把十个产品需求拖成从第一到第十，看起来一次就得到完整优先级。但参与者通常很容易识别最想要和最不想要的几项，真正困难的是把五个差不多的中间项硬拆成第 4、5、6、7、8 名。界面最终仍会交出一串没有并列的数字，数字的整齐不代表偏好真的有那么细。
选项少、差异清楚、决策只需要顺序时，完整排序最直接；选项多、中间项接近，或需要知道“第一比第二强多少”时，案例 1 最佳—最差选择（best–worst scaling，BWS）通常更合适。但 BWS 不是把十项随机分成几页、每页点一个最好和最差就结束。选项出现次数、共同出现次数、任务措辞、计分和质量检查必须一起设计。
先确定你要的是名次、强度还是实施优先级
完整排序只保证次序：A 在 B 前、B 在 C 前。它不会说明 A 与 B 几乎相同，还是 A 远高于 B。BWS 通过让每个项目在多个不同小集合中接受最好／最差判断，能够形成相对分数并允许多个项目得到相同分数，因此更适合研究偏好强度。
两种方法测到的仍然是参与者在给定措辞和集合中的相对偏好，不是产品路线图本身。“用户最想要”没有自动纳入开发成本、战略一致性、技术依赖、风险、覆盖人数和商业价值。若团队真正要决定先开发什么，应把偏好结果作为价值证据的一列，再与成本和约束合并，不能让研究分数代替治理决策。
完整排序什么时候反而是好工具
只有三到五项、项目含义清楚，而且必须选出先后顺序时，完整排序的解释成本低。比如工作坊已经筛到四个方案，委员会只需要提交一份可复核的顺序；或者招募环节要求参与者从三个可预约时段中给出偏好顺序。这时引入十几道 BWS 选择会增加流程而不一定增加决策价值。
排序也适合只使用榜首或榜尾的场景。若决策规则明确是“每人选出前三项进入讨论”，不必假装需要精确的项目间距离。但要允许参与者表达无法判断或并列，或明确说明强制顺序是任务规则；否则中段名次容易被过度解释。
为什么十项完整排名会在中间失真
十项完整排序隐含 45 个两两关系。参与者未必逐对思考，却要交出与 45 个关系一致的结果。第一和最后往往好判断，中间项则会受初始显示顺序、拖动成本、局部比较和临时参照影响。两个实际接近的需求一旦被放在第 5 与第 8，汇总报告很容易把三位名次差误写成显著价值差。
Liang、Glover 与 Hawkins 在 2026 年发表的三项实验中，让参与者对十种生活价值做重复排序或 BWS。个体层面的重复测量一致性用 Kendall tau 衡量，BWS 平均为 0.69，完整排序为 0.47；排序中第 6 名最常改变，81% 的第 6 名回答在重测时换了位置。这个结果直接支持“中间项难分”，但研究对象是英语参与者与生活价值，不能把 0.69、0.47 或 81% 当成所有产品需求研究的固定基准。
BWS 把一个大排序拆成重复的小选择
案例 1 BWS 每次呈现若干独立对象，让参与者选出“最重要”和“最不重要”。随后更换组合并重复。一个可靠设计应让每个项目出现次数相同，并尽量让每一对项目共同出现的次数相同。这样，某项目不会仅因为总与弱对手同组而得到虚高分数。
2026 年实验的十项 BWS 使用 11 个小集合，每个集合含 5 或 6 项；每项共出现 6 次，每一对共同出现 3 次。它不是随手抽签，而是平衡成对设计。研究中，BWS 和完整排序在总体顺序上大体一致，但 BWS 能让十项形成平均约 7 个分数档，保留“某些中间项无法可靠区分”的信息。
六个需求的可复算设计
下面是一个说明性设计与结果。六项依次记为 A 导出自动化、B 权限分层、C 批量编辑、D 主题外观、E 更多提醒、F 社交分享。每道展示三项，共十道：
- A、B、C
- A、B、D
- A、C、E
- A、D、F
- A、E、F
- B、C、F
- B、D、E
- B、E、F
- C、D、E
- C、D、F
