MaxDiff (с максимальной дифференциацией): что это и где его путают

MaxDiff (с максимальной дифференциацией): что это и где его путают

MaxDiff — это метод исследования предпочтений, в котором респондент многократно выбирает “самое важное” и “самое неважное” из наборов вариантов (обычно 4–8 атрибутов/сообщений одновременно). По итогам оценивается относительная значимость каждого варианта в общей шкале (utility). Это не рейтинг “в лоб”, а калиброванный выбор в разных конфигурациях, чтобы восстановить приоритеты даже при десятках факторов.

Чем MaxDiff отличается от родственных подходов:
— Ранжирование: просит упорядочить все варианты сразу, но ломается при большом числе факторов и часто превращается в “сдвиг по порядку”.
— Конжоинт-анализ (conjoint): оценивает полезность комбинаций атрибутов в продукте; MaxDiff чаще используется для приоритизации раздельных сообщений/причин/функций, без явной модели “продукт-атрибут”.
— Сравнение пар (pairwise): требует больше итераций, особенно при росте числа объектов.

Типичные ошибки применения:
— Подмена MaxDiff простыми “самый важный/менее важный” без системы планирования наборов (design).
— Слишком длинные списки вариантов в одном респонденте → падение качества и “усталостные” ответы.
— Интерпретация долей “выбран как самый важный” как величин utility без пересчёта модели.

Пример:
В B2B-опросе по причинам выбора поставщика сравнивают 10 критериев (скорость SLA, экспертиза, прозрачность цен, обучение команды…). В каждом задании респондент видит 6 критериев, выбирает 2 “самые значимые” и 2 “наименее значимые”. Итоговая шкала показывает, что, например, “прозрачность цен” стабильно выше “обучение команды”, что напрямую помогает ранжировать сообщения для материалов RevOps-воронки (marketing–sales–customer success за выручку).

— @QuantResearchRuPro