Методика · 22 июля 2026 г.

MaxDiff: как расставить приоритеты по важности

MaxDiff (maximum difference scaling) — метод приоритизации, при котором человеку показывают не весь список сразу, а маленькие наборы по 4–5 пунктов и просят в каждом выбрать самое важное и самое неважное. Так делают потому, что оценить 20 пунктов по шкале важности человек честно не может: он ставит «очень важно» почти всему, и на выходе получается список, где всё важно, то есть не важно ничего. Принудительный выбор лучшего и худшего убирает эту возможность отсидеться, а из множества таких выборов алгоритм восстанавливает единую шкалу с процентами. Ниже — как метод устроен, чем он реально лучше шкал, как собрать дизайн наборов, как читать результат и почему для задачи на пять пунктов это откровенный оверкилл.

Что такое MaxDiff и зачем он нужен

Представьте типичную задачу: у вас 18 идей для развития продукта, и надо понять, какие три делать в ближайшем квартале. Очевидный ход — спросить клиентов, насколько важна каждая идея, по шкале от 1 до 5. Вы делаете опрос, получаете ответы и обнаруживаете, что средние баллы у всех идей лежат между 4,1 и 4,6. Формально победитель есть. Практически — это шум: разница в 0,2 балла ничего не значит, а половина списка сгрудилась на одной отметке. Вы потратили опрос и остались там же, где были.

MaxDiff решает ровно эту проблему через простую механику: он не даёт человеку возможности сказать «важно всё». Вместо длинного списка со шкалами респондент видит короткий набор — например, четыре пункта — и должен указать один самый важный и один самый неважный. Отсидеться негде: выбрать надо. Затем показывается следующий набор с другой комбинацией пунктов, потом ещё один — обычно 10–15 наборов на человека. Каждый пункт успевает встретиться с разными соседями несколько раз, и по совокупности всех этих выборов алгоритм восстанавливает, насколько каждый пункт весомее остальных. На выходе — не «средний балл 4,3», а «эта идея набрала 14% предпочтений, а та 2%», и разница между ними видна невооружённым глазом.

Так выглядит один экран MaxDiff — набор из четырёх пунктов и два обязательных выбора. Респондент видит 10–15 таких экранов подряд с разными комбинациями. Заполняется один экран за несколько секунд, задача понятная и не требует объяснений: людям гораздо легче сказать «вот это лучше, а вот это хуже», чем «это на 4 балла, а это на 5».

Чем MaxDiff лучше шкалы важности

Проблема шкал не в самой шкале, а в том, что она позволяет не выбирать. Оценивая пункты по одному, человек честно отвечает на вопрос «важно ли это?» — и почти на всё отвечает «да, важно», потому что каждый пункт по отдельности действительно звучит полезно. Никто не хочет отказываться от хорошего. В результате шкала важности собирает не приоритеты, а согласие: она измеряет, насколько каждый пункт звучит разумно, а не насколько он весомее других. Приоритет же по определению существует только в сравнении: «важнее чего?»

Отдельного упоминания заслуживает пункт про разные привычки оценивать. В шкальном опросе один респондент по натуре щедрый — ставит везде 4 и 5, другой сдержанный — держится в районе 3. Их ответы формально сравнимы, но на деле складывать их в одно среднее некорректно: вы усредняете не важность пунктов, а темпераменты людей. MaxDiff от этого свободен по конструкции — он фиксирует только внутренний порядок предпочтений одного человека: что этот конкретный респондент поставил выше чего. А сравнивать порядки между людьми уже честно. Это же свойство делает метод устойчивее при опросах на разных рынках и в разных культурах, где привычка «щедро ставить пятёрки» отличается системно.

