【模型故事】最大化差异测量 Max-Diff

在各种测试中，TOP 2或TOP 1很难识别出有意义的差异，是个老大难问题。我在得到课程上讲了一个最大化差异测量（Max-Diff）的真实故事：

 

上世纪20年代，美国犯罪率飙升，杀人，盗窃、纵火、诽谤等等层出不穷。必须有一套清晰、严苛的法律条例来遏制这个现象。那题来了，“怎么给罪犯量刑呢？”我们都知道，法律不是法官定的，而是民众意愿的反映。所以，那就调查吧，看看这些罪行在民众心里的严重程度都是怎样的。

 

这个选择有多难呢？先不说所有的罪行，我就把发案率最高的19项罪行给你列出来。你打开文稿，感受一下。学了前面的方法，你肯定知道，最直接的判断方法就是给这些选项打分。好，那我们就找一个1000人给它们打分，你会发现，那些嫉恶如仇的民众，给大多罪行打了高分，这样一来，最高分的几种罪行就很难排序了。再加上一些中庸的人，习惯打中间分。结果，各项的平均得分差距并不大。怎么办？那我们换一种方法。不打分了，直接让民众给罪行排序。

 

可是需要排序的选项太多了，越往后，难度越大，比如诽谤、作伪证、伪造文件，这几个你很难说哪个更严重。就好像一个商家设计了50种颜色和款式的包包。让消费者给这些包包从喜欢到不喜欢排序，这是很为难消费者的。

直接选不行，排序也不行，那怎么办呢？

 

当时，美国一位著名的心理测量学专家路易斯.列昂.瑟斯顿博士就采取了一种很有趣的做法。他把19种罪行进行两两组合，被访者每次只需要在两种罪行之间做选择，这样选起来是不是就容易多了？当然，为了保证每两种罪行至少比较一次，被访者要进行171次（19*(19-1)/2=171）选择。

 

没错，这就是“最大化差异测量法”的一种典型运用，给选项两两组对。把高难度的“一次性”选择，转化成难度更低的“多次”选择。“最大化差异测量法”的本质就是，当你面临的是一个庞大的选择库时，你可以通过强制减少选项的方式，帮助你最快完成决策。

 

这是一个非常好用的鉴别客户偏好的工具，在市场调研领域，也有很多这种方法的变种应用，尤其是加入了人工智能的技术后，它的优势就更明显了。品创最近把Max-Diff应用于概念/包装/设计风格测试，效果非常明显，比传统的TOP 2或TOP 1具有更好的有意义的差异，最后也附上我们的定量研发团队的模型介绍：）