Outil d'analyse MaxDiff

Ouvrez un fichier ou cliquez sur « Utiliser les données d'exemple », choisissez la structure des données (large ou long), puis indiquez les colonnes d'identifiant du répondant, de tâche, d'items présentés et de choix meilleur et pire. Les scores de comptage et le logit agrégé s'affichent immédiatement.

Cliquez sur « Lancer l'estimation HB » : le bayésien hiérarchique tourne dans un thread d'arrière-plan avec une barre de progression. Une fois terminé, vous pouvez basculer entre les résultats HB et le logit agrégé, exporter les utilités et scores de chaque répondant, et choisir un sous-ensemble d'items dans le simulateur de parts de préférence.

Score de comptage = (nombre de fois choisi meilleur − nombre de fois choisi pire) ÷ nombre d'apparitions. Il ne demande aucun modèle et constitue un bon premier contrôle, mais il dépend des items avec lesquels chaque item a été présenté. Le logit agrégé traite chaque choix « meilleur » comme un choix logit parmi les items présentés (utilité +u) et chaque choix « pire » comme un choix parmi les items restants (utilité −u) : c'est le modèle meilleur-pire séquentiel, qui donne un jeu d'utilités pour le répondant moyen avec leurs erreurs types.

Le bayésien hiérarchique suppose que les utilités βₙ de chaque répondant suivent une loi normale multivariée N(b, D) : b est tiré d'une loi normale, D d'une loi de Wishart inverse (variance a priori 1, degrés de liberté = nombre de paramètres + 5), et βₙ est mis à jour par une étape de Metropolis à marche aléatoire dont le taux d'acceptation est ajusté vers 30 % pendant la chauffe. Les utilités sont les moyennes a posteriori des tirages conservés ; la graine est fixe, donc les mêmes données donnent toujours le même résultat.

Les données synthétiques comptent 300 répondants qui réalisent chacun 8 tâches ; chaque tâche présente 5 allégations produit pour des snacks, et chaque allégation apparaît 1 200 fois au total. L'allégation « Très bon goût » est choisie comme la plus importante 590 fois et comme la moins importante 27 fois, soit un score de comptage de 0,47.

Dans le logit agrégé (R² de McFadden = 0,132), la première place revient à « Très bon goût » (22,2 points), devant « Prix bas » (14,3) et « Ingrédients naturels » (14,2) ; la dernière est « Fabriqué localement » (3,0). En échelle de rapport, le premier item est 7,4 fois plus préféré que le dernier. En simulant les trois premiers comme sélection, leur part de préférence cumulée face aux dix allégations atteint 58,5 %.

En lançant le HB sur ces données, on voit qu'environ un tiers de répondants soucieux de leur santé valorisent bien plus que la moyenne les ingrédients naturels, le faible taux de sucre et le bio : une différence que le modèle agrégé masque.

Chaque réponse MaxDiff est un arbitrage : on évite l'effet « tout est important » des échelles de notation. La méthode convient pour classer des allégations, des fonctionnalités, des bénéfices ou des messages publicitaires.

Les scores de probabilité se lisent en rapport : un item à 20 points est deux fois plus préféré qu'un item à 10 ; avec dix items, la moyenne est de 10. Quand les répondants sont partagés, privilégiez les moyennes HB plutôt que le logit agrégé ; avant d'utiliser les scores individuels, vérifiez que le RLH est nettement supérieur au hasard et que R̂ ne dépasse pas 1,1.