目标人群合格率怎么算？300份样本可能需要5640次筛选

试投有100名有效进入筛选，其中12人符合资格，观测合格率是12%。要得到300份有效样本，若合格者完成率80%、完成后质量通过率95%，按点估计需要约3290次筛选进入。但12/100本身很不稳定：Wilson 95%区间约为7.0%至19.8%，对应的筛选需求约从1994次到5640次。

合格率低会提高成本，不只是因为“稀有人群单价高”，而是每份有效答卷之前有更多人花时间筛选、更多邀请与渠道容量被消耗、稀有配额更晚填满。可用的预算模型必须把触达、进入、资格判定、配额开放、主体完成和质量通过分开；只报一个合格率，会把覆盖、问卷负担和质量问题混成一个数字。

先统一分母：合格率不是市场渗透率

项目中的观测合格率通常可写为：

合格率 = 已确认符合资格人数 ÷ 已完成有效资格判定人数

分母应包含已确认合格和已确认不合格者，不应把打开后在关键资格题前退出、邀请未送达或从未打开的人直接算成不合格。这些人的资格未知。重复、机器人、测试数据等无效进入也应单列，而不是用来压低或抬高合格率。

12%只描述该邀请来源、筛选口径、回收时间和进入机制下的观测发生情况，不等于“市场上12%的人是目标用户”。样本库本身可能已富集某些品类用户，开放广告又可能被主题兴趣者主动点击；反过来，只用品牌客户名单会漏掉竞品和放弃者。来源改变，合格率就会改变。

一张处置表比一个百分比更能解释问题

AAPOR 的标准定义要求为样本单元记录完整处置，并区分资格已知、资格未知、回应、拒绝和未联系等状态。美国 Census Bureau 的相应要求也把样本分成合格、不合格与未知资格；只有在有可辩护依据时，才可估计未知者中可能合格的比例。

这一区分对在线项目同样重要。若系统在年龄题后发现年龄配额已满便立即结束，后面的购买行为没有被询问，此人只是“年龄格满且后续资格未知”，不能被记成行为不合格。否则不同配额关闭顺序会机械改变项目合格率。

从送达邀请到有效答卷，至少有六道门

规划时把漏斗写成乘法：

有效样本 = 送达邀请 × 进入率 × 可判定率 × 合格率 × 合格者完成率 × 质量通过率

• 送达邀请：扣除退信、无效号码和技术失败；
• 进入率：看到邀请后实际打开筛选，不等于回应率；
• 可判定率：走到足以确认合格或不合格的位置；
• 合格率：在可判定者中满足目标定义；
• 完成率：合格者开始后完成主体任务；
• 质量通过率：按预先规则保留为分析样本。

若只有筛选进入记录，就从进入量计算；若要购买名单或投放邀请，必须再纳入送达和进入。比如点估计需要3290次筛选进入，预计送达后的进入率为30%，则约需10967次送达邀请。把两者都叫“邀请量”会造成三倍以上的排期误解。

12/100试投：点估计3290次，风险情景接近5640次

以下是说明性虚构数据，不代表问卷派样本库、任何供应方或行业基准。目标为300份有效完成，试投对100个无效与重复已清除的筛选进入完成资格判定，12人合格。主体完成率预计80%，质量通过率预计95%。

点估计下，每次筛选进入成为有效样本的概率是0.12×0.80×0.95=0.0912，所需进入数为：

300÷0.0912=3289.5，向上取3290次。

但小试投不能支持“合格率精确等于12%”。使用适合二项比例的 Wilson 区间，12/100的95%区间约为7.0%至19.8%。保持完成和质量假设不变：

区间不是保证未来合格率落在其中；换来源、改筛选或进入者随时间变化都会让它失效。它的用途是把排期从单点承诺改成容量范围：先保障点估计资源，定义何时触发追加来源、延长期限或缩小次要配额。

多个资格条件不能随手相乘

团队知道30%的人购买过该品类、40%在最近三个月购买、50%参与决策，于是估算联合合格率为30%×40%×50%=6%。这只有在三个条件彼此独立、口径和来源一致时才成立，现实中通常并非如此。近期购买者可能更常参与决策，品类用户的角色分布也与全体样本不同。

应优先使用同一来源的联合分布或按正式逻辑试投，并记录逐步条件流失。筛选顺序还会影响观察：先问一个敏感或复杂条件导致退出，后续资格便未知。可在不提示合格答案的前提下，把高筛除、低负担条件放前面，敏感和耗时验证放在确有必要的位置。

