真相了，这就是我们使用的MaxDiff技术

最大化差异度量（Maximum Difference Scaling，简称MaxDiff）鉴别客户需求偏好的工具。目前被广泛的应用在市场调研领域。万能测软件就具有MaxDiff模块用来完成claimtest测试，很多用户认为这项技术很难很神秘。万能测软件将MaxDiff这样一个复杂的工具实现，只要用户利用我们的软件上传素材就可以生成问卷和报表，说实话，实现的过程并不简单。

但也不神秘。是时候，一次性把MaxDiff说清楚。

━━━━━

从一个故事开始~

━━━━━

上世纪20年代，犯罪现象突出，“不同罪行的犯罪人员应该如何量刑惩处 ？”路易斯.列昂.瑟斯顿博士（心理测量学领域的先驱）想要通过调查来了解人们对罪行严重程度的看法，以此来了解哪些罪行会比其他罪行更严重。他挑选了当时比较普遍的19种罪行：

常见的访问方式大概是通过对每种罪行的评分来区分：

对于嫉恶如仇的被访者，大多罪行都要打上最高分，而最高分的这几种罪行就难以再进行严重程度的排序。还对于一些习惯了中庸的被访者而言，中间分数会比较多。这样的测试方法，最终的平均分差异并不大。试着尝试换一种方法，使用排序题。一定程度上可以规避分值差异不大的问题：

因为需要排序的选项太多，很难准确排序，在排除几个比较容易的顺序后就会陷入焦虑。在市场调研的今天我们也是不会在排序题中为用户罗列如此多的选项。路易斯.列昂.瑟斯顿博士，选择了一种更有趣的做法。将19种罪行进行两两比较如下：

路易斯.列昂.瑟斯顿博士，让被访者在同一个问题中只在两种罪行之间比较那种罪行更为严重，看起来是不是变得容易选择的多？！当然为保证每两种罪行之间都要进行比较，被访者要进行171次（19*(19-1)/2=171）选择。显然，被访者访问时间增长几倍，但两两比较做出选择总是非常简单的事情，原来枯燥乏味的评价也变得有趣起来。这次调查共访问266名受访者，通过调研结果计算出来每种罪行的严重程度（0-100），成果如下：

路易斯.列昂.瑟斯顿在这个案例中采用的就是成对比较法，在市场调研中常用于品牌，商品和概念的排序。

━━━━━

成对比较法

━━━━━

这类似于体育赛事中的单循环赛制，每两支队伍都需要进行PK。成对比较法，就是要将我们难以选择的很多个对象，其中两个进行比较：

显然，这个选择比较有趣和容易。因为每两个对象都要比较一次，所以要进行多轮比较。假设我们有4个对象: A, B, C, D。那么一共有6种可能的成对比较：

需要进行的比较次数可以通过这样的公示进行计算：假设有t个对象，那么对应有

t(t-1)/2

个可能的成对比较。

那么当我们需要测量的对象是10个、15个的时候，对应需要进行45次、105次。

随着需要测试的对象增多，需要比较的次数也越来越多。访问时间变得越来越长。我们是否有更优的解决方案？有的。

━━━━━

MaxDiff研究技术

━━━━━

这就是Jordan Louviere的 “最大差异测量”（Maximum difference scaling ），简称为MaxDiff的新方法。

是让受访者从一组对象中指出能表明最大差异偏好的对象。例如受试者需要在3到5个对象中指出“最好的”和“最差的”（或者“最重要的”和“最不重要的”等等）。

这种方法比成对比较法用更少的对比次数，极大的提高了对比效率。

我们来看它是如何提高对比效率的，还拿我们成对比较中的举例。用MaxDiff方法对比4个对象: A, B, C, D。

假设被访者认为A是最好的，D是最差的，那么我们很容易获得以下的结论：

显然，用户仅仅选择一次“最好的”，一次“最差的”，就可以帮我确定5个对比关系。只有一对B.PK.C的关系未能确认。而在上述成对比较中，我们需要5次比较，才能获取同等的信息。一定程度上，当测试的对象越多，MaxDiff的测试效率就越明显。

━━━━━

一个完整的MaxDiff 例子

━━━━━

由于客户的项目的保密性，我们使用网上流行的一个段子来做一个完整的例子演示。

针对一家快餐店的服务，我们找出8种属性。我们通过MaxDiff测试来找出顾客最看重什么？

在这6次对比当中，每次只进行4个对象的对比测试。但每个测试对象不是随机出现，而是暗藏玄机。

可以看到，每种外观设计都出现了3次，而且每个外观设计几乎均等的出现在每个位置上。

并且在访问过程中还需要保证不同人群分布的动态平衡。

━━━━━图解MaxDiff设计玄机

━━━━━

MaxDiff的测试方法适用于8-30个测试概念（对象）的测试项目。每一次抽取3-5个概念（对象）进行测试。而多组测试后才能收集到完整的对比信息的一组MaxDiff题目。

为进一步保障对每个概念展示的均衡，我们会设置多版本的MaxDiff题目，并尽量保证作答每个版本的受访人群基本一致。

测试概念

抽取3-5个对象进行比较

多次测试形成获取完成的对比信息

按照上述方式，形成版本2

控制进入每个版本测试的被访者做到组间平衡

MaxDiff 技术实现的难点就在于此，和他对每个测量对象的出现的次数，位置，均衡。保证了每一次比较获取更多的比较信息的同时，多次的比较保证了比较信息的稳定性。这就是我们目前所使用的MaxDiff的研究技术。

以往对于程序员来说，每做一次MaxDiff测试，都是死一次的经历。我们现在把它自动化，整个测试都无需程序基础，全部后台实现了。

在实现的过程当中有诸多难点，对此我们以后再述。