产品卖点筛选
比较多个产品属性，判断哪些卖点最能打动目标用户。
← 返回市场调研
MaxDiff调研
找出真正影响用户选择的关键属性
MaxDiff 通过多组“最重要 / 最不重要”的选择任务，降低普通打分题的主观偏差，更适合用于产品卖点、功能优先级和概念偏好排序。
演示题 · 用于说明题目结构
请选择最重要和最不重要的属性任务 3 / 8
无糖配方
低卡热量
便携包装
明星代言
适用场景
当问题是“哪个更重要”时，优先考虑 MaxDiff
功能优先级排序
在资源有限时，找出更值得优先投入的功能方向。
概念方案比较
比较不同概念中的关键因素，辅助新品定位和方案取舍。
答题方式
多组任务反复比较，得到更稳健的偏好结果
例如饮料产品可以配置口味、健康、品牌、功能、包装、代言人、配料、价格等属性。系统按照任务数量和每组属性数量生成多组比较题，让受访者每组选择一个最重要和一个最不重要。
1
准备调研属性
填写要比较的属性、功能、卖点或概念要素。
2
配置任务规则
设置每组展示属性数量、任务总数量和最佳/最差标签。
3
发布并回收答卷
受访者在每组任务中选择一个最重要和一个最不重要。
4
查看统计报告
根据偏好份额、概率和分数判断属性吸引力。
开始收集选择前，先把任务设计清楚
属性、标签与任务数量共同影响填写体验，建议正式发布前完成一轮试答。
属性能放在同一层级比较吗？
尽量具体、避免重叠。不要让一个宽泛概念与多个细分功能重复竞争同一次选择。
每组任务是否容易理解？
让每次比较有明确判断标准；最佳和最差标签应有不同且清楚的含义。
完成全部任务是否负担过重？
检查属性覆盖、任务数量与回收质量，先试答并结合系统校验调整。
数据分析
报告直接输出属性偏好排序
统计结果围绕偏好份额、选择概率和分数展开，方便解释每个属性的吸引力。
演示数据 · 非真实调研结论
属性偏好排序偏好份额
原图为人工演示结果；偏好份额用于当前备选集合内比较，不是市场份额。
偏好份额该属性最佳次数 ÷ 全部属性最佳次数合计。
Best 概率该属性最佳次数 ÷ 该属性实际展示次数。
标准化得分（最佳次数 − 最差次数）÷ 实际展示次数。
使用建议
让调研结果更稳定的配置要点
属性数量要可比较
建议放入同一决策层级的属性，避免把价格、品牌、服务流程等不相干对象混在一起。
任务数量要控制负担
任务越多信息越充分，但答题负担也会增加，应结合样本质量和用户耐心设置。
报告解读要看相对差异
MaxDiff 更适合做偏好排序和相对吸引力判断，不建议把单个分数孤立解读。
同一个属性，三个指标分别怎样得到？
以“无糖配方”为演示属性，说明选择次数如何对应到报告指标。
演示数据 · 非真实项目结论| 无糖配方 · 演示统计 | 数值 | 对应的解释 |
|---|---|---|
| 实际展示次数 | 300 次 | 该属性在有效任务中被展示的次数 |
| 最佳 / 最差次数 | 159 / 65 次 | 分别被选为最重要和最不重要的次数 |
| 全体属性最佳次数合计 | 500 次 | 用于计算偏好份额的分母 |
标准化得分
（159 − 65）÷ 300
0.31比较最佳与最差选择，除以该属性展示次数。
Best 概率
159 ÷ 300
53.0%该属性出现时，被选为最重要的比例。
偏好份额
159 ÷ 500
31.8%在全部最佳选择中所占的比例，对应上方演示图。
31.8% 是本次演示选择的相对份额，不是市场份额
属性排序适用于本次备选集合、样本范围和任务设置。跨项目比较前，需要先核对这些条件和统计口径。
开始创建 MaxDiff 调研
创建后会进入问卷编辑页，可继续调整属性、任务数量和展示文案。
