Eine weitere Variante zu generieren ist oft einfacher, als zu entscheiden, welche davon vertieft ausgearbeitet werden soll. Ein ComfyUI-Graph kann unterschiedliche Bilder, Edits, Thumbnails oder Video-Treatments erzeugen, während die Entscheidung über die Zielgruppenresonanz außerhalb des Graphen stattfindet. Man exportiert Dateien, verfasst ein Research-Briefing, wartet auf Ergebnisse und muss anschließend das passende Original wieder heraussuchen.
Minds bringt eine gezielte Präferenzfrage direkt in diesen Workflow. Ein einzelner Node (Minds · Audience Preferences) nimmt die Alternativen entgegen, bereitet einen überprüfbaren Study-Entwurf vor, führt diesen nach der Freigabe aus und zeigt das Ergebnis im Graphen an. Die ausgewählten Originalbilder oder -videos können direkt zum Speichern oder zur Weiterverarbeitung weitergeleitet werden.
Dieses Beispiel vergleicht die Energie eines Fußballereignisses mit einer Share-a-Coke-Szene, in der die Flaschen im Mittelpunkt stehen. Vier QA-Minds entschieden sich für das zweite Bild, Ad B; einer für Ad A. Die Aufteilung von 80 % zu 20 % gehört zu diesem Integrationstest mit fünf Minds. Die Workflow-Aufnahme enthält die Kampagnenbilder und das gespeicherte Original, damit sich die Präferenz auf das gezeigte Material zurückführen lässt. Sie ist keine Prognose der Anzeigenleistung. Kampagnenquellen: Coca-Cola football, Share a Coke.
Bewegen Sie den Mauszeiger über das Ergebnis und scrollen Sie mit dem Mausrad oder mit zwei Fingern auf dem Trackpad zu den Erkenntnissen und den unteren Bedienelementen. Der Graph bleibt dabei stehen. Die höhere Dokumentationsaufnahme zeigt das gesamte Ergebnis auf einmal.
Minds ist die End-to-End-Plattform für kommerzielle synthetische Marktforschung. Sie verbindet qualitative und quantitative Arbeit über wiederverwendbare Minds, Audiences und Studies. Minds PRISM bildet das Fundament für Argumentation, Inferenz und Quellenmodellierung hinter jedem Mind und nutzt öffentlich zugängliche Kontexte sowie autorisierte Forschungsdaten für fundierte richtungsweisende Erkenntnisse.
Die übergeordnete Plattform unterstützt offene Explorationen, Fragebögen und quantitative Methoden einschließlich MaxDiff. Diese ComfyUI-Integration bietet innerhalb dieses Systems einen fokussierten kategorialen Präferenztest. Sie ist besonders nützlich, wenn unmittelbar entschieden werden muss, welche der bereitgestellten Alternativen eine ausgewählte Population für einen definierten Zweck bevorzugt. Der Feature-Leitfaden erläutert die weiterführenden Forschungsmethoden, falls eine Fragestellung über eine einfache Auswahl im Graphen hinausgeht.
Das Ergebnis-Widget ist direkt im Node eingebettet, während reguläre ComfyUI-Felder die Frage und Eingaben erfassen. Sie können visuell mit der Rückmeldung arbeiten und strukturierte Ausgaben für das Routing nutzen. Für den Standard-Workflow erfordert der Node keine separaten Planungs-, Freigabe- und Ranking-Nodes.
Definieren Sie die Entscheidung, bevor Sie große Batches generieren. „Welches Bild ist am besten?“ lässt den Zweck unklar. „Welches Bild würden Sie als Einstiegsmotiv auf dieser Produktseite bevorzugen?“ liefert einen Nutzungskontext und ein klares Kriterium. Keine der Varianten weist gemessene Conversion-Steigerungen nach, aber die zweite liefert eine präzise Grundlage für die Untersuchung.
Achten Sie darauf, dass die Alternativen hinreichend vergleichbar bleiben, damit das Ergebnis verwertbar ist. Wenn sich bei jeder Variante Produkt, Claim, visueller Stil und Platzierung gleichzeitig ändern, zeigt die Präferenz zwar, welches Gesamtpaket gewählt wurde, isoliert jedoch nicht die Ursache. Das kann dennoch hilfreich sein, unterscheidet sich aber grundlegend vom gezielten Testen einer einzelnen überarbeiteten Headline oder eines geänderten Eröffnungsbildes.
