如何使用这个工具
打开数据文件或点击“使用示例数据”，指定受访者 ID、任务、是否选择所在的列，再勾选属性列。价格等数值属性可以标为“线性”，只估计一个斜率；选定线性价格属性后会显示支付意愿。“都不选”选项是所有属性都为空的一行，或在“都不选”标记列中为 1 的一行。
汇总 Logit 的结果会立即显示。点击“运行 HB 估计”后，层级贝叶斯在后台线程中运行并显示进度；结束后，市场模拟器（2–6 个产品）会对每位受访者保存的抽样取平均，并可使用“首选规则”。
方法：效应编码、线性价格与层级贝叶斯
有 L 个水平的类别属性采用效应编码：估计 L − 1 个参数，最后一个水平等于其余参数之和的相反数，所以每个属性内的效用值以 0 为中心。数值属性可以作为线性项估计（先中心化并缩放，结果换算回每单位的效用变化）。“都不选”有自己的常数项。
选择概率 P(选 j) = exp(xⱼ·β) ÷ Σₖ exp(xₖ·β)。汇总 Logit 用牛顿–拉弗森法估计平均受访者的 β 及标准误。层级贝叶斯假设每位受访者的 βₙ ~ N(b, D)，与 MaxDiff 工具共用同一个 Metropolis-within-Gibbs 引擎，固定随机种子，结果可复现。
- 属性重要性 = 该属性效用值的极差 ÷ 所有属性极差之和 × 100；HB 先按受访者计算再求平均。
- 支付意愿 =（某水平效用 − 该属性第一个水平的效用）÷（每单位价格损失的效用），使用平均效用计算（HB 时为均值之比）。
- 浏览器限制：HB 最多 5000 名受访者、60 个参数。
计算示例
合成示例数据模拟一项无线耳机研究：300 名受访者，每人 10 个任务，每个任务 3 个产品加“都不选”，共 3000 次选择，其中 17.7% 选择了“都不选”。汇总 Logit（McFadden R² = 0.164）得到的属性重要性依次为：价格 44.6%、续航时间 23.1%、品牌 16.5%、主动降噪 15.7%。
价格按线性估计，每多 1 美元损失 0.0220 个效用单位。据此，主动降噪对平均受访者约值 31.72 美元，续航从 6 小时提高到 14 小时约值 46.60 美元。
把高端款（Aurora、14 小时、主动降噪、139 美元）与平价款（Zenith、10 小时、无降噪、49 美元）放在一起模拟，份额分别为 35.2% 和 42.8%，另有 22.0% 都不选（汇总 Logit 的偏好份额；在工具中运行 HB 可得到基于个体的份额）。
适用与不适用的情况
CBC 适合定价与产品设计：判断哪些功能值得加入、值多少钱，以及新产品组合相对竞品能拿到多少偏好份额。
- 适用：2 到约 8 个属性，每个属性 2–15 个水平，每位受访者 8 个或更多选择任务。
- 不适用：只需要给一串宣称或功能排序——MaxDiff 对受访者更简单。
- 不适用：对完整产品打分或排序而不是选择——请使用基于评分的联合分析（SPSS CONJOINT）。
- 注意：模拟份额是偏好份额，未考虑铺货、知名度与促销，不能直接当作销量预测。
如何解读结果
效用值只在同一属性内部比较；属性重要性取决于测试的水平范围，价格范围越宽，价格看起来越重要。产品之间很相似时，优先使用基于 HB 的模拟，因为汇总 Logit 会夸大相似产品之间的差异。