MaxDiff (Maximum Difference Scaling) 法

MaxDiff法はMaximum difference scaling (MaxDiff)という離散選択(Discrete choice)と呼ばれる全体効用推定モデルの一つと位置付けられます。

向いているもの

ブランドや製品特徴の選好度、重要だと感じる広告のキャッチコピー、その他自分にとっての利益・便益の重要度合いの測定
単純な得点では表せないトレードオフに基づく重要度の数値化
大量にある項目の順位付けをしたい（単純な一対法や並べ替えでは難しいものもok）

特徴

ベストvsワーストによる選好
Paird Comparizon (MPC)　一対比較法
数あるアイテムのうちからサブセットと呼ばれる３～５つ程度の代表アイテムを質問の都度（出現率が均等となるように選択）選出し評価する
という特徴があります。

選択の方法が各質問の中で「最も良いアイテム、（重視するもの）」ｖｓ「最も好ましくないアイテム（非重視アイテム）」を選択するだけ、つまり最大最小の意思表示を求めるだけです。どの程度好ましいとかどの程度嫌いという聞き方をしないため、人によって異なる好みの程度によるばらつきがありません。よってスケール・バイアス（回答の度合いや程度によるバイアス）が発生しないという特徴があります。

MaxDiffでは、WEBでの実施の他、CAPIや「紙やペン」での実施も可能です。

MaxDiffは、コンジョイントの考え方を応用していますが、コンジョイント自体よりもシンプルで結果の解釈も一般的に楽であると言えます。

結果はサム１００（合計で100点となるリスケーリング）となるようなスコアで表されます。

単純にアイテム１が２０点、アイテム２が１０点であれば、アイテム１はアイテム２の２倍の魅力度（重視度）であると言える形となります。

※但し、コンジョイントに比べシンプルであるため、結果をシミュレートしたりなどはできないため、やや分析としての深みは感じられないという点が挙げられます。

質問イメージ

Maxdiffの推奨質問数カウントでは、アイテム（項目）の総数をK、１問中に表示されるアイテム数をkとしたとき以下の計算式分の質問数をすべきです。

質問数の目安 = 3(K/k) 以上を推奨

※これらの値をもちいた棚割効率化分析(turf)も可能です。

さらに詳細はこちらを御覧ください。
https://m-te.com/mte/maxdiff/