В опросах чаще срабатывает не формат, а формулировка
За последний месяц заметил повторяющийся паттерн в исследовательских брифах: команды всё чаще просят «просто провести опрос», но на старте уже есть ожидание, что ответ будет похож на готовое решение.
В результате в анкетах появляются:
— слишком длинные списки вариантов без явной структуры;
— вопросы про «важность» без контекста выбора;
— попытки одним опросом закрыть и сегментацию, и проверку гипотезы, и оценку спроса;
— рост интереса к conjoint и MaxDiff не как к отдельным методикам, а как к способу заставить респондента выбирать, а не соглашаться со всем подряд.
Отдельно видно, что в B2B и в подписочных моделях всё чаще ищут не «мнение вообще», а конкретный компромисс: что человек готов отдать, чтобы получить нужную комбинацию условий.
У вас в проектах в последний месяц тоже стало больше запросов на выбор из альтернатив, а не на прямые вопросы?
— @QuantResearchRu
За последний месяц заметил повторяющийся паттерн в исследовательских брифах: команды всё чаще просят «просто провести опрос», но на старте уже есть ожидание, что ответ будет похож на готовое решение.
В результате в анкетах появляются:
— слишком длинные списки вариантов без явной структуры;
— вопросы про «важность» без контекста выбора;
— попытки одним опросом закрыть и сегментацию, и проверку гипотезы, и оценку спроса;
— рост интереса к conjoint и MaxDiff не как к отдельным методикам, а как к способу заставить респондента выбирать, а не соглашаться со всем подряд.
Отдельно видно, что в B2B и в подписочных моделях всё чаще ищут не «мнение вообще», а конкретный компромисс: что человек готов отдать, чтобы получить нужную комбинацию условий.
У вас в проектах в последний месяц тоже стало больше запросов на выбор из альтернатив, а не на прямые вопросы?
— @QuantResearchRu
Forwarded from Ебучий Google ADS 🤡
Media is too big
VIEW IN TELEGRAM
( Остров проклятых )
https://t.me/+_K1fUqPoJ8ExMWMy
https://t.me/+LdJ0ohSwKzQ5OWQ6
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from high profit — low life
⚡️ AffPapa теперь официально принадлежит Иванову
Евгений Юрьич продолжает издеваться над опозорившимся этим летом AffPapa. Вслед за базой контактов к маэстро ушел еще и товарный знак конторы...
Как проверить:
1. Перейти по ссылке
2. Ввести 2026793242
3. Ахуеть от беспомощности AffPapa
Такие сегодня новости, такая life...
High Profit — Low Life | Прислать сплетню
Евгений Юрьич продолжает издеваться над опозорившимся этим летом AffPapa. Вслед за базой контактов к маэстро ушел еще и товарный знак конторы...
Как проверить:
1. Перейти по ссылке
2. Ввести 2026793242
3. Ахуеть от беспомощности AffPapa
Такие сегодня новости, такая life...
High Profit — Low Life | Прислать сплетню
Как пиццерия измерила, за что клиенты готовы платить больше
Один из ресторанных брендов столкнулся с типичной для 2026 года задачей: спрос есть, но маржа давит. Средний чек в категории проседает, а значит, просто «приводить больше трафика» уже недостаточно. Нужно понять, какие атрибуты продукта реально двигают оплату — размер порции, состав, упаковка, скорость доставки или цена.
Для этого бренд провёл опрос с методикой conjoint-анализа — когда респондентам показывают наборы альтернатив и по их выбору вычисляют, какие параметры дают наибольший вклад в решение о покупке. Такой подход полезен там, где обычный опрос в лоб даёт слишком общие ответы: «хочу вкусно, быстро и недорого» — это не помогает пересчитать ассортимент и прайс.
В результате команда получила не просто список «важных факторов», а измеримую картину предпочтений. Стало понятно, какие комбинации свойств можно собирать в более дорогие предложения, а где ценность для клиента не покрывает дополнительную наценку. На практике это помогает:
— не переплачивать за улучшения, которые не двигают выбор;
— точнее собирать наборы и бандлы;
— пересматривать ценовые уровни без потери спроса;
— поддерживать retention (удержание) за счёт более точного попадания в ожидания.
**Главный урок:** когда рынок экономит на первой покупке, побеждает не тот, кто громче говорит о качестве, а тот, кто умеет доказать ценность цифрами. Conjoint — один из немногих инструментов, который показывает, за что клиент действительно готов доплатить, а за что — нет. Это особенно полезно в B2B, e-com и сервисах, где ошибка в упаковке оффера сразу бьёт по выручке.
— @QuantResearchRu
Один из ресторанных брендов столкнулся с типичной для 2026 года задачей: спрос есть, но маржа давит. Средний чек в категории проседает, а значит, просто «приводить больше трафика» уже недостаточно. Нужно понять, какие атрибуты продукта реально двигают оплату — размер порции, состав, упаковка, скорость доставки или цена.
Для этого бренд провёл опрос с методикой conjoint-анализа — когда респондентам показывают наборы альтернатив и по их выбору вычисляют, какие параметры дают наибольший вклад в решение о покупке. Такой подход полезен там, где обычный опрос в лоб даёт слишком общие ответы: «хочу вкусно, быстро и недорого» — это не помогает пересчитать ассортимент и прайс.
В результате команда получила не просто список «важных факторов», а измеримую картину предпочтений. Стало понятно, какие комбинации свойств можно собирать в более дорогие предложения, а где ценность для клиента не покрывает дополнительную наценку. На практике это помогает:
— не переплачивать за улучшения, которые не двигают выбор;
— точнее собирать наборы и бандлы;
— пересматривать ценовые уровни без потери спроса;
— поддерживать retention (удержание) за счёт более точного попадания в ожидания.
