обычно это данные официальной статистики по полу и возрасту, либо внутренние данные компании о структуре собственной клиентской базы. Если по региону известно, что тридцать процентов клиентов живут в городах-миллионниках, а остальные — в городах меньшего размера, квота на опрос повторяет эту пропорцию: тридцать процентов интервью — с жителями миллионников, семьдесят — с остальными. Число признаков для квотирования обычно ограничивают двумя-тремя: чем больше признаков комбинируется, тем более узкими и труднонаполняемыми становятся отдельные ячейки квот.

Здесь важно чётко отличать признаки, по которым квотируют, от признаков, которые просто фиксируют в анкете для последующего анализа. Квотируют только то, распределение чего в генеральной совокупности известно заранее и важно для темы исследования. Всё остальное — например, любимый бренд или частоту покупок — фиксируют как обычный вопрос анкеты, не пытаясь искусственно выравнивать его долю: для этого просто нет опорных цифр по всей совокупности, с которыми можно было бы сверяться.

Независимые и вложенные квоты

Независимые квоты контролируют каждый признак отдельно и раздельно: набрали нужное число мужчин и женщин, отдельно набрали нужное число людей в каждой возрастной группе, но комбинация двух признаков не контролируется — итоговая выборка может случайно получить перекос, например, слишком много молодых женщин и мало пожилых мужчин, хотя по каждому признаку в отдельности квота выполнена. Для многих задач этого достаточно, а метод проще в исполнении: интервьюер следит за двумя независимыми счётчиками, а не за таблицей комбинаций.

Вложенные, или перекрёстные, квоты контролируют комбинацию признаков одновременно — отдельная ячейка на каждое сочетание пол × возраст, со своим числом респондентов. Это точнее отражает реальную структуру аудитории, но резко увеличивает число ячеек и, соответственно, сложность набора: пять возрастных групп на два пола дают десять отдельных квот вместо семи независимых, и каждую нужно закрыть отдельно. Перекрёстные квоты оправданы, когда сочетание признаков само по себе значимо для темы исследования — например, если мнение молодых женщин и мнение пожилых женщин заведомо различается сильнее, чем можно было бы восстановить из независимых долей.

Главный риск метода: кого выбирает интервьюер внутри квоты

Формальное выполнение квот по цифрам само по себе не гарантирует качество выборки, потому что внутри каждой ячейки отбор происходит не случайно, а по доступности и готовности отвечать. Интервьюер на улице, набирая квоту «мужчины 25–34», подсознательно подходит к тем, кто выглядит более открытым к разговору, реже — к спешащим или выглядящим недружелюбно. В результате доля выполнена ровно, а состав внутри ячейки смещён в сторону определённого социального типа, и это смещение никакая проверка цифр по квотам не обнаружит.

Тот же риск воспроизводится и в онлайн-панелях: платформа набирает нужное число участников по возрасту и полу, но внутри квоты в опросе чаще участвуют те, кто активнее использует панель, отвечает на приглашения быстрее и, как правило, более лоялен к самому формату онлайн-опросов. Это системное смещение, которое повторяется от волны к волне и накапливается в трекинговых исследованиях, если его не отслеживать отдельно.

Контроль качества набора

Раз формальные доверительные интервалы для квотной выборки не считаются, контроль качества строится иначе — не через статистику, а через процедуру. Первый инструмент — скрининговые вопросы в начале анкеты, которые фиксируют параметры квоты честно, а не со слов интервьюера «на глаз». Второй — контрольный обзвон или переопрос небольшой доли участников для проверки, что интервью действительно состоялось с заявленным человеком. Третий — сравнение распределения ответов между интервьюерами: если у одного стабильно иная картина, чем у остальных при одинаковых квотах, вероятная причина — не различия в реальных мнениях, а различия в том, кого этот интервьюер выбирает для разговора. Четвёртый, самый простой инструмент — время заполнения анкеты: слишком быстрое прохождение часто выдаёт формальный подход к набору, когда параметры квоты подгоняются под уже готовый ответ, а не наоборот.

1. Определите признаки квотирования, для которых есть достоверные данные по генеральной совокупности.
2. Ограничьте число признаков двумя-тремя, чтобы ячейки не становились труднонаполняемыми.
3. Решите, нужны независимые или вложенные квоты, исходя из значимости их сочетания для темы.
4. Зафиксируйте скрининговые вопросы, по которым будет проверяться попадание в квоту.
5. Отслеживайте не только итоговое выполнение долей, но и скорость закрытия каждой ячейки.
6. Сравнивайте распределение ответов между интервьюерами или источниками набора.

Пример: квоты для опроса о новом продукте

Компания выводит на рынок сервис доставки и хочет опросить жителей города об отношении к идее ещё до запуска — полного списка потенциальной аудитории, разумеется, не существует, поэтому вероятностный отбор здесь просто невозможен. По данным официальной статистики известно распределение жителей города по полу, возрасту и типу района — центральный, спальный, окраинный. Квоты задаются сразу по всем трём признакам, а сбор идёт через уличных интервьюеров и таргетированную рекламу с переходом на короткую анкету. Цифры в примере условные и нужны только для того, чтобы показать логику: если по статистике тридцать процентов жителей живут в спальных районах, квота на них — тридцать процентов от общего объёма выборки, независимо от того, сколько респондентов реально пришло с рекламы именно из этого района.