Как устроен дизайн наборов

Наборы нельзя составлять как попало — это не косметика, а условие, при котором расчёт вообще имеет смысл. Требований, по сути, три. Первое: каждый пункт должен встретиться примерно одинаковое число раз — обычно 3–4 показа на пункт. Если одна идея мелькнула шесть раз, а другая один, у второй просто нет статистических шансов проявиться, и её низкий результат ничего не значит. Второе: пункты должны встречаться друг с другом в разных сочетаниях, чтобы каждый успел посоревноваться с сильными и слабыми соседями. Третье: порядок пунктов внутри набора нужно перемешивать, потому что верхняя строчка выбирается чаще просто в силу положения.

1. Составьте список пунктов — обычно 10–30. Меньше 8 не имеет смысла, больше 30 — устанете и вы, и респондент.
2. Выберите размер набора: 4 или 5 пунктов на экран. Четыре — комфортный стандарт, пять — на грани.
3. Рассчитайте число наборов: каждый пункт должен показаться минимум 3 раза. Формула ориентировочная: наборов ≈ (пунктов × 3) / размер набора.
4. Проверьте баланс: одинаковая частота показов и разнообразие пар — это делает генератор дизайна, вручную не собрать.
5. Перемешайте порядок внутри набора и порядок самих наборов для каждого респондента.
6. Обязательно протестируйте на 5–10 живых людях до запуска: понятна ли задача и не устают ли к десятому экрану.

Простая прикидка. 16 пунктов, набор из 4, каждый пункт должен показаться 3 раза: 16 × 3 / 4 = 12 наборов на человека. Двенадцать экранов по два клика — примерно 3–4 минуты, вполне терпимо. А если пунктов 30, то при тех же условиях выходит уже 22–23 набора, и это тяжело: к пятнадцатому экрану человек начинает кликать механически, лишь бы закончить. Отсюда практическое правило: если пунктов больше 25, либо сокращайте список до значимых, либо применяйте дизайн, где каждый респондент видит не все пункты, а часть, — но тогда вам нужно заметно больше респондентов, чтобы набралась статистика по каждому пункту.

Как формулировать пункты списка

Качество MaxDiff определяется списком пунктов, а не расчётом. Модель добросовестно обработает любой список, включая плохой, и выдаст на него аккуратные проценты — поэтому весь риск сосредоточен здесь, на этапе, который обычно делают за полчаса на планёрке. Главное требование — сопоставимость. Все пункты должны быть одного калибра: если рядом стоят «скидка 30% навсегда» и «тёмная тема», исход известен заранее и метод потрачен впустую. Вы не узнаете ничего, кроме того, что люди любят скидки.

• Один пункт — одна мысль. «Быстрый и удобный экспорт в Excel и 1С» — это три пункта, слепленных вместе, и результат по ним не прочитать.
• Одинаковая длина: длинный подробный пункт выигрывает у короткого просто потому, что понятнее звучит.
• Одинаковый уровень абстракции: «удобство» и «кнопка экспорта в шапке» несравнимы — первое победит, потому что в него каждый вложит своё.
• Никаких выгод без цены: «бесплатно», «скидка», «в подарок» побеждают всегда и не несут информации.
• Формулировками клиента, а не вашими: пункты стоит брать из интервью и открытых ответов, иначе вы измеряете, насколько понятен ваш внутренний язык.
• Без отрицаний и двойных смыслов: «отсутствие задержек» человек читает медленнее и путается в знаке.

Отдельно про длину списка. Соблазн положить все 40 идей, «раз уж всё равно проводим», понятен и почти всегда вреден: чем больше пунктов, тем больше экранов на человека или тем больше респондентов нужно, а внимание при этом падает. Полезнее сначала отсеять список руками — выкинуть то, что вы всё равно не будете делать, объединить дубли, убрать заведомых победителей вроде цены, — и отдать в MaxDiff 15–20 пунктов, между которыми у вас действительно нет ответа. Метод хорошо разбирает спорную середину и совершенно не нужен там, где вы и так знаете исход.