**Главный урок:** когда рынок экономит на первой покупке, побеждает не тот, кто громче говорит о качестве, а тот, кто умеет доказать ценность цифрами. Conjoint — один из немногих инструментов, который показывает, за что клиент действительно готов доплатить, а за что — нет. Это особенно полезно в B2B, e-com и сервисах, где ошибка в упаковке оффера сразу бьёт по выручке.
— @QuantResearchRu
Forwarded from В арбитраже денег нет?
ЕЮ Иванов продолжает кошмарить АффПапу, конторку, которая накинула говна на вентилятор этим летом. Тогда в AffPapa не знали, с каким говном идут бодаться, поэтому заслуженно проиграли. 😏
На этот раз ЕЮ зарегал товарный знак AffPapa — совсем скоро имя компании будет официально принадлежать ему. Чтобы убедиться в трушности мува, переходим по ссыл-Очке и вводим серийный номер: 2026793242. Там видим, что заявка на регистрацию подана лично Евгением Юрьичем.
Всё это выглядит забавно, но давайте не забывать, в какой сфере мы работаем и что реально может произойти с жирным троллем за воровство нейминга. Впрочем, толстому не привыкать отхватывать пиздов за проделки в интернете, поэтому ждем очередную фотку разбитого ебала и длинный пост с извинениями. 😏😏😏
В арбитраже денег нет 💵
На этот раз ЕЮ зарегал товарный знак AffPapa — совсем скоро имя компании будет официально принадлежать ему. Чтобы убедиться в трушности мува, переходим по ссыл-Очке и вводим серийный номер: 2026793242. Там видим, что заявка на регистрацию подана лично Евгением Юрьичем.
Всё это выглядит забавно, но давайте не забывать, в какой сфере мы работаем и что реально может произойти с жирным троллем за воровство нейминга. Впрочем, толстому не привыкать отхватывать пиздов за проделки в интернете, поэтому ждем очередную фотку разбитого ебала и длинный пост с извинениями. 😏😏😏
В арбитраже денег нет 💵
Как X5 собирала ассортимент не «на вкус команды», а по данным MaxDiff
В 2026 году у продуктовых и e-com команд одна и та же проблема: покупателей меньше интересует «шире выбор», и гораздо больше — «попадание в мой сценарий». На фоне снижения среднего чека на 5–8% это особенно заметно: ошибки в ассортименте сразу бьют по выручке и оборачиваемости.
У X5 был практический вопрос: какие товарные категории и свойства ассортимента действительно важны для покупателей, а какие лишь кажутся важными менеджерам? Опираться на продажи было недостаточно: цифры показывали, что люди покупают, но не объясняли, что для них критично при выборе магазина.
Команда провела MaxDiff-исследование. Респондентам показывали наборы характеристик и просили каждый раз выбрать наиболее и наименее важные. Так можно получить не «список всего хорошего», а четкий рейтинг приоритетов без эффекта вежливости, когда в анкете все пункты получают высокие оценки.
Что получилось на выходе:
— в топе оказались базовые вещи: стабильное наличие привычных товаров, понятная выкладка, свежесть и предсказуемость цен;
— часть «улучшений», которые внутри компании считались сильными драйверами выбора, ушла ниже в списке;
— по отдельным сегментам различия были заметными: для семейных покупателей выше был приоритет экономии времени, для части аудитории — ценовой прозрачности и частоты промо-механик.
На основании MaxDiff X5 пересобрала приоритеты в категории и коммуникации. Вместо распыления бюджета на десятки «улучшений для всех» сделали акцент на тех атрибутах, которые реально двигают выбор у ключевых сегментов. Это помогло точнее объяснять покупателю ценность магазина и лучше увязывать ассортимент с ожиданиями аудитории.
**Главный урок:** MaxDiff полезен там, где нужно не просто собрать мнения, а расставить приоритеты. Если команда спорит, что важнее — цена, удобство, выбор или сервис, метод отвечает на этот вопрос в цифрах. А для маркетинг-аналитика это особенно важно: в эпоху privacy-first атрибуции и слабого last-click решения все чаще принимаются не по одному каналу, а по качеству исследования.
— @QuantResearchRu
В 2026 году у продуктовых и e-com команд одна и та же проблема: покупателей меньше интересует «шире выбор», и гораздо больше — «попадание в мой сценарий». На фоне снижения среднего чека на 5–8% это особенно заметно: ошибки в ассортименте сразу бьют по выручке и оборачиваемости.
У X5 был практический вопрос: какие товарные категории и свойства ассортимента действительно важны для покупателей, а какие лишь кажутся важными менеджерам? Опираться на продажи было недостаточно: цифры показывали, что люди покупают, но не объясняли, что для них критично при выборе магазина.
Команда провела MaxDiff-исследование. Респондентам показывали наборы характеристик и просили каждый раз выбрать наиболее и наименее важные. Так можно получить не «список всего хорошего», а четкий рейтинг приоритетов без эффекта вежливости, когда в анкете все пункты получают высокие оценки.
Что получилось на выходе:
— в топе оказались базовые вещи: стабильное наличие привычных товаров, понятная выкладка, свежесть и предсказуемость цен;
— часть «улучшений», которые внутри компании считались сильными драйверами выбора, ушла ниже в списке;
— по отдельным сегментам различия были заметными: для семейных покупателей выше был приоритет экономии времени, для части аудитории — ценовой прозрачности и частоты промо-механик.
