เปรียบเทียบวิธี

	การวิเคราะห์ร่วมแบบเบย์ (Bayesian Conjoint Analysis)	การวิเคราะห์กลุ่มแฝงแบบเบย์ (BLCA)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	1995	1990s–2000s
ผู้ริเริ่ม	Allenby & Ginter (hierarchical Bayes formulation); conjoint roots in Luce & Tukey (1964)	Lazarsfeld (classical LCA); Bayesian formulation developed through Cheeseman & Stutz (1996) and Dunson & Xing (2009)
ประเภท	Preference measurement / Bayesian hierarchical model	Bayesian latent variable / finite mixture model
แหล่งต้นตำรับ	Allenby, G. M. & Ginter, J. L. (1995). Using extremes to design products and segment markets. Journal of Marketing Research, 32(4), 392–403.	Dunson, D. B. & Xing, C. (2009). Nonparametric Bayes modeling of multivariate categorical data. Journal of the American Statistical Association, 104(487), 1042–1051.
ชื่อเรียกอื่น	Bayesian CA, hierarchical Bayes conjoint, HB conjoint, Bayesian preference modeling	Bayesian LCA, BLCA, Bayesian mixture of multinomials, Bayesian finite mixture model
ที่เกี่ยวข้อง	6	6
สรุป	Bayesian conjoint analysis estimates individual-level consumer preference weights for product attributes by combining conjoint choice tasks with a hierarchical Bayesian model. It yields part-worth utilities for each respondent rather than only group averages, enabling precise market simulation and segment discovery even from small per-person choice sets.	Bayesian latent class analysis extends classical LCA by placing prior distributions on all model parameters and using posterior inference — typically via MCMC — to classify individuals into unobserved categorical groups, quantify uncertainty around class membership, and select the number of classes in a principled, probabilistic way.