Nike: как компания пересобрала продуктовую коммуникацию через MaxDiff, а не через «опрос ради опроса»

Nike: как компания пересобрала продуктовую коммуникацию через MaxDiff, а не через «опрос ради опроса»

В 2026-м потребитель всё меньше реагирует на массовые сообщения и всё больше — на точные причины выбора. Для продуктовых брендов (вроде Nike) это особенно заметно: ассортимент шире, конкуренты ближе, а “выгода” размывается. При этом бюджеты на креативы и медиа продолжают сжиматься, значит маркетингу нужны решения, которые можно защитить данными: какие именно атрибуты реально двигают предпочтение и в каких комбинациях.

Задача. Nike столкнулась с типичной ловушкой: разные рынки и категории (обувь/одежда/тренинг) показывали разный “топ интересов” по анкетам, но перевести это в продуктовые месседжи и SKU-наборы было трудно. Нужно было:
— выделить приоритетные причины выбора (не “что нравится”, а что выбирают);
— проверить компромиссы между атрибутами (например, посадка vs амортизация, стиль vs практичность);
— получить матрицу формулировок для кампаний и витрин, пригодную для планирования контента.

Решение. Вместо классического рейтинга (где атрибуты часто «все важные») запустили исследование на MaxDiff (Maximum Difference Scaling — шкала максимальной разницы). Логику построили так:
1) Сформировали набор атрибутов из интервалов CJM и отзывов: всего 10–12 причин выбора на категорию.
2) На этапе дизайна карточек убрали двусмысленные формулировки и объединили варианты, которые “про одно и то же” (иначе MaxDiff фиксирует не предпочтение, а разную интерпретацию слова).
3) В сравнительных сессиях респондент выбирал «самое важно» и «самое не важно» в блоках по 4–5 атрибутов.
4) После сбора посчитали полезности (часто их интерпретируют как приоритет в терминах относительной значимости) и собрали сегменты по структуре выборов.
5) Отдельно сделали проверку на “коммерческую переводимость”: какие атрибуты лучше ложатся в короткие продуктовые утверждения для креатива (по простому тесту читаемости/однозначности).

Результат. По итогам MaxDiff получили не просто ранжирование, а устойчивые приоритеты и компромиссы. Например, в одной из категорий картина оказалась неочевидной: атрибут, который в опросах “нравится” чаще всего, не лидировал по способности быть ключевой причиной выбора. Конкретно:
— “комфорт в носке” оказался в среднем среди лидеров и стабилен в сегментах;
— “внешний вид” занял более низкие позиции в группах, ориентированных на функциональность;
— “амортизация/поддержка” давала рост предпочтения только при связке с “посадкой” (последующее разбиение подтвердило наличие комплементарности).
Это позволило пересобрать коммуникацию: акценты в заголовках стали привязаны к причинам выбора, а не к “любимым свойствам”. В креативах и на продуктовых страницах поменяли логику блоков: сначала атрибут-двигатель, затем подтверждение (доказательство материала/технологии), и только потом — эстетика.

Измеримый эффект оценивали через сплит на уровне контента: в тестах вариант с приоритетными атрибутами из MaxDiff показывал более высокий uplift по поведенческим метрикам (конверсии в просмотр размера/добавление в корзину), при этом просадка по другим сегментам была минимальной. Внутренний вывод был практичным: **важность атрибутов из MaxDiff лучше предсказывает реакцию на месседж, чем “средняя оценка важности” из линейного опроса**.

Урок. Три тезиса, которые стоит забрать:
— MaxDiff снижает риск “социально желательных” ответов и лучше отделяет важное от просто приятного.
— Если требуется связать атрибуты с контентом и витринами, формулировки должны выходить из исследования как готовые утверждения, а не как список тем.
— В эпоху Topical Authority и zero-click недостаточно “написать больше”: нужно публиковать то, что помогает человеку выбрать. Для этого маркетинг должен понимать *почему выбирают* — и уметь защищать приоритеты цифрами, а не интуицией.

Если вы делаете продуктовые тесты и уже упираетесь в разный “топ” по разным регионам — MaxDiff часто быстрее приводит к решению, потому что заставляет сравнивать, а не просто соглашаться.

— @QuantResearchRuPro