Как считаются результаты

И вот здесь начинается честная часть разговора. Из ответов MaxDiff нельзя просто посчитать среднее — данные для этого не предназначены. Есть простой способ и есть правильный. Простой — счётный: для каждого пункта берём, сколько раз его назвали лучшим, вычитаем, сколько раз назвали худшим, и делим на число показов. Получается число от −1 до +1: +0,6 значит «этот пункт почти всегда выбирали лучшим», −0,5 — «регулярно называли худшим». Это можно посчитать в обычной таблице за десять минут, и для грубой сортировки списка на «топ, середина, аутсайдеры» такого расчёта достаточно.

Правильный способ сложнее: результаты моделируются иерархической байесовской моделью, которая восстанавливает индивидуальные веса для каждого респондента, а затем переводит их в проценты предпочтений, суммирующиеся к 100. Модель учитывает, с кем именно каждый пункт соревновался, и умеет вытягивать оценки даже для пунктов, которых конкретный человек не видел. Считается это в специализированном софте вроде Sawtooth Software, в R или в Python — в Excel полноценно не считается. И вот это уже реальный барьер: между «мы провели MaxDiff» и «у нас есть результат» стоит либо покупка софта, либо человек, умеющий писать код для такой модели.

Цифры в таблице условные и приведены только для того, чтобы показать формат результата. Обратите внимание на главное свойство таких данных: доли сравнимы напрямую. 18,4% против 4,3% — это не «чуть важнее», а более чем в четыре раза важнее. В шкальном опросе те же самые пункты, скорее всего, получили бы 4,5 и 4,1 балла — и вы бы решили, что мобильное приложение почти так же нужно, как экспорт. Именно этот разрыв — главная практическая ценность метода: он превращает «всё важно» в понятную иерархию с ясным местом, где список пора обрезать.

Где MaxDiff действительно уместен

У метода есть узкая, но реальная ниша: когда пунктов много, они все звучат правдоподобно и цена ошибки высока. Классические случаи — приоритизация роадмапа на год, выбор сообщений для рекламной кампании из двух десятков вариантов, отбор характеристик товара для упаковки, распределение бюджета между направлениями.

• Приоритизация функций: 15–25 идей, из которых надо выбрать 3–5 на квартал, а команда спорит без данных.
• Выбор рекламных сообщений: 20 формулировок ценности, надо оставить три для теста.
• Отбор характеристик продукта: что вынести на упаковку, на первый экран сайта, в первое письмо.
• Сравнение приоритетов между сегментами: у новых и у постоянных клиентов топ обычно разный, и MaxDiff это покажет.
• Ситуации, где шкала уже провалилась: вы сделали опрос со шкалой важности, получили «всё по 4,3» и не смогли принять решение.

Особенно хорошо метод показывает себя в разрезе по сегментам. Общая таблица может выглядеть скучно и предсказуемо, но стоит разбить её на новых и давних клиентов — и оказывается, что у новых на первом месте простота старта, а у давних, наоборот, продвинутые настройки, которые новичкам вообще не сдались. Это уже не «список приоритетов», а основание для разных решений в продукте и в маркетинге. Только помните про размер выборки: на такую разбивку нужно по 150 человек в каждой группе, иначе разница между сегментами будет объясняться случайностью, а не разными потребностями.

Честно про минусы: когда MaxDiff — оверкилл

Теперь по-честному, без рекламы метода. MaxDiff — тяжёлый инструмент, и в большинстве повседневных задач он избыточен. Если у вас пять идей и надо выбрать одну — не нужен MaxDiff, нужно ранжирование или просто разговор с десятью клиентами. Если решение стоит недорого и обратимо (передвинуть блок на лендинге) — не нужен MaxDiff, нужен A/B-тест, он даст ответ по фактическому поведению, а не по заявленным предпочтениям. Если у вас нет 150+ респондентов — MaxDiff даст цифры, но они будут выдумкой с красивой точностью до десятых.

