Методика · 27 июля 2026 г.

Конджойнт-анализ: за какие свойства и цену готов платить клиент

Конджойнт-анализ (conjoint analysis) — это метод исследования, который выясняет, за какие свойства продукта и за какую цену клиент готов платить на самом деле. Вместо того чтобы спрашивать про важность каждого свойства по отдельности, респонденту показывают несколько цельных вариантов продукта — профилей, где сразу заданы и набор функций, и цена, — и просят выбрать, какой он купил бы. Из множества таких выборов статистическая модель вычисляет скрытый вес каждого свойства и каждого уровня цены. Так метод ловит реальные компромиссы: человек не может назвать важным всё сразу, ему приходится жертвовать одним ради другого — ровно как в жизни у полки магазина. Ниже разберём, из чего собирают профили, что такое частичные полезности, сколько нужно респондентов и чем конджойнт отличается от MaxDiff и метода Ван Вестендорпа.

Что такое конджойнт-анализ и когда он нужен

Конджойнт-анализ применяют, когда у продукта несколько свойств, и нужно понять, как они складываются в решение о покупке. Классический пример — тариф, подписка или устройство: у них есть цена, объём, набор функций, срок, уровень поддержки, и каждое сочетание даёт свою привлекательность. Прямой вопрос здесь не помогает: если спросить в лоб, все ответят, что хотят больше функций, выше качество и ниже цену. Ценность метода в том, что он заставляет респондента выбирать между цельными вариантами, где за каждое улучшение приходится чем-то платить. Именно в этих вынужденных компромиссах и проявляется, что человеку действительно важно, а чем он готов пожертвовать ради цены или другой функции.

Метод нужен не всегда. Он оправдан, когда вы проектируете или пересматриваете продукт с несколькими управляемыми параметрами и хотите заранее понять, какая комбинация соберёт больше спроса и какую цену выдержит рынок. Типичные задачи — собрать оптимальный состав тарифной линейки, выбрать, какие функции добавить в первую очередь, оценить, сколько людей уйдёт при повышении цены, и смоделировать долю рынка для нового варианта продукта. Если же у вас один-два простых параметра или вопрос сводится только к цене, конджойнт избыточен: для чистого ценообразования есть более простые и дешёвые методы, о которых скажем ниже.

Чем конджойнт отличается от вопроса «что для вас важнее»

Самое частое заблуждение — считать, что важность свойств можно узнать, просто спросив о ней. Вопрос «что для вас важнее: цена, качество или скорость доставки?» даёт красивый рейтинг, но почти бесполезен для решений. Во-первых, люди систематически называют важным почти всё — шкалы важности сбиваются к верхним значениям, и свойства не разводятся между собой. Во-вторых, прямой вопрос игнорирует цену компромисса: сказать «качество важно» легко, пока за это качество не просят доплатить. В реальной покупке человек всегда выбирает между вариантами, а не оценивает свойства в вакууме, и именно эту ситуацию воспроизводит конджойнт.

Разница видна на простом сравнении. Если спросить напрямую, клиент скажет, что поддержка круглосуточно для него важна, и вы добавите её в продукт. Но когда тот же клиент выбирает между тарифом с круглосуточной поддержкой за более высокую цену и тарифом без неё дешевле, он может выбрать дешёвый — значит, на словах поддержка важна, а платить за неё он не готов. Конджойнт ловит именно этот зазор между декларируемой и реальной готовностью платить. Поэтому метод отвечает не на вопрос «что клиенту нравится», а на вопрос «что он выберет и купит, когда у него ограничен бюджет».

Атрибуты и уровни: из чего собирают профили

Профиль в конджойнте собирается из атрибутов и их уровней. Атрибут — это свойство продукта: цена, объём памяти, срок подписки, тип поддержки. Уровень — конкретное значение атрибута: цена 390, 690 или 990 рублей; поддержка по почте, в чате или по телефону. Модель показывает респонденту разные комбинации уровней и по его выборам оценивает вклад каждого уровня в привлекательность профиля. От того, насколько аккуратно подобраны атрибуты и уровни, зависит всё исследование: неудачный набор атрибутов невозможно спасти никакой статистикой на этапе расчёта, поэтому этот шаг важнее любых формул.

