MaxDiff Analysis
El análisis MaxDiff es una técnica robusta para clasificación de elementos. Puede ser utilizada para clasificar:
- Sabores para tus productos, basados en las preferencias del consumidor.
- Ocaciones de uso basados en frecuencia
- Aspectos más valorados de tu marca basados en la satisfacción del consumidor
- Características principales de un producto según su importancia.
El análisis MaxDiff estadísticamente es parecido a un análisis conjoint. Su nombre proviene de la escala de clasificación “diferencia máxima” (Maximum difference por sus siglas en inglés) también llamada escala best – worst (mejor – peor).
Tradicionalmente en un análisis Maxdiff cada producto es tratado como un artículo individual, mientras que en un análisis conjoint se tratan los productos como una combinación de niveles y de atributos. Como tal, un análisis conjoint produce una clasificación de productos basada en la suma de preferencias para cada nivel por atributo en un producto, mientras que el análisis MaxDiff genera clasificaciones preguntando al encuestado directamente. Sin embargo, el enfoque de Conjoint.ly para MaxDiff permite:
- Evaluar múltiples atributos en la misma encuesta.
- Realizar combinaciones de atributos por marca cuando estos son substancialmente diferentes entre sí (si este fuera el caso, primero es necesario generar el experimento como si fuera un Brand-Specific Conjoint y luego convertirlo en un MaxDiff).
- Simular la distribución de las preferencias, en un nivel altamente significativo.
Utilizar el análisis MaxDiff para averiguar qué colores son los más populares para los clientes.
MaxDiff encuesta a los encuestados directamente sobre cada producto como un artículo individual.
Las encuestas de análisis MaxDiff se pueden traducir automáticamente a más de 30 idiomas.
Trae a tus propios encuestados o compra respuestas de calidad asegurada con nosotros.
Principales resultados de un análisis MaxDiff

Utilidades relativas por niveles
¿Cómo clasifican los clientes las posibles opciones de color del teléfono?
Cada nivel por atributo se clasifica con base en su desempeño durante el proceso de toma de decisiones por parte de los clientes. En nuestro ejemplo, el color azul marino es el color preferido (en relación con las otras opciones de color) y su valoración se muestra como positiva. El color amarillo es el menos elegido y, por lo tanto, se muestra como negativo. Es importante recordar que el valor asociado a cada atributo es solamente relativo a las demás opciones que se muestran a los encuestados. Por ejemplo, solamente podemos indicar que el color rojo se mostrará como negativo cuando se lo compare con este conjunto específico de colores (en otras palabras, con los niveles establecidos en el estudio): probar el color rojo con una gama diferente de colores podría generar un resultado positivo.

Ranking de las posibles combinaciones de productos
Genera todas las posibles combinaciones de niveles y ordénalas según la preferencia de los clientes.
Conjoint.ly muestra el listado completo de productos utilizando todas las posibles combinaciones de niveles. Se muestra el ranking basándose en el rendimiento relativo de los niveles que los conforman. Este módulo te permite identificar la mejor combinación de niveles que construyen el producto que tus clientes elegirían sobre otros.

Segmentación de mercado
Descubre como cambian las preferencias entre segmentos.
A través de Conjoint.ly puedes ampliar la información de tus informes en varios segmentos utilizando la información recolectada automáticamente por nuestro sistema: Respuestas a preguntas adicionales (por ejemplo, opción múltiple), resultados de simulaciones o variables GET, entre otros. Para cada segmento, brindamos los mismos análisis y detalles de información descritos anteriormente.

Funciona con el Simulador TURF
Realiza un análisis TURF sobre los datos utilizando el Simulador de Análisis TURF.
El análisis TURF tiene como objetivo encontrar la combinación de artículos que atrae a la mayor proporción de consumidores. Conjoint.ly facilita el análisis TURF al permitir exportar tus datos directamente al simulador de análisis TURF de Conjoint.ly con un solo click.
Cómo funciona?
En esta metodología, Conjoint.ly presenta a cada encuestado una selección de opciones elegidas al azar y le pide que seleccione qué opción es la mejor y cuál es la peor. A cada encuestado se le pide que complete entre 12 y 16 preguntas.
El resultado principal del método es un gráfico de barras de las preferencias promedio. Las utilidades de preferencia son puntuaciones relativas, sin unidades, que representan la preferencia relativa por cada uno de los elementos del MaxDiff. En este gráfico, los elementos con una mayor puntuación de preferencia son más preferidos
Un resultado alternativo del MaxDiff es un gráfico de barras que muestra el porcentaje elegido como mejor/peor y el porcentaje neto. Este resultado muestra el número de veces que cada característica fue elegida como parte de la mejor opción y el número de veces que la característica fue elegida como parte de la peor opción, dividido por el número de veces que la característica fue presentada a los encuestados y expresado como un porcentaje. El porcentaje neto es simplemente el mejor porcentaje - peor porcentaje y es otra forma de medir la preferencia de los encuestados por las características. Por ejemplo, supongamos que realizamos un MaxDiff sobre los sabores de los refrescos. Se presentó Cola a los encuestados en 100 pruebas. De esos 100 ensayos, fue seleccionada la mejor opción 76 veces, y seleccionada como la peor opción 6 veces. A continuación, se calculan los resultados:
- Mejor porcentaje: 76/100 = 76%
- Peor porcentaje: 6/100 = 6%
- Porcentaje neto: 76%-6% = 70%
Ahora, en comparación con otro sabor, el Kiwi, que tiene un mejor porcentaje del 11%, un peor porcentaje del 70% y un porcentaje neto del -59%, podemos deducir que los encuestados prefieren la Cola al Kiwi.
Con la herramienta de análisis MaxDiff de Conjoint.ly, puedes realizar un MaxDiff sobre el sabor, el tamaño del envase, el formato y cualquier otro atributo que desees probar en el mismo experimento. Las utilidades de preferencia y los resultados porcentuales elegidos se presentan para cada uno de estos atributos por separado.
Configuración en Conjoint.ly
Para configurar un MaxDiff en Conjoint.ly tendrás que preparar una lista de atributos y niveles que desees probar. A continuación, sólo tiene que añadir estos atributos y niveles en la pantalla de configuración del experimento.
Conjoint.ly también te permite presentar a los encuestadas preguntas adicionales: Opción múltiple, Escala Likert, Van Westerndorp, elasticidad precio de la demanda Gabor Granger, ec.
Sólo se puede presentar un bloque MaxDiff a los encuestados, pero se puede añadir cualquier número de preguntas adicionales.
¿Cuál es la diferencia entre MaxDiff y el análisis conjoint?
Ambas técnicas son similares en el sentido de que presentan a los encuestados un conjunto de opciones y les piden que elijan, un método que se basa en las decisiones de compensación de los consumidores que imitan de forma más realista las decisiones que los encuestados tomarían en la vida real. Sin embargo, hay algunas diferencias fundamentales en el enfoque y el uso entre los experimentos MaxDiff y conjoint:
MaxDiff | Conjoint | |
---|---|---|
Vista del encuestado | ![]() | ![]() |
¿Cuándo lo usamos? | Crear un ranking para diferentes alternativas, como, por ejemplo:
|
|
Similitudes |
| |
Diferencias |
|
|
Example | Un fabricante de carros quiere saber cuál es el color de carro preferido por los consumidores. El análisis MaxDiff se utiliza para proporcionar una clasificación sólida de los colores según las preferencias del consumidor. | Un fabricante de carros quiere saber en qué medida contribuye cada atributo de un carro a la decisión de compra de los consumidores. También busca la combinación óptima de estos componentes que le permita aumentar su cuota de mercado. |