Как за 1 неделю собрать MaxDiff для выбора сообщений, а не «мнений»

Если вам нужно понять, какие 5–7 сообщений о продукте реально тянут выбор, MaxDiff лучше обычного опроса: он заставляет респондента сравнивать варианты, а не просто соглашаться со всем подряд.

Что сделать на этой неделе:

— Сформулируйте задачу в одном предложении: что именно выбираем — УТП, выгоды, причины покупки, аргументы для B2B-продажи.
— Соберите 12–18 утверждений. Больше не нужно: лишние пункты размывают результат и удлиняют полевой этап.
— Приведите формулировки к одному стилю: коротко, без двойных смыслов, без «и/или».
— Уберите пересечения. Если два пункта почти одинаковы, один из них лишний.
— Подготовьте шкалу не от 1 до 5, а формат выбора: «самое важное» / «наименее важное».
— Разбейте список на блоки так, чтобы каждый респондент видел 4–6 экранов, а каждый пункт встречался несколько раз в разных сочетаниях.
— Перед запуском прогоните 5–7 тестовых респондентов. Смотрите не на ответы, а на паузы и путаницу в формулировках.
— В полевом этапе отсеките «скоростных» ответов: если человек отвечает слишком быстро, его выборы часто случайны.
— После сбора данных не ограничивайтесь средним рейтингом. Посмотрите, где есть **разрыв между первым и вторым эшелоном**: это и есть зона для сообщения, которое стоит продвигать в креативе, лендинге или sales-материалах.
— Отдельно сравните сегменты: новые клиенты, текущие клиенты, крупные и малые компании. В B2B это часто важнее общего итога.

Практический ориентир: если по итогам MaxDiff вы видите 2–3 выраженных лидера и 3–4 слабых пункта, исследование уже годится для решения. Если все «примерно одинаково важны», проблема обычно не в статистике, а в слишком широких или нечетких формулировках.

— @QuantResearchRuPro

Почему MaxDiff часто ломают не метод, а логика выбора

Я часто вижу одну и ту же ошибку: MaxDiff используют как «быстрый рейтинг всего на свете». Это удобно для презентации, но плохо для решения. Метод хорош не тогда, когда нужно просто отсортировать 20 атрибутов, а когда вы хотите понять, **что реально двигает выбор в условиях ограниченного внимания**.

В моей практике MaxDiff особенно полезен в трёх случаях:
— когда список длинный, а ресурсов на длинную анкету нет;
— когда атрибуты похожи друг на друга и обычная шкала даёт «всё важно»;
— когда нужно подготовить материал для следующего этапа — conjoint или сегментации.

Но есть важная оговорка: MaxDiff отвечает на вопрос «что люди чаще выбирают как наиболее и наименее важное», а не «что сработает в реальной покупке». Если команда ждёт от него прямого прогноза поведения, разочарование почти гарантировано. Я бы сказал жёстче: MaxDiff — это не замена рыночной логике, а инструмент сжатия приоритетов.

За последний год я заметил, что спрос на такие методы вырос именно в B2B и подписочных продуктах. Причина понятна: классический поток MQL/SQL ослабевает, решения чаще принимают не по одному касанию, а через цепочку согласований и влияний. В таких условиях полезнее не «собирать мнение», а **выявлять структуру предпочтений** — что важно на уровне выбора, а что лишь шумит в анкете.

Мой практический ориентир простой: если после MaxDiff у вас не меняется продуктовая или коммуникационная гипотеза, значит вы либо задали слишком общие формулировки, либо использовали метод как витрину, а не как исследовательский инструмент.

— @QuantResearchRuPro

На Anthropic, OpenAI, Google и SpaceXAI подали в суд из-за ИИ

В Калифорнии против ИИ-компаний подали антимонопольный иск: регулятору показалось подозрительным, что игроки синхронно призывают ограничить развитие нейросетей ради безопасности. Смысл спора в том, что инвестиции в ИИ уже обгоняют реальный прогресс, а бизнесу выгодны правила, которые защитят капитал. Вывод: быстрых прорывов ждать не стоит, лучше выжимать максимум из текущих инструментов.

➡️ Читайте на сайте: https://aff.top/blog/na-anthropic-openai-google-i-spacexai-podali-v-sud-iz-za-ii

🧠 Ещё больше инсайтов → в канале AFF.top

Google ads начал показывать расходы конкурентов

Google Ads запустил Peer Spending — инструмент, который сравнивает расходы аккаунта с рекламодателями из той же ниши без раскрытия чужих данных. Он показывает, тратите вы больше, меньше или примерно на уровне конкурентов на уровне кампаний и групп объявлений. Для арбитража это скорее ориентир по бенчмаркам, чем инструмент прямого усиления залива.

