MaxDiff - Quel est le score ?

Avez-vous déjà rencontré une situation où de nombreux éléments (descriptions, déclarations ou concepts) devaient être classés par ordre de préférence ? Les questions de type classement et évaluation sont souvent utilisées dans ces situations, mais depuis quelques années, MaxDiff est de plus en plus considéré comme une bonne alternative.

MaxDiff, contrairement à l'évaluation, n'utilise pas d'échelle et n'a donc pas de biais d'échelle ou de culture. Deuxièmement, il peut traiter de nombreux éléments, alors que le fait de devoir classer plus de six éléments tend à produire des classements insignifiants et triviaux. MaxDiff surmonte ces inconvénients.

MaxDiff : Qu'est-ce que c'est ?

MaxDiff est l'abréviation de Maximum Difference scaling, inventé par Jordan Louviere en 1987. En termes simples, un exercice MaxDiff utilise comme base une liste contenant de nombreux éléments, par exemple 30 noms d'enfants, puis expose les répondants à plusieurs sous-ensembles de cette liste principale par le biais d'une sélection aléatoire de 5 des 30 noms à la fois. Dans chaque sous-ensemble, les répondants sont invités à choisir l'élément qu'ils aiment le plus et celui qu'ils aiment le moins. Cette tâche de choix est répétée un certain nombre de fois avec un ensemble prédéfini de sous-ensembles sélectionnés au hasard afin de recueillir suffisamment d'observations pour une analyse solide.

MaxDiff : Comment ça marche

L'estimation de l'utilité à la volée dans SSI/Web permet de mieux comprendre ce qui motive les gens dans leurs choix. Elle vous permet de rappeler le meilleur et le pire élément des répondants pour les questions de suivi afin de comprendre pourquoi ils trouvent cet élément le meilleur ou le pire. Cela aide à établir le cadre des relations, c'était le meilleur de l'ensemble, mais rien de l'ensemble n'a vraiment plu. En posant des questions ouvertes sur les motivations, vous incitez les personnes interrogées à révéler leur raisonnement.

MaxDiff fournit un classement entre les éléments testés, une distance métrique entre les éléments classés et le raisonnement qui sous-tend le choix des répondants. Étant donné que les rangs sont établis au niveau de chaque répondant, ils peuvent varier considérablement dans l'ensemble de l'échantillon. L'analyse par segmentation ou par grappe peut être appliquée pour trouver des modèles de réponse similaires au niveau d'un segment (par exemple, pour aider à découvrir des caractéristiques propres à un groupe spécifique au sein de l'échantillon global qui aime un élément spécifique).

Au niveau global, nous pouvons constater que l'élément "X" l'emporte, mais aussi qu'il existe une alternative acceptable qui recueille plus qu'une part équitable des préférences (élément "Y"). Au niveau du segment, cependant, nous constatons que les préférences varient et que des différences systématiques peuvent être trouvées. La segmentation nous empêche de déclarer simplement "vainqueurs" les éléments qui obtiennent les meilleurs résultats au niveau agrégé, alors que leur performance peut également être due au fait qu'il s'agit d'éléments de milieu de gamme, qui ne suscitent pas la controverse. L'examen des résultats au niveau des segments peut aboutir à une conclusion différente ou, en d'autres termes, plus orientée.

MaxDiff : Quand l'utiliser ?

MaxDiff peut être utilisé chaque fois que vous avez besoin de soutenir un choix parmi de nombreux éléments (disons jusqu'à 30), où les éléments sont à un niveau comparable d'exécution et d'articulation. MaxDiff peut être utilisé pour soutenir des sélections parmi des mots (par exemple des noms de marques, de gammes ou de produits), des déclarations (par exemple des articulations de bénéfices ou des articulations de raisons de croire) ou des concepts complets (par exemple en combinant des descriptions complètes et des visualisations). Cependant, nous vous suggérons de limiter le nombre d'éléments testés dans une étude MaxDiff proportionnellement à leur longueur ou à leur complexité afin de réduire la fatigue inutile et de garantir une qualité optimale des données.

Aucun outil n'est parfait et l'approche MaxDiff présente certaines limites. La limite la plus évidente est que MaxDiff ne fournit que des mesures relatives et non absolues de la performance des items. Cela signifie que nous ne pouvons montrer la performance d'un élément que par rapport à d'autres éléments du même ensemble, et non par rapport à d'autres ensembles et études. Il existe cependant des moyens de contourner ce problème, comme l'inclusion d'un élément de référence dans l'ensemble d'éléments ; un élément dont la performance est connue et qui a été mesurée dans d'autres ensembles et études. D'autres solutions existent également et peuvent être discutées au cas par cas.