デモグラフィック調査（人口統計学的調査）は、集団の特徴や、それらの特徴が調査課題とどう関連しているかを明らかにするものです。ターゲット層の定義、参加者の募集計画、カバレッジの評価、成果の違いの分析などに役立ちます。

変数（属性データ）はあくまで特徴を表すものであり、その人をすべて説明できるわけではありません。同年代の顧客2人でも、経験や利用できるリソース、目標が大きく異なることがありますし、重要な課題が複数の属性グループにまたがって存在することもあります。

調査課題に必要な詳細だけを収集する

それぞれの変数がなぜ必要なのか、どのように活用するのかを明確にしましょう。正確な生年月日を必要としない分析であれば、年代の区分だけで十分な場合があります。共有サービスに関する意思決定には世帯構成が関係するかもしれませんが、関係のない個人情報は、調査の質を高めることなく回答者の負担やリスクを増やすだけです。

ONS（英国国家統計局）による属性質問項目の開発記録は、質問をわかりやすくし、結果の比較可能性を保つためにどれほどの労力が払われているかを示しています。国や調査目的によって分類や表現が異なる点に留意しつつ、文脈に合った最新の基準を取り入れましょう。

センシティブな質問には回答を辞退できる選択肢を用意し、質問の意図を説明してください。見た目から属性を決めつけたり、手元のデータに使い勝手のよい項目があるからといって別の概念に置き換えたりしないようにしましょう。

違いを検証し、ステレオタイプ化を避ける

たとえばあるサービスの調査で、高齢の回答者がアカウントの復旧に苦労していると答えたとします。その原因を年齢そのものに結びつける前に、利用しているデバイス、これまでの利用経験、アクセシビリティの要件、あるいは別の状況に関連していないかを掘り下げてみてください。

サブグループごとのサンプルサイズや不確実性も確認しましょう。全体のサンプル数が大きくても、特定のグループのデータがごくわずかしか含まれていない場合、一見インパクトのある割合も信頼性に欠けることがあります。また、数多くの項目を比較しすぎると、偶然の一致による結果が生じるリスクも高まります。

属性ごとの割り付け（クォータ）を行えば、特定の要素の網羅性は高まりますが、あらゆる関連特性において代表性のあるサンプルになるとは限りません。

分析結果を調査やサービスの改善に活かす

見つかった重要な差異については、適切なユーザーリサーチで深掘りし、その傾向の背景を説明できるような状況にある人々をリクルーティングしましょう。目的はグループに固定的なレッテルを貼ることではなく、実際の体験を理解し、改善につなげることです。

少人数のグループについてレポートする際は、個人が特定できる組み合わせに配慮してください。居住地域、役割、世帯構成などの情報は、個々では問題なくても、組み合わせることで個人が特定されてしまうことがあります。調査におけるプライバシーへの配慮を守りながら、発見事項を裏付けるのに十分なコンテキストを提示しましょう。