➡️ Читайте на сайте: https://aff.top/blog/google-ads-nachal-pokazyvat-raskhody-konkurentov

🧠 Ещё больше инсайтов → в канале AFF.top

Минфин РФ планирует выпустить собственный стейблкоин

Власти РФ обсуждают запуск рублёвого стейблкоина: сейчас решают, как его обеспечить, какие операции разрешить и будет ли на него спрос. Основной кейс — международные переводы, а не использование физлицами. Если проект доведут до запуска, он может стать частью новой криптоинфраструктуры и альтернативой токенам, привязанным к дружественным валютам.

➡️ Читайте на сайте: https://aff.top/blog/minfin-rf-planiruet-vypustit-sobstvennyi-steiblkoin

🧠 Ещё больше инсайтов → в канале AFF.top

Как MaxDiff помог бренду выбрать не «что нравится», а что действительно драйвит выбор

В 2026 году главная ошибка многих брендов — собирать в опросах всё подряд и потом пытаться вывести из этого приоритеты. Для маркетинг-аналитика полезнее другой вопрос: какие атрибуты продукта или коммуникации реально двигают выбор, а какие просто кажутся важными. Именно для этого и применяют MaxDiff (метод максимальных различий).

Хороший публичный пример — IKEA. У компании был набор гипотез по тому, что влияет на выбор мебели и покупку: цена, дизайн, удобство доставки, простота сборки, экологичность, долговечность, сервис. Проблема была не в нехватке данных, а в их «шуме»: в прямом опросе почти всё получало высокие оценки. Это типичная ловушка: когда 7 из 10 респондентов ставят атрибуту «важно», управленческого ответа всё равно нет.

Тогда исследование перестроили на MaxDiff: респондентам показывали небольшие наборы характеристик и просили выбирать, что важнее всего и что наименее важно в каждой тройке или четвёрке. Так получали не декларации, а относительный рейтинг предпочтений. В результате стало видно, что у части аудитории решающими оказываются не «имиджевые» параметры, а очень прикладные вещи — цена владения, предсказуемость доставки, понятная сборка. А экологичность, которую маркетинг хотел продвигать как центральную, работала скорее как поддерживающий фактор, а не основной драйвер выбора.

Что это дало бизнесу:
— коммуникацию стали строить вокруг 2–3 самых сильных факторов вместо 8–10;
— ассортимент и карточки товаров пересобрали под реальные триггеры покупки;
— в performance-кампаниях офферы начали тестировать не по клику, а по влиянию на предпочтение и конверсию в покупку.

**Главный результат MaxDiff — он переводит разговор из режима «что людям нравится» в режим «на что они реально меняют выбор».** Это особенно важно сейчас, когда классическая атрибуция хуже ловит вклад канала, а брендам нужен не объём мнений, а иерархия факторов, влияющих на выручку.

Урок простой: если у вас в опросе всё «важно», значит, управленческого решения ещё нет. MaxDiff как раз и нужен, чтобы из красивого списка получить жёсткий приоритет.

— @QuantResearchRuPro

В публичный доступ вышел Grok 4.7

➡️ Читайте на сайте: https://aff.top/blog/v-publichnyi-dostup-vyshel-grok-4-7

🧠 Ещё больше инсайтов → в канале AFF.top

X теперь показывает причину теневого бана

➡️ Читайте на сайте: https://aff.top/blog/x-teper-pokazyvaet-prichinu-tenevogo-bana

🧠 Ещё больше инсайтов → в канале AFF.top

Россиян заставят отчитываться перед ФНС за крипту

Крипта в РФ считается имуществом, поэтому доход от продажи или обмена облагается НДФЛ: 13% до 2,4 млн рублей и 15% сверх этого. Декларацию 3-НДФЛ нужно подать самостоятельно до 30 апреля. Отчитываться по кошелькам обязаны только при обороте свыше 600 000 рублей в год, а за нарушение грозят штрафы и пени.

➡️ Читайте на сайте: https://aff.top/blog/rossiian-zastaviat-otchityvatsia-pered-fns-za-kriptu

🧠 Ещё больше инсайтов → в канале AFF.top

Почему я больше не верю в «среднего респондента»

В опросах, conjoint-исследованиях и MaxDiff есть старая ловушка: мы слишком часто ищем «среднее мнение» и строим на нём решение. На практике это редко работает.

