20～69歳の222名を対象に「AIで作った存在しないモデル画像のMaxDiff調査」を実施しましたので案内させて頂きます。

 

〇AIで生成したモデル画像

以下は今回の検証に用いたAI生成の顔画像で、リアルな顔画像ではありますが実際には存在しないものです。

 

 

〇調査手法

MaxDiff（Maximum Difference Scaling）法

 

MaxDiffは複数の項目の選好度/重要度スコアを得るためのアプローチで、「ベスト・ワースト・スケーリング 」としても知られています。

コンジョイント分析と共通点が多くありますが、より使いやすく、より多様な調査に適用できる簡単さが特徴です。

 

〇MaxDiff法の特徴

１）質問が簡単

MaxDiffは、1回に提示される４～6項目について、「最も重要や好き」「最も重要でない、嫌い」等の対立評価を選択するだけで、順位法や全項目を聴取する尺度法に比べ、回答者負担が少ないため、回答精度が高いと言えます。


２）優先順位がわかる

 

単純なベスト/ワーストを聴取するだけなので、重要な要素、重要ではない要素が明確になります。

大量にある項目の順位付けが可能です。


３）項目比較ができます

 

解析後、100点満点でスコア化されるため、魅力度（重視度）を項目間で比較することが可能です。（「最も重要/魅力」「最も重要ではない/魅力的でない」と回答された割合から評価得点を算出）


〇MaxDiffの結果

 

〇全体＋男女別

全体と男女別では、好ましい画像は以下の結果となりました。

 

〇年代別

年代別では好ましい画像は以下の結果となりました。

 

〇MaxDiffはどのように応用できるの？

結果は個人別に出力されるので、性別年代別、地域別など自由にクロス集計が可能です。

結果を用いてクラスター分析等を行い様々な被験者のグルーピングができます。

結果を用いてシェア・シミュレーションが可能です。MaxDiffにて複数のブランド（製品）を項目として入れ評価を行い、実査後の解析スコアを用いて、自社＋競合のシェア予測が得られます。競合は1社の場合、2社の場合、さらに複数社の場合などのシナリオにも対応可能です。

結果を用いて最適な棚割りやパッケージに含めるフレーバーの最適化などTurf分析を行うことが可能です。5つしかない棚フェイスにどの商品を入れるべきか、4つのフレーバーパッケージにどの4つを入れるべきか等の課題を解決します。

MaxDiffではオンライン調査の際、リアルタイムで個人別スコアを簡易に算出できます。この結果を用いて動的に以降の質問を切り替えたり、割付を行ったりすることも可能です。例えば、「デザイン」がTop3以内で重視している対象者にのみ「デザインの質問」を行う等ができます。


〇各画像の印象ワード

 

通常設問で各ワードに当てはまる画像を選んでもらった結果は以下の通りです。

 

MaxDiffデモ画面はこちら（デモのため試行数を減らしています）
https://www.cjtsv.net/t/maxdiff/

※このデモでは最後のページで回答した結果からリアルタイム計算を回答1人ごとに行い概算スコア（あくまでも概算です）とランキングを算出して表示しています。