Soalan Lazim (FAQs)

MaxDiff (Maximum Difference Scaling) ialah teknik tinjauan yang berkuasa dan digunakan secara meluas untuk mengukur keutamaan dan keutamaan pengguna. Ia membentangkan peserta dengan satu siri pilihan dan meminta mereka mengenal pasti pilihan yang paling disukai dan paling tidak disukai. Ia sesuai untuk senario seperti mengutamakan ciri produk, menilai kepentingan item perkhidmatan, menganalisis keutamaan terhadap atribut jenama, dan penyelidikan segmentasi pasaran. Ia amat sesuai untuk kajian yang perlu memahami hierarki sebenar keperluan pengguna.

Berbanding dengan soalan penilaian tradisional, analisis MaxDiff mempunyai kelebihan berikut: 1) Ia mengelakkan bias penilaian, kerana peserta perlu membuat pilihan dan bukannya memberikan skor tinggi kepada semua pilihan; 2) Ia menyediakan susunan kepentingan relatif, yang lebih selaras dengan senario membuat keputusan dunia sebenar; 3) Ia mengurangkan beban kognitif, kerana hanya sebilangan kecil pilihan perlu dibandingkan pada setiap kali; 4) Ia menghasilkan data keutamaan yang lebih boleh dipercayai, menjadikannya sesuai untuk analisis statistik; 5) Ia dapat mengenal pasti ciri-ciri yang benar-benar penting dan mengelakkan "perangkap skor purata".

Cadangan parameter utama: 1) Bilangan atribut bagi setiap tugas: 3-5 disyorkan. Terlalu sedikit menyebabkan perbandingan tidak mencukupi, manakala terlalu banyak boleh mengelirukan peserta; 2) Bilangan tugas: Sistem mengiranya secara automatik berdasarkan formula, dan julat yang disyorkan ialah 6-10 tugas; 3) Jumlah bilangan atribut: 8-20 disyorkan. Terlalu sedikit kurang signifikan dari segi perbandingan, manakala terlalu banyak meningkatkan keletihan peserta; 4) Tetapan label: Anda boleh menyesuaikan penerangan bagi "paling penting" dan "kurang penting" untuk lebih sesuai dengan topik penyelidikan.

Analisis MaxDiff disyorkan dalam situasi berikut: 1) apabila anda perlu memahami kedudukan kepentingan relatif bagi berbilang ciri atau pilihan; 2) apabila objektif penyelidikan adalah untuk mengenal pasti faktor pengaruh yang paling kritikal; 3) apabila responden berkemungkinan menunjukkan bias dalam soalan penilaian (contohnya, memberikan semua skor tinggi); 4) apabila anda memerlukan data keutamaan yang boleh dianalisis secara statistik; 5) apabila bajet penyelidikan terhad tetapi data berkualiti tinggi diperlukan; 6) untuk senario seperti penyelidikan pasaran B2B dan B2C, pembangunan produk, dan pengoptimuman perkhidmatan.

Tafsiran metrik utama: 1) Peratusan keutamaan: metrik yang paling intuitif, menunjukkan kadar sesuatu atribut dipilih sebagai "terbaik"; 2) Skor: metrik komprehensif, dikira sebagai (bilangan pilihan terbaik - bilangan pilihan terburuk) / kekerapan; semakin besar nilai positif, semakin penting atribut itu; 3) Peratusan kebarangkalian: kemungkinan sesuatu atribut dipilih sebagai yang terbaik, antara 0 hingga 1; 4) Nilai P: signifikan statistik, dengan nilai di bawah 0.05 menunjukkan keputusan yang boleh dipercayai; 5) Bilangan paling penting/paling kurang penting: menunjukkan kekerapan pemilihan mutlak. Disyorkan untuk memberi tumpuan pada peratusan keutamaan dan skor, kerana kedua-dua metrik ini paling baik menggambarkan kepentingan sebenar sesuatu atribut.