Я всё чаще вижу один и тот же паттерн: сегменты внутри одной аудитории расходятся сильнее, чем различаются средние значения по выборке. Среднее красиво выглядит в отчёте, но плохо объясняет выбор. А в 2026 году, когда у брендов меньше права на ошибку, это особенно дорого.

Что я делаю иначе:
— не начинаю с вопроса «что нравится всем», а ищу, где аудитория действительно неоднородна;
— в conjoint сначала проверяю, нет ли у респондентов разных логик выбора по цене, бренду и сервису;
— в MaxDiff не ограничиваюсь итоговым рейтингом, а смотрю, какие группы респондентов стабильно выбирают разные наборы атрибутов;
— в опросах всегда отделяю «декларируемую симпатию» от поведенческой вероятности купить, перейти, остаться.

Одна цифра из практики: в одном проекте по B2B-сервису у нас 62% респондентов в общем массиве называли цену главным фактором выбора. Но после разбиения на три кластера оказалось, что в реальности для двух из них цена была лишь фильтром, а решающим фактором становилась скорость внедрения и риски для команды. Если смотреть только на среднее, можно было бы оптимизировать тарифы и промахнуться мимо настоящего драйвера спроса.

Мой вывод простой: **хорошее количественное исследование сегодня — это не поиск усреднённой правды, а выявление структуры различий**. Там, где рынок дробится, а решения принимаются быстрее и дороже, победит не тот, кто собрал больше ответов, а тот, кто лучше понял, как устроены сегменты выбора.

Именно поэтому я считаю, что опрос без сегментации — это уже не исследование, а форма красивой статистической иллюзии.

— @QuantResearchRu

В публичный доступ вышла ChatGPT-6

OpenAI выпустила линейку GPT-6: модель Sol для кодинга и сложных задач и Luna для рутинных операций. Ключевое преимущество релиза — двукратное снижение цен на API ($2 и $0.10 за 1 млн входных токенов соответственно) и сокращение числа ошибок в два раза. Это позволяет масштабировать автоматизацию и разработку с вдвое меньшими затратами на инфраструктуру.

➡️ Читайте на сайте: https://aff.top/blog/v-publichnyi-dostup-vyshla-chatgpt-6

🧠 Ещё больше инсайтов → в канале AFF.top

Болгария введёт запрет на рекламу интернет-казино

Болгария вводит жёсткий запрет на рекламу казино и гемблинга, оставляя только спонсорство спорта. Для арбитража это ухудшает условия: запуск CPA-кампаний на лицензионных операторов станет сложнее, а дополнительные налоги на онлайн-казино могут снизить конверсию и поток игроков. Сейчас GEO выглядит неудачным для тестов и масштабирования.

➡️ Читайте на сайте: https://aff.top/blog/bolgariia-vvedet-zapret-na-reklamu-internet-kazino

🧠 Ещё больше инсайтов → в канале AFF.top

Google тестирует бесконечную ИИ-ленту в Discover

Google тестирует ИИ-ленту в Discover, где вместо заголовков показывается краткий пересказ новости из нескольких источников. Для пользователей это быстрее, но для медиа и информационников риск ещё выше: органический трафик будет проседать, а зависимость от Google усилится. Функция пока заточена под тренды, спорт и лайфстайл.

➡️ Читайте на сайте: https://aff.top/blog/google-testiruet-beskonechnuiu-ii-lentu-v-discover

🧠 Ещё больше инсайтов → в канале AFF.top

Почему MaxDiff часто даёт «правильные» цифры и всё равно плохое решение

В исследованиях меня давно настораживает одна ловушка: команда получает красивую матрицу приоритетов, а потом использует её как замену стратегии. Особенно это видно в MaxDiff. Формально он хорошо ранжирует атрибуты, но на практике слишком легко перепутать «что люди чаще выбирают в тесте» с «что реально двигает выбор в рынке».

Я считаю, что MaxDiff сильнее всего работает не как инструмент ответа на вопрос «что важно вообще», а как фильтр на этапе сужения гипотез. Он полезен, когда у вас уже есть длинный список свойств, ценностных предложений или причин покупки, и нужно быстро отделить шум от устойчивого ядра. Но если бизнес ждёт от него готового решения для упаковки, коммуникации или продукта, почти всегда начинается подмена смысла.

Из практики: в одном B2B-проекте мы сравнивали набор из 18 аргументов и получили очень убедительную тройку лидеров. Проблема была в том, что два из трёх пунктов были «универсально правильными» и почти не различали сегменты. То есть MaxDiff показал общественный консенсус, но не дал ответа, чем реально зацепить конкретный сегмент в RevOps-воронке. Пришлось собирать данные заново: связка MaxDiff + сегментация + анализ поведения в воронке дала уже прикладной результат.

