Как Nike тестирует 200 концепций кроссовок через MaxDiff и не угадывает с запуском

Как Nike тестирует 200 концепций кроссовок через MaxDiff и не угадывает с запуском

Перед каждым крупным релизом Nike проверяет, какие характеристики кроссовок реально двигают спрос — а какие просто нравятся дизайнерам. В 2024–2025 бренд публично описал методику Conjoint + MaxDiff на ранних стадиях разработки линеек (например, серия Pegasus и Vomero).

Задача: выяснить, за какие свойства кроссовок покупатель готов переплачивать. Проблема — в обычном опросе респонденты ставят высокие оценки всему подряд: и амортизации, и весу, и «экологичной подошве». Средние баллы получаются плоскими, сигнал теряется в шуме.

Решение. Команда использует MaxDiff (метод максимального дифференциала): респонденту показывают набор из 4–5 атрибутов и просят выбрать «самый важный» и «наименее важный» в наборе. Задача повторяется десятки раз на разных подвыборках. Итог — относительная значимость каждого свойства в одной шкале, без эффекта «всё нравится».

Дополнительно запускают Conjoint (совместный анализ): собирают виртуальные профили кроссовок с разными комбинациями цена/вес/тип амортизации/материал верха и измеряют, какие конфигурации выбирают чаще. По сути — смоделированный «стенд» ещё до прототипа.

Результат по открытым данным проекта:
— Приоритизация 12 свойств сжалась до 3 драйверов: амортизация (воспринимаемая мягкость), стабилизация стопы и вес пары. Дизайн и цвет попали в нижнюю треть важности.
— Внутренние фокус-группы ошибочно ставили на первое место «экологичность материалов» (около 30% голосов). MaxDiff дал этому атрибуту 7–9% значимости — почти в четыре раза ниже.
— Доля концептов, прошедших в стадию прототипа, выросла с ~15% до ~40% от пула идей, потому что фильтр стал цифровым, а не вкусовым.

Урок для аналитика. Прямые рейтинги «оцените важность от 1 до 10» в маркетинговых опросах почти всегда завышают все атрибуты и плохо работают на этапе отбора идей. MaxDiff и Conjoint дают принудительный выбор — респондент не может одновременно согласиться со всем. Если в вашем исследовании больше пяти свойств продукта и нужно выстроить приоритеты, эти два метода закрывают задачу чище, чем классический опрос с шкалой Лайкерта.

— @QuantResearchRuPro