TURF分析とは — 「人気1位を3つ並べる」が失敗する理由

フレーバー候補を10個テストして、選択率が「いちご45%・ブルーベリー42%・ラズベリー40%」だったとします。上位3つを採用したくなりますが、この3つを選んだ人はほとんど同じ人かもしれません。ベリー系が好きな層が3回カウントされているだけです。

上段は、選択率の合計127%に対して実際に届いたのは204人です。3つとも選んだ人が多く、延べ508票が204人に集中しています。下段は合計112%と少ないのに288人に届いています。棚に置ける枠が3つしかないなら、選ぶべきは下段です。TURF分析は、この重複を機械的に外して最良の組み合わせを見つけます。

特別な調査は要りません。複数回答の設問が1つあれば足ります。

TURFの出力は「1品目のとき最良の組み合わせと到達率」「2品目のとき…」と品目数ごとに並びます。見るべきは到達率そのものより、1品増やしたときの増分です。

この例なら3〜4品目が妥当です。5品目の増分は2ポイントで、製造・在庫・棚のコストに見合いません。「増分が5ポイントを切ったら止める」といった基準を、分析前にチームで決めておくと議論が早く終わります。

• 売上・販売数量は分からない。到達人数であって、1人がいくら買うかは含まれません
• 「1つ以上選ぶ」を到達とみなすため、深く愛される商品と、なんとなく選ばれた商品が同じ1票になります
• 候補数が増えると組み合わせが爆発します（20候補から5つ選ぶ組み合わせは15,504通り）。候補は事前に20程度まで絞ってください
• 回答者が候補を実際に見て選んだ結果であり、店頭での見つけやすさは考慮されていません

1人あたりの購入額まで踏み込みたいなら、選択率ではなく購入意向の強さを重み付けしてTURFを回すか、コンジョイント分析でシェアシミュレーションを行う方が適しています。