Det er kanskje ikke så tilfeldig som du tror?

En mann og kvinne på kafe sett gjennom et vindu
I dagligspråket bruker folk stadig ordet tilfeldig, eller det engelske ordet random. Hun traff for eksempel en random dude på byen. Men hvor tilfeldig er det egentlig?Foto: Clem Onojeghuo on Unsplash

Nylig leste jeg i Kampanje om en informasjonssjef som mente det var tilfeldig at en direktør i bedriften sluttet. Dette hadde ikke noe å gjøre med de andre endringene i ledelsen som skjedde samtidig. Hvis det var tilfeldig at lederen sluttet, slik informasjonssjefen sier, betyr det da at alle ansatte triller en terning, og i dag var det din tur til å slutte? 

Jeg mistenker at informasjonssjefen blander begrepene tilfeldig og årsakssammenheng. Det er i hvert fall ikke tilfeldig når folk slutter. De fleste slutter når de har fått en annen og mer interessant jobb, noen slutter fordi de får sparken eller sluttpakke, mens andre går av med pensjon. Ingen av disse grunnene til å slutte er tilfeldige. Direktøren som sluttet, hadde fått en ny og bedre jobb i et annet selskap.

Profilbilde Anders Mamen
Anders Mamen er høyskoleketor ved Institutt for markedsføring ved Høyskolen Kristiania.Foto: Høyskolen Kristiania

Hva tilfeldig betyr 

I dagligspråket hører jeg stadig folk bruke ordet tilfeldig, eller det engelske random. Som for eksempel at hun traff en «random dude» på byen. Men det er sjelden tilfeldig når du treffer noen. Det er lettere å legge merke til folk du kjenner. Selv om vi ikke hadde avtalt å møtes, var det ikke tilfeldig da jeg traff Rachel, som er leder i Strategi- og analyseforeningen, på Storo-senteret en dag. Vi bor begge i Oslo og jeg kjenner henne fra før. Det var lett å se henne og slå av en kort prat. 

Det er viktig at vi som jobber med statistikk og markedsanalyse har en god forståelse av begrepet tilfeldig. Ifølge Bokmålsordboka betyr tilfeldig det «som kanskje skjer, vilkårlig». Vi som jobber med statistikk, må være enda tydeligere. Tilfeldig betyr at vi ikke kan forutsi hva resultatet skal bli. Det er ikke et mønster. Et eksempel på tilfeldig er når vi triller en terning. Det er samme sannsynlighet for alle utfall. Det er like sannsynlig å få terningkast én som seks. 

Hvis det ikke var tilfeldig hvilke Lotto-kuler som ble trukket ut, så hadde jeg jobbet hardt for å finne mønsteret og spille en bestemt rekke. I fotballkamper derimot, er det ikke tilfeldig hvem som vinner. Det blir satt en odds. De som er interessert, kan prøve å finne kamper der oddsen er satt feil, og vinne penger fordi de har kunnskap om fotball.

Tilfeldigheter viktige i spill 

Hvis resultatet er tilfeldig, er det ingen årsakssammenheng. Det kan av og til være vanskelig å skille mellom hendelser som opptrer samtidig (korrelasjon) og årsakssammenheng. For eksempel tør jeg ikke ta på meg drakten til favorittlaget når jeg ser fotballkamp på TV, for det har hendt at vi taper kampen når jeg tar på drakten før kampen.  

Selvsagt er det ingen sammenheng mellom resultatet av kampen og hva jeg har på overkroppen hjemme i stua i Oslo mens jeg ser TV. Dessverre tror underbevisstheten min at det er en sammenheng. Drakten blir derfor hengende i skapet. 

Som du har forstått, så er kan tilfeldigheter være viktig i spill, alt fra Lotto til Ludo blir avgjort av tilfeldigheter. 

Når bruker vi som jobber med statistikk og analyse tilfeldigheter? Utvalg til spørreundersøkelser, og gjennomføring av eksperiment, er to eksempler. 

Utvalg til spørreundersøkelser 

Når vi skal intervjue folk til spørreundersøkelser, ønsker vi at det er tilfeldig hvem vi spør. Det er selve grunnsteinen innen markedsanalyse, at det er intervjueren som bestemmer hvem som skal intervjues, at det er tilfeldig hvem vi intervjuer og at det er en kjent sannsynlighet for å bli intervjuet. Det er når vi intervjuer et tilfeldig utvalg av personer i en populasjon, at vi kan bruke statistisk teori som signifikanstesting. 

Vi håper også at det er tilfeldig hvem som svarer hvis vi stratifiserer et utvalg for å være sikre på at vi får ønsket fordeling av ulike personer. Det samme gjør vi når vi bruker et kvoteutvalg, eller vi presser et utvalg for å få nok svar fra en bestemt målgruppe. Utfordringen er at det da ikke lenger tilfeldig hvem som svarer. 

