联合分析
联合分析通过模拟真实的购买决策场景，让受访者在由不同属性（如价格、功能、设计）和其水平组合而成的完整产品概念中进行选择和权衡。此题型的核心目的在于量化消费者对产品各个特征的偏好程度，最终通过统计模型推算出每个属性水平对整体选择的效用值和相对重要性
一、联合分析的核心优势
还原多属性权衡：模拟消费者在实际购买中面临的多因素权衡过程
贴近现实选择：比单独评分更接近真实市场中的决策行为
预测性强：能够预测新产品配置的市场接受度
二、 关键词说明
【属性】 指产品或服务所具备的、能被消费者评估的特征或维度。以“笔记本电脑”为例，其属性可能包括“品牌”、“价格”、“屏幕尺寸”、“内存”和“硬盘容量”。
【水平】即属性下的水平（属性值），例如品牌的水平：联想、惠普...；内存的水平：8G、16G...；
【概念】它是由每个属性中抽取一个水平所组合成的一个完整的、虚拟的产品描述。例如 惠普-i5-15寸-16G-6000称之为一个概念。
【任务】 抽取几个“概念”同时进行展示，要求受访者对所有出现的“概念”进行评估。在这里每一组这样的题，我们称为一个任务。
【每个任务概念数】指在一个“任务”中，同时向受访者展示的“概念”的数量。建议每个任务中出示2-5个概念，这是因为当每个任务里的概念超过5个时，受访者较难准确选出最吸引人的概念。
【概念类型】
系统随机组合概念： 系统会根据用户编辑的属性与水平随机组合成概念呈现给用户测评，系统会尽量保证每个概念出现频次均等来确保调研数据的准确性。
自定义概念： 用户自定义组合“多属性多水平概念后进行上传，无需系统做组合，需按模板示意将自定义概念的属性、水平对应填充后上传。适用于已有固定测评的概念组合场景。
三、如何在问卷系统中使用联合分析题
第一步：创建联合分析题型
进入问卷编辑页面，在题型列表中选择 “联合分析”
第二步：右侧题目设置选择概念类型
系统随机组合概念： 系统会根据用户编辑的属性与水平随机组合成概念呈现给用户测评，系统会尽量保证每个概念出现频次均等来确保调研数据的准确性。
编辑属性与水平
自定义概念： 用户自定义组合“多属性多水平概念后进行上传，无需系统做组合，需按模板示意将自定义概念的属性、水平对应填充后上传。适用于已有固定测评的概念组合场景。
上传自定义概念
第三步：配置任务（设计方案）
选择每个任务概念数
指受访者在每一次选择中会看到多少个概念。建议2~5个，数量过多会增加选择难度，过少缺少对比性
输入任务数
指一位受访者总共需要完成多少次选择任务。系统会根根据概念自动推荐一个合理任务数范围，需手动输入任务数后才可投放
每个任务包含空选项（可选）
在每个概念中增加一个空选项，用于模拟真实决策场景--以上概念我都不想选择
第四步：预览与发布
点击 “预览” 按钮，以作答者者视角检查题目展示效果，确保逻辑无误。
确认无误后，“发布” 问卷。
四、数据统计
提供基础报告与精准报告辅助您分析
1.基础报告
回收数据实时计算，统计每个概念出现次数、被选中次数、分数
2.精准报告
我们将采用分层贝叶斯（HB）模型与MCMC（Metropolis-Hastings）算法，通过个体级参数估计与群体分布的先验约束，在贝叶斯框架下同步拟合所有受访者的效用值。该计算方法能有效处理稀疏选择数据并提升小样本估计效率
属性重要性：重要性越大，表示该属性对受访者越重要。计算公式：属性重要性=（属性效用值范围/所有属性效用值范围）*100%
水平效用值：每个水平的潜在效用，效用值越高，代表该水平在用户心目中越重要、越有吸引力。计算逻辑：基于分层贝叶斯框架下的随机效用理论，通过MCMC（Metropolis-Hastings）算法对个体与群体层面的后验分布进行迭代抽样，从而估算出各属性水平的效用值。
概念效用值：每个概念的潜在效用，效用值越高，代表该概念在用户心目中越重要、越有 吸引力。计算逻辑：构成该概念的所有属性水平的效用值累加得出
最后更新于
这有帮助吗？