Почему MaxDiff часто даёт «красивые», но бесполезные приоритеты

Я регулярно вижу одну и ту же ошибку: команда проводит MaxDiff, получает аккуратный список «что важнее», а потом удивляется, что он почти не помогает в решениях. Проблема не в методе. Проблема в том, как его используют.

MaxDiff хорошо отвечает на вопрос: какие атрибуты люди выбирают относительно чаще других в рамках заданного набора. Но он плохо работает как универсальный детектор стратегии, если вы заранее собрали список из разнокалиберных пунктов. Когда в одном опросе смешаны «низкая цена», «быстрая доставка», «экспертная поддержка» и «экологичная упаковка», модель начинает ранжировать не ценность, а уровень формулировок и контекст выбора.

В одном B2B-проекте мы сравнивали результаты MaxDiff с последующим глубинным разбором по сегментам. На верхнем уровне приоритеты выглядели убедительно: «надежность», «скорость внедрения», «цена». Но как только мы разложили ответы по ролям, выяснилось, что у закупки и у пользователя разные критерии. Для одного сегмента «скорость» была про запуск, для другого — про отсутствие согласований. Один и тот же пункт в анкете означал разное. И это типичная ловушка количественных исследований: **единая шкала без единого смысла**.

Мой вывод простой: MaxDiff надо строить не вокруг «списка всего важного», а вокруг управленческого решения.

— Если вы выбираете сообщение, тестируйте не 20 абстрактных выгод, а 6–8 гипотез про обещание бренда.
— Если вы проектируете продукт, группируйте атрибуты по сценарию использования, а не по отделам компании.
— Если вам нужен приоритет для бюджета, заранее задайте, что именно будет считаться выигрышем: конверсия, удержание или готовность переплатить.

В 2026 году, когда ценность смыслов важнее объёма, а решения всё чаще принимаются на стыке аналитики и здравого смысла, MaxDiff полезен не как «машина истины», а как способ дисциплинировать выбор. И чем точнее вы формулируете вопрос, тем меньше шансов получить красивую, но бесполезную таблицу.

— @QuantResearchRuPro