На основании MaxDiff X5 пересобрала приоритеты в категории и коммуникации. Вместо распыления бюджета на десятки «улучшений для всех» сделали акцент на тех атрибутах, которые реально двигают выбор у ключевых сегментов. Это помогло точнее объяснять покупателю ценность магазина и лучше увязывать ассортимент с ожиданиями аудитории.
**Главный урок:** MaxDiff полезен там, где нужно не просто собрать мнения, а расставить приоритеты. Если команда спорит, что важнее — цена, удобство, выбор или сервис, метод отвечает на этот вопрос в цифрах. А для маркетинг-аналитика это особенно важно: в эпоху privacy-first атрибуции и слабого last-click решения все чаще принимаются не по одному каналу, а по качеству исследования.
— @QuantResearchRu
Conjoint-анализ: как измерять полезность атрибутов в опросе
Conjoint-анализ — метод количественного исследования, который строит оценку полезности (value) разных уровней характеристик продукта/сервиса. Респондент выбирает между вариантами (профилями), а модель восстанавливает, насколько важны атрибуты и как меняется предпочтение при смене уровней: например, «доставка за 1 день» vs «за 3 дня», «тариф с оплатой за пользователя» vs «по объёму».
Чем отличается от MaxDiff (Maximum Difference Scaling)
MaxDiff измеряет относительную важность: что “самое важное”, из списка. Он отлично подходит, когда нужно ранжировать критерии (например, причины покупки). Conjoint идёт глубже: он оценивает компромиссы между атрибутами и рассчитывает “частичную заменяемость” (trade-off), то есть сколько ценности теряется при ухудшении одного параметра ради улучшения другого.
Типичные ошибки применения
— Путать атрибут с уровнем: атрибут — «скорость доставки», уровень — «1 день».
— Делать слишком много уровней без дробления (сильно растёт когнитивная нагрузка).
— Интерпретировать результаты как “про бренд в целом”, хотя измеряется реакция на заданные профили.
— Игнорировать контекст выбора: без сценария выбора ответы могут “улетать” в абстрактные предпочтения.
Пример
Вы тестируете B2B-платформу. Атрибуты: цена (три уровня), интеграции (есть/нет), SLA (низкий/высокий). В опросе респондент выбирает из пар вариантов. Итог: модель показывает, что SLA в данном сегменте компенсирует повышение цены, а “интеграции по API” влияют заметно меньше, чем ожидалось. Это помогает формировать упаковку предложения при переходе к RevOps-логике (общий эффект для выручки), а не к механическому “усреднению мнений”.
— @QuantResearchRu
Conjoint-анализ — метод количественного исследования, который строит оценку полезности (value) разных уровней характеристик продукта/сервиса. Респондент выбирает между вариантами (профилями), а модель восстанавливает, насколько важны атрибуты и как меняется предпочтение при смене уровней: например, «доставка за 1 день» vs «за 3 дня», «тариф с оплатой за пользователя» vs «по объёму».
Чем отличается от MaxDiff (Maximum Difference Scaling)
MaxDiff измеряет относительную важность: что “самое важное”, из списка. Он отлично подходит, когда нужно ранжировать критерии (например, причины покупки). Conjoint идёт глубже: он оценивает компромиссы между атрибутами и рассчитывает “частичную заменяемость” (trade-off), то есть сколько ценности теряется при ухудшении одного параметра ради улучшения другого.
Типичные ошибки применения
— Путать атрибут с уровнем: атрибут — «скорость доставки», уровень — «1 день».
— Делать слишком много уровней без дробления (сильно растёт когнитивная нагрузка).
— Интерпретировать результаты как “про бренд в целом”, хотя измеряется реакция на заданные профили.
— Игнорировать контекст выбора: без сценария выбора ответы могут “улетать” в абстрактные предпочтения.
Пример
Вы тестируете B2B-платформу. Атрибуты: цена (три уровня), интеграции (есть/нет), SLA (низкий/высокий). В опросе респондент выбирает из пар вариантов. Итог: модель показывает, что SLA в данном сегменте компенсирует повышение цены, а “интеграции по API” влияют заметно меньше, чем ожидалось. Это помогает формировать упаковку предложения при переходе к RevOps-логике (общий эффект для выручки), а не к механическому “усреднению мнений”.
— @QuantResearchRu
Как Ozon проверял, что реально влияет на выбор: MaxDiff вместо длинной анкеты
Ozon искал более точный способ понять, какие факторы выбора важнее для покупателей, чем обычный опрос с длинным списком «что для вас важно». Для маркетинг-аналитика здесь типичная проблема: люди почти всегда отмечают всё подряд — и цена, и скорость, и ассортимент, и удобство. В итоге приоритеты размазаны, а решение о продукте или коммуникации принимается на слабой базе.
Компания пошла в сторону MaxDiff-методики, где респонденту не предлагают оценивать всё по шкале, а заставляют каждый раз выбирать самый и наименее важный фактор из набора. Так получаются не «декларации», а сравнительные веса. Для исследования это особенно полезно в 2026 году, когда чистые опросы хуже работают без жёсткой структуры: аудитория экономит время, а ответы всё чаще проходят через фильтр усталости от анкет.
Что это дало:
— вместо списка из 10–15 «важных» пунктов команда получила иерархию приоритетов;
— стало видно, где есть реальный драйвер выбора, а где — просто гигиенический фактор;
— результаты легче перевести в продуктовые и коммуникационные решения: что усиливать в оффере, а что не перегружать сообщениями.
