新たなバリエーションを生成すること自体は、どのバリエーションをさらに磨き上げるべきかを判断するよりも簡単な場合が多々あります。ComfyUIのグラフを使えば、多様な画像、編集、サムネイル、動画トリートメントを次々と出力できますが、オーディエンス視点での意思決定はグラフの外で行われがちです。ファイルを書き出し、リサーチ概要を作成し、結果を回収した上で、該当する元のファイルを再度探し出すといった手間が発生します。
Mindsは、明確な選好設問をそのワークフロー内に直接統合します。1つの Minds · Audience Preferences ノードが複数の選択肢を受け取り、レビュー可能なStudyドラフトを準備し、承認後に実行して、その回答をグラフ内に直接表示します。選定された元の画像や動画は、そのまま保存処理や後続の生成ステップへと渡すことができます。
この例のクリエイティブ判断は、サッカーイベントの熱気と、ボトルを中心にしたShare a Cokeの場面との比較です。QA用のMindのうち4つが2枚目の広告Bを選び、1つが広告Aを選びました。80%対20%という内訳は、5つのMindによるこの統合確認の結果です。ワークフロー画像にはキャンペーン素材と保存された元画像を残し、評価対象と選択結果をたどれるようにしています。広告成果の予測ではありません。 キャンペーンの出典: Coca-Cola football, Share a Coke.
結果の上にポインターを置き、マウスホイールまたはトラックパッドの2本指操作でスクロールすると、所見と下部の操作ボタンまで表示できます。グラフは動きません。この縦長のドキュメント用画像では結果全体を一度に表示しています。
Minds は、商用シンセティックリサーチのためのエンドツーエンドプラットフォームです。再利用可能なMind、Audience、Studyを通じて、定性調査と定量調査をシームレスに結びつけます。PRISMは各Mindの基盤となる推論、インファレンス、ソースモデリングの土台であり、公開コンテキストや（有効化されている場合は）承認されたリサーチインプットを活用して、スコープを絞った方向性調査を実現します。
プラットフォーム全体としては、オープンエンドな定性探索、アンケート調査、MaxDiffを含む定量手法を幅広くサポートしています。今回のComfyUI連携は、この統合システムの中で、焦点を絞ったカテゴリカルな選好テストを提供します。指定された目的において、選択した母集団が提示された選択肢のどれを好むかを直ちに判断したい場合に有効です。グラフ上での単一選択にとどまらない高度なリサーチ手法が必要な場合は、機能ガイド を参照してください。
結果ウィジェットはノード内に埋め込まれて表示され、通常のComfyUIフィールドから設問や入力を設定できます。視覚的に回答を確認しながら、構造化出力をルーティングに利用可能です。日常的なワークフローにおいて、プランニング用ノード、承認用ノード、ランキング用ノードを個別に分ける必要はありません。
大量のバリエーションを生成する前に、まず検証すべき意思決定を定義してください。「どの画像が一番良いか？」という問いでは、目的が曖昧になります。「この商品ページのファーストビュービジュアルとして、どちらの画像を好むか？」と問えば、用途と選好基準が明確になります。どちらの設問であっても実測のコンバージョン向上を直接証明するわけではありませんが、後者の方が検証すべき論点がはるかに明確です。
得られた回答を活用できるよう、選択肢間の比較可能性を保つことも重要です。すべての候補において商品、訴求メッセージ、視覚スタイル、掲載場所を同時に変えてしまうと、総合的なパッケージとしての選好は分かっても、その要因を特定することはできません。それ自体が役立つ場合もありますが、修正したキャッチコピーや冒頭カット単体の効果を検証するのとは別のアプローチです。
適切な Audience を選択し、そのグラウンディングと準備状態を確認した上で、比較全体を通じて閲覧コンテキストを一貫させましょう。Mindガイド では回答者の基礎構造について解説しています。妥当な名前が付けられた母集団であっても、それだけで代表性が担保されるわけではなく、クリエイティブの選好割合をそのまま市場予測として扱うことはできません。
生成された2つの画像バリエーションを images と images_b に接続し、labels_json でラベルを付与します。どの画像を勝たせたいかをAudienceに誘導することなく、商品と掲載場所のコンテキストを説明してください。その上で、指定された用途においてどちらの表現を好むかを尋ねます。
ここで得られる有益な成果は、次のクリエイティブアクションです。一方の表現を採用してさらにブラッシュアップする、所見で見られた共通の懸念点を深掘りする、あるいは僅差の2案を維持して別の比較にかける、といった判断が可能になります。分布比率だけでなく、個別の回答内容も合わせて確認してください。美的に好まれることと、商品の説明として説得力があることは、関連していても同義の評価指標ではありません。
