什么是 TURF 分析？

TURF 分析是一种产品组合和触达率分析方法，用于寻找能够触达最广泛受众的最简选项组合。它为研究团队提供了一种规范的方法，将模糊的商业问题转化为受访者能够一致回答的选项、量表、任务或提示。其价值不在于该方法的标签，而在于它所强制要求的规范：明确的目标群体、清晰的决策、真实的测试刺激物，以及在收集到答案之前就已确定的分析计划。

在 Minds 工作流中，请将 TURF 分析视为实地调查前的规划模板。先选择目标群体，然后让 Minds 针对该受众推荐合适的子板块、问题措辞、细分维度和解读风险。当团队有研究意图但尚未将其转化为适合受访者的语言时，这非常有用。

适用场景

当研究决策是需要优先覆盖哪些功能、信息或产品组合时，TURF 分析非常适用。当团队能够清晰描述受众群体和测试刺激物时，该方法的效果最强。如果受众定义模糊，首要任务不是撰写调查问题。首要任务是使用 Minds 对目标群体的定义进行压力测试，找出遗漏的细分子群体，并在开展人工研究之前确定哪些假设需要证据支持。

当团队只想进行广泛的头脑风暴时，TURF 分析的作用较小。在这种情况下，小组讨论或定性访谈流程通常会产生更有用的材料。当需要对答案进行比较、排序、评分、诊断或将其转化为结构化的研究简报时，应使用此模板。

问题与配置

从目标群体开始：谁应该回答、他们处于什么情境中，以及他们对产品、品类或品牌已有何了解。然后定义测试刺激物。刺激物可以是概念段落、落地页、价格表、功能列表、信息组合、客户旅程、原型截图或日记提示。最后，定义输出格式。对于 TURF 分析，有用的输出是能够在不增加冗余选项的情况下实现最大化触达的候选清单。

Minds 可以推荐起草的子板块，例如甄别逻辑、热身问题、核心任务、后续追问、细分维度和分析注释。最稳妥的方式是每次只要求生成一个板块。在将该工具用于真实受访者之前，让 Minds 评估每个问题是否存在引导性措辞、双重提问、不切实际的假设以及缺失的回答选项。

Minds 如何融入工作流

Minds 应置于正式的研究记录系统之前。使用它将简报转化为更强大的方法设计，演练不同细分群体可能如何解读测试刺激物，并找出最终问卷应该测量的反对意见。在将预算花在编程、招募或主持上之前，该平台对于决定该方法是否适合目标群体特别有用。

实际的工作流很简单。创建或选择目标群体。选择 TURF 分析作为研究框架。粘贴测试刺激物或描述决策。向 Minds 索取建议的板块、问题和配置。像研究员审查初级分析师的第一稿那样审查草案。然后，当决策需要正式证据时，将最终的工具移入人工实地调查、访谈或专业工具中。

局限性与验证

TURF 分析仍然需要方法论上的判断。Minds 可以在措辞、目标群体推理和可能的解读方面提供帮助，但不应将其用作具有代表性的统计数据、监管声称、精确的市场规模估算、正式的效用评估或最终价格弹性的最终来源。财务或合规风险越高，使用真实受访者和合格的研究设计进行验证就越重要。

主要风险是虚假的精确度。润色过的合成回答听起来可能比底层证据所允许的更加确定。可以通过要求 Minds 列出假设、确定哪些地方需要人工数据，以及将定性解读与定量测量区分开来，以此应对这一风险。

入门模板

• 目标群体：能够评估同一品类中多个选项的受访者。
• 研究决策：应优先覆盖哪些功能、信息或产品组合。
• 核心刺激物：一组候选产品、声称、权益或功能选项。
• 主要任务：询问每个受访者会考虑哪些选项，并对组合触达率进行建模。
• 分析视角：无重复触达率、频次、重合度和细分群体覆盖率。
• 验证说明：当输出必须支持最终的外部声称时，请使用真实的受访者或专业的统计工作流。

下一步

将此页面用作产品内模板的第一版草稿。产品版本应允许用户选择目标群体、选择 TURF 分析，并接收与当前受众和决策相匹配的建议板块、问题、默认配置和警告。