簡介
組合分析是一種基於調查的統計技術，用於市場研究，有助於確定人們如何評估構成個別產品或服務的不同屬性（特徵，功能，效益）。
組合分析的目的是確定哪一種屬性組合對受訪者的選擇或決策最有影響力。一系列產品或服務被展示出來從而對受訪者進行調查，並通過分析他們如何在這些產品之間根據偏好進行選擇，可以確定構成產品或服務的各個元素的隱性估價。這些隱性估價（公用事業或部分價值）可用於創建估計新設計的市場份額，收入甚至盈利能力的市場模型。
組合起源於數學心理學，由賓夕法尼亞大學沃頓商學院行銷學教授Paul E. Green發展。其他突出的組合分析先驅包括史丹福大學的“Seenu”Srinivasan，他為秩序數據開發了一個線性規劃（LINMAP）程式以及一種自我解釋的方法，Richard Johnson在20世紀80年代開發了自適應聯合分析技術和Jordan Louviere（愛荷華大學）發明和開發基於選擇的方法來結合分析和相關技術，如最佳最差的縮放。
今天，它被用於許多社會科學和套用科學，包括行銷，產品管理和運營研究。經常用於測試客戶接受新產品設計，評估廣告和服務設計的吸引力。它已被用於產品定位，但有一些人提出了聯合分析套用的問題。
組合分析技術也可以稱為多屬性組合建模，離散選擇建模或所述優選研究，並且是用於系統分析決策的更廣泛的權衡分析工具的一部分。這些工具包括品牌價格折衷，Simalto和數學方法，如AHP，進化算法或規則開發實驗。
組合設計
根據多個屬性描述產品或服務區域。例如，電視具有螢幕尺寸、螢幕格式、品牌、價格等屬性。然後可以將每個屬性分解成多個級別。例如，螢幕格式的級別可以是LED，LCD或電漿。
受訪者將被展示一系列產品、原型、模型或圖片，並要求對其顯示的產品進行選擇、排名或評分。每個組合分析的例子都很相似，消費者會將它們視為替代品，但是不同於受訪者可以清楚地確定偏好。每個例子都是由產品功能的獨特組合組成的。數據可能包括個別評級，排序或替代組合中的偏好。
隨著屬性和級別的組合數量的增加，潛在配置檔案的數量呈指數增長。因此，分數因子設計通常用於減少必須評估的簡檔數量，同時確保有足夠的數據可用於統計分析，從而得到一套精心控制的一組“配置檔案”供受訪者考慮。
類型
組合分析的最早形式是所謂的全面概況研究，其中一小部分屬性（通常為4到5）用於創建通常在個人卡片上顯示給受訪者的個人資料。然後受訪者對這些配置檔案進行排名或評級。使用相對簡單的虛擬變數回歸分析，可以計算各級的隱式效用。在這些早期設計中有兩個缺點。
首先，使用的屬性數量受到嚴重限制。具有大量屬性，受訪者的考慮任務變得太大，即使使用分數因子設計，評估的概況數量也可以快速增加。為了使用更多的屬性（最多30個），開發了混合聯合技術。主要的替代方法是在聯合任務之前進行某種形式的自我解釋（評估單獨的組件），以及在配置檔案上顯示某種形式的自適應計算機輔助選擇。
第二個缺點是任務本身是不切實際的，並沒有直接與行為理論聯繫起來。在現實生活中，任務將是替代品之間的某種形式的實際選擇，而不是最初使用的人造排名和評級。約旦·路維爾（Jordan Louviere）開創了一種只採用選擇任務的方法，成為基於選擇的聯合分析和離散選擇分析的基礎。這種偏好研究與計量經濟學模型相關聯，並且可以與顯示的偏好相關聯，其中選擇模型基於真實而不是調查數據進行校準。最初的基於選擇的組合分析無法提供個人水平的公用事業，因為它在市場上聚合了選擇。這使得它不適合市場區隔研究。通過使用較新的分層貝葉斯分析技術，可以將各個級別的實用程式推算回來提供單獨的級別數據。
信息收集
組合分析的數據通常是通過市場調查來收集的，儘管聯合分析也可以套用於精心設計的配置器或來自適當設計的測試市場實驗的數據。在設計組合分析採訪時，市場研究的經驗法則適用於統計樣本量和準確性。
研究問卷的長度取決於要評估的屬性數量和使用中的組合分析方法。具有20-25個屬性的典型自適應聯合問卷可能需要30多分鐘才能完成。通過使用分布在整個樣本上的較小的輪廓集可以在不到15分鐘內完成基於選擇的聯合。選擇練習可以顯示為商店前面類型布局或其他模擬購物環境。
分析
根據模型的類型，可以使用不同的計量經濟學和統計學方法來估計效用函式。這些效用函式表示了功能的感知價值，消費者的感知和偏好對產品功能的變化有多敏感。實際的估計程式將取決於受訪者的任務和簡檔的設計，規範的類型以及可能具有有限範圍的偏好的度量標準（可以是比率，排名，選擇）。對於額定的完整輪廓任務，線性回歸可能是適當的，對於基於選擇的任務，通常使用通常使用邏輯回歸的最大似然估計。原始方法是方差或線性規劃技術的單調分析，但是當代行銷研究實踐已經轉向使用多項Logit，該模型的混合版本以及其他改進的基於選擇的模型。貝葉斯估計也很受歡迎。分層貝葉斯程式現在也比較受歡迎。
優點和缺點
優點
（1）估計消費者在評估多個屬性時做出的心理衡量；
（2）在個人層面衡量偏好；
（3）揭露真實或隱藏的司機，這些驅動程式對於被訪者本身可能不明顯；
（4）現實選擇或購物任務；
（5）能夠使用物理對象；
（6）如果適當設計，可以使用模型之間的相互作用的能力來開發基於需求的分割。
缺點
（1）設計聯合研究可能很複雜；
（2）有太多的選擇，受訪者訴諸簡化策略；
（3）難以用於產品定位研究，因為沒有將關於實際特徵的感知轉換為關於減少的底層特徵集合的感知的過程；
（4）受訪者無法表達對新類別的態度，或者可能會被迫考慮他們不會多思考的問題；
（5）設計不善的研究可能會過度估價情緒/偏好變數，並低估具體變數；
（6）不考慮每個購買的數量項目，因此可能會使市場份額不佳。
實用套用
市場研究
以下例子給出了業務分析中組合分析的一個實際套用：房地產開發商有興趣在城市常春藤聯盟大學附近興建高層公寓。為了確保項目的成功，聘請了一家市場研究公司，與當前的學生進行關注。學生按學年分組（新生，高年級，研究生）和收到的經濟援助金額。研究參與者獲得了一系列索引卡。每張卡片有6個屬性來描述潛在的建築項目（靠近校園，成本，電信包，洗衣選擇，樓層平面圖和提供的安全功能）。每張卡上描述的建築物的估計費用是相當的。要求參加者從最少到最吸引人的地方訂購卡。這種強制排名行動將間接地揭示參與者的優先事項和偏好。多變數回歸分析可用於確定目標市場區隔的偏好強度。
訴訟
美國的聯邦法院允許專家證人使用聯合分析來支持他們對專利侵權人賠償專利持有人侵犯其權利的損害賠償的意見。然而，法律學者們指出，聯邦巡迴法院在專利損害賠償計算中使用聯合分析的判例仍處於形成階段。