在这组平衡不完全区组中，每项出现 5 次，每一对共同出现 2 次。假设一名参与者十道题的“最好／最差”次数依次为：A 3／0、B 3／1、C 2／1、D 1／2、E 1／3、F 0／3。简单标准化分数是（最好次数－最差次数）÷出现次数，得到 A 0.60、B 0.40、C 0.20、D −0.20、E −0.40、F −0.60。所有最好次数合计 10，所有最差次数也应合计 10，这是最基础的数据核对。
这个计数可以快速解释个人或汇总结果，但不是唯一分析方法。样本大、设计复杂或需要人群分层时，可用多项 logit、层级模型或潜在类别模型估计，并报告模型假设和不确定性。无论方法多复杂，都不能把相对分数解释为“开发后满意度会增加多少”。
四个设计错误会让漂亮分数失去含义
- 出现不平衡：某项出现八次，另一项只出现三次，却直接比较净选择次数。
- 对手不平衡：一个项目总与弱项同组，另一个总与强项同组；出现次数相同仍不公平。
- 对象不在同一层级：把“更快导出”这种具体功能与“平台更专业”这种总体印象同列，参与者没有共同判断尺度。
- 方向含糊：“最好”究竟是最重要、最想要、最需要改进还是最值得付费；方向变化会改变选择。
还应随机化集合呈现顺序，并在不破坏设计记录的前提下处理集合内位置。保留每个设计版本、集合 ID、项目 ID、展示顺序、最好和最差选择，才能检查位置、疲劳与重复模式。只保存最终分数会让质量审计和重新建模都无法进行。
不要只看总体榜单
总体净分会掩盖人群异质性。A 的总分接近零，可能代表所有人都无所谓，也可能代表一半人强烈选最好、另一半人强烈选最差。应同时看最好率、最差率、从未被选为极值的比例、个人层结果和预先定义的人群差异。若要做聚类或潜在类别，应验证样本量、稳定性和可解释性，不能看到几个算法分组就给用户贴标签。
重测是特别有用的预测试。给一小部分参与者在合适间隔后再次完成同一设计，比较个人顺序、分数和关键决策是否稳定；同时检查更换项目描述是否改变结果。2026 年实验发现，标签从抽象价值维度换成具体例子时，两种方法的一致性都明显降低，这提醒研究者：可靠性不只取决于交互形式，也取决于项目定义是否稳定。
从方法选择到问卷执行
先用访谈、开放回答或现有证据把候选项目写成同层级、互不重叠的短描述，再决定是否值得做 BWS。若只剩四项且差异明显，使用完整排序或直接选前三即可；若有十几项，应先删除无法行动的对象、合并同义项，不能用 BWS 掩盖糟糕的候选池。
问卷派可承载自定义交互、随机化和分版逻辑，但具体 BWS 组合应先由合适的实验设计工具或方法人员生成，再作为固定设计版本实现并小样本测试。不要依赖运行时完全随机抽取集合，因为完全随机不能保证出现与共现平衡。若当前项目无法核验所需交互、数据字段或移动端可用性，就先做可点击原型和导出测试，不把概念设计直接投入正式回收。
结果报告应附上候选项定义、判断方向、区组设计、每项出现与共现次数、题目顺序处理、计分或模型、样本与排除、重测证据和分群规则。最终路线图再把偏好证据与成本、战略、风险和依赖并列。BWS 能更诚实地告诉团队哪些偏好接近、哪些极端稳定；它不能替团队决定什么值得做。
排序与最佳—最差选择依据
- Liang、Glover 与 Hawkins（2026）：Time after Time, the Best–Worst Scaling Method Is More Reliable Than Ranking：三项实验对完整排序与 BWS 的一致性、重测可靠性、中间名次和相对距离进行直接比较。
- Louviere 等（2013）：An Introduction to the Application of (Case 1) Best–Worst Scaling in Marketing Research：案例 1 BWS 的设计、选择频次尺度、实施、分析与局限。