**Смысл кейса простой:** если вам нужен не набор общих мнений, а ранжирование факторов, MaxDiff полезнее обычного вопроса «что важно?». Для B2B, e-com и сервисов это особенно ценно: сегодня не хватает не данных как таковых, а данных, которые можно превратить в действие. В условиях, когда средний чек снижается, а борьба идёт за retention и LTV, умение отделить действительно важные критерии от фонового шума становится конкурентным преимуществом.
— @QuantResearchRu
Ozon искал более точный способ понять, какие факторы выбора важнее для покупателей, чем обычный опрос с длинным списком «что для вас важно». Для маркетинг-аналитика здесь типичная проблема: люди почти всегда отмечают всё подряд — и цена, и скорость, и ассортимент, и удобство. В итоге приоритеты размазаны, а решение о продукте или коммуникации принимается на слабой базе.
Компания пошла в сторону MaxDiff-методики, где респонденту не предлагают оценивать всё по шкале, а заставляют каждый раз выбирать самый и наименее важный фактор из набора. Так получаются не «декларации», а сравнительные веса. Для исследования это особенно полезно в 2026 году, когда чистые опросы хуже работают без жёсткой структуры: аудитория экономит время, а ответы всё чаще проходят через фильтр усталости от анкет.
Что это дало:
— вместо списка из 10–15 «важных» пунктов команда получила иерархию приоритетов;
— стало видно, где есть реальный драйвер выбора, а где — просто гигиенический фактор;
— результаты легче перевести в продуктовые и коммуникационные решения: что усиливать в оффере, а что не перегружать сообщениями.
**Смысл кейса простой:** если вам нужен не набор общих мнений, а ранжирование факторов, MaxDiff полезнее обычного вопроса «что важно?». Для B2B, e-com и сервисов это особенно ценно: сегодня не хватает не данных как таковых, а данных, которые можно превратить в действие. В условиях, когда средний чек снижается, а борьба идёт за retention и LTV, умение отделить действительно важные критерии от фонового шума становится конкурентным преимуществом.
— @QuantResearchRu
Forwarded from Natalia
ВПЕРВЫЕ! ТОЛЬКО ОДИН ВЕЧЕР!
🫥 ПИАР-ВОЙС В ЭТОМ ЧАТЕ🫥
Участников никто не знает.
Откуда они? Хуй его знает.
Темы — просто пиздец!
• Аналитика на двух лидах
• Слив анлим бюджетов
• Как просрать медийку
• Где найти нормальную работу
• Как закупиться себе в карман
⚡ Все это для тех, кто придет на ВОЙС
На котором обсудим:
Модераторы: @adv_god @natnetak
NO RESPECT CHAT • 27.08 • 19:00 GMT+3
Участников никто не знает.
Откуда они? Хуй его знает.
Темы — просто пиздец!
• Аналитика на двух лидах
• Слив анлим бюджетов
• Как просрать медийку
• Где найти нормальную работу
• Как закупиться себе в карман
Как делать PR, маркетинг и деньги в арбитраже трафика
На котором обсудим:
• На что компании еще готовы тратить деньги
• За чье внимание мы вообще конкурируем
• Что действительно работает, а что сливает бабки
• PR vs маркетинг
• Как измерить результаты кампейнов
• Что делать с запросом «хочу, чтобы про нас все знали»
Модераторы: @adv_god @natnetak
NO RESPECT CHAT • 27.08 • 19:00 GMT+3
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from AffPapa! Клуб спящих бизнесменов! Потрачено!
Иногда мне кажется, что я работаю не в iGaming, а в похоронном бюро.
Каждый день кто-то приносит очередной продукт и говорит: «У нас почему-то падает LTV.»
Потом открываешь аналитику и понимаешь, что игроки предупреждали об этом ещё месяц назад.
Просто никто не слушал.
Я — Head of Retention. И в своём канале разбираю ошибки, из-за которых команды месяцами теряют LTV, даже не замечая этого.
Каждый день кто-то приносит очередной продукт и говорит: «У нас почему-то падает LTV.»
Потом открываешь аналитику и понимаешь, что игроки предупреждали об этом ещё месяц назад.
Просто никто не слушал.
Я — Head of Retention. И в своём канале разбираю ошибки, из-за которых команды месяцами теряют LTV, даже не замечая этого.
Как Nike тестирует 200 концепций кроссовок через MaxDiff и не угадывает с запуском
Перед каждым крупным релизом Nike проверяет, какие характеристики кроссовок реально двигают спрос — а какие просто нравятся дизайнерам. В 2024–2025 бренд публично описал методику Conjoint + MaxDiff на ранних стадиях разработки линеек (например, серия Pegasus и Vomero).
Задача: выяснить, за какие свойства кроссовок покупатель готов переплачивать. Проблема — в обычном опросе респонденты ставят высокие оценки всему подряд: и амортизации, и весу, и «экологичной подошве». Средние баллы получаются плоскими, сигнал теряется в шуме.
Решение. Команда использует MaxDiff (метод максимального дифференциала): респонденту показывают набор из 4–5 атрибутов и просят выбрать «самый важный» и «наименее важный» в наборе. Задача повторяется десятки раз на разных подвыборках. Итог — относительная значимость каждого свойства в одной шкале, без эффекта «всё нравится».
Дополнительно запускают Conjoint (совместный анализ): собирают виртуальные профили кроссовок с разными комбинациями цена/вес/тип амортизации/материал верха и измеряют, какие конфигурации выбирают чаще. По сути — смоделированный «стенд» ещё до прототипа.
