联合分析是什么?把产品拆开,让选择说话

直接问,问不出来的事

「您买奶茶时,价格和品质哪个更重要?」——重要。这样的问答每天在焦点小组里发生一万次,信息量为零。原因不难猜:孤立的属性没有意义,消费者面对的从来不是「价格」这个抽象概念,而是一杯 18 元、茉莉茶底、小料固定的具体奶茶。取舍发生在组合与组合之间,不在属性与属性之间。

联合分析(Conjoint Analysis)的全部智慧就是把问题还原成组合:把产品拆成属性与水平,重新拼成一张张具体的产品卡,让消费者评价或选择,再用统计把每个属性水平的贡献拆回来。你不用问价格重不重要,你看他在 15 元与 21 元之间怎么走。

从数学到营销:半个世纪的家谱

方法的家谱分两支。数学那支始于 1964 年,心理学家 Luce 与统计学家 Tukey 发表联合测量理论,证明可以从人们对组合的整体判断中恢复出各成分的单独贡献。营销那支始于 1971 年,沃顿商学院的 Paul Green 与合作者把这套数学引入消费者研究——Green 因此被称为「联合分析之父」,方法在 1970 年代靠卡片排序和评分打天下。

此后两次关键进化:1990 年代,基于选择的联合分析(Choice-Based Conjoint,CBC)成为主流——不再给单张产品卡打分,而是每轮摆出三五个完整产品让受访者挑一个(或都不选),更贴近货架上的真实决策;支撑它的离散选择模型,正出自 2000 年拿诺贝尔经济学奖的 McFadden 之手。2000 年代,层次贝叶斯方法成熟,个体层面的效用估计成为标配,小样本也能分群细看。

一张选择卡长什么样

奶茶品牌要做定位,先定义属性与水平:

四个属性全组合有 3 × 2 × 2 × 2 = 24 种产品,没人答得完。实验设计从中挑出十几张高效组合,做成 12 个选择集,每个集合摆三款产品外加「都不选」,消费者逐集做选择——十几道选择题,就是一台微型货架模拟器。

效用拆解:一次定价演算

回收数据后,回归模型(现代标配是层次贝叶斯多项 logit)拆出每个水平的效用值。以 18 元、茉莉、固定小料、中杯为基准,设其效用为零:

三个经典读数,全部从这张表长出来:

1. 属性重要性:各属性效用极差占总极差的比例。价格 1.2 / 总和 2.4 = 50%,是这家店的生死线;杯型只有 8%,不值得花力气;
2. 支付意愿(WTP):价格从 15 元到 18 元,效用掉 0.6,即 0.2 效用/元;「可自选小料」带来 0.6 效用,消费者平均愿意为它多付 0.6 ÷ 0.2 = 3 元——定价与产品决策直接接上了;
3. 市场模拟:把任意两款产品丢进效用加总里比大小。A(18 元、茉莉、可自选、中杯)总效用 0 + 0 + 0.6 + 0 = 0.6;B(21 元、四季春、固定、大杯)为 −0.6 + 0.4 + 0 + 0.2 = 0.0。经 logit 模型换算,A 拿走约 65% 的选择份额——新品上市前的沙盘推演,就是这么打的。

坑与边界

• 没列的属性不存在:消费者真实决策里的品牌、排队时长、朋友推荐,若没进设计就全被忽略。属性清单的功夫在实验之前;
• 说的不是做的:选择任务再逼真也是模拟,愿意度和真实购买之间永远有落差,重要决策要用真实销售数据回测模型;
• 水平要真实可组合:「21 元 + 中杯 + 茉莉」没问题,但「顶配全拉满 + 15 元」若商业上不存在,放进选择集就是噪声;
• 属性别贪多:4–6 个属性是甜点区,超过就要上部分轮廓设计,任务复杂度与数据质量是死对头。

结语

系列至此凑齐了一套组合拳:上一章的 MaxDiff 把候选项排出相对座次,适合前期筛选;联合分析更进一步,把属性组合成产品、把选择翻译成效用,重要性、支付意愿、份额模拟一次到手。定性筛完上定量,小口径试完上沙盘——这正是用户研究方法谱系的标准纵深。