Wählen Sie eine passende Audience, prüfen Sie deren Fundierung und Einsatzbereitschaft, und stellen Sie sicher, dass der Betrachtungskontext über den gesamten Vergleich hinweg einheitlich bleibt. Der Mind-Leitfaden beschreibt die methodische Basis der Befragten. Eine Zielgruppe mit einem treffenden Namen garantiert nicht automatisch Repräsentativität oder macht Prozentwerte direkt als Marktprognose nutzbar.
Verbinden Sie zwei generierte Bildvarianten mit images und images_b und benennen Sie diese in labels_json. Beschreiben Sie Produkt und Platzierung neutral, ohne der Audience nahezulegen, welches Bild gewinnen soll. Fragen Sie, welche Variante für den genannten Zweck bevorzugt wird.
Das Resultat ist ein konkreter nächster Handlungsschritt: eine Variante weiter ausarbeiten, einen wiederkehrenden Kritikpunkt in den Antworten analysieren oder eng beieinanderliegende Optionen in einem weiteren Vergleich prüfen. Lesen Sie die Begründungen parallel zur Prozentverteilung. Eine ansprechende Ästhetik und eine glaubwürdige Produkterklärung sind verwandte Aspekte, aber keine austauschbaren Messgrößen.
Für einen methodisch sauberen Iterationstest halten Sie das zugrunde liegende Angebot und den Kontext konstant und variieren nur das gewünschte Creative-Element. Wenn Sie mehrere Elemente gleichzeitig ändern, beschreiben Sie das Ergebnis als Präferenz für eine Gesamtausführung, statt zu behaupten, die Wirkung eines einzelnen Elements isoliert zu haben. Die Anzeigen-Vorlage des Pakets liefert die Grundstruktur des Graphen; der Setup-Leitfaden erklärt die Anbindung Ihrer Medien und Audiences.
Ein Thumbnail wird zusammen mit einem Titel, in einer bestimmten Größe und innerhalb eines Feeds oder Interfaces wahrgenommen. Binden Sie diesen Kontext in die Fragestellung ein und präsentieren Sie die Varianten in einer realistischen Auflösung. Wenn Lesbarkeit für Ihre Entscheidung entscheidend ist, sollte das Stimulusmaterial genau den Text und Aufbau enthalten, den die Audience bewerten soll.
Stellen Sie eine präzise Frage, beispielsweise welches Thumbnail für das beschriebene Video bevorzugt würde. Bezeichnen Sie den resultierenden Präferenzanteil nicht als „Click-Through-Rate“. Der Node erfasst eine synthetische, kategoriale Entscheidung; er hat die Thumbnails nicht echten Nutzern in einem Live-Feed ausgespielt und deren Klicks gemessen.
Nutzen Sie die bevorzugte Richtung für die nächste Iteration. Wenn die Antworten Unklarheiten oder falsche Erwartungen aufdecken, überarbeiten Sie die Varianten und starten Sie einen neuen Test. Behalten Sie die vorherige Study-Referenz bei, damit das Team den ersten Vergleich klar vom überarbeiteten Material unterscheiden kann.
Nutzen Sie Bildalternativen, um Designrichtungen von Verpackungen zu testen. Nennen Sie die Produktkategorie und die Situation, in der das Design bewertet werden soll. Halten Sie die Labels neutral und stellen Sie sicher, dass die sichtbaren Texte genau dem Entwurf entsprechen, den Sie testen möchten.
Ein Bild kann eine Entscheidung über die visuelle Gestaltung unterstützen. Es kann jedoch weder die Haptik eines Materials, das Auspackerlebnis noch die Funktionalität eines physischen Objekts erfassen. Wenn diese Faktoren entscheidend sind, ergänzen Sie Ihren Forschungsprozess um entsprechende physische Tests, statt eine Bildpräferenz als sensorische Prüfung zu interpretieren.
Behalten Sie bei Verpackungsiterationen das Original und die überarbeitete Version bei. Der Graph kann das bevorzugte Originalbild direkt ausgeben, während die gespeicherte Study den Forschungskontext dokumentiert. Dadurch lässt sich die Entscheidung deutlich besser nachvollziehen als anhand eines unbeschrifteten Balkendiagramms.
Die nativen VIDEO-Eingänge akzeptieren echte Videoclips. Der Adapter encodiert diese für den Upload als MP4 und behält die originalen VIDEO-Objekte für die nachgelagerte Auswahl bei. Enthaltene Audiospuren bleiben erhalten. Dadurch eignet sich der Workflow für Fragestellungen, die von der Gesamtwirkung abhängen und nicht auf einer bloßen Textbeschreibung eines Schnitts basieren.