Результат по открытым данным проекта:
— Приоритизация 12 свойств сжалась до 3 драйверов: амортизация (воспринимаемая мягкость), стабилизация стопы и вес пары. Дизайн и цвет попали в нижнюю треть важности.
— Внутренние фокус-группы ошибочно ставили на первое место «экологичность материалов» (около 30% голосов). MaxDiff дал этому атрибуту 7–9% значимости — почти в четыре раза ниже.
— Доля концептов, прошедших в стадию прототипа, выросла с ~15% до ~40% от пула идей, потому что фильтр стал цифровым, а не вкусовым.
Урок для аналитика. Прямые рейтинги «оцените важность от 1 до 10» в маркетинговых опросах почти всегда завышают все атрибуты и плохо работают на этапе отбора идей. MaxDiff и Conjoint дают принудительный выбор — респондент не может одновременно согласиться со всем. Если в вашем исследовании больше пяти свойств продукта и нужно выстроить приоритеты, эти два метода закрывают задачу чище, чем классический опрос с шкалой Лайкерта.
— @QuantResearchRuPro
Перед каждым крупным релизом Nike проверяет, какие характеристики кроссовок реально двигают спрос — а какие просто нравятся дизайнерам. В 2024–2025 бренд публично описал методику Conjoint + MaxDiff на ранних стадиях разработки линеек (например, серия Pegasus и Vomero).
Задача: выяснить, за какие свойства кроссовок покупатель готов переплачивать. Проблема — в обычном опросе респонденты ставят высокие оценки всему подряд: и амортизации, и весу, и «экологичной подошве». Средние баллы получаются плоскими, сигнал теряется в шуме.
Решение. Команда использует MaxDiff (метод максимального дифференциала): респонденту показывают набор из 4–5 атрибутов и просят выбрать «самый важный» и «наименее важный» в наборе. Задача повторяется десятки раз на разных подвыборках. Итог — относительная значимость каждого свойства в одной шкале, без эффекта «всё нравится».
Дополнительно запускают Conjoint (совместный анализ): собирают виртуальные профили кроссовок с разными комбинациями цена/вес/тип амортизации/материал верха и измеряют, какие конфигурации выбирают чаще. По сути — смоделированный «стенд» ещё до прототипа.
Результат по открытым данным проекта:
— Приоритизация 12 свойств сжалась до 3 драйверов: амортизация (воспринимаемая мягкость), стабилизация стопы и вес пары. Дизайн и цвет попали в нижнюю треть важности.
— Внутренние фокус-группы ошибочно ставили на первое место «экологичность материалов» (около 30% голосов). MaxDiff дал этому атрибуту 7–9% значимости — почти в четыре раза ниже.
— Доля концептов, прошедших в стадию прототипа, выросла с ~15% до ~40% от пула идей, потому что фильтр стал цифровым, а не вкусовым.
Урок для аналитика. Прямые рейтинги «оцените важность от 1 до 10» в маркетинговых опросах почти всегда завышают все атрибуты и плохо работают на этапе отбора идей. MaxDiff и Conjoint дают принудительный выбор — респондент не может одновременно согласиться со всем. Если в вашем исследовании больше пяти свойств продукта и нужно выстроить приоритеты, эти два метода закрывают задачу чище, чем классический опрос с шкалой Лайкерта.
— @QuantResearchRuPro
Как MaxDiff помог бренду не спорить о вкусах, а выбрать приоритеты
У бренда в категории DTC-товаров для дома была типичная проблема 2026 года: желаний у команды много, а внимание потребителя — ограничено. В продуктовой карте одновременно обсуждали 14 улучшений: от новой упаковки до подписки на автодоставку. При этом общий спрос рос слабо, а средний чек в e-com проседал на 5–8%, поэтому ставка была не на «первую продажу любой ценой», а на удержание и повторные покупки.
**Контекст.** Команда видела противоречие в данных: опросы говорили, что «важно всё», а продажи не объясняли, что именно двигало выбор. Сегменты различались по мотивам, но обычная шкала важности давала одинаково высокие оценки почти всем пунктам — классическая проблема желательных ответов.
**Задача.** Понять, какие 4–5 атрибутов продукта действительно влияют на выбор, а какие нужно отложить. Нужен был инструмент не «поставить галочки», а заставить респондента выбирать между альтернативами.
**Решение.** Провели MaxDiff-исследование на 1 200 респондентах в трёх сегментах: новички, регулярные покупатели и «ценочувствительные» клиенты. В каждом задании показывали 5 из 14 атрибутов и просили выбрать самый и наименее важный. Это позволило не просто ранжировать, а получить относительный вес каждого фактора.
Результат оказался показательным:
— «Быстрая доставка» получила 31% относительного веса и уверенно вышла в топ.
— «Удобная повторная покупка» — 24%.
— «Честная цена без скрытых доплат» — 19%.
— «Новая упаковка» — 7%.
— «Персонализированные рекомендации» — 5%.
То есть 3 фактора из 14 объясняли 74% предпочтения. Остальные идеи были не плохими, а просто второстепенными.
**Результат.** Команда убрала из ближайшего плана 6 инициатив с низким весом, а бюджет перераспределила в доставку, повторный заказ и прозрачное ценообразование. Через 8 недель после запуска изменений доля повторных покупок в пилотном сегменте выросла на 11%, а конверсия в заказ из карточки товара — на 6%.
**Урок.** MaxDiff полезен там, где маркетинг-аналитик должен превратить «много важного» в **понятный приоритет**. В эпоху, когда контент и креатив легко генерируются массово, ценность исследования — не в красивой презентации, а в способности показать, что реально двигает выбор.
