だとします。

そして、表示された仮想的な車のペアの特徴と選択の結果が以下であったとします。

各ペアの選択で、選ばれた方と同じ特徴を持つ度に点数を加点し、選ばれない方と一致すれば減点、どちらとも一致しない場合には0点として計算します。例えば、1回目の選択で比べると、選択された「仮想A車」の特徴で「カローレ」のと一致するのが「定員」「燃費」「荷物量」「メーカー」なので、それぞれ加点をします。一方で選択されなかった「仮想B車」の特徴で「カローレ」のと一致するのは、「価格」「定員」「荷物量」なので、それぞれ減点します。このような操作をそれぞれのペアで行うと、以下のような素点のテーブルが出てくることがわかります。

この例において、素点は、点数を縦に合算した値がその車との相性を算出した「マッチ度」と、点数の絶対値を横に合算した値が各要素をどのくらい重視してるかわかる「重視度」の２つの素点になります。他にも様々な素点が考えられますが、いずれの場合も、これらの手続きによって回答データが素点に変換されます。

「マッチ度」の素点だけを見ると、カローレは+5点なので回答者に合っていそうだし、シピックは-4点なのであまり回答者に合ってないと考えられます。しかし、この点数をそのまま最終的な評価として使うことはできません。

‍

なぜなら、回答者に提示された比較ペアは、膨大な候補の中のごく一部だからです。たまたまカローレに有利な特徴が多く含まれるペアが提示されていた可能性もあります。反対に、シピックに不利な組み合わせが多かった可能性もあります。

‍

つまり、素点には、回答者の本当の好みだけでなく、提示されたプロファイルの偶然の偏りも含まれている可能性があります。

‍

そのためVE法では、素点をそのまま使うのではなく、特別なスコア換算をしていきます。

VE法では、回答者の選択データから得られた素点を、そのまま提示するのではなく、統計的に補正したうえで100点満点のスコアに変換します。具体的にはコンピュータ上で仮想的な回答を何度も生成し、「偶然でも出やすい点数の範囲」を基準として分布を作成します。そして、実際の回答者の素点がその分布の中でどの位置にあるのかを確認し、直感的に理解しやすいスコアとして出力します。これにより、単なる点数の大小ではなく、その選択肢が回答者の傾向とどの程度強く一致しているのかを、わかりやく示すことができます。

VE法の最終スコアは、回答者と候補との相性を直感的に理解するための指標です。マッチ度は「どの候補が合っているか」を示すのに対して、重視度は「なぜその候補が合っているのか」を理解するための手がかりになります。

‍

たとえば、それぞれのマッチ度が、カローレ89点、シピック31点、ノード42点だった場合、カローレは回答者の選択傾向とかなりよく合っていると考えられます。一方で、シピックやノードは、カローレと比べると相性が低い可能性があります。

‍

ただし、このスコアは「好きな割合」や「購入確率」を直接表すものではありません。あくまで、回答者の比較回答から見たときに、各候補がどれくらい回答者の価値観に近いかを示すものです。