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

Model kendi soru veya yöntemlerini sessizce onaylamamalıdır. Basit Studies basit kalmalıdır. list_research_methods kontrol edilmelidir: Conjoint ve diğer kullanılabilir nicel yöntemler kayıtlı tasarım ve hesaplamalarını çalıştırır; gelişmiş yöntemler açık onay gerektirir. Alternatifleri onaydan önce inceleyin. Soruya atanmış bir varlık için study_heatmap ayrı görsel analizi okur veya başlatır. Yalnızca döndürülen kanıtı raporlayın.

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.

Onaylanmış bir çalıştırma, tek bir katılımcının bir anketi yanıtladığı gibi yanıtlanır: sorular sırayla çalışır ve her Mind yalnızca o çalıştırmadaki kendi önceki yanıtlarını görür; bu nedenle gerçek bir ankette olduğu gibi sıra etkileri oluşabilir. Tasarımın bunları kontrol etmesi gerektiğinde soru sırasını ayrı çalıştırmalar arasında döndürün. Atlama mantığı için bir soruya, önceki bir seçim sorusunu ve seçeneklerini belirten askIf verin; sorulmayan Minds o sorunun sonuçlarına dahil edilmez ve kimseye sorulmayan bir soru hata değil not_asked bildirir. Çalıştırmadan sonra answerConsistency, aynı Mind'ın diğer yanıtlarıyla çelişen yanıtları işaretler. İşaretler inceleme içindir; yanıtlar asla değiştirilmez.

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"

Bir Kitleyi doğrulama

Bir Kitlenin yanıtlarının yayımlanmış gerçek anketlere ne kadar yakın olduğunu kontrol etmek için asistan şu sırayı izler:

Bir Kitle oluşturun veya seçin (en az 10 hazır Mind)
  -> validate_audience (en uygun yayımlanmış anketleri bulur veya belirttiğiniz benchmarkIds değerlerini kullanır)
  -> status completed, failed veya cancelled olana kadar batchId ile get_audience_validation
  -> birleşik puanı, her anketin puanını ve %95 aralığını ve dışarıda bırakılan soruları okuyun

validate_audience ve get_audience_validation, araçları doğrudan çağıran MCP istemcilerinden adlarıyla çağrılabilir. Asistanların araç keşfinde henüz listelenmezler; aynı özellik şimdiden v1 API ve Kitlenin Doğrulama sekmesi üzerinden kullanılabilir.

Bir çalıştırma genellikle 10 ile 60 dakika sürer; bu yüzden asistan tek bir çağrıda beklemek yerine durumu düzenli olarak yoklar. Her anketin puanını aralığıyla ve anketin kimlere sorduğuyla birlikte raporlar, dışarıda bırakılan soruları ve gerekçelerini kullanıcıya görünür tutar. batchId olmadan get_audience_validation, Kitlenin toplam geçerliliğini ve bu ay kalan dahil doğrulamaları döndürür.

Kısmi bir kitle sonucunu açıklamadan önce asistan respondentScope alanını okumalıdır. Örneğin bir hemşire anketi, 16 sağlık çalışanından oluşan Audience içinden 12 Mind seçebilir. Yüzdeyi “16 Mind’ın 12’si, hemşireler” ifadesiyle sun; tüm sağlık çalışanlarının geçerliliği gibi gösterme. Açıklamalar kohort verileriyle doğrulanan üyeliği, daha geniş profil kanıtlarıyla desteklenen üyeliği, belirsiz durumları ve açık uyuşmazlıkları ayırır.

Uygunluk yanıtlar toplanmadan önce ve yanıtlardan bağımsız değerlendirilir. Bireysel kanıtlar kohort eksiklerini tamamlayabilir; toplu dağılımlar kişinin uygun olduğunu kanıtlamaz. Yalnızca doğrulanmış veya desteklenen üyeler katılır; en az on kişi gerekir. Eşik karşılanmazsa anketin neden sorulmadığını açıkla. Model seçimi yaparken eşleşme sayısal karşılaştırmadan hesaplanır. Maliyetler gerçekten seçilen katılımcıları izler; birleşik puan alt küme sonuçlarını içermez. Bazı Mind’lar başka Audience’lara da ait olsa bile yorumu bu Audience ile sınırla.

Örnek istem:

"'German SaaS buyers' Kitlemi yayımlanmış anketlerle doğrula ve ne kadar yakın olduğunu söyle."

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.

Bir soru veya Mind yanıtı eksikse araştırma çalışması veri toplamayı status: "partial" ile bitirebilir. Bu son durumda sorgulamayı durdurun ve eksikliği açıklayın; sonucu tamamlanmış olarak sunmayın. progress.pct, yanıt kapsamını değil, sonuçlanan soruları ölçer. Yeni soru çıktıları outputData.responseCoverage içinde expected, received ve eksik Audience/Mind üyeliklerini saklar. progress.partial, kapsamı eksik olduğu kaydedilen soruları sayar. Eski çıktılarda kapsam verisinin bulunmaması herkesin yanıt verdiğini kanıtlamaz. Geçerli ham yanıtları ve sonuçlarını değiştirmeyin; ayrı bir yeniden deneme başlatmadan önce eksikleri inceleyin.