合格率突然下降，先诊断哪一道门变了

只看“有效成本上涨”可能会错误放宽资格。真正问题若是手机端上传失败，改目标人群既破坏研究，又不会修复体验；若是某年龄格已满导致大量合格者被挡，应该调整投放而不是宣布人群更稀有。

提高来源内合格率，不一定提高总体代表性

用历史行为标签预筛、在专业社群投放或从客户记录抽取，可以让进入者更富集，降低筛选损耗。但这改变的是来源内发生率，并可能漏掉未被标记、较少活跃或尚未加入社群的人。若研究要估计总体比例，需要说明选择概率、覆盖和加权；若只是招募符合条件者做概念比较，也要保留来源供敏感性检查。

合理降低成本的顺序是：

1. 检查每个资格是否真的改变决策，删除装饰性标签；
2. 用与目标总体一致的框架信息预筛，减少明显不合格接触；
3. 缩短和预测试筛选，避免真实合格者在判定前退出；
4. 为不同来源、设备和配额分别估计漏斗，不套一个平均值；
5. 对低发生率人群采用多来源并去重，记录每个来源的覆盖边界；
6. 核心资格不能为了报价变成泛兴趣，必要时调整样本量或决策范围。

筛掉的人也付出了时间，成本不能只算成功者

英国 Government Analysis Function 的受访负担指南会把建立资格所用的筛选时间纳入总体参与成本。商业研究也应计算所有进入者的时间，而不是只有300名完成者。如果3290人平均用两分钟判定，筛选本身已消耗约109.7人时；筛选冗长不仅增加平台和激励成本，也在稀有总体上反复消耗信任。

比较报价时，可要求所有供应方填写同一张成本账本：

• 报价单位是送达邀请、筛选进入、合格开始、主体完成还是质量通过；
• 筛除、资格未知、配额已满、技术退出和质量失败是否收费；
• 参与者激励、难配额加价、来源扩展、项目管理与税费是否包含；
• 质量替补的定义、数量上限、复核机制和交付时间；
• 问卷时长、开放题、音视频、文件上传和设备要求如何计入；
• 实际合格率偏离区间后，价格、周期和范围按什么规则重估。

“每份完成更便宜”若不包含筛选损耗和质量替补，可能比全包的有效样本单价更贵。反过来，供应方承诺固定低价也不证明人群充足；需要看到相同定义、相同来源和相同处置口径下的证据。

回收中按来源和配额更新预测，但不要追着结果改资格

软启动后建立每日漏斗：各来源送达、进入、可判定、合格、满额、完成、质量通过及累计速度。合格率用区间而非单点更新，最难配额单独预测完成日期。若切换来源，旧数据与新数据并列观察，避免来源变化与回收时间混在一起。

AAPOR 2025年关于未知资格的报告强调，估计未知案例中合格比例要依据可得的最佳科学信息，不能挑一个能美化率的数字。同理，不能把资格未判定者全算不合格来强调“人群稀缺”，也不能全删掉来向客户展示高合格率。方法说明中给出处置计数，读者才能复算。

问卷派可以配置筛选、配额和多渠道回收，并记录从进入到有效答卷的状态。项目团队仍需定义哪些状态属于资格未知或满额，确保供应方导出和内部看板口径一致；质量判断应使用预定规则和人工复核，不把报价压力转化为事后宽松清洗。

一段可用于排期和采购审批的结论

本案例可以写成：“100次有效资格判定中12人合格，点估计12%，Wilson 95%区间约7.0%至19.8%。在合格者完成80%、质量通过95%的假设下，300份有效样本需要约3290次筛选进入；按区间两端，容量情景约为1994至5640次，尚不含邀请进入率。项目先按点估计启动，并在累计300次资格判定后更新区间；若某来源低于预设下界，先检查处置和筛选断点，再按既定规则扩源。”

它不能写成：“市场合格率为12%，因此必然需要3290人。”把分母、区间、来源和触发规则同时写清，合格率才能真正用于成本与时间决策。

进一步规划可结合目标样本人群定义、样本配额策略、问卷时长与样本成本和问卷软启动监控。

资格处置、参与负担与样本质量依据

• AAPOR — Standard Definitions, 10th edition
• AAPOR — Estimating the Eligibility Status of Cases with Unknown Eligibility
• U.S. Census Bureau — Requirements for Calculating and Reporting Response Rates
• UK Government Analysis Function — Monitoring and reducing respondent burden
• ESOMAR/GRBN — Guideline on Online Sample Quality
• NIST/SEMATECH — Confidence intervals for a binomial proportion