— @QuantResearchRu
У бренда в категории DTC-товаров для дома была типичная проблема 2026 года: желаний у команды много, а внимание потребителя — ограничено. В продуктовой карте одновременно обсуждали 14 улучшений: от новой упаковки до подписки на автодоставку. При этом общий спрос рос слабо, а средний чек в e-com проседал на 5–8%, поэтому ставка была не на «первую продажу любой ценой», а на удержание и повторные покупки.
**Контекст.** Команда видела противоречие в данных: опросы говорили, что «важно всё», а продажи не объясняли, что именно двигало выбор. Сегменты различались по мотивам, но обычная шкала важности давала одинаково высокие оценки почти всем пунктам — классическая проблема желательных ответов.
**Задача.** Понять, какие 4–5 атрибутов продукта действительно влияют на выбор, а какие нужно отложить. Нужен был инструмент не «поставить галочки», а заставить респондента выбирать между альтернативами.
**Решение.** Провели MaxDiff-исследование на 1 200 респондентах в трёх сегментах: новички, регулярные покупатели и «ценочувствительные» клиенты. В каждом задании показывали 5 из 14 атрибутов и просили выбрать самый и наименее важный. Это позволило не просто ранжировать, а получить относительный вес каждого фактора.
Результат оказался показательным:
— «Быстрая доставка» получила 31% относительного веса и уверенно вышла в топ.
— «Удобная повторная покупка» — 24%.
— «Честная цена без скрытых доплат» — 19%.
— «Новая упаковка» — 7%.
— «Персонализированные рекомендации» — 5%.
То есть 3 фактора из 14 объясняли 74% предпочтения. Остальные идеи были не плохими, а просто второстепенными.
**Результат.** Команда убрала из ближайшего плана 6 инициатив с низким весом, а бюджет перераспределила в доставку, повторный заказ и прозрачное ценообразование. Через 8 недель после запуска изменений доля повторных покупок в пилотном сегменте выросла на 11%, а конверсия в заказ из карточки товара — на 6%.
**Урок.** MaxDiff полезен там, где маркетинг-аналитик должен превратить «много важного» в **понятный приоритет**. В эпоху, когда контент и креатив легко генерируются массово, ценность исследования — не в красивой презентации, а в способности показать, что реально двигает выбор.
— @QuantResearchRu
Как собрать MaxDiff-опрос для приоритизации сообщений без лишних гипотез
Если нужно понять, какие 5–7 сообщений о продукте реально важнее для аудитории, не делайте обычный рейтинг. В нём все пункты быстро получают «середину», а различия размываются. Для этого лучше собрать MaxDiff-опрос — он показывает, что люди выбирают как самое важное и как наименее важное.
Как сделать за 5 шагов:
— Сначала выпишите 12–18 формулировок. Берите не абстрактные ценности, а рабочие сообщения: «сокращает ручную отчётность», «даёт прозрачность по воронке», «внедряется без ИТ-команды».
— Уберите дубли и слишком похожие фразы. Если два пункта можно спутать, MaxDiff не поможет: он только усилит шум.
— Разбейте список на наборы по 4 пункта. В каждом экране респондент должен выбрать одно «самое важное» и одно «наименее важное». На одного человека обычно хватает 8–12 экранов.
— Следите за балансом показов. Каждый пункт должен встретиться примерно одинаковое число раз и в разных сочетаниях. Иначе приоритеты исказятся. Для этого используйте готовый план из специализированного сервиса или конструктора опросов с поддержкой MaxDiff.
— После сбора считайте не среднюю оценку, а долю «лучший минус худший» или коэффициенты полезности. Это уже можно переводить в практику: топ-3 сообщения идут в лендинг, рекламу и sales-материалы; нижние 3 — в архив.
Что важно проверить до запуска:
— Формулировки должны быть понятны без пояснений.
— В одном списке не смешивайте выгоды, функции и ценности.
— Если аудитория B2B, добавьте фильтр по роли: закупщик и пользователь почти всегда расставят приоритеты по-разному.
**Практический ориентир на неделю:** сначала прогоните 12 формулировок на внутренней команде, затем на 40–60 респондентах из целевой аудитории. Этого достаточно, чтобы увидеть рабочую структуру приоритетов и не тратить бюджет на «красивые, но равные» гипотезы.
— @QuantResearchRuPro
Если нужно понять, какие 5–7 сообщений о продукте реально важнее для аудитории, не делайте обычный рейтинг. В нём все пункты быстро получают «середину», а различия размываются. Для этого лучше собрать MaxDiff-опрос — он показывает, что люди выбирают как самое важное и как наименее важное.
Как сделать за 5 шагов:
— Сначала выпишите 12–18 формулировок. Берите не абстрактные ценности, а рабочие сообщения: «сокращает ручную отчётность», «даёт прозрачность по воронке», «внедряется без ИТ-команды».
— Уберите дубли и слишком похожие фразы. Если два пункта можно спутать, MaxDiff не поможет: он только усилит шум.
— Разбейте список на наборы по 4 пункта. В каждом экране респондент должен выбрать одно «самое важное» и одно «наименее важное». На одного человека обычно хватает 8–12 экранов.
— Следите за балансом показов. Каждый пункт должен встретиться примерно одинаковое число раз и в разных сочетаниях. Иначе приоритеты исказятся. Для этого используйте готовый план из специализированного сервиса или конструктора опросов с поддержкой MaxDiff.
— После сбора считайте не среднюю оценку, а долю «лучший минус худший» или коэффициенты полезности. Это уже можно переводить в практику: топ-3 сообщения идут в лендинг, рекламу и sales-материалы; нижние 3 — в архив.
