MaxDiff调研说明

MaxDiff 调研用于比较一组产品属性、概念方案、营销卖点或服务要素的相对吸引力。填答者在每一组候选项中同时选出“最重要”和“最不重要”的内容,系统据此汇总每个属性被选择、被排除和实际展示的情况,形成偏好排序。

1. 题型作用

  • 识别多个属性之间的相对优先级,适合用在卖点筛选、功能排序、方案取舍和资源投入判断。
  • 降低普通打分题容易出现的“都很重要”问题,让填答者在同一组候选项内做明确取舍。
  • 输出可排序的偏好指标,帮助判断哪些属性更值得放在产品定义、营销表达或后续验证中。

2. 功能入口

  1. 进入创建问卷页面,选择“市场调研”。
  2. 选择“MaxDiff调研”,创建后进入问卷编辑页面。
  3. 在编辑页面补充题干、属性、展示规则和作答要求。
  4. 发布问卷并回收数据后,在统计页面查看 MaxDiff 统计结果。

市场调研问卷沿用问卷帮现有的创建、编辑、发布、回收、统计和报告导出链路。

3. 问题结构

元素说明
题干告诉填答者本题要比较的对象和判断标准,例如购买饮料时更看重哪些因素。
属性列表被比较的候选项,可以是产品属性、功能点、概念方案、包装卖点等。
最重要标签默认用于表示正向选择,页面中可自定义显示文案。
最不重要标签默认用于表示反向选择,页面中可自定义显示文案,不能与最重要标签相同。
每组展示属性数每一轮同时展示给填答者的属性数量。
任务组数填答者需要完成的比较轮数。

4. 示例说明

以“饮料购买因素偏好”为例,调研者可以把要比较的内容整理为 8 个属性:

口味健康品牌功能包装代言人配料价格

如果设置为“每组展示 4 个属性、共 6 组任务”,填答者每次只需要在 4 个属性中选择一个最重要和一个最不重要。系统会根据实际展示和选择结果汇总每个属性的出现次数、最佳次数、最差次数和偏好排序。

示例步骤填答者看到的内容填答者需要完成的动作
第 1 组任务口味、健康、品牌、价格选择其中最重要和最不重要的属性。
第 2 组任务功能、包装、配料、口味继续完成一组取舍判断。
后续任务系统按配置生成其他属性组合直到完成全部任务组。

这种方式不要求填答者一次性给 8 个属性排序,而是通过多组小范围取舍得到整体偏好。

5. 配置规则

配置项规则说明
属性数量至少保留 3 个有效属性,属性名称不能重复。
每组展示属性数不能少于 3 个,且不能超过有效属性总数。
任务组数必须大于 0,系统会结合属性数量和每组展示数量计算最大任务组数,且任务组数不超过 50 组。
随机抽取属性开启后会先从有效属性中抽取指定数量,再按均衡规则生成比较任务。
必填设置开启必填后,每一组都必须同时选择最重要和最不重要。

系统会根据属性数量、每组展示数量和任务组数给出配置校验,避免出现属性覆盖不足或任务数量不合理的情况。

6. 参数建议

参数建议
属性数量常规调研建议先控制在 30 个以内。属性过多会增加填写时长,也会提高解释成本。
每组展示属性数建议每组展示 3-5 个属性。数量过少信息量不足,数量过多会增加填答者选择负担。
任务组数建议让每个属性在单个填答者侧获得 3-5 次展示机会。可用公式估算:推荐任务数范围 = 3 × 有效属性数量 ÷ 每组展示属性数 到 5 × 有效属性数量 ÷ 每组展示属性数;实际配置时按计算结果向上取整,并结合系统校验提示调整。
最小样本量可用公式估算:推荐最小样本量 = 500 × 有效属性数量 ÷(每组展示属性数 × 任务组数),计算结果按向上取整理解。实际项目仍需结合目标人群、分组分析需求和回收质量判断。
随机抽取属性当属性较多且不要求每位填答者看到全部属性时使用。开启后,随机抽取数量必须在 3 到有效属性总数之间,且每组展示属性数不能超过随机抽取后的有效属性数量;如果任务组数 × 每组展示属性数不足以覆盖抽取后的属性,系统会提示调整。

7. 呈现和作答规则

  • 系统生成任务时会尽量均衡每个属性的出现次数,并避免同一组任务中重复展示同一个属性。
  • 填答者必须在当前组展示的属性内选择,不能选择未展示的属性。
  • 同一组内“最重要”和“最不重要”不能选择同一个属性。
  • 开启随机抽取后,不同填答者可能看到不同属性子集,但系统会按当前配置记录实际展示情况。
  • 题目已经产生提交数据后,任务组数、每组展示属性数、随机规则以及属性的增删和顺序会受到限制,以保证历史答卷和统计口径一致。

8. 统计说明

指标含义
出现次数某属性实际展示给填答者的次数。
最佳次数某属性被选为最重要的次数。
最差次数某属性被选为最不重要的次数。
净胜值最佳次数减去最差次数,用于反映整体选择倾向。
标准化得分净胜值除以出现次数,便于比较展示次数不同的属性。
偏好份额某属性最佳次数在全部最佳选择中的占比。
Best概率某属性在出现时被选为最重要的概率。

分数解读:

  • 标准化得分为正,表示该属性被选为最重要的次数多于最不重要的次数,整体吸引力较强。
  • 标准化得分为负,表示该属性被选为最不重要的次数更多,整体吸引力较弱。
  • 标准化得分接近 0,表示最佳和最差选择相对接近,或该属性没有形成明显偏好。
  • 偏好份额越高,表示该属性在全部“最重要”选择中占比越高。

统计结果默认按偏好强弱排序。解读时应同时关注标准化得分、偏好份额和出现次数:样本量不足或某属性出现次数偏少时,应谨慎下结论。

9. 结果示意

属性出现次数最佳次数最差次数净胜值标准化得分偏好份额Best概率
口味1204612340.2823.00%38.33%
价格1203218140.1216.00%26.67%
包装1201035-25-0.215.00%8.33%

上表示例仅用于说明字段含义。实际统计会根据真实回收数据、任务分配和属性出现次数计算。

10. 使用建议

  • 每个属性应尽量具体、互斥,避免把范围过宽的概念和很细的功能点混在同一题里比较。
  • 属性数量较多时,可适当增加任务组数,让每个属性获得更充分的展示机会。
  • 如果要比较图片、包装、概念图等素材,建议确保素材风格和信息量接近,避免视觉差异干扰选择。
  • 报告中更靠前的属性代表相对更受偏好,但仍需结合业务成本、投放目标和目标人群进一步判断。

results matching ""

    No results matching ""