Dieser Screenshot zeigt zwei kurze, zweisekündige Testclips mit Audio. Drei QA-Minds wählten Video A und zwei wählten Video B, was zu 60 %/40 % führte. Der Test umfasste die freigegebene Ausführung, das Rendern der Ergebnisse und das native Speichern des Videos. Er belegt die Funktionalität für Kurzvideos in der getesteten ComfyUI-Umgebung, nicht die Kompatibilität mit jedem beliebigen Langvideoformat oder jeder Dauer.
Geben Sie an, ob die Audience den Clip mit Ton bewerten soll und auf welchen Einsatzbereich sich die Präferenz bezieht. Eine Frage zur Produkteinführung unterscheidet sich grundlegend von einer Frage zur Hook in den ersten Sekunden. Wenn Ihre finale Entscheidung gemessene Wiedergabezeit oder Verweildauer erfordert, erheben Sie diese Daten separat. Der Video-Leitfaden beschreibt Anschlüsse, Limits, Variantenreihenfolge und Audioaspekte im Detail.
Verbinden Sie das Original-Creative und den überarbeiteten Entwurf. Benennen Sie beide eindeutig, beschreiben Sie denselben Einsatzzweck und formulieren Sie eine gezielte Präferenzfrage. Dokumentieren Sie die vorgenommenen Änderungen, damit der Vergleich auch später für das Team nachvollziehbar bleibt.
Wenn Sie mehrere Elemente überarbeitet haben, bezieht sich die Rückmeldung auf die gesamte Neufassung. Ein besseres Gesamtergebnis erklärt für sich genommen nicht, welche einzelne Änderung ausschlaggebend war. Wenn die nächste Entscheidung diese Unterscheidung erfordert, setzen Sie einen weiteren Vergleich auf oder nutzen Sie den erweiterten Minds-Workflow, um die Details gezielt zu untersuchen.
Klicken Sie auf New test, nachdem Sie Material, Fragestellung, Labels, Kontext, Audiences oder die Studiensprache geändert haben. Dadurch wird eine neue Anfrage-ID generiert und eine erneute Prüfung angefordert. Die Wiederverwendung einer alten Freigabe für eine neue Iteration würde die Verknüpfung zwischen dem Creative und den gespeicherten Studiendaten verfälschen.
Wählen Sie mehrere einsatzbereite Audiences, wenn dasselbe Creative für unterschiedliche Zielgruppen gedacht ist. Die Antwort schlüsselt die Verteilung für jede Audience separat auf. Abweichende Präferenzen können wertvoll sein: Eine Variante bedient möglicherweise die Bedürfnisse der einen Gruppe besser, während eine andere Gruppe eine andere Richtung bevorzugt.
Fassen Sie diese Ergebnisse nicht ohne methodisch begründetes Studiendesign zu einem pauschalen Gesamtsieger zusammen. Der Node verlangt bei mehreren Audiences gezielt eine selection_audience_id, wenn die native Weiterleitung fortgesetzt werden soll. Wählen Sie eine enthaltene Audience aus, deren Ranking diesen Graph-Zweig steuert. Die Ergebnisse der anderen Audiences bleiben weiterhin zur Prüfung verfügbar.
Wenn die Segmente unterschiedliche Creative-Ansätze nahelegen, leiten Sie daraus explizite, zielgruppenspezifische Maßnahmen ab. Der Node leitet keine verdeckten Marktgrößen-Gewichtungen aus Audience-Namen ab, und eine höhere Anzahl von Minds in einem Test stellt nicht automatisch eine bevölkerungsrepräsentative Gewichtung dar.
Installieren Sie das offizielle ComfyUI-Minds-Paket auf dem von Ihnen verwalteten ComfyUI-Server, installieren Sie die Abhängigkeiten mit der Python-Umgebung dieses Servers und starten Sie ihn neu. Konfigurieren Sie Ihren Credential-Manager so, dass MINDS_API_KEY in den Serverprozess übergeben wird. Der API-Schlüssel gehört nicht in geteilte Workflow-JSON-Dateien oder Standard-Eingabefelder.
Laden Sie eines der Beispiel-Workflows des Pakets oder fügen Sie den Node Minds · Audience Preferences hinzu. Verbinden Sie die Medien, vergeben Sie eindeutige Labels, tragen Sie vorhandene, einsatzbereite Audience-IDs ein und formulieren Sie Frage und Kontext. Der Node unterstützt über assets_json auch gehostete Bild-/Video-Referenzen und gekennzeichnete Textkonzepte; diese Eingaben geben die ausgewählten Referenzen oder Konzepte aus, anstelle nativer Mediendaten, die gar nicht angebunden waren.