• Нужен специальный софт. Полноценный расчёт в Excel не делается: либо платный инструмент, либо человек с R или Python.
• Нужна большая выборка: 150–300 человек на группу. Для нишевого B2B-продукта с сотней клиентов это часто нереально.
• Респондент устаёт: 12–20 однотипных экранов подряд — не самое приятное занятие, часть людей бросает на середине.
• Метод говорит только о порядке, но не о величине: вы узнаете, что А важнее Б, но не узнаете, готов ли кто-то за А платить.
• Не учитывает цену: пункт «скидка 50%» победит в любом MaxDiff и не даст никакой информации.
• Это заявленные предпочтения, а не поведение: человек выбирает на экране, а не тратит деньги.
• Сложно объяснять коллегам: «доля предпочтений 12,7%» требует пояснений, в отличие от «средний балл 4,3».

Про предпоследний пункт стоит сказать отдельно, потому что он подводит чаще всего. MaxDiff измеряет намерения, высказанные в комфортной ситуации без последствий. Человек честно выбирает «интеграция с 1С важнее тёмной темы» — и это правда его предпочтение. Но из этого не следует, что он купит продукт из-за интеграции или что она удержит его от ухода. Если вопрос стоит про деньги, нужен другой инструмент: conjoint-анализ, где выбор идёт между полными вариантами продукта с ценой, или ценовые методики. MaxDiff отвечает на вопрос «что из этого людям важнее», и только на него. Ждать от него ответа про готовность платить — распространённая и дорогая ошибка.

Чем заменить MaxDiff, если он избыточен

В большинстве случаев есть решение проще, и стоит честно посмотреть на альтернативы, прежде чем разворачивать тяжёлую артиллерию. Ниже — таблица, по которой удобно выбирать инструмент под задачу.

Самая недооценённая альтернатива — «выберите три самых важных из списка» с обязательным ограничением ровно в три. Это не MaxDiff и точности его не даёт, но принудительный выбор в ней тоже есть: человек не может отметить всё. Считается такой вопрос в обычной таблице за пять минут, респондент тратит полминуты, и для решения «какие две функции делаем следующими» этого хватает в подавляющем большинстве случаев. Если вы хотите начать с простого варианта, в сервисе «До Сути» такой вопрос с ограничением по числу вариантов собирается из коробки — а вот полноценный MaxDiff с байесовским расчётом там не считается, и это стоит сказать прямо, чтобы вы не искали кнопку, которой нет.

Типичные ошибки при использовании MaxDiff

• Класть в список разнокалиберные пункты: «скидка 30%» и «тёмная тема» в одном наборе — победитель известен заранее, метод потрачен зря.
• Формулировать пункты разной длины и конкретности: длинный подробный пункт выигрывает у короткого просто потому, что понятнее.
• Запускать на 40 респондентах и читать доли до десятых — точность будет нарисованной.
• Забыть перемешать порядок внутри наборов: верхняя позиция выбирается чаще сама по себе.
• Дать 25 экранов подряд: последняя треть ответов будет механическими кликами.
• Читать доли как «столько процентов людей это хотят» — это доля предпочтений, а не доля людей.
• Делать выводы по сегменту, где всего 30 человек: разница между сегментами окажется случайной.
• Ждать от метода ответа про деньги: MaxDiff не знает ни про цену, ни про готовность платить.

И последнее, самое неприятное. MaxDiff даёт результат с видимой точностью — доли до десятых процента, аккуратная сортировка, красивый график. Эта точность легко создаёт ощущение объективности, которого данные не заслуживают. Если список пунктов составлен плохо, если выборка маленькая или смещённая, если люди устали к десятому экрану — модель всё равно выдаст стройную таблицу с процентами, потому что она считает то, что ей дали. Метод не защищает от плохих исходных данных, он просто аккуратно их обрабатывает. Поэтому качество списка пунктов и выборки здесь важнее, чем сам расчёт.