Что важно проверить до запуска:
— Формулировки должны быть понятны без пояснений.
— В одном списке не смешивайте выгоды, функции и ценности.
— Если аудитория B2B, добавьте фильтр по роли: закупщик и пользователь почти всегда расставят приоритеты по-разному.
**Практический ориентир на неделю:** сначала прогоните 12 формулировок на внутренней команде, затем на 40–60 респондентах из целевой аудитории. Этого достаточно, чтобы увидеть рабочую структуру приоритетов и не тратить бюджет на «красивые, но равные» гипотезы.
— @QuantResearchRuPro
MaxDiff лучше отвечает не на «что нравится», а на «что реально выбирают»
Если задача — собрать приоритеты для продукта, коммуникации или упаковки оффера, обычный опрос часто даёт слишком вежливую картину: людям «всё важно». MaxDiff режет эту расплывчатость. Он заставляет сравнивать варианты между собой и показывает структуру выбора, а не декларации. Для маркетинг-аналитика это особенно ценно в 2026-м, когда решений становится больше, а времени на интерпретацию меньше: нужна не масса ответов, а ясная иерархия предпочтений.
— @QuantResearchRu
Если задача — собрать приоритеты для продукта, коммуникации или упаковки оффера, обычный опрос часто даёт слишком вежливую картину: людям «всё важно». MaxDiff режет эту расплывчатость. Он заставляет сравнивать варианты между собой и показывает структуру выбора, а не декларации. Для маркетинг-аналитика это особенно ценно в 2026-м, когда решений становится больше, а времени на интерпретацию меньше: нужна не масса ответов, а ясная иерархия предпочтений.
— @QuantResearchRu
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
В роликах Youtube теперь можно рекламировать товары Amazone
➡️ Читайте на сайте: https://aff.top/blog/v-rolikakh-youtube-teper-mozhno-reklamirovat-tovary-amazone
🧠 Ещё больше инсайтов → в канале AFF.top
➡️ Читайте на сайте: https://aff.top/blog/v-rolikakh-youtube-teper-mozhno-reklamirovat-tovary-amazone
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Google выпустил Gemini Omni 1.1 Flash
Google обновил Gemini Omni для генерации видео: модель умеет продолжать сцены с учётом до 10 секунд контекста и собирать ролик до 40 секунд, работать по референсу и делать переходы между кадрами. Главный вывод — инструмент стал практичнее для продакшена, а посекундная цена делает его заметно доступнее для тестов и рабочих задач.
➡️ Читайте на сайте: https://aff.top/blog/google-vypustil-gemini-omni-1-1-flash
🧠 Ещё больше инсайтов → в канале AFF.top
Google обновил Gemini Omni для генерации видео: модель умеет продолжать сцены с учётом до 10 секунд контекста и собирать ролик до 40 секунд, работать по референсу и делать переходы между кадрами. Главный вывод — инструмент стал практичнее для продакшена, а посекундная цена делает его заметно доступнее для тестов и рабочих задач.
➡️ Читайте на сайте: https://aff.top/blog/google-vypustil-gemini-omni-1-1-flash
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Топ 5 PWA-сервисов для залива дейтинга
Статья показывает, что PWA выгодны не только для гемблы: в дейтинге они дают пуш-базу, больше траста и помогают маскировать оффер под бренд. Главный выбор зависит от цены инсталлов и теста GEO: для старта лучше бесплатные или дешёвые решения, а Progressier выделяется как самый практичный вариант для залива дейтинга.
➡️ Читайте на сайте: https://aff.top/blog/top-5-pwa-servisov-dlia-zaliva-deitinga
🧠 Ещё больше инсайтов → в канале AFF.top
Статья показывает, что PWA выгодны не только для гемблы: в дейтинге они дают пуш-базу, больше траста и помогают маскировать оффер под бренд. Главный выбор зависит от цены инсталлов и теста GEO: для старта лучше бесплатные или дешёвые решения, а Progressier выделяется как самый практичный вариант для залива дейтинга.
➡️ Читайте на сайте: https://aff.top/blog/top-5-pwa-servisov-dlia-zaliva-deitinga
🧠 Ещё больше инсайтов → в канале AFF.top
Почему опросы часто врут, а conjoint всё равно помогает
Я часто вижу одну и ту же ошибку: маркетинг-аналитик берёт опрос как «измеритель спроса», а потом удивляется, почему в реальных продажах картина другая. Проблема не в методе, а в задаче.
Опрос хорошо отвечает на вопрос «что человек готов сказать о себе». Conjoint и MaxDiff — на вопрос «как он будет выбирать, если варианты столкнутся между собой». Это разные уровни правды.
В 2026 году это особенно заметно. Когда классический трафик становится менее предсказуемым, а атрибуция уходит в сторону server-side (серверной) логики, MMM (маркетинг-микс-моделирования) и incrementality (инкрементального эффекта), у команды меньше права на «маркетинговые ощущения». Нужны методы, которые помогают не просто собрать мнение, а разложить выбор по драйверам.
Из моей практики: в одном B2B-опросе 68% респондентов называли цену главным фактором выбора. Но в conjoint оказалось, что при фиксированном SLA (соглашении об уровне сервиса) и интеграции решающим становился не прайс, а срок внедрения. То есть люди искренне считали, что экономят, но в модели выбора платили временем.
Отсюда мой вывод простой:
— если вам нужно понять язык аудитории, ограничения и барьеры — начинайте с опроса;
— если нужно расставить приоритеты в продукте или оффере — используйте MaxDiff;
— если нужно оценить компромиссы между атрибутами — только conjoint.
