เปรียบเทียบวิธี

	การวิเคราะห์ร่วมแบบเบย์ (Bayesian Conjoint Analysis)	การสร้างแบบจำลองแบบผสม (Mixture Modeling)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	1995	1894
ผู้ริเริ่ม	Allenby & Ginter (hierarchical Bayes formulation); conjoint roots in Luce & Tukey (1964)	Karl Pearson
ประเภท	Preference measurement / Bayesian hierarchical model	Latent variable / density estimation
แหล่งต้นตำรับ	Allenby, G. M. & Ginter, J. L. (1995). Using extremes to design products and segment markets. Journal of Marketing Research, 32(4), 392–403.	McLachlan, G. J. & Peel, D. (2000). Finite Mixture Models. Wiley-Interscience. ISBN: 978-0471006268
ชื่อเรียกอื่น	Bayesian CA, hierarchical Bayes conjoint, HB conjoint, Bayesian preference modeling	finite mixture model, mixture distribution model, FMM, model-based clustering
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.	Mixture modeling assumes that a population is composed of K unobserved subpopulations, each described by its own probability distribution. The observed data are treated as draws from a weighted combination of these component distributions. It provides a principled, model-based alternative to ad hoc clustering and supports formal comparison of solutions with different numbers of components.