Seskupení vzorků je technika odběru vzorků, která se používá, když jsou v populaci patrná „přirozená“ seskupení. Celková populace se rozdělí do těchto skupin (nebo seskupení) a vybere se vzorek těchto skupin. Poté se shromáždí požadované informace od prvků v rámci každé vybrané skupiny. To může být provedeno pro každý prvek v těchto skupinách, nebo může být vybrán dílčí vzorek prvků v rámci každé z těchto skupin.
Prvky v rámci klastru by v ideálním případě měly být co nejvíce homogenní. Mezi klastry by však měla existovat heterogenita. Každý klastr by měl být malovýrobní verzí celkové populace. Klastry by se měly vzájemně vylučovat a měly by být kolektivně vyčerpávající. Na všech relevantních klastrech se pak použije technika náhodného odběru vzorků, aby se vybralo, které klastry zařadit do studie. Při jednofázovém odběru vzorků klastrů se použijí všechny prvky z každého z vybraných klastrů. Při dvoufázovém odběru vzorků klastrů se na prvky z každého z vybraných klastrů použije technika náhodného odběru vzorků.
Hlavní rozdíl mezi vzorkováním klastrů a stratifikovaným vzorkováním spočívá v tom, že při vzorkování klastrů je klastr považován za vzorkovací jednotku, takže analýza se provádí na populaci klastrů (alespoň v první fázi). Při stratifikovaném vzorkování se analýza provádí na prvcích ve vrstvách. Při stratifikovaném vzorkování se odebírá náhodný vzorek z každé ze vrstev, zatímco při vzorkování klastrů se studují pouze vybrané klastry. Hlavním cílem vzorkování klastrů je snížit náklady zvýšením účinnosti vzorkování (To kontrastuje se stratifikovaným vzorkováním, kde hlavním cílem je zvýšení přesnosti).
Jednou z verzí odběru vzorků ze seskupení je odběr vzorků z oblastí nebo geografický odběr vzorků ze seskupení. Seskupení se skládají ze zeměpisných oblastí. Geograficky rozptýlená populace může být drahá na průzkum. Vyšší hospodárnosti než prostého náhodného odběru vzorků lze dosáhnout tím, že se s několika respondenty v rámci místní oblasti zachází jako se seskupením. Obvykle je nutné zvětšit celkovou velikost vzorku, aby se dosáhlo stejné přesnosti v odhadech, ale úspory nákladů to mohou učinit proveditelným.
V některých situacích je analýza clusterů vhodná pouze tehdy, pokud jsou clustery přibližně stejně velké. Toho lze dosáhnout kombinací clusterů. Pokud to není možné, použije se pravděpodobnost úměrná velikosti vzorkování. Při této metodě se pravděpodobnost výběru jakéhokoli clusteru mění s velikostí clusteru, což dává většímu clusteru větší pravděpodobnost výběru a menším clusterům nižší pravděpodobnost. Pokud jsou však clustery vybírány s pravděpodobností úměrnou velikosti, měl by být v každém vzorkovaném clusteru proveden stejný počet pohovorů, aby každá vzorkovaná jednotka měla stejnou pravděpodobnost výběru.