问卷中的联合分析基础

直接问客户想要什么，他们会告诉你他们什么都想要：更多功能、更高质量和更低价格。这对做出真正的决策毫无用处，因为真正的决策涉及权衡取舍。联合分析（Conjoint）是一种基于问卷的技术，专门用于揭示这些权衡。受访者不再孤立地为功能打分，而是在若干现实的组合方案之间做出选择，你便可以从他们的选择中推断出他们真正看重的东西。本文用平实的语言介绍其基础。

什么是联合分析

联合分析是一种研究方法，用于测量人们如何看重构成某个产品或服务的各个不同属性。它不去询问每个属性单独有多重要，而是向受访者呈现一系列在完整产品配置之间的选择，每个配置都以不同的水平组合各个属性。通过观察人们选中了哪些组合，分析会把这些选择分解为每个单独属性和水平所贡献的价值，即效用。这个名称源自一个理念：受访者是"联合地"而非分别地考量各属性。

其结果不仅告诉你客户喜欢什么，还告诉你他们愿意在某个维度上放弃多少，以换取在另一个维度上的收获。当产品、定价和营销团队无法以尽可能低的价格囊括所有功能时，这正是他们所需要的那类洞见。

为什么它比直接提问更有效

当你请人们逐一为各项功能的重要性打分时，几乎所有项都会回来是"非常重要"。说"是"没有任何代价，因此答案无法区分。联合分析通过迫使人们做出选择而引入了这种代价。为了在所选配置中获得更长的电池续航，受访者可能不得不接受更高的价格或更重的设备。这些被迫的权衡再现了真实购买决策的感受，因此所得数据远比自我声明的重要性评分更具区分度、更有预测力。

这种真实感正是核心优势。由于联合分析是从近似行为的选择、而非自我报告的重要性中推断偏好，它规避了受访者夸大其词的倾向。它是客户实际如何权衡各选项的一面更诚实的镜子。

属性与水平

一项联合分析研究由属性和水平构成。属性是产品的某项特征，例如价格、品牌、屏幕尺寸或保修期长短。水平则是该属性可以取的具体取值；价格可能有 499、599 和 699 美元这几个水平，而保修可能是一年或三年。受访者看到的配置会从每个属性中各取一个水平加以组合，而研究会系统性地变换这些组合，以便分析能够分离出每个水平的影响。

把属性和水平选好，是最重要的设计决策。纳入真正驱动决策的属性，把数量控制在可管理的范围以免让受访者不堪重负，并确保各水平现实且彼此有别。属性过多或水平取值范围不合理，都会产生嘈杂、难以信赖的结果。从一个结构化的工具入手，例如我们的市场研究问卷模板，有助于你保持设计的严谨。

联合分析的类型

联合分析存在几种变体。基于选择的联合分析（CBC）是当今最常见的一种；受访者反复从一小组选项中选出他们偏好的配置，非常贴近真实的购买过程。基于评分的或传统的联合分析请受访者对配置进行评分或排序，而非在它们之间做选择。自适应联合分析会根据先前的答案调整所显示的问题，这能处理更多属性，但也增加了复杂度。对于大多数刚起步的团队而言，基于选择的联合分析在真实感与分析可行性之间取得了最佳平衡。

部分效用及其含义

联合分析的核心输出是一组部分效用，即代表对每个属性各水平相对偏好的数值。部分效用越高，说明该水平越有吸引力。通过比较某属性内部部分效用的取值范围，你可以衡量该属性的整体重要性：其水平使效用大幅波动的属性，比其水平几乎不移动效用的属性对决策更为重要。

从部分效用出发，你可以推导出实用的产出。你可以估计一次涨价会使偏好下降多少、建模出哪种功能组合能使吸引力最大化，甚至通过将某功能的效用与价格的效用代价相比较，来近似支付意愿。许多工具还允许你构建一个市场模拟器，预测假设产品的偏好份额。这些模拟很强大，但请记住，它们反映的是问卷中的声明性选择，而非现实世界中有保证的实际销量。

何时使用联合分析

当你面临真正的权衡决策时，联合分析大放异彩：制定价格、选择开发哪些功能、设计产品档次，或在竞争对手面前进行定位。如果你的问题是"客户会偏好哪种功能与价格的组合"，联合分析正是为此而生。当你只是想衡量满意度或测量单一态度时，它便属于小题大做，此时标准的市场研究问卷更快也更省。让方法与决策相匹配，而不是一味求助于手头最复杂的工具。

设计建议与陷阱

有几条原则能提升联合分析的质量。让受访者的负担保持合理；过多的选择任务会导致疲劳和草率作答。确保各水平均衡且现实，使得没有哪个配置明显占优或荒诞不经。预先测试问卷，确认受访者理解这些配置。招募一个能代表你真实买家的样本，因为不同细分群体的偏好各异，有偏差的样本会得出误导性的效用。最后，把市场模拟当作方向性指引，并对照其他证据加以验证，而非视为精确预测。经常开展权衡研究的研究团队，可以借助研究团队模板来标准化其做法。

除了这些基础，还要提防几个更微妙的陷阱。属性的突出程度可能扭曲结果：如果某个属性的措辞远比其他属性更生动或更详尽，受访者可能会人为地加重其权重。让每个属性的呈现保持均衡而中立。要谨慎对待你所测试的价格区间，因为你所选的水平实际上界定了你能了解到的边界；如果你的最高价仍然便宜，你将永远无法发现需求究竟在何处真正回落。在选择任务中加入一个"以上皆非"的选项会让练习更加真实，因为在现实世界中客户总能选择走开，这也能防止你因强迫作答而高估需求。分析结果时，除了平均效用之外，还要关注受访者之间的差异，因为一项平均而言仅受适度喜爱的功能，可能被某个特定的高价值细分群体强烈看重，从而值得去开发。用你手头任何真实的行为数据——例如现有配置的实际销量——来验证模型的预测，以校准对模拟器该有多少信任。联合分析是一种强大的方法，但其可信度取决于严谨的设计、有代表性的样本，以及对这些归根结底是在问卷（而非商店）中做出的选择所持的谦逊解读。

常见问题

联合分析需要多少受访者？联合分析通常需要相当大的样本，因为它要估计许多参数，而且你往往希望在各细分群体内部得到稳定的结果。更大、更细分的分析需要更多回复；小样本会产生不稳定的效用。

我可以纳入多少个属性？请保持适度。纳入过多属性会让受访者不堪重负，并降低数据质量。请聚焦于真正驱动购买决策的那少数几个，而不要试图一次性检验所有内容。

联合分析能告诉我支付意愿吗？它可以通过将某功能的效用与价格变化的效用代价相比较，来近似支付意愿。请把这些数字当作方向性估计而非精确的金额，并对照其他数据加以验证。

联合分析与简单的功能评分问卷有何区别？功能评分问卷孤立地询问重要性，此时一切都容易显得重要。而联合分析迫使人们在完整配置之间做出权衡，产生的数据区分度更高、与决策的相关性也更强。