より明確な改訂テストを行うには、根底にあるオファーやコンテキストを一定に保ち、検証対象のクリエイティブ要素のみを変更します。複数の要素を変更した場合は、単一要素の影響を特定したと結論づけるのではなく、表現全体に対する選好として結果を捉えてください。本パックの広告選定サンプルでグラフの構造を確認できます。実際のメディアやAudienceの接続方法については セットアップガイド を参照してください。
サムネイルは、タイトルと共に、特定のサイズで、特定のフィードやインターフェースの中で閲覧されます。設問に関連するコンテキストを含め、候補を実用的なレンダリングサイズで提示してください。可読性が判断を左右する場合は、Audienceが評価すべきテキストや構図が明確に残る刺激物を用意する必要があります。
「説明された動画に対してどちらのサムネイルを好むか」といった、範囲を絞った設問を設定します。得られた選好割合を「クリック率（CTR）」と言い換えてはなりません。このノードが記録するのはシンセティックなカテゴリカル回答であり、実際のフィード上で集客した母集団にサムネイルを提示してクリックを実測したものではありません。
選好された方向性を活かして次のイテレーションを準備できます。回答において曖昧さや誤認を招く要素が指摘された場合は、候補を修正して新たなテストを実行します。チームが初回比較と修正後素材の違いを把握できるよう、過去のStudyリファレンスを保存しておきましょう。
図のように画像の選択肢を用いてパッケージデザインの方向性をテストします。商品カテゴリと、そのデザインが検討されるシチュエーションを明記してください。ラベルはニュートラルに保ち、テスト対象となるコピーが視認できるようにします。
静止画は、提示された視覚表現に関する設問の検証には適しています。しかし、素材の物理的な手触り、開封体験、実物のパフォーマンスを証明することはできません。そうした要素が意思決定において重要な場合は、静止画の選好を感覚テストとして扱うのではなく、より広範なリサーチプロセスに適切な検証を追加してください。
パッケージのイテレーションでは、元のクリエイティブと変更後のバージョンを両方保持しておきます。グラフは選好された元の画像を返しつつ、保存された Study 内にリサーチコンテキストを記録します。これにより、ラベルのない勝敗グラフのスクリーンショットだけを残す場合と比べて、意思決定の根拠を説明しやすくなります。
ネイティブのVIDEO入力は実際の動画クリップを受け付けます。アダプターはアップロード用にMP4へエンコードしつつ、後続の選定用に元のVIDEOオブジェクトを保持します。それらのオブジェクトに含まれる音声も維持されます。これにより、頭の中で想像した編集指示のテキスト記述ではなく、実際の完成版に基づいた検証が可能になります。
このキャプチャは、音声付きの短い2秒のテスト素材を2つ使用した例です。3体のQA Mindが動画Aを、2体が動画Bを選択し、60%/40%の結果が得られました。このテストには、承認された実行、結果のレンダリング、ネイティブ動画の保存までが含まれています。これは、テスト対象のComfyUI環境においてショート動画の処理フローが機能したことを示すものであり、あらゆる長尺動画フォーマットや再生時間での互換性を証明するものではありません。
Audienceが音声を考慮して評価すべきかどうか、またどの用途を想定した選好かを指定してください。商品の紹介動画としての評価と、冒頭のフック（惹きつけ）としての評価は異なります。最終決定において実際の視聴維持時間やアテンションの実測が必要な場合は、別途検証データを収集してください。動画ガイド では、ポート、制限事項、候補の順序、音声に関する考慮事項を詳しく解説しています。
元のクリエイティブと提案された修正版を接続します。それぞれに明確な名前を付け、両者に同じ想定用途を設定した上で、焦点を絞った選好設問を作成します。後からチームメンバーが比較内容を理解できるよう、何を変更したかの記録を残しておきましょう。
複数の要素を修正した場合、得られる回答は修正版全体に対する評価となります。好結果が得られたとしても、それ単体でどの修正が変化をもたらしたかを特定することはできません。次の意思決定でその切り分けが必要な場合は、別の比較設計を行うか、Mindsのより広範なワークフローを活用して個別の論点を検証してください。
素材、設問、ラベル、コンテキスト、Audience、調査言語を変更した後は、New test をクリックしてください。これにより新しいリクエスト識別子が作成され、再度のレビューが必要になります。別の修正案に対して過去の承認を使い回すと、クリエイティブと保存されたリサーチデータとの整合性が損なわれます。
同一のクリエイティブが異なるターゲット層に向けられる可能性がある場合は、複数の準備済みAudienceを選択します。結果はAudienceごとに個別の分布として保持されます。意見の相違は有益な示唆になり得ます。ある表現がある層のニーズに合致している一方で、別の層は異なる方向性を好むといった状況を把握できます。
妥当なリサーチ設計がないまま、これらの結果を合算して総合的な勝者を割り出すことは避けてください。複数のAudienceが存在し、ネイティブな選定処理を続行する場合、ノードは意図的に selection_audience_id の入力を要求します。そのグラフブランチを制御するランキングの基準とすべきAudienceを1つ選択してください。他のAudienceの結果も引き続き確認可能です。
