MaxDiff nedir ve nasıl kullanılır?

Cloud4Feed Araştırma Ekibi ·Güncellendi: 22 Eki 2026 ·8 dk okuma

Maksimum Fark Ölçeklemesi'nin kısaltması olan ve en iyi–en kötü ölçeklemesi olarak da bilinen MaxDiff, insanlar için neyin en önemli olduğunu bulmaya yarayan bir anket yöntemidir. Katılımcılar her maddeyi tek tek puanlamak yerine hepsi makul olan dört ya da beş maddelik küçük setler görür ve her sette en önemli ve en az önemli olanı seçer. “Hepsini istiyorum” diyemezler.

Yöntem 1980'lerin sonunda Jordan Louviere tarafından geliştirildi ve ilk kez 1992'de yayımlandı. Pazar araştırmasında yaygın olarak kullanılır, çünkü derecelendirme ölçeklerinin yaygın bir sorununu çözer: Müşteriler maddeleri tek tek puanladığında çoğu madde 4 ile 5 arasında kalır ve liste artık bir öncelik göstermez. İnsanlar seçenekleri tek başına değerlendirmez, karşılaştırır. MaxDiff tam olarak bu karşılaştırmayı ölçer.

1. 1Deneyi tasarlayın. Genellikle dengeli eksik blok tasarımına (BIBD) dayanan dengeli bir tasarım, her maddeyi pek çok farklı sete yerleştirir; böylece her madde yaklaşık eşit sıklıkta görünür ve diğer her maddeyle yarışır.
2. 2Seçimleri toplayın. Her katılımcı bir dizi seti tamamlar ve her birinde en önemli ve en az önemli maddeyi seçer.
3. 3Seçimleri modelleyin. Tüm örneklem için çok terimli logit (MNL) ya da her katılımcı için Hiyerarşik Bayes (HB) gibi bir seçim modeli, her maddenin diğerlerine karşı seçilme olasılığını tahmin eder.
4. 4Fayda skorlarını ve payları raporlayın. Model her maddeye ortak bir ölçekte bir fayda skoru verir; bu skor çoğunlukla toplamı 100 eden tercih paylarına dönüştürülür.

Her maddeyi, kaç kez gösterildiği, en önemli ve en az önemli olarak kaç kez seçildiğiyle birlikte girin. Sıralama siz yazarken güncellenir.

Puanlama ölçekleri her maddenin tek başına ne kadar iyi ya da önemli olduğunu sorar. MaxDiff ise maddeler yarıştığında hangisinin kazandığını sorar. Fark, sonucun ne kadar net olduğunda ortaya çıkar.

Her madde, diğerleriyle aynı ayrıntı düzeyinde, müşterilerin kullandığı sade kelimelerle tek bir fikri anlatmalıdır. Örtüşen (“hızlı teslimat” ve “çabuk kargo”) ya da iki şeyi birleştiren (“hızlı ve ucuz teslimat”) maddelerden kaçının.

Çoğu araştırma set başına 4 ya da 5 maddeyle 8 ile 30 arasında madde kullanır. Her maddeyi her katılımcıya en az üç kez göstermeyi hedefleyin. Set sayısını tahmin etmenin hızlı bir yolu: madde sayısının üç katını set başına madde sayısına bölmek. 20 madde ve set başına 5 maddeyle bu 12 set eder.

Saha çalışmasından önce müşteri tipi, bölge ya da değer seviyesi gibi hangi grupları karşılaştırmak istediğinize karar verin ve her grubun tek başına raporlanacak kadar katılımcısı olduğundan emin olun.

Fayda skorları modelin ham çıktısıdır. Genellikle sıfır etrafında merkezlenir; yani pozitif maddeler ortalamanın üzerinde, negatif maddeler altındadır. Fayda skorları arasındaki farklar anlamlıdır; böylece iki maddenin birbirinden ne kadar uzak olduğunu söyleyebilirsiniz.

Tercih payları fayda skorlarını her maddenin seçilme olasılığına dönüştürür ve tüm maddelerin toplamı 100 olacak şekilde ölçeklenir. Oran olarak okunabilirler: payı 20 olan bir madde, payı 10 olan bir maddeden iki kat önemlidir. Çoğu ekibin sunduğu sürüm budur.

Segment sonuçları, her katılımcı için skor tahmin eden Hiyerarşik Bayes'ten gelir. Aynı ürün çok farklı değerlerle değerlendirilebilir: bir segment hızı, diğeri güvenilirliği, bir başkası fiyat şeffaflığını öne koyabilir. Ölçüm burada tasarıma dönüşür.

Her anket yöntemi gibi MaxDiff de maddeleri ve örneklemi kadar iyidir. Önemsediğiniz maddelerin listede olduğunu ve katılımcıların hizmet vermek istediğiniz müşterileri temsil ettiğini kontrol edin.

MaxDiff'in asıl değeri neyi dışarıda bırakacağınızı söylemesidir. Sıralamanın en altındaki maddeler bilinçli olarak durdurabileceğiniz ya da erteleyebileceğiniz işlerdir; böylece kaynaklar müşterileri etkileyen birkaç şeye gider. Bir yol haritası ancak “hayır” da diyebildiğinde bir stratejidir.

MaxDiff neyin önemli olduğunu gösterir; CSAT, CES ya da madde düzeyindeki puanlar ise bunu ne kadar iyi sunduğunuzu. İkisini bir araya getirin ve önemin yüksek, performansın düşük olduğu yerden başlayın.

Segmentler farklı düşündüğünde tek bir ortalama öncelik listesi kimseye iyi hizmet etmez. Yolculukları, mesajları ve hizmet seviyelerini her grubun en çok değer verdiği şeye göre uyarlamak için segment sonuçlarını kullanın.