MCP Workflow Examples for AI Market Research

These examples assume you have connected the Minds MCP server for ChatGPT, Claude, and Cursor. If not, follow the Minds MCP setup guide first.

Guided Study Confirmation Workflow

For a broader task, multiple questions, a visual asset, structured outputs, or an explicit research method, the assistant follows this sequence:

User request
  -> plan_study_questions (draft only)
  -> present captured intent, main source, questions, methods, and outputs
  -> ask every returned confirmation question
  -> plan_study_questions again if the user answers or changes anything
  -> explicit user confirmation of the exact revision
  -> run_study_questions
  -> get_study_run until collection settles
  -> get_study_summary

モデルが自分の質問や方法を無断で承認してはいけません。簡単な Studies は簡潔に保ちます。list_research_methods を確認してください。Conjoint など利用可能な定量手法は登録済みの設計と計算を実行し、高度な方法には明示的な同意が必要です。代替案は計画の承認前に確認します。質問に関連付けられた素材は study_heatmap で独立した視覚分析を取得または開始します。返された証拠だけを報告してください。

The original plan_study_questions.request is planner input and is not sent verbatim to Minds. The preview labels the exact proposed respondent-visible question text; after confirmation, get_study_run exposes the confirmed or server-prepared question set as a visibility audit. By contrast, treat all text in a direct ask_study.question as respondent-visible input: the system may classify or reformat it, but any part can reach the Minds and influence their answers. Keep planner and MCP-client orchestration notes outside direct questions.

At the execution boundary, a plan_limited response means nothing was started: explain the Study-answer limit and required upgrade. During polling, status: plan_limited means the processor preserved partial answers but stopped the remaining questions at the paywall. Never call either case complete, and never hide it behind a generic error. After an upgrade, use a follow-up run for only the unanswered questions.

確認済みの実行は、1人の回答者がアンケートに答えるように回答されます。設問は順番に実行され、各 Mind はその実行内での自分自身の以前の回答だけを参照します。そのため、実際の調査と同様に順序効果が生じることがあります。設計上それを制御する必要がある場合は、別々の実行の間で設問の順序をローテーションしてください。スキップロジックには、設問に askIf を指定し、前の選択式設問とその選択肢を示します。質問されなかった Minds はその設問の結果から除外され、誰にも質問されなかった設問は失敗ではなく not_asked と報告されます。実行後、answerConsistency は同じ Mind の他の回答と矛盾する回答にフラグを付けます。フラグは確認用であり、回答自体が変更されることはありません。

This lifecycle plans research, not every Study action. A standalone “export this” request routes to export_study. “Show the same result differently” reads the existing Study or summary and changes presentation without queueing new respondents. Only create a new plan when the requested output changes what evidence the Study must collect.

Consumer Research Workflow

A typical workflow for a brand team researching a product launch:

Step 1: Create Consumer Personas

"Create five consumer personas for our skincare launch:
 - 'Lena, 22, Berlin' — Gen Z student, eco-conscious, discovers brands on TikTok
 - 'Maya, 19, London' — retail worker, trend-driven, shops based on peer recommendations
 - 'Aisha, 24, NYC' — junior designer, budget-conscious, cross-references Reddit reviews
 - 'Sarah, 35, Munich' — part-time teacher, mom of two, safety-first buyer
 - 'Jessica, 38, Chicago' — marketing manager, mom, trusts dermatologists over influencers"

Step 2: Organize into Demographic Audiences

"Create an Audience called 'Gen Z Women (18-25)' with Lena, Maya, and Aisha.
Create another Audience called 'Millennial Moms (30-42)' with Sarah and Jessica."

Step 3: Create a Research Study

"Create a Study called 'Sustainable Skincare Launch Study' with both Audiences"

Step 4: Run Survey Questions

"Plan one launch-research question block for the Study with these sections:
1. Price sensitivity: On a scale of 1-10, how likely are you to switch to a sustainable skincare brand if it costs 20% more?
2. Discovery: Where do you typically discover new skincare products?
3. Switching barriers: What would make you stop buying from your current skincare brand?
Show me the complete plan for confirmation, then run all three questions together."