セグメントごとに異なるクリエイティブアプローチが示唆される場合は、それぞれを明確な意思決定として個別に展開してください。ノードがAudience名から市場規模の重み付けを自動的に推測することはありません。また、1つのテスト内のMind数が多いからといって、それが自動的に母集団のウェイト付けルールになるわけでもありません。
自身が管理するComfyUIサーバーに 公式のComfyUI-Mindsパック を導入し、そのサーバーのPython環境に必要な要件をインストールして再起動します。サーバープロセスに MINDS_API_KEY が挿入されるよう認証情報マネージャーを設定してください。APIキーは共有ワークフローJSONや通常の入力ウィジェットの外で管理すべきものです。
パック内のサンプルを読み込むか、Minds · Audience Preferences ノードを追加します。メディアを接続し、明確なラベルを設定し、既存の準備済みAudience IDを入力して、設問とコンテキストを記述します。このノードは assets_json を介したホスト画像/動画リファレンスやラベル付きテキストコンセプトにも対応しています。これらの入力を行った場合、直接接続されていないネイティブメディアではなく、選択されたリファレンスやコンセプトが出力されます。
一度キューを実行して保存ドラフトを準備します。設問、選択肢、選択されたAudience、言語を確認してください。内容を承認したら、再度キューを実行して承認済みリサーチを実施します。必要なレビューが完了し、結果が得られるまで、ノードは後続出力をブロックした状態に保ちます。
レビューは、ラベル順の取り違え、無関係なAudienceの指定、設問に含め忘れた閲覧条件などを事前に検知するための有用なチェックポイントです。また、修正されたプランが自動的に承認されるのを防ぎ、保存されるリサーチが要求した設問と正確に一致することを保証します。
チャートを見る前に、埋め込まれた設問とAudienceの内容を確認してください。得られた所見や個別の回答内容を精査します。そして、方向性の絞り込み、ショートリストの維持、混乱を招く要素の検証、あるいは後の実証テストの準備など、結果がどのアクションを支持しているかを判断します。
元のネイティブ素材のまま後続処理を進めるには、selected_images または selected_videos を対応する保存ノードや処理ノードに接続します。ショートリストを作成する場合は top_k を設定してください。カットオフラインで同率順位となった候補はすべて含まれるため、指定した数以上の候補が返される場合があります。アダプターは最初の入力を恣意的に選ぶのではなく、同率順位をそのまま保持することで順序の不確実性を担保します。
Studyや実行リファレンス、Audienceごとのランキング、正確なクリエイティブの関連付けが後続ステップで必要な場合は、results_json を使用します。構造化された結果において、信頼度（confidence）は null のまま出力されます。統計的区間を勝手に捏造したり、選好をキャンペーン成果と言い換えたりすることはありません。フィールドの詳細や出力がブロックされるケースについては、結果とトラブルシューティングのリファレンス に記載されています。
ローカルのポーリングがタイムアウトした時点でリサーチがまだ実行中である場合は、ワークフローを変更せずに再度キューを実行して、保存された実行を再開してください。実際のリサーチ内容を変更する場合は New test を使用します。この区別により、ネットワークの一時的な中断で重複リサーチが作成されたり、新しいクリエイティブを単なる再試行として扱ったりするミスを防ぐことができます。
生成メディアを制作グラフ内でネイティブに保持したい場合、ComfyUIは非常に有効です。一方、周辺タスクがリサーチの企画、広範な探索、エージェント主導のシーケンスである場合は、対話型ワークフローの方が適している場合があります。ChatGPTガイド、Claudeガイド、連携概要、MCP概要 でそれらの選択肢を解説しています。
これらのエントリーポイントはすべて、Mindsの広範なリサーチプラットフォームに接続されています。焦点を絞ったクリエイティブ選好テストは、Audience作成、定性探索、アンケート調査、サポートされる定量手法、比較、エクスポートを含むライフサイクルの中の1つのステップとなり得ます。必要に応じて実在の被験者による観察、実測データ、物理テストを取り入れるなど、意思決定に適したエビデンスを活用してください。
まずは ComfyUIセットアップガイド を参照して、最初のレビュー付き比較テストを実行してみましょう。動きや音声については 動画ガイド を、ノードの出力内容の確認には 結果リファレンス を活用してください。目指すのは、適切な母集団、実際の素材、明確な設問、そして次のアクションにつながる結果に基づいた、追跡可能なクリエイティブの意思決定です。