• Берите атрибуты, которыми вы реально управляете: цену, функции, условия — а не абстракции вроде «престиж бренда», которые нельзя настроить.
• Уровни должны быть конкретными и реалистичными: не «дёшево / дорого», а точные цифры и понятные варианты.
• Держите число атрибутов управляемым — обычно 4–6; чем их больше, тем сложнее задание и тем сильнее устаёт респондент.
• Уровни внутри атрибута должны быть сопоставимы и не пересекаться по смыслу, иначе модель не разведёт их влияние.
• Избегайте нереальных сочетаний вроде топового набора функций по минимальной цене — они путают респондента и искажают оценки.

Подбор атрибутов — самый ответственный этап, и делать его нужно до всякой статистики. Хороший список рождается из наблюдения за реальными решениями клиентов, из открытых интервью и из того, чем вы действительно можете управлять в продукте. Если в набор попадёт свойство, которое клиентам безразлично, оно съест место в задании и утомит людей впустую. Если, наоборот, вы забудете ключевой для выбора атрибут, модель припишет его влияние другим свойствам, и выводы окажутся смещены. Поэтому на список атрибутов не жалеют времени: ошибку здесь уже не исправить на этапе расчёта частичных полезностей, как бы ни был хорош софт.

Как выглядит задание для респондента

На практике чаще всего используют выборный конджойнт (choice-based): респонденту показывают несколько профилей рядом и просят выбрать один — тот, что он купил бы, — либо отметить, что не купил бы ни один. Такое задание повторяют много раз с разными комбинациями уровней. Это ближе всего к реальной покупке: человек не выставляет профилю абстрактную оценку по шкале, а делает выбор между альтернативами, как у полки магазина или на странице тарифов. Формат «выбери один из нескольких» проще для респондента и надёжнее, чем просьба оценить каждый профиль баллами. Ниже — условный пример одного такого задания для подписки на сервис; цифры здесь и далее вымышленные и служат только для иллюстрации формата.

Респондент видит такое задание не один раз, а, например, восемь–двенадцать раз, каждый раз с новой комбинацией уровней, составленной по специальному плану — экспериментальному дизайну. Этот план заранее рассчитан так, чтобы уровни атрибутов встречались в разных сочетаниях сбалансированно и модель могла отделить влияние каждого. Именно поэтому конджойнт нельзя собрать вручную из случайных наборов: без корректного дизайна выборов часть эффектов окажется невозможно разделить, и расчёт частичных полезностей выдаст неустойчивые или бессмысленные числа. Составление такого плана и последующий расчёт — та часть, ради которой и нужен специализированный софт, а не обычная таблица с ответами.

Частичные полезности (part-worth) и важность атрибута

Главный результат конджойнта — частичные полезности, или part-worth: числовые веса, которые модель приписывает каждому уровню каждого атрибута. Они показывают, насколько конкретный уровень повышает или понижает привлекательность профиля по сравнению с другими уровнями того же атрибута. Полезности разных атрибутов измерены в одной шкале, поэтому их можно складывать, и привлекательность любого профиля — это сумма полезностей входящих в него уровней. Это и делает метод мощным: зная веса, можно оценить привлекательность даже тех комбинаций, которые респонденту напрямую не показывали, и сравнить между собой сотни возможных конфигураций продукта, не показывая каждую живым людям.

