尽管在线零售有所增长，但大多数产品仍是离线销售，对于许多消费者而言，在购买前进行实物检查的“触觉”方面仍然很重要。 在本文中，我们证明，即使是相对熟悉的产品（信使包）和功利主义功能，消费者在检查实物产品与在线描述时评估产品的方式之间也可能存在很大差异。 因此，在市场研究中使用在线评估可能会导致预测不准确，并可能导致公司做出次优决策。 由于通过进行大规模的离线市场研究来激发偏好是昂贵的，因此我们建议将大型在线研究中的数据与一小部分完成在线和离线研究的参与者的数据相融合。 我们通过对两组参与者进行联合研究来证明我们的方法。 完成在线和离线学习的小组使我们能够校准在线和离线partworth之间的关系。 为了获得可靠的参数估计，我们提出了两种统计方法：分层贝叶斯方法和k最近邻方法。 我们证明了所提出的方法在单个选择上实现了更好的样本外预测性能（提高了25％），以及总体市场份额（提高了33％）。
