什么是結合分析       
　　結合分析是一種專業技術，用于估測人們對一些能夠詳細定義某種產品或服務的屬性和特征的評價。Discretechoice,Choice Modeling, Hierarchical Choice,CardSorts,Tradeoff Matrices, Preference Based Conjoint和Pair wise Comparisons choice都是結合分析的不同類型。
　　任何一種使用結合分析的調查，其目的是給購買者在做購買決策時考慮的選擇范圍賦予明確的數值。

　　結合分析的操作        
　　根據結合分析的不同類型，使用不同的統計方法，如普通最小二乘法、加權最小二乘法和分對數分析法將受訪者的回答轉化成重要性或效用。
　　用這些統計方法獲得的實際數值并不是最重要的，重要的是與各種屬性相關的價值，或各屬性彼此之間的關系。這些計算方法的目的是以一種能夠揭示受訪者對每種屬性自覺或半自覺的潛在評價的方式來評估受訪者的回答。任何一位理性的受訪者，在產品其他方面都相同的條件下（質量，特征等），會選擇100元而非200元的產品。我們不清楚的是每個人對100元的不同敏感程度。有些人永遠不會考慮支付200元來買東西，而另一些人則對不同價格的敏感程度幾乎沒有什么區別。不考慮價格，一個人如果常選擇X品牌而非Y品牌，很顯然，他對品牌名稱比價格水平看得更重。結合分析可以計算這些選則與另一些選擇之間的相對評價。

　　結合分析的基本步驟        

　　I.確定產品/服務的哪些屬性或特征對市場而言是最重要的。
　　II.確定對受訪者使用何種數據收集方法及如何獲得數據（入戶面訪、街頭隨訪、郵寄問卷等）
　　III.確定那種結合分析方法最使用于某項研究問題。Choice-based Conjoint和Preference-based conjoint是目前最常用的方法。
　　IV.構建實驗設計，用以計算各項被研究的屬性之間的主要影響和交互作用。許多結合分析研究只著重于各種屬性的主要影響或直接效用，但當研究價格或品牌等屬性時，他們之間潛在的交互作用也應該被考慮進去。
　　V.收集數據。
　　VI.計算每個受訪者或每組受訪者的效用值。
　　VII.構建市場模擬模型。幫助預測現有產品發生變動帶來的影響和新產品的上市。
　　如何定義屬性
　　經驗、管理直覺和定性研究是確定產品/服務主要屬性所比不可少的。仔細考慮，確定屬性是非常關鍵的。屬性過多會加重受訪者負擔，或者降低模型預測的精確性。屬性太少，會嚴重降低模型的預測能力，因為模型中丟失了一些關鍵信息。
　　除了建立屬性名單外，還必須考慮每個屬性的水平等級。對于價格屬性而言，屬性水平應該明確到100元，200元和300元。如果是非連續型屬性，如顏色，屬性水平可以是蘭色、紅色、綠色和黑色。再一次強調，研究人員必須在過多選擇和過少選擇中找到平衡點。
　　屬性水平應該包含市場上現有的所有同類產品或是不遠的將來在市場上存在的產品。對于連續型變量，如價格，3或4個價格水平可以涵蓋市場上從低到高的價格。對于非連續型屬性，3至5個水平是比較令人滿意的，所以必須將最不令人想要的或重要性最低的選擇刪除掉。
　　確定屬性及屬性水平的關鍵因素在于，如果不能通過使用屬性水平很好的定義產品屬性，那么產品就不能被準確的模擬。如果一個選擇沒有被涵蓋，它沒有落入指定的任意兩個屬性水平邊界范圍內，那么對于受訪者是如何反應該屬性的，就無從的知了。該屬性或該屬性水平相對于其他屬性的重要性也就無法得知了，在模型中也無法計算。