Мой вывод простой:
— MaxDiff хорош для приоритизации, но не для финального выбора.
— Если вам нужен не список, а компромисс между атрибутами, смотрите conjoint (совместный анализ).
— Если задача — понять, какие формулировки выдерживают сравнение в лоб, MaxDiff подходит лучше опроса с рейтингом по шкале.

И ещё важнее: **любая шкала в исследовании отражает не рынок, а конструкцию вопроса**. Поэтому я всегда смотрю не только на результат, но и на то, какой управленческий вопрос этот результат действительно способен закрыть.

— @QuantResearchRuPro

Pinterest запустил Visual Search Ads

Pinterest запустил Visual Search Ads — рекламу, которая показывает креативы прямо в визуальном поиске и в результатах просмотра пинов. Формат работает на Pinterest Intelligence: нейросеть учитывает изображение, товар и интент, чтобы дать более релевантный оффер в момент сравнения и готовности к покупке. Для арбитража и брендов это шанс поймать горячий спрос раньше конверсии.

➡️ Читайте на сайте: https://aff.top/blog/pinterest-zapustil-visual-search-ads

🧠 Ещё больше инсайтов → в канале AFF.top

Youtube внедряет новую функцию A/B тестирования роликов

YouTube запускает A/B-тестирование не только превью, но и шортсов, заголовков и первых секунд видео, чтобы алгоритм сам выбрал вариант с большей органикой и вовлечённостью. Для креаторов и арбитражников это шанс поднять CTR без ручных угадываний, но слабый контент тесты не спасут: если ролик не заходит, победителя там не будет.

➡️ Читайте на сайте: https://aff.top/blog/youtube-vnedriaet-novuiu-funkciiu-a-b-testirovaniia-rolikov

🧠 Ещё больше инсайтов → в канале AFF.top

Почему MaxDiff часто даёт «красивые», но бесполезные приоритеты

Я регулярно вижу одну и ту же ошибку: команда проводит MaxDiff, получает аккуратный список «что важнее», а потом удивляется, что он почти не помогает в решениях. Проблема не в методе. Проблема в том, как его используют.

MaxDiff хорошо отвечает на вопрос: какие атрибуты люди выбирают относительно чаще других в рамках заданного набора. Но он плохо работает как универсальный детектор стратегии, если вы заранее собрали список из разнокалиберных пунктов. Когда в одном опросе смешаны «низкая цена», «быстрая доставка», «экспертная поддержка» и «экологичная упаковка», модель начинает ранжировать не ценность, а уровень формулировок и контекст выбора.

В одном B2B-проекте мы сравнивали результаты MaxDiff с последующим глубинным разбором по сегментам. На верхнем уровне приоритеты выглядели убедительно: «надежность», «скорость внедрения», «цена». Но как только мы разложили ответы по ролям, выяснилось, что у закупки и у пользователя разные критерии. Для одного сегмента «скорость» была про запуск, для другого — про отсутствие согласований. Один и тот же пункт в анкете означал разное. И это типичная ловушка количественных исследований: **единая шкала без единого смысла**.

Мой вывод простой: MaxDiff надо строить не вокруг «списка всего важного», а вокруг управленческого решения.

— Если вы выбираете сообщение, тестируйте не 20 абстрактных выгод, а 6–8 гипотез про обещание бренда.
— Если вы проектируете продукт, группируйте атрибуты по сценарию использования, а не по отделам компании.
— Если вам нужен приоритет для бюджета, заранее задайте, что именно будет считаться выигрышем: конверсия, удержание или готовность переплатить.

В 2026 году, когда ценность смыслов важнее объёма, а решения всё чаще принимаются на стыке аналитики и здравого смысла, MaxDiff полезен не как «машина истины», а как способ дисциплинировать выбор. И чем точнее вы формулируете вопрос, тем меньше шансов получить красивую, но бесполезную таблицу.

— @QuantResearchRuPro

У Bitget украли $352 миллиона в криптовалюте

Bitget подтвердила кражу криптоактивов на $352 млн и временно остановила вывод средств. Под ударом оказались только горячие и тёплые кошельки, холодные не затронуты. Инцидент снова показывает, что хранить капитал нужно по разным кошелькам и площадкам, чтобы не остаться без ликвидности в критический момент.

➡️ Читайте на сайте: https://aff.top/blog/u-bitget-ukrali-352-milliona-v-kriptovaliute

🧠 Ещё больше инсайтов → в канале AFF.top