Hvis det er systematiske skjevheter i hvem som svarer, får vi problemer med å analysere og tolke data. Vi kan korrigere for skjevheter med vekting. Det hefter likevel en usikkerhet ved resultatet. Det kan for eksempel være vanskelig å få tilstrekkelig med svar fra unge menn med kort utdannelse. Ligner de unge mennene som har svart på undersøkelsen på andre unge menn som ikke har svart? Selv om vi korrigerer for skjevheter med vekting, kan vi få problemer med analysen når det ikke er tilfeldig hvem som svarer.

Tilfeldigheter i eksperiment 

Vi som driver med markedsføring, liker eksperiment som metode. Det er en av få metoder der vi med stor sikkerhet kan si noe om årsakssammenhengen. Når vi gjennomfører et eksperiment, har vi minst to grupper; Kontrollgruppen og eksperimentgruppen.  

I medisinsk forskning får kanskje kontrollgruppen en sukkerpille, mens eksperimentgruppen får en pille med et virkestoff. Etterpå ønsker vi å sjekke om det er en forskjell mellom de to gruppene.  

Er det sånn at de som har fått pillen med virkestoff blir friskere enn de som har fått sukkerpillen? For å få eksperimentet til å avdekke en årsakssammenheng, må gruppene være like. Det gjør vi når det er tilfeldig hvem som havner i kontroll- eller eksperimentgruppen. 

Mitt inntrykk er at det ikke alltid er tilfeldig hvem som havner i hvilken gruppe i reklametester. Vi tester reklame for å finne ut om den har effekt, gjerne i form av å sammenligne noen som har sett reklamen med noen som ikke har sett den (en A/B-splitt). Noen ganger blir dette omtalt som up-lift. Hva er det som skiller de som har sett reklamen og de som ikke har sett reklamen?  

Slik jeg har forstått det, er det en utfordring å få en tilfeldig fordeling mellom de som ser annonsen og de som ikke ser annonsen. Kontroll og eksperimentgruppen er ikke like. Når gruppene er ulike, blir det vanskelig å avgjøre om annonsen har effekt. 

Er det tilfeldig hvem som slutter i jobben? 

Vi startet ved å problematisere om det var tilfeldig hvem som sluttet i jobben. Det er kanskje ikke så aktuelt å gi tilfeldige ansatte sparken, så jeg velger et litt annet eksempel.  

Mange arbeidsplasser har et vinlotteri. Det skal være tilfeldig hvem som vinner. Hvordan kan vi få til det i praksis? 

Kanskje du kan prøve denne metoden: I Microsoft Excel er det en funksjon som heter tilfeldig (Random Numbers). Den gir deg et tilfeldig tall mellom 0 og 1. Hvis du tar listen over alle ansatte, bruker funksjonen tilfeldig og gir alle de ansatte et nummer, så rangerer de ansatte etter skår på tilfeldig nummer. Den som får høyest skår vinner vinen. Nå er det tilfeldig hvem som vinner. 

Referanser: 

  • NUNAN, Daniel; MALHOTRA, Naresh K.; BIRKS, David F. Marketing Research: Applied Insight. Pearson UK, 2020. 
  • NEWBOLD, Paul. Statistics for Business and Economics. 2019. 

Denne artikkelen er først publisert som kommentarartikkel i Analysen 12. januar 2022 med overskriften «Det er kanskje ikke så tilfeldig som du tror?». Analysen utgis av Strategi- og analyseforeningen. 

Tekst: Høyskolelektor Anders Mamen, Institutt for markedsføring ved Høyskolen Kristiania.  

Vi vil gjerne høre fra deg!      

Send dine spørsmål og kommentarer til denne artikkelen på E-post til kunnskap@kristiania.no. 

Meld deg på vårt nyhetsbrev

Kunnskap Kristiania er Høyskolen Kristianias kunnskapsmagasin. Vi gir deg nytt om forskning, fag, kunstnerisk utviklingsarbeid og aktuell samfunnsdebatt. Nyhetsbrevet sendes ut to ganger i måneden.
Abonnér

N

  • siffrene 0 og 1 gjenntatt mange ganger

    Fem trender som vil forme fremtidens arbeidsliv

    Hvordan forberede seg på fremtidens arbeidsliv? Her er fem tunge trender som vil forandre spillereglene.
    Les mer
  • To pengesedler, 50-lapp og 500-lapp

    Inflasjonen er tilbake på radaren. Men sentralbankene kan ha tatt feil om den i årtier.

    Hva om en av Norges Banks byggesteiner svikter, utfordrer førsteamanuensis Frode Martin Nordvik ved Høyskolen Kristiania.
    Les mer

N2

  • To kvinner i samtale foran en PC.

    Fire tiltak for å skape gode kunderelasjoner

    Hva kan du gjøre i møtet med kundene som gjør at de føler seg ivaretatt og kommer igjen og igjen?
    Les mer
  • Datamaskin med mus på skjermen som huker av med grønn ved i en rute

    Seks råd for å behandle personopplysninger lovlig

    Det er igjen på tide å sjekke om virksomheten din håndterer personopplysninger riktig, råder høyskolelektor Knut Erik Gaustad.
    Les mer