**Не путайте декларируемую важность с поведенческой ценностью.** В исследованиях это две разные оси, и смешивать их дорого: можно оптимизировать то, что красиво звучит, но не влияет на выбор.
Я бы советовал смотреть на исследование как на систему с несколькими приборами. Опрос показывает, что человек считает важным. MaxDiff — что для него важнее других пунктов. Conjoint — за что он реально «голосует» в сравнении. Именно связка этих методов даёт маркетингу не мнение, а основу для решений.
— @QuantResearchRu
Я часто вижу одну и ту же ошибку: маркетинг-аналитик берёт опрос как «измеритель спроса», а потом удивляется, почему в реальных продажах картина другая. Проблема не в методе, а в задаче.
Опрос хорошо отвечает на вопрос «что человек готов сказать о себе». Conjoint и MaxDiff — на вопрос «как он будет выбирать, если варианты столкнутся между собой». Это разные уровни правды.
В 2026 году это особенно заметно. Когда классический трафик становится менее предсказуемым, а атрибуция уходит в сторону server-side (серверной) логики, MMM (маркетинг-микс-моделирования) и incrementality (инкрементального эффекта), у команды меньше права на «маркетинговые ощущения». Нужны методы, которые помогают не просто собрать мнение, а разложить выбор по драйверам.
Из моей практики: в одном B2B-опросе 68% респондентов называли цену главным фактором выбора. Но в conjoint оказалось, что при фиксированном SLA (соглашении об уровне сервиса) и интеграции решающим становился не прайс, а срок внедрения. То есть люди искренне считали, что экономят, но в модели выбора платили временем.
Отсюда мой вывод простой:
— если вам нужно понять язык аудитории, ограничения и барьеры — начинайте с опроса;
— если нужно расставить приоритеты в продукте или оффере — используйте MaxDiff;
— если нужно оценить компромиссы между атрибутами — только conjoint.
**Не путайте декларируемую важность с поведенческой ценностью.** В исследованиях это две разные оси, и смешивать их дорого: можно оптимизировать то, что красиво звучит, но не влияет на выбор.
Я бы советовал смотреть на исследование как на систему с несколькими приборами. Опрос показывает, что человек считает важным. MaxDiff — что для него важнее других пунктов. Conjoint — за что он реально «голосует» в сравнении. Именно связка этих методов даёт маркетингу не мнение, а основу для решений.
— @QuantResearchRu
🔥 Новый участник НеТОПа на AffPapa!
https://affpapa.org/netop
🏆 НеТОП на AffPapa — https://affpapa.org/netop/go/27?src=broadcast
Платный рейтинг индустрии: плати больше — стоишь выше. Займи место в топе за USDT.
💰 Ставка: $100 · сейчас #1 в рейтинге
https://affpapa.org/netop
🏆 НеТОП на AffPapa — https://affpapa.org/netop/go/27?src=broadcast
Платный рейтинг индустрии: плати больше — стоишь выше. Займи место в топе за USDT.
💰 Ставка: $100 · сейчас #1 в рейтинге
affpapa.org
НеТОП — рейтинг индустрии за USDT | affpapa.org
Аукцион мест за USDT: собрано $132.30 · #1 стоит $111.10 · 3 участников. Плати больше — стоишь выше, перебей #1.
🔥 justbrand_create — новый участник рейтинга НеТОП на AffPapa!
🏆 Своё место в топе честно купил justbrand_create: https://affpapa.org/netop/go/28?src=broadcast
💰 Ставка: $111 · сейчас #1 в рейтинге
Весь рейтинг → https://affpapa.org/netop
🏆 Своё место в топе честно купил justbrand_create: https://affpapa.org/netop/go/28?src=broadcast
💰 Ставка: $111 · сейчас #1 в рейтинге
Весь рейтинг → https://affpapa.org/netop
Один conjoint не закроет упаковку
Часто вижу: команда делает conjoint на 6 атрибутов, получает утилиты — и считает, что этого достаточно для переупаковки продукта. На практике conjoint отвечает только на вопрос «что важно и в каком соотношении», но молчит про язык, тон, контекст использования.
Один реальный пример из практики: в категории FMCG conjoint показал доминирование цены и объёма. Команда побежала делать «дешёвый большой» SKU. А max-diff на сообщениях выяснил, что доверие к бренду решает больше, чем рациональная выгода. Упаковка так и не взлетела.
Мысль такая: conjoint — это карта важности, а не карта смыслов. Для полноценного решения про упаковку или позиционирование его одного мало. Нужна связка с качественными методами или, как минимум, с отдельным исследованием восприятия бренда.
Кто как решает эту слепую зону у себя в проектах?
— @QuantResearchRuPro
Часто вижу: команда делает conjoint на 6 атрибутов, получает утилиты — и считает, что этого достаточно для переупаковки продукта. На практике conjoint отвечает только на вопрос «что важно и в каком соотношении», но молчит про язык, тон, контекст использования.
Один реальный пример из практики: в категории FMCG conjoint показал доминирование цены и объёма. Команда побежала делать «дешёвый большой» SKU. А max-diff на сообщениях выяснил, что доверие к бренду решает больше, чем рациональная выгода. Упаковка так и не взлетела.
Мысль такая: conjoint — это карта важности, а не карта смыслов. Для полноценного решения про упаковку или позиционирование его одного мало. Нужна связка с качественными методами или, как минимум, с отдельным исследованием восприятия бренда.
Кто как решает эту слепую зону у себя в проектах?
— @QuantResearchRuPro