Ключевое практическое решение в этом примере — что делать, если одна из ячеек закрывается заметно быстрее остальных. Обычно быстрее всего заполняется квота по молодой аудитории из центральных районов — она активнее реагирует на рекламу в соцсетях. Если просто остановить сбор по этой ячейке и продолжать по остальным, велик риск, что оставшиеся респонденты в её квоте — те немногие, что попались позже, — окажутся нетипичны для своей группы. Более надёжная практика — держать все ячейки открытыми параллельно и постепенно, плавно снижать интенсивность рекламы по уже близким к выполнению квотам, а не закрывать набор резко в один момент.

Квотная выборка и панели онлайн-респондентов

Большинство современных онлайн-опросов через панели респондентов используют именно квотную схему: участников заранее много, платформа знает демографию каждого и подбирает нужное число по заданным параметрам. Это удобно и быстро, но добавляет отдельный слой смещения, специфичный именно для панелей: в них систематически перепредставлены люди, готовые регулярно проходить опросы за вознаграждение, что само по себе не случайная характеристика — среди них выше доля студентов, фрилансеров и тех, для кого небольшой заработок за время действительно значим.

Это не аргумент против панелей — для многих задач рынка они остаются практичным и фактически единственным доступным по бюджету источником данных, — но при интерпретации результатов стоит держать в уме, что «типичный участник онлайн-панели» и «типичный представитель генеральной совокупности» с одинаковым полом и возрастом — не всегда один и тот же тип человека. Разница становится особенно заметна на темах, где важна вовлечённость и готовность подробно рассуждать о продукте: панельный респондент, привыкший регулярно проходить опросы, отвечает иначе, чем случайный покупатель, впервые столкнувшийся с анкетой. Подробнее о плюсах и ограничениях собственной базы респондентов против внешней панели — в отдельном материале про панель респондентов.

Квотирование против стратификации

Оба метода задают целевые доли по признакам, поэтому их путают чаще других пар методов исследования. Разница принципиальна: в стратификации есть список всей совокупности, и внутри каждой страты идёт случайный отбор — у каждого элемента списка известный шанс попасть в выборку. В квотировании список чаще всего отсутствует, а внутри квоты респондентов набирают по доступности, без случайности. Если список есть — стратификация строго предпочтительнее квотирования, потому что даёт ту же контролируемую структуру выборки, но с возможностью формально оценить погрешность результата, чего квотирование, в отличие от неё, не позволяет в принципе никаким образом.

Ограничения

Главное ограничение метода уже названо — невозможность формально оценить погрешность. Второе — зависимость качества от дисциплины набора: одна и та же квота может быть закрыта аккуратным случайным по духу отбором внутри ячейки или систематически смещённым набором «первых попавшихся», и со стороны цифры будут выглядеть одинаково. Третье — квотирование контролирует только заданные признаки: по любому незаявленному в квотах параметру выборка может быть смещена так же сильно, как удобная выборка без всякого квотирования, просто это смещение спрятано за корректными долями по полу и возрасту.

Четвёртое ограничение проявляется при сравнении квотных опросов между собой во времени. Если методика набора меняется от волны к волне — например, раньше квоты закрывались уличными интервьюерами, а теперь через онлайн-рекламу, — состав людей внутри одних и тех же формальных квот тоже меняется, даже если сами доли по полу и возрасту остаются прежними. Динамику показателя в таком случае нельзя однозначно трактовать как изменение реальных мнений: часть разницы может объясняться сменой канала набора, и об этом стоит явно предупреждать в отчёте, особенно если по результатам принимаются решения о продукте.

Типичные ошибки

• Считать формальный доверительный интервал для результатов, собранных по квотам.
• Квотировать по признаку, для которого нет достоверных данных о доле в генеральной совокупности.
• Оставлять интервьюерам полную свободу выбора собеседника внутри квоты без контроля.
• Комбинировать слишком много признаков и получать ячейки, которые физически невозможно наполнить.
• Не отслеживать скорость закрытия ячеек и не замечать, что быстрые и медленные респонденты систематически различаются.
• Выдавать выполнение квот по демографии за общую репрезентативность выборки по всем параметрам сразу.

С чего начать

Определите, какие признаки действительно важны для темы исследования и по каким из них у вас есть достоверные данные о распределении в генеральной совокупности — официальная статистика или собственная аналитика компании. Ограничьтесь двумя-тремя признаками и заранее решите, независимые квоты нужны или вложенные. До запуска основного сбора проведите пилот на небольшой части каждой квоты и проверьте, не смещается ли набор в сторону одного явного, заметно преобладающего типа респондента — это заметно дешевле исправить на двадцати пробных интервью, чем разбираться с этим уже после сбора всей выборки целиком.

Дальше отбор ведётся вручную или через панель — в сервисе «До Сути» опрос по готовой ссылке можно разослать по разным сегментам и свести ответы в одну базу, но сам контроль выполнения квот и качество набора внутри каждой ячейки остаются задачей исследователя, а не инструмента сбора.