在百科中这样定义权重，权重是一个相对的概念，针对某一指标而言。某一指标的权重就是指在整体评价中的相对重要程度。它表示在评价过程中，是被评价对象的不同侧面的重要程度的定量分配，对各评价因子在总体评价中的作用进行区别对待。貌似很绕口难以理解，但其实在日常生活中充斥着各种各样的决策问题，权重这个概念在不知不觉中被广泛使用着。我们遇到的问题：哪个问题严重程度相对更高啊这两个设计方案都挺好的，到底选哪个呢这么多场景，哪个优先级最高啊
我们在用户研究实际工作中经常会遇到诸如此类的问题，可是每个问题并不是只有唯一维度需要考量，更不是简单的好或者不好那么显而易见，通常需要进行非常复杂的比较、判断、评价，才能最终作出决策。如果所有的问题都像来自星星的都教授，每个维度都全五星完美爆棚，那世界是多么简单美好啊。星星离我们太远，还是说说生产于地球的男人们吧，假设目前有四名备选男青年正在追求女神，他们的条件表现如下雷达图所示，A男英俊腿长，B男成熟多金，C男全面发展表现均衡，D男性格好到极致，简单粗暴的看上去貌似C男的条件很不错哦，平均分高达4.0分，大比分领先于其他三位。
第一步：决策问题层次化
将整个决策问题层次化处理后建立层次结构模型，第一层为目标层，即合理选择优质男;第二层为指标层，例如女神挑选男人主要从身家、年龄、样貌、身材、性格这五个维度进行比较分析;最低层为方案层，即目前参与竞争的A、B、C、D四位男青年。
第二步：指标分层两两比较
指标层有5个指标，方案层有4个指标，若让选择困难症将这几个指标依次排出先后次序足以让之崩溃。层次分析法的一大优势就是不需要把所有指标放在一起进行比较，只需要对每个层次的指标依次进行两两比较即可，这极大减少了不同指标相互比较的困难程度。可按照如下的取值原则使用1-9相对尺寸进行标记。取值原则如下：
当a指标与b指标重要性相同，取值为1：1;
当a指标与b指标相比略重要，取值为3：1;
当a指标与b指标相比重要，取值为5：1;
当a指标与b指标相比重要得多，取值为7：1;
当a指标与b指标相比极其重要，取值为9：1;
当a指标与b指标相比重要程度介于2n−1与2n+1两个相邻等级之间，取值为2n：1;反之，可取1：1-9的自然数如果担心一个人的评估过于片面，也可以邀请七大姑八大姨帮忙组队分别评估，取值原则与上文相同，对于他们的评估意见可平均分配，也可根据实际情况有所侧重。
第三步，录入软件，计算结果
分层指标两两对比后，录入到相应软件计算即可，例如excel、matlab等均可以实现，今天介绍一款yaahp层次分析法软件，它的操作非常简单，属于半自动化处理，目前网上有免费版可以使用。首先建立层次结构模型，并依次将指标层和方案层的指标两两对比结果填入系统PS：需要注意指标两两对比顺序，如标蓝部分表示竖列身家指标与横排年龄指标相比为1：3，年龄略重要。录入所有数据后，系统会自动进行一致性的检验，若通过，则直接计算出各个维度对目标层的影响权重，并直接输出各方案的归一化权重，若不通过，则说明数据存在问题，需要进行调整。
通过上面的例子大家都知道如何使用层次分析法获得权重及选择最优方案，那它和其他方法相比有哪些优劣呢，在哪些情况下可以使用呢
优点
把决策过程分解成几个层次，决策人只需要逐层两两对比层内指标即可无需复杂的数学计算，操作过程非常简单，结果也易于被掌握和接受仅需要较少的数据即可计算;也可邀请不同职能参与，参与程度越高，最终结论的接受程度也越高
缺点
不能提供新方案，只能从备选方案中寻找最优解属于主观经验赋值，会受到决策者主观影响;但多人群体参与可一定程度上克服这一缺点心理学家建议每层指标不宜超过9个，若过多，两两比较的难度会大幅增加，甚至一致性的检验不通过，调整难度过大;但可根据需要计算出中间层各维度权重，对层次分析法进行变形使用，解决方案过多的问题
适用范围
当一个决策问题受到多个指标的影响，且各指标之间存在一定的层次关系，同时各指标对决策问题的影响程度无法直接通过足够的数据进行量化时均可使用层次分析法，比如在用研中经常遇到的不同设计方案的对比、竞品分析、场景的优先级比较、问题的严重程度对比等。