什么是基于选择的联合分析？

基于选择的联合分析是一种离散选择研究方法，用于评估购买者在现实的选择任务中如何在产品属性和价格之间进行权衡。它为研究团队提供了一种规范的方法，将模糊的商业问题转化为受访者能够一致回答的选择、量表、任务或提示。该方法的价值不在于其名称本身，而在于它所带来的规范性：明确的目标群体、清晰的决策、现实的刺激物，以及在收集到答案之前就已确定的分析计划。

在 Minds 工作流中，请将基于选择的联合分析视为实地调查前的规划模板。首先选择目标群体，然后请求 Minds 针对该受众建议合适的子章节、问题措辞、细分维度和解读风险。当团队有研究意图但尚未将其转化为适合受访者的语言时，这种方法非常有用。

何时使用

当研究决策是确定哪些属性组合值得进行最终的统计建模时，基于选择的联合分析非常适用。当团队能够清晰地描述受众群体和刺激物时，该方法的效果最好。如果受众定义模糊，首要任务不是撰写调查问题，而是使用 Minds 对目标群体定义进行压力测试，发现遗漏的子细分市场，并确定在开展人工研究之前哪些假设需要证据支持。

如果团队只想进行广泛的头脑风暴，基于选择的联合分析则不太适用。在这种情况下，小组座谈或定性访谈流程通常会产生更有用的材料。当需要对答案进行比较、排序、评分、诊断或将其转化为结构化的研究简报时，应当使用此模板。

问题与配置

首先从目标群体开始：谁应该回答、他们处于什么情境中，以及他们对产品、品类或品牌已经了解多少。然后定义刺激物。刺激物可以是概念段落、落地页、价格表、功能列表、信息组合、客户旅程、原型截图或日记提示。最后，定义输出格式。对于基于选择的联合分析，有用的输出是更清晰的联合设计简报以及关于存在问题的属性的警告。

Minds 可以建议草拟的子章节，例如筛选逻辑、热身问题、核心任务、后续追问、细分维度和分析说明。最稳妥的方式是每次只请求一个章节。在将工具应用于真实受访者之前，请求 Minds 评估每个问题是否存在引导性措辞、双重提问、不切实际的假设以及缺失的选项。

Minds 如何融入工作流

Minds 应当置于正式的研究记录系统之前。使用它将简报转化为更强大的方法设计，演练不同细分群体可能如何解读刺激物，并找出最终问卷应当测量的反对意见。在将预算花费在编程、招募或主持上之前，该平台对于确定该方法是否适合目标群体特别有用。

实际的工作流非常简单。创建或选择目标群体。选择基于选择的联合分析作为研究框架。粘贴刺激物或描述决策。请求 Minds 提供建议的章节、问题和配置。像研究员审查初级分析师的初稿一样审查该草案。然后，当决策需要正式证据时，将最终的工具移入人工实地调查、访谈或专业工具中。

局限性与验证

基于选择的联合分析仍然需要方法学上的判断。Minds 可以协助措辞、目标群体推理和可能的解读，但不应将其用作代表性统计数据、监管声明、精确市场规模估算、正式效用评估或最终价格弹性的最终来源。财务或合规风险越高，使用真实受访者和合格的研究设计进行验证就越重要。

主要风险是虚假精度。一份润色过的合成回答听起来可能比底层证据所允许的更加确定。为了应对这一点，可以请求 Minds 列出假设，确定哪些地方需要人工数据，并将定性解读与定量测量区分开来。

入门模板

• 目标群体：能够比较现实产品替代方案的购买者。
• 研究决策：哪些属性组合值得进行最终的统计建模。
• 核心刺激物：由互斥属性和现实水平构成的轮廓。
• 主要任务：要求受访者在备选的产品轮廓之间进行选择。
• 分析视角：属性清晰度、水平现实性、任务负担以及最终评估准备就绪度。
• 验证说明：当输出必须支持最终的外部声明时，请使用真实的受访者或专业的统计工作流。

下一步

将此页面用作产品内模板的初稿。产品版本应当允许用户选择目标群体，选择基于选择的联合分析，并接收与受众和当前决策相匹配的建议章节、问题、默认配置和警告。