Starten Sie den Graph einmal, um den gespeicherten Entwurf zu erstellen. Prüfen Sie Frage, Alternativen, ausgewählte Audiences und Sprache. Bestätigen Sie den Entwurf und starten Sie den Graph erneut, um die freigegebene Studie auszuführen. Der Node blockiert nachgelagerte Ausgaben so lange, bis die Prüfung erfolgt ist und das fertige Ergebnis vorliegt.
Diese Überprüfung ist ein wichtiger Kontrollpunkt, um vertauschte Labels, unpassende Audiences oder vergessene Kontextbedingungen vorab zu korrigieren. Sie stellt zudem sicher, dass die gespeicherte Studie exakt der formulierten Frage entspricht, statt stillschweigend einen geänderten Plan auszuführen.
Lesen Sie die eingebettete Frage und die Audience-Definition vor dem Diagramm. Analysieren Sie die Zusammenfassungen und die einzelnen Antworten. Entscheiden Sie, welche Maßnahme das Ergebnis stützt: eine Richtung zur Verfeinerung auszuwählen, eine Shortlist beizubehalten, ein unklares Element zu untersuchen oder einen späteren Validierungstest vorzubereiten.
Verbinden Sie selected_images oder selected_videos mit einem kompatiblen Speicher- oder Weiterverarbeitungs-Node, um mit dem nativen Originalmaterial weiterzuarbeiten. Setzen Sie top_k, wenn Sie eine Shortlist benötigen. Gleichstände an der Schwelle bleiben enthalten, sodass unter Umständen mehr Kandidaten als der angegebene Wert zurückgegeben werden. Der Adapter bildet Unsicherheiten im Ranking sauber ab, indem er Gleichstände beibehält, anstatt willkürlich die erste Eingabe zu bevorzugen.
Nutzen Sie results_json, wenn ein nachfolgender Schritt die Study- und Run-Referenzen, das Ranking pro Audience und die genaue Creative-Zuordnung benötigt. Das strukturierte Ergebnis belässt Konfidenzwerte auf null; es erfindet keine statistischen Intervalle und interpretiert Präferenzen nicht als Kampagnen-Performance um. Die Ergebnis- und Troubleshooting-Referenz dokumentiert die Felder und blockierte Ausgabefälle.
Falls die Studie noch läuft, wenn das lokale Polling ein Timeout erreicht, starten Sie den unveränderten Workflow erneut, um den gespeicherten Durchlauf fortzusetzen. Verwenden Sie New test nur bei tatsächlichen inhaltlichen Änderungen. Diese Unterscheidung verhindert, dass Netzwerkunterbrechungen zu doppelten Studien führen oder neues Creative-Material fälschlicherweise als unveränderter Neuversuch gewertet wird.
ComfyUI ist ideal, wenn generierte Medien direkt als native Objekte in einem Produktionsgraphen verbleiben sollen. Ein dialogbasierter Workflow kann praktischer sein, wenn die Aufgabe primär in der Forschungsplanung, breiteren Exploration oder agentengesteuerten Abläufen besteht. Der ChatGPT-Leitfaden, Claude-Leitfaden, die Integrationsübersicht und die MCP-Übersicht beschreiben diese Optionen.
Alle diese Einstiegspunkte sind an die umfassende Minds-Forschungsplattform angebunden. Ein gezielter Creative-Präferenztest kann ein Baustein in einem Lebenszyklus sein, der Audience-Erstellung, qualitative Exploration, Fragebögen, unterstützte quantitative Methoden, Vergleiche und Exporte umfasst. Stellen Sie sicher, dass die Evidenzbasis zur jeweiligen Entscheidung passt - einschließlich Studien mit realen Teilnehmenden, Live-Messungen oder physischen Tests, wo diese erforderlich sind.
Starten Sie mit dem ComfyUI-Setup-Leitfaden, um Ihren ersten geprüften Vergleich durchzuführen. Nutzen Sie den Video-Leitfaden für Video und Audio sowie die Ergebnisreferenz, um die Rückgaben des Nodes im Detail zu prüfen. Das Ziel ist eine nachvollziehbare Creative-Entscheidung: die passende Zielgruppe, das reale Material, eine präzise Fragestellung und ein Ergebnis, das den nächsten Schritt klar vorgibt.
