Как IKEA использовала conjoint, чтобы не спорить о вкусах, а посчитать выбор

Как IKEA использовала conjoint, чтобы не спорить о вкусах, а посчитать выбор

В 2026 году брендам всё чаще мало «нравится / не нравится». Когда средний чек уходит вниз на 5–8%, а борьба за повторную покупку важнее первой, маркетингу нужно понимать не мнение, а правила выбора. Именно здесь полезны conjoint-опросы — метод, который раскладывает покупку на набор атрибутов и показывает, что реально двигает спрос.

У IKEA был классический для ритейла вопрос: что сильнее влияет на выбор мебели — цена, доставка, дизайн, размер, сборка или материал? Внутренние обсуждения обычно упираются в вкусы команды: дизайнеры защищают внешний вид, логисты — сроки, коммерция — цену. Но вкусы не равны поведению.

Задача была прикладная: понять, какие комбинации свойств дают максимальную вероятность выбора и где можно поднять маржу без заметной потери интереса. Для этого провели conjoint-исследование: респондентам показывали карточки с разными наборами атрибутов, а затем на основе их выбора строили карту полезности каждого признака.

Что получилось по итогам:
— цена оставалась значимым фактором, но не главным во всех категориях;
— для части товаров доставка и сборка влияли почти так же сильно, как сам дизайн;
— в сегменте компактной мебели размер и функциональность обгоняли декоративность;
— при слишком дорогой доставке даже удачный продукт терял долю выбора сильнее, чем при небольшом росте цены самого товара.

Практический вывод оказался полезнее любых дискуссий. IKEA получила возможность сегментировать ассортимент не по ощущениям, а по фактическим драйверам выбора:
— где можно повысить цену без серьёзной просадки;
— где выгоднее субсидировать доставку;
— какие товары продавать как «простые в сборке»;
— какие линейки строить вокруг дизайна, а какие — вокруг компактности.

Именно в этом сила conjoint: он не спрашивает у человека, что «важнее в целом», а заставляет его выбирать между реальными компромиссами. Для маркетинг-аналитика это особенно ценно в эпоху, когда данных много, а решать надо быстро: не тратить ресурсы на спор вкусов, а считать вклад каждого атрибута в выбор.

— @QuantResearchRuPro