万能测MaxDiff技术运用原理

2016-12-02
在进行市场研究时,客户往往需要了解消费者对多个对象,例如多种产品属性,多个版本的广告等等的偏好。传统的打分或排序方式往往对受访者来说是种挑(zhe)战(mo),他们很难做出准确的回答,这导致最终的研究结果经常体现不出对象间明显的差异。
MaxDiff
 
运用MaxDiff方法,受试者在多次问题中只需要指出“最重要”和“最不重要”的因素,就可以使我们更快速,更高效地获得所需要的成对比较信息。
 
例如,我们要对四个对象A,B,C,D做出比较。如果沿用成对比较的思路,那么总共有6种可能的成对比较。如果采用Maxdiff的问法,假设某个受访者认为这4个对象中A是最好的,而D是最差的。我们那么我们可以很容易且快速到结论。这里,受访者仅仅通过两次“点击”(一次选出最好的,一次选出最差的),我们就能获得所有6对可能的成对比较中的5对比较的结果(仅有未被选中的B和C的关系未确定),即两次点击获得高达83.3%的成对比较信息量。而相比传统的成对比较方式,我们一共要比较6次,每次两两成对比较仅能获得16.6%的比较信息量。由此可见,MaxDiff的效率比成对比较高出太多了。
 
在MaxDiff中,我们不仅只问一个MaxDiff问题,而是问多个类似的问题。例如现在有20个对象要测试,那么我们总共会问20屏这样的题目,1屏中包含4个比较的对象,每次出现的4个对象不尽一致。

我们来看一个完整的Maxdiff的例子:
 
假设我们有某个产品(例如洗衣液)的20个卖点。我们希望通过MaxDiff的方式来进行测试,看看消费者会最喜欢哪几个卖点。那么我们会对受访者总共提出20道这样的题目,其中每道题目中包含4个比较的对象,每次出现的4个卖点也不尽一致。
 
可能这时有人会问,为什么这里需要问20个MaxDiff问题?每个问题里是只能出现4个对象还是可以更多?是否每个人都要完成一模一样的一组MaxDiff问题?
 
万能测系统你会发现,每个卖点都出现了4次,而且每个卖点几乎均等的出现在每个位置上。我们通过这种巧妙地设计,既能获得单组MaxDiff测度不到的未确定对象比较信息,又保证了比较信息的稳定性(多组测量,且每个被测对象出现次数均等,位置随机),而且这种数据便于我们使用不同的统计方法进行分析。最重要的,这种方式使得受访者更容易理解和做出判断。
 
大家可能还会发现一个问题,当对象数目较多时,MaxDiff的任务数也变得很多,必然导致访问时间延长和受访者的疲惫及反感。那么是否一定要问那么多的任务以保证每个对象至少出现3次呢。答案是不一定。

一个良好的MaxDiff实验设计应该满足以下4个条件。
被测对象出现的频率均等(FrequencyBalance)
两两测试对象同时出现的频率一致(Orthogonality)
每个对象在MaxDiff题目中每个位置出现的频率相等(Positional Balance)
所有对象均可“相连接”(Connectivity)


万能测MaxDiff Claim Test测试,通过严谨的技术,很好的做到了以上几点,让您的测试误差尽可能趋近于零。
 
上一篇:热点图的出现为数据分析提供了更直观的依据。 下一篇:真相了,这就是我们使用的Maxdiff技术