Из частичных полезностей выводят важность атрибута. Считают её так: внутри каждого атрибута берут разницу между самым высоким и самым низким уровнем полезности — это размах его влияния, — а затем сравнивают размахи атрибутов между собой и переводят в проценты. Если у цены размах полезностей самый большой, значит, цена сильнее всего двигает выбор; если у поддержки размах маленький, её влияние на решение невелико, как бы клиенты ни называли её важной на словах. Важность здесь — величина относительная: она показывает не абсолютную ценность свойства, а его вес именно в том наборе атрибутов и уровней, который вы задали в исследовании. Поменяете диапазон цен — поменяется и картина важности.

Готовность платить: как метод показывает цену

Поскольку цена — такой же атрибут со своими уровнями, конджойнт позволяет выразить ценность любой функции в деньгах. Логика простая: если известно, на сколько единиц полезности повышает профиль добавление функции и на сколько единиц полезности снижает его каждая ступень цены, можно перевести полезность функции в рубли — это и есть готовность платить за неё. Например, из условных весов может получиться, что переход с 200 ГБ на 1 ТБ добавляет столько же полезности, сколько отнимает подорожание на 300 рублей, — значит, за терабайт аудитория в среднем готова доплатить около трёхсот рублей. Это гораздо полезнее для решения, чем абстрактное «объём важен», и напрямую подсказывает, стоит ли функция своих денег.

На основе полезностей строят и симуляцию рынка. Задав несколько конкурирующих профилей — свой продукт и альтернативы, — можно оценить, какую долю выборов соберёт каждый, и посмотреть, что произойдёт с этой долей при изменении цены или набора функций. Такой симулятор отвечает на вопросы вида «сколько спроса мы потеряем, если поднимем цену на 200 рублей» или «стоит ли добавлять функцию, которая удорожает продукт». Важно помнить, что это модель, а не факт: она показывает относительные сдвиги предпочтений в заданных условиях, а не гарантированные будущие продажи, на которые влияют дистрибуция, известность бренда и поведение конкурентов.

Сколько нужно респондентов и заданий

Строгого единого числа нет, но есть рабочие ориентиры. Для устойчивой оценки полезностей по всей выборке обычно достаточно 200–300 респондентов; для надёжного анализа по отдельным сегментам это число умножают на количество сегментов, чтобы в каждом было хотя бы полторы-две сотни человек. Заметно меньше сотни ответов на группу — и полезности становятся шаткими: доверительные интервалы широкие, а выводы легко переворачиваются при небольшом изменении данных или составе выборки. При этом важнее не только число людей, но и число заданий, которые проходит каждый из них: один человек с десятком выборов даёт модели больше информации, чем можно подумать, а вот триста уставших респондентов с механическими ответами — меньше, чем кажется по размеру выборки.

1. Респондентов — ориентировочно 200–300 на устойчивую общую модель; больше, если нужен разрез по сегментам.
2. Заданий на человека — обычно 8–12 выборов; дальше внимание падает и ответы становятся механическими.
3. Атрибутов — 4–6; каждый лишний атрибут усложняет задание и требует больше данных и выборов.
4. Уровней на атрибут — 2–5; чем их больше, тем больше выборов нужно, чтобы надёжно оценить каждый.

За этими цифрами стоит компромисс между точностью и усталостью респондента. Чем больше атрибутов, уровней и заданий, тем точнее в теории оценки — и тем быстрее человек устаёт и начинает отвечать не думая. Утомлённый респондент упрощает себе задачу: смотрит только на цену, выбирает наугад или всегда берёт первый вариант. Такие ответы добавляют не сигнал, а шум, и большая, но утомительная анкета нередко даёт худший результат, чем короткая и аккуратная. Поэтому число заданий подбирают так, чтобы удержать внимание, а не выжать максимум комбинаций из каждого участника — экономия на длине анкеты здесь работает на качество данных.

