MaxDiff-аналіз

MaxDiff-аналіз (Maximum Difference Scaling, best-worst scaling) — це метод вимірювання відносної важливості або переваги. Респондент кілька разів бачить невеликі набори елементів і в кожному обирає найкращий та найгірший, найважливіший і найменш важливий або найбільш і найменш привабливий.

На основі повторних виборів модель оцінює відносні utility scores і ранжує весь список. MaxDiff розроблений Джорданом Лув’єром і широко використовується для features, claims, benefits, назв та інших об’єктів.

Як виглядає завдання

Замість прохання оцінити 20 функцій від 1 до 10 респондент бачить, наприклад, чотири функції й обирає одну найважливішу та одну найменш важливу. Наступний набір містить іншу комбінацію. Експериментальний дизайн балансує появу items і пар.

Простий діагностичний підрахунок

Цей підрахунок корисний для первинної перевірки, але професійний аналіз зазвичай використовує multinomial logit, hierarchical Bayes або інші choice models. Вони враховують дизайн і можуть оцінювати індивідуальні відмінності.

Переваги над rating scales

У звичайній шкалі респондент може назвати всі характеристики «дуже важливими», уникати крайніх балів або використовувати шкалу інакше через культуру. MaxDiff змушує робити trade-off і часто дає чіткіше розрізнення. Однак він не показує, чи подобається абсолютний рівень: найкращий елемент у слабкому списку все одно буде першим.

Практичний приклад

Міська транспортна служба має 18 можливих покращень застосунку. Звичайне опитування показало, що майже все «важливо». MaxDiff виявляє пріоритети: точний час прибуття, повідомлення про зміну маршруту й доступність для людей із порушенням зору. Декоративні теми та social sharing опиняються нижче.

Результат використовують разом із вартістю, досяжністю та impact, а не автоматично перетворюють на roadmap.

Як спроєктувати дослідження

1. Сформулювати однорідний список items.
2. Уникнути перекриття й різного рівня деталізації.
3. Створити збалансований експериментальний дизайн.
4. Визначити зрозумілі полюси best/worst.
5. Провести pilot на когнітивне навантаження.
6. Оцінити scores, uncertainty і сегменти.
7. Перевірити рішення іншими даними.

MaxDiff і conjoint

MaxDiff ранжує окремі items за важливістю чи перевагою. Conjoint analysis моделює вибір між повними продуктами, складеними з атрибутів і levels, та дозволяє оцінювати компроміси, зокрема ціну. Якщо питання «які claims сильніші?» — доречний MaxDiff; якщо «який пакет характеристик куплять?» — частіше conjoint.

Обмеження

• scores є відносними до конкретного списку;
• слабкий item може виглядати сильним серед ще слабших;
• неоднорідні формулювання спотворюють вибір;
• велика кількість tasks втомлює;
• результат не включає cost або feasibility;
• просте best-minus-worst не завжди достатнє;
• порядок пріоритетів може відрізнятися між сегментами.

Типові помилки

• змішувати features, outcomes і рекламні фрази;
• порівнювати items різної конкретності;
• використовувати випадкові набори без дизайну;
• трактувати score як абсолютну ймовірність купівлі;
• ігнорувати uncertainty;
• виводити один середній рейтинг без сегментації;
• плутати MaxDiff із повним conjoint.

Пов’язані поняття

Best-worst scaling · Conjoint analysis · Шкала Лайкерта · Choice modeling · Utility · Product prioritization · Market research

Висновок

MaxDiff допомагає отримати чіткі відносні пріоритети там, де rating scales роблять усе однаково важливим. Надійність методу залежить від однорідного списку, експериментального дизайну, правильної моделі та обережного перекладу preference scores у бізнес-рішення.

Джерела

Qualtrics: MaxDiff Analysis Technical Overview
Sawtooth Software: Creating a MaxDiff