“动态的机器学习式”问卷
根据Hauser之前的研究，即使是大件物品，消费者进行决策的主要参考因素最后也只会缩小到几个，因为考虑的参数越多，所需要花费的时间和精力就越多。
“当你买一所房子时，你几乎不可能将任何方面都逐一考虑，因为太耗费时间了。你可能会将你的筛选项逐渐缩小到一些基本的东西，比如说价格、地理位置、卧室的数量等。同样，当你买一辆车的时候，你可能在运动跑车、或者混合动力车等某些类型中来选。”
“公司面临一个重要的问题：你怎么了解这些决策准则是什么?公司决策层对这个问题越来越看重，尤其是在进行产品设计、营销决策的时候，了解顾客们到底重视哪些要素，可以调整新产品的设计及营销策略，从而防止一开始就被人们排除在选择范围外。”
问题是，对于一些品类如洗衣粉来说，确定消费者的决策原则并不难，因为所涉及不过品牌知名度、洗衣功效、环保等几个因素，但当问题涉及到大件物品，如房子、车、智能手机等，这个问题就比较复杂了。
“一些大宗物件动辄会有数十项产品指标，怎么从这些浩繁的指标中筛选出影响消费者决策的指标，不是一件容易的事情。”Hauser举出了现在惯常使用的调查方式，比如随机问题法——随机地询问人们对汽车不同方面的要求，或者根据市场调研有针对性地进行询问，然而由于汽车产品本身的复杂性，这些问卷方式都需要数十甚至上百道问题才能获得一定准确度。
“在耐心越来越稀缺的数字时代，网络受调查对象很难愿意耗费这么多精力。”Hauser最后提出了“动态的机器学习式”问卷方式。
早在2010年，Hauser教授就和同事Glen Urban教授一同提出了“网站变形”概念，即通过消费者之前在网站上的行为，决定下一步提供给消费者什么类型的信息，从而最大化地提升消费者的网站体验，比如消费者在网站首页先点击了图片，那么在之前的产品信息页面中，这位消费者会看到更多图片而不是文字的产品介绍。
消费者每一步的行为都会不断调整网站对消费者类型的判断，从而使得后续的信息提供更为精准——这种根据消费者的反应来不断调整网站行为的理念被Hauser再次用到了调查问卷的创新上。
所谓“动态的机器学习式”问卷方式就是网站先是提出一个问题，比如提供某款车型的信息，包括了品牌、风格、动力类型等尽可能多的参数，消费者最后选择“会考虑”或者“不会考虑”，而网站根据消费者的态度自动弹出下一个推荐车型，从而最终确定消费者买车时的考量因素。
根据Hauser的研究，要对消费者决策准则达到76.1%的准确推测，随机问卷法需要40个问题，基于市场调研的问卷法需要39个问题，而“动态的机器学习式”只需要9个问题。“最大的创新在于，不需要海量的问题就可以确定人们的决策准则，对于大件物品来说尤其适用。”（中国鞋网-最权威最专业的鞋业资讯中心，来源《成功营销》，作者：冯利芳）