Чем конджойнт отличается от MaxDiff и Ван Вестендорпа

Конджойнт часто путают с двумя соседними методами — MaxDiff и ценовым опросом Ван Вестендорпа, — хотя они решают разные задачи. MaxDiff (метод максимальных различий) ранжирует список свойств или сообщений по важности, заставляя выбирать лучший и худший из небольших наборов, но не работает с ценой и не собирает цельные профили продукта. Ван Вестендорп — это четыре прямых вопроса о цене, которые очерчивают приемлемый ценовой коридор для одного продукта, но ничего не говорят о том, за какие именно свойства платят. Конджойнт стоит между ними по сложности и мощности: он одновременно взвешивает свойства и цену на цельных профилях и позволяет смоделировать спрос на разные конфигурации.

Выбор между ними — это выбор по задаче, а не по «продвинутости». Если нужно просто отранжировать десяток идей функций по важности — берите MaxDiff: он проще, дешевле и не требует сложного дизайна. Если вопрос только в том, какую цену выдержит один готовый продукт, — хватит Ван Вестендорпа. Конджойнт разворачивают, когда нужно именно взвесить свойства против цены и смоделировать разные конфигурации продукта: это самый дорогой и трудоёмкий из трёх методов, и браться за него стоит, только когда задача действительно требует такой мощности, а не ради галочки «мы сделали конджойнт».

Ограничения метода: где конджойнт даёт мусор

У конджойнта есть цена, и не только денежная. Это самый сложный и требовательный из массовых опросных методов: он нуждается в аккуратном экспериментальном дизайне, приличном размере выборки и статистической модели для расчёта полезностей. При плохом наборе атрибутов метод не спасёт никакая математика — если вы забыли важное свойство или задали нереалистичные уровни, вы получите красивые, но неверные числа, и это опаснее, чем честное «мы не знаем», потому что ложная точность вызывает ложную уверенность. Метод также предполагает, что решение о покупке сводится к взвешиванию заданных атрибутов, а в реальности на выбор влияют эмоции, бренд, привычка и контекст, которых в профилях нет.

Отдельное ограничение — трудоёмкость расчётов. Полноценный конджойнт с генерацией сбалансированного дизайна и оценкой частичных полезностей не считается вручную и не собирается «в один клик» в обычном конструкторе опросов: для этого нужен специализированный софт или помощь исследователя. В том же конструкторе «До Сути» можно собрать и разослать анкету с выбором из вариантов и увидеть, какой профиль люди выбирали чаще, но полноценного расчёта частичных полезностей и симуляции рынка там нет — это осознанно другая, более узкая и дорогая задача. Поэтому, прежде чем затевать конджойнт, честно оцените, оправдывает ли решение такую сложность: часто на первый вопрос бизнеса отвечает более простой и дешёвый метод.

Типичные ошибки при конджойнт-анализе

• Плохой набор атрибутов: забыли важное свойство или включили то, что клиентам безразлично, — смещённые оценки не исправит никакой расчёт.
• Нереалистичные уровни и сочетания: топовый профиль по минимальной цене путает респондента и ломает модель.
• Слишком длинная анкета: много атрибутов и десятки заданий утомляют людей, и они начинают выбирать по одной цене или наугад.
• Слишком мало респондентов, особенно в разрезе по сегментам, — полезности получаются шаткими и переворачиваются от небольших изменений данных.
• Смешение с прямым вопросом о важности: рейтинг «что важнее» и конджойнт-важность — разные вещи, и путать их нельзя.
• Ложная точность: числа из симулятора выдают за гарантированные продажи, забывая про бренд, дистрибуцию и конкурентов.

Общий знаменатель этих ошибок — недооценка подготовки и переоценка самих цифр. Конджойнт выдаёт аккуратные числа при любых входных данных, в том числе при плохих, и в этом его коварство: результат всегда выглядит убедительно, даже когда атрибуты подобраны неудачно, а выборка мала. Поэтому основную часть усилий вкладывают не в расчёт, а в подбор атрибутов и уровней, реалистичность заданий и достаточный размер выборки. И относятся к результату как к модели предпочтений в заданных условиях, а не как к предсказанию продаж: конджойнт хорошо показывает относительный вес свойств и цены, но не отменяет проверку решения на реальном рынке.