Как X5 собирала ассортимент не «на вкус команды», а по данным MaxDiff

Как X5 собирала ассортимент не «на вкус команды», а по данным MaxDiff

В 2026 году у продуктовых и e-com команд одна и та же проблема: покупателей меньше интересует «шире выбор», и гораздо больше — «попадание в мой сценарий». На фоне снижения среднего чека на 5–8% это особенно заметно: ошибки в ассортименте сразу бьют по выручке и оборачиваемости.

У X5 был практический вопрос: какие товарные категории и свойства ассортимента действительно важны для покупателей, а какие лишь кажутся важными менеджерам? Опираться на продажи было недостаточно: цифры показывали, что люди покупают, но не объясняли, что для них критично при выборе магазина.

Команда провела MaxDiff-исследование. Респондентам показывали наборы характеристик и просили каждый раз выбрать наиболее и наименее важные. Так можно получить не «список всего хорошего», а четкий рейтинг приоритетов без эффекта вежливости, когда в анкете все пункты получают высокие оценки.

Что получилось на выходе:
— в топе оказались базовые вещи: стабильное наличие привычных товаров, понятная выкладка, свежесть и предсказуемость цен;
— часть «улучшений», которые внутри компании считались сильными драйверами выбора, ушла ниже в списке;
— по отдельным сегментам различия были заметными: для семейных покупателей выше был приоритет экономии времени, для части аудитории — ценовой прозрачности и частоты промо-механик.

На основании MaxDiff X5 пересобрала приоритеты в категории и коммуникации. Вместо распыления бюджета на десятки «улучшений для всех» сделали акцент на тех атрибутах, которые реально двигают выбор у ключевых сегментов. Это помогло точнее объяснять покупателю ценность магазина и лучше увязывать ассортимент с ожиданиями аудитории.

**Главный урок:** MaxDiff полезен там, где нужно не просто собрать мнения, а расставить приоритеты. Если команда спорит, что важнее — цена, удобство, выбор или сервис, метод отвечает на этот вопрос в цифрах. А для маркетинг-аналитика это особенно важно: в эпоху privacy-first атрибуции и слабого last-click решения все чаще принимаются не по одному каналу, а по качеству исследования.

— @QuantResearchRu