Почему я перестал доверять «среднему респонденту» в опросах

В количественных исследованиях меня давно больше интересует не средняя оценка, а разброс ответов. Потому что именно он показывает, где рынок согласен, а где живёт в разных логиках одновременно.

На практике это особенно видно в опросах про выбор продукта и в conjoint-исследованиях. Формально можно получить красивую «среднюю» картину: цена важна, скорость важна, бренд важен. Но когда начинаешь смотреть на сегменты, оказывается, что для одной группы решающим фактором является цена, для другой — доверие к бренду, а для третьей — удобство сценария использования. И если замазать это одним средним значением, стратегия получится слишком общей, чтобы работать.

У меня был кейс в B2B, где по итогам общего опроса получалось, что функция X почти никому не нужна. Но в MaxDiff она стабильно попадала в верхние позиции у одной из двух ключевых аудиторий. Если бы мы остановились на «среднем», продукт бы не стал ни сильнее, ни точнее. А так мы увидели, что речь не о массовом запросе, а о нишевом драйвере выбора. Для RevOps-логики это особенно ценно: не все предпочтения должны быть массовыми, некоторые должны быть денежно значимыми.

Мой вывод простой: в 2026 году опросы нужно читать как карту неоднородности, а не как голосование за усреднённое мнение.
Если исследование не показывает, **кто именно** думает иначе и **почему**, оно даёт иллюзию ясности, но плохо помогает принимать решения.

Поэтому я почти всегда прошу смотреть минимум на три слоя:
— общую картину;
— различия между сегментами;
— устойчивость ответа в разных формулировках вопроса.

Такой подход часто полезнее, чем гоняться за ещё одной десятичной долей в итоговом проценте.

— @QuantResearchRuPro