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
- 进入创建问卷页面,选择“市场调研”。
- 选择“MaxDiff调研”,创建后进入问卷编辑页面。
- 在编辑页面补充题干、属性、展示规则和作答要求。
- 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 | 120 | 46 | 12 | 34 | 0.28 | 23.00% | 38.33% |
| 价格 | 120 | 32 | 18 | 14 | 0.12 | 16.00% | 26.67% |
| 包装 | 120 | 10 | 35 | -25 | -0.21 | 5.00% | 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。