Step 5: Analyze & Export

"Show me the analytics for the Sustainable Skincare Study"

"Export the Study as a PDF report for the brand team"

オーディエンスを検証する

オーディエンスの回答が公表済みの実在のサーベイにどれだけ近いかを確認するとき、アシスタントは次の手順に従います。

オーディエンスを作成または選択（準備完了のMindsが10以上）
  -> validate_audience（最も適合する公表済みサーベイを探すか、指定したbenchmarkIdsを使用）
  -> statusがcompleted、failed、cancelledのいずれかになるまで、batchIdを指定してget_audience_validation
  -> 統合スコア、各サーベイのスコアと95%範囲、除外された質問を確認

validate_audienceとget_audience_validationは、ツールを直接呼び出すMCPクライアントから名前で呼び出せます。アシスタントのツール検出にはまだ表示されませんが、同じ機能はv1 APIとオーディエンスの検証タブから今すぐ利用できます。

1回の実行には通常10〜60分かかるため、アシスタントは1回の呼び出しで待ち続けず、ステータスを定期的に確認します。各サーベイのスコアを範囲と質問対象とともに報告し、除外された質問とその理由もユーザーに示します。batchIdなしでget_audience_validationを呼ぶと、オーディエンスの総合的な妥当性と今月残っている検証枠が返されます。

部分集団の結果を説明する前に、アシスタントは respondentScope を確認します。たとえば看護師向け調査では、医療従事者16体の Audience から12体の Mind が選ばれる場合があります。割合には「16体中12体の Mind、看護師」と添え、医療従事者全体の妥当性として提示しないでください。注意事項では、コホートで確認された所属、広いプロフィール情報で裏付けられた所属、不確かなケース、明確な不一致を区別します。

適格性は回答収集前に、回答とは独立して評価されます。個別の証拠でコホート情報の不足を補えますが、集計分布だけでは本人が条件を満たすと証明できません。確認済みまたは裏付けのあるメンバーのみが参加し、最低10体が必要です。不足する場合は調査を行わなかった理由を説明します。モデルは選択を行い、一致率は数値比較から算出されます。コストは実際に選ばれた回答者に基づき、総合値は部分集団の結果を除外します。同じ Mind が別の Audience に所属していても、解釈はこの Audience に限定してください。

プロンプト例：

「私のオーディエンス『German SaaS buyers』を公表済みサーベイで検証して、どれくらい近いか教えて」

Use Cases

Product Concept Testing

Create Studies with target consumer Audiences to test product concepts, packaging, and naming before investing in production. Compare reactions across Audiences instantly.

Pricing Research

Survey synthetic consumers on willingness to pay at different price points. Identify the sweet spot where value perception meets margin targets.

Brand Perception Audit

Build Studies containing your target Audiences. Ask about brand awareness, trust, and purchase intent in one cohesive question block. Compare your brand against competitors through consumer eyes.

Campaign Message Testing

Test ad copy, taglines, and visual concepts with synthetic target audiences before committing media spend. Identify which messages resonate with which segments.

Market Entry Research

Entering a new market? Create consumer personas for the target region and test product-market fit, cultural sensitivities, and channel preferences.

Example Conversations

Quick Consumer Insight

You: "I need to understand how Gen Z and millennials in Europe feel about subscription-based skincare. Create one Audience for each segment and plan one cohesive Study asking what would convince them to subscribe."

AI Assistant: Drafts the Minds and audience structure, creates a Study, presents the exact proposed research question(s), and requests confirmation when the request expands into a broader Study. After execution, it reports the actual returned grouped responses without pre-writing a conclusion.

Expert Consultation

You: "Talk to my Brand Strategy expert about positioning a premium organic baby care line in the German market."

AI Assistant: Uses chat_with_mind to query the expert Mind and presents its actual response, preserving any returned citations. It labels the output as synthetic expert perspective rather than independent legal or regulatory advice.

Competitive Analysis

You: "Create a Study with 'Loyal Customers' Audiences for our top 3 competitors. Plan one block asking what they love most about their current brand and what frustrates them."

AI Assistant: Creates private synthetic Audiences, confirms the comparative multi-question research plan, runs the Study once, and reports only differences supported by the returned responses and calculations.

Automation guardrails

• Keep new Audiences and Studies private unless the user explicitly requests a public link.
• Planning does not start research. Confirm the exact latest revision before run_study_questions.
• Poll status tools instead of treating a timeout or elapsed duration as completion.
• Require explicit confirmation immediately before lifecycle deletion actions.
• Preserve citations, resource IDs, workspace/shared links, and download links exactly.
• Treat plan_limited before execution as “nothing started” and status: plan_limited during execution as partial, preserved work.
• Use list_research_methods before promising a named method; only executable: true is runnable.
• Do not infer customer findings in advance. The example prompts in this guide describe workflows, not guaranteed conclusions.

For a full routing and safety contract, see the MCP operating guide for agents.

質問または Mind の回答が欠けている場合、収集は status: "partial" で終了することがあります。この終了状態ではポーリングを停止し、不足を説明してください。完全な結果として扱わないでください。progress.pct は回答者の網羅率ではなく、終了した質問の割合です。新しい質問出力には outputData.responseCoverage として expected、received、不足している Audience/Mind の所属組み合わせが保存されます。progress.partial は不完全な網羅状況が記録された質問数です。古い結果に網羅状況がないことは、全員が回答した証拠にはなりません。有効な生の回答と結果を変更せず保持し、別の再試行を始める前に不足分を確認してください。