最大化差异度量（Maximum Difference Scaling，简称MaxDiff）是由加拿大阿尔伯塔大学（University of Alberta）的Jordan Louviere于1987年提出的分析方法。被广泛应用于市场研究领域，以了解研究对象如何对产品特性进行一系列的、清晰明确的取舍。该方法也被称为“Best-worse scaling”(BWS)。

外文名

Maximum Difference Scaling

原理

假设我们正在研究某位受访者对4项事物A,B,C和D如何进行评估。假如我们问受访者，在4者当中哪个最好哪个最差？我们假如受访者认为A是最好的，D是最差的，这个回答就能告诉我们5到6组两两比较的结果，即：

A比B好，A比C好，A比D好，B比D好，C比D好。

唯一还不能确定的两两比较关系就只剩B与C的比较了。如果受访者是对5项事物进行评估，那么一个MaxDiff问题就能告诉我们7-10组两两比较的结果。更复杂的多项事物比较，也可以通过几次MaxDiff问题就能理清受访者对每项事物的偏好程度。

应用

在实际商业应用中，当我们把产品设计美学、高级市调技巧和庞大的客户数据结合起来，最终却往往得到“功能特性过度蔓延 feature creep”的结果，甚至数亿投资的产出物，问世后却跟顾客需求大相径庭。这种麻烦很多时候源于，目前的客户偏好度量工具都还很原始和迟钝，顾客在评价冗长的产品特性列表时，往往会感到困难和疑惑。

很多度量工具会去让顾客就某种产品的不同特性进行评分，从“1分（完全不重要）”到“10分（绝对重要）”，而客户通常倾向于说他们想要很多甚至大部分的这些功能特性。要解决这种问题，企业需要让顾客能更清晰的界定产品中“有会很好”和“必须有”的那些特性。

“最大化差异度量”（Maximum Difference Scaling，MaxDiff）方法。MaxDiff要求顾客对产品特性进行一系列的、清晰明确的取舍。研究者先把这些产品或品牌特性打乱——通常会有10-40项——分别代表不同的潜在利益。然后，研究者向受访对象每次呈现4套左右的特性，然后问他们每组中最偏好和最不偏好的特性。通过几轮这样的实验，让研究者们能确定顾客对每项特性相对其他特性的重要性考虑。

展望

随着近年来自动化调研/洞察平台的兴起，大大降低了应用MaxDiff方法时编辑调查问卷的门槛，促进了MaxDiff方法的更广泛应用。