模型故事:产品线优化的利器TURF分析

star2017 1年前 ⋅ 141 阅读

前年,手机开始流行渐变色,我们帮助某厂商做手机外观的CMF偏好测试。我们大概测了十几个手板,有经典的黑色银色,更多的是各种渐变色。研究设计时,我们遇到一个挑战:如果只能推出四种颜色,是应该从测试结果中选出最受欢迎的前四种吗?但是,几乎不用做调研,大家都知道经典的黑色银色肯定最受欢迎,而且喜欢黑色或银色的很可能是同一类偏保守或者传统的用户;所以,如果在黑色和银色中保留一种,应该保留哪一种?其余的渐变色中,如果只能推出3种,应该选择哪三种,能覆盖最多的用户呢?

手机CMF项目的挑战,我们应用了TURF分析完美解决。TURF是累计不重复到达率和频次分析(Total Unduplicated Reach and Frequency)的简称。其目的就是用尽可能少的资源取得最大的回报。TURF最初被应用于传媒领域,研究媒体渠道的最优组合。现在,TURF已经产品组合研究的利器。客户反馈上市后半年,新手机不同颜色的销量排序和我们建议的颜色组合排序高度一致。

现在我们把TURF应用在更多商业决策中。

乳品客户关心应该推出哪几种酸奶水果口味组合,才能照顾最多人的口味偏好?而且最好也能照顾男女差异、不同年龄段的差异?

主机厂关心应该推出哪几种配置组合,才能覆盖尽可能多的车主需求?也要覆盖不同区域、不同年龄段、新购和换购车主的需求。

餐饮机构关心在中央厨房资源有限的支持下,菜单上应该有哪些主打菜,才能即体现本店特色,也能覆盖最多顾客的就餐需求?同时还要考虑不同背景的客群偏好?

广告主关心在资源有限的情况下,应该选择哪几个传播渠道,能最大化覆盖目标用户群?

品牌主关心在促销资源有限情况下,应该如何组合不同的促销类型,才能完成最大化的拉新目标呢?

为什么今天想要分享这个模型呢?因为这两天我们在梳理食品饮料消费者的产品体验研究模型,在资料扫描中发现不同时期的大部分权威的口味研究资料中都有TURF的身影,这一瞬间,你会觉得很幸福很踏实,因为一个工具当它在不同领域反复出现时,幸福是因为说明你的知识体系圆满了,踏实是因为你知道它靠谱有用,因为“谎言可以暂时欺骗所有人,谎言可以永远欺骗部分人,但是不能永远欺骗所有人”。

这种踏实和幸福也是乙方研究者独有的体验,当我们站在各个行业的十字路口,看着不同方向的车来车往,忽然发现,似乎有些共同的规律,当你和各个行业的专家分享这些规律的时候,他们也觉得忽然大悟,哦,原来我每天经过的路口有这么多有趣的事情啊:)

附上TURF模型的PPT资料和算法分析

模型故事:产品线优化的利器 TURF 分析
模型故事:产品线优化的利器 TURF 分析
模型故事:产品线优化的利器 TURF 分析
模型故事:产品线优化的利器 TURF 分析
模型故事:产品线优化的利器 TURF 分析

 

本文来自zhihu,观点不代表一起大数据-技术文章心得立场,如若转载,请注明出处:https://zhuanlan.zhihu.com/p/394271612

更多内容请访问:IT源点

相关文章推荐

全部评论: 0

    我有话说: