基本介紹
- 中文名：最大化差異度量
- 外文名：Maximum Difference Scaling
- 提出者：Jordan Louviere
- 簡稱：MaxDiff
- 其他名稱：Best-worse scaling
原理,套用,展望,
原理
假設我們正在研究某位受訪者對4項事物A,B,C和D如何進行評估。假如我們問受訪者，在4者當中哪個最好哪個最差？我們假如受訪者認為A是最好的，D是最差的，這個回答就能告訴我們5到6組兩兩比較的結果，即：
A比B好，A比C好，A比D好，B比D好，C比D好。
唯一還不能確定的兩兩比較關係就只剩B與C的比較了。如果受訪者是對5項事物進行評估，那么一個MaxDiff問題就能告訴我們7-10組兩兩比較的結果。更複雜的多項事物比較，也可以通過幾次MaxDiff問題就能理清受訪者對每項事物的偏好程度。
套用
在實際商業套用中，當我們把產品設計美學、高級市調技巧和龐大的客戶數據結合起來，最終卻往往得到“功能特性過度蔓延 feature creep”的結果，甚至數億投資的產出物，問世後卻跟顧客需求大相逕庭。這種麻煩很多時候源於，目前的客戶偏好度量工具都還很原始和遲鈍，顧客在評價冗長的產品特性列表時，往往會感到困難和疑惑。
很多度量工具會去讓顧客就某種產品的不同特性進行評分，從“1分（完全不重要）”到“10分（絕對重要）”，而客戶通常傾向於說他們想要很多甚至大部分的這些功能特性。要解決這種問題，企業需要讓顧客能更清晰的界定產品中“有會很好”和“必須有”的那些特性。
“最大化差異度量”（Maximum Difference Scaling，MaxDiff）方法。MaxDiff要求顧客對產品特性進行一系列的、清晰明確的取捨。研究者先把這些產品或品牌特性打亂——通常會有10-40項——分別代表不同的潛在利益。然後，研究者向受訪對象每次呈現4套左右的特性，然後問他們每組中最偏好和最不偏好的特性。通過幾輪這樣的實驗，讓研究者們能確定顧客對每項特性相對其他特性的重要性考慮。
展望
隨著近年來自動化調研/洞察平台的興起，大大降低了套用MaxDiff方法時編輯調查問卷的門檻，促進了MaxDiff方法的更廣泛套用。
