TURF分析在产品线优化中的应用

作者 凯文大哥

​时至今日，TURF已被广泛应用到更多的营销研究领域，譬如新产品开发(New product
development)、产品线优化(Portfolio management and optimization)、促销组合计划(Optimization of promotion

plan)等。总的来说，TURF分析的基本目标是：通过识别出所研究对象的一个最优组合(Optimal range of varieties/ variants)，使之达到最大的市场覆盖(to maximize the coverage, or to minimize the overlap across all variants)。

下面两个实例，分别来自薯片和即饮咖啡的产品线优化，客户启动概念口味测试的需求正是TURF分析可提供的价值。

在产品测试中，“到达(Reach)”的对应表达通常是“购买意愿(Purchase intention，即PI)”。举例，假设有3个不同产品变种(potential variants)，消费者调查显示，购买意愿分别为：PI_A=35%，PI_B=20%，PI_C=10%。显然，如果只上市其中之一，选择是A。然而，问题是：如果从中选择两个上市，最优选择是什么？

采用集合论(Set theory)中的韦恩图(Venn
diagram)可以容易地理解TURF分析的基本逻辑。就该示例，从三个产品中选择两个的全部组合数Combin(3，2)=3，组合的购买意愿、及其内产品的“重复(duplicated/ overlapping)”关系均标示在下图。

可见，此时最优的产品组合(the optimal
range)应是“A和C”，可以达到最大的市场覆盖。尽管A和B各自有高的购买意愿，但是它们的购买群体的重叠度很高，很可能消费者感知它们彼此是“接近的/相似的/差别不大的/可相互替代的”。

​实践中，主要有三种形式的TURF分析(见下图)，出现在不同的应用场景。

第一种形式：Standard TURF

其实，这就是我们通常意义下所说的(“正宗的”)TURF，加上“Standard”仅仅是为了和后面的两种形式相区别。

Standard TURF是从“广度”上考量媒体或产品组合的最大化市场覆盖，例如最大的广告受众群体、最大的客户群体等。“广度”，往往代表着所触及到的目标市场的规模，无疑是一个重要的分析维度；此外，在应用层面上，Standard TURF显得简单、易操作，因此相当地受欢迎。特别地，对于耐用品或其它购买频次较低的产品市场的​分析，Standard TURF仍然不失为一种适合的算法。

例1[汽车车身颜色研究]：在某一个细分市场，调查潜在购车者对车身颜色的接受意愿。总共有20中不同颜色用于测试，目的是确定一个最优的车身颜色组合，以尽可能最大化地满足细分市场的需求。

TURF分析结果显示​(见下图)，对于该细分市场，最优的车身颜色组合应包含7-14种颜色，在此范围内接收者群体的占比彼此间差距不显著、增长曲线趋于平缓。当少于7种颜色时，接收者群体占比处于敏感区，更少颜色的市场供给则意味着有显著份额的市场不能被满足。

第二种形式：Volumetric TURF

Volumetric TURF，可称为基于购买数量的TURF分析，是在Standard TURF基础上，增加了消费者对意向产品购买数量存在差异的考量。Volumetric TURF更适合针对快消品市场的分析：产品形式丰富、选择多样；消耗量大，需要频繁购买；消费者对单一产品的忠诚度较低，经常转换或同时购买多个不同产品。

以一个冰激淋概念测试研究为例，具体地，Volumetric TURF分析需要测试两个关键问题(见下图)。​

在这种情形下，一个最优的产品组合应该是：1) “买的人多”，即触及到较大规模的市场群体；2) “被买的数量大”，即在同类产品购买中所占比重较大。

​Volumetric TURF分析的工作量稍大，尤其当测试产品数量较多时。Volumetric TURF的结果呈现，与Standard TURF相比在形式上并无不同，典型地仍然是采用累积折线图或堆积条形图。

第三种形式：Advanced TURF

Advanced TURF，这不是一个通用的名称，按图3(Fig3)概括可理解为基于购买数量、且综合考量购买优先级和相互替代关系的TURF分析。具体地，用于Advanced TURF分析的关键测试问题概括在下图(Fig6)。同Volumetric TURF一样，Advanced TURF也更适合针对快消品市场的分析。

Advanced TURF分析的算法复杂、过程比较耗时间。然而，同样地，堆积条形图是典型的结果呈现形式，用于测度一个新品进入能够为产品线(即已有组合)带来的潜在的净增长/增量增长(incremental growth)，以及对组合内其它产品的蚕食(cannibalization)。

​例3[即饮预调酒概念测试]：当前有8种口味，开发了4种新口味拟上市，引入Advanced TURF设计、测试和分析，识别出引入新口味后的最优产品组合。

下图(Fig7)是例3的Advanced TURF分析的典型输出，给出在当前口味基础上，当加入1个、2个、…新口味时的最优组合，以及潜在的组合内蚕食的评估。可见，预调酒爱好者表现出强烈的尝鲜态度，4种新口味进入组合均有带来较高增量增长的预期。其中，“富士苹果&柠檬草(Fuji Apple & Lemon Grass)”表现最为抢眼。

事实上，只在Advanced TURF分析中，产品变种彼此之间的“蚕食”才有被专门对待和精确测度，算法上源自对购买优先级和相互替代关系的数据处理。在Standard TURF和Volumetric TURF中，“增量增长”的结果是可靠的，而“蚕食”仅仅意味着产品变种有被同时触及(有重叠或同向的购买意愿)，并不能揭示“蚕食”的方向(即谁是蚕食者、谁是被蚕食者)，数值结果上大体上是依据“平均分配”思想的折算。

总的来说，TURF是一个逻辑清晰、过程简单和易于理解的分析方法，可方便地嵌入到产品概念测试之中，与其它常规分析配合为产品线优化决策提供依据。经常地，相似性分析(Similarity analysis)也被引入配合TURF分析，丰富和完善分析结果。[注：有关相似性分析的更多论述，可参阅本人2016年12月12日博文《相似性分析(Similarity analysis)帮助识别产品差异化感知程度》]

最后，简要概括TURF应用的一些限制(constraints):

1) TURF主要应用于产品线优化(Line optimization/extension)，在(同属一个细分市场或同属一个产品系列的)产品变种层面分析(at variety/ variant level)，这些变种之间的差异往往来自口味、颜色、尺寸等。以汽车的一个细分市场为例(如例1)，研究车身颜色的最优组合时使用TURF是合适的；然而，如果拟开发新的车型(model)，评估上市后对整个细分市场带来的竞争态势(即市场份额)的变化——此时车型之间较大的差异对应着不同的价值(意味着定价差异大)，TURF并不合适，往往需要其它设计和分析，例如联合分析(Conjoint analysis)。

2) TURF往往仅针对自身产品线(within
client’s product line)，相当于局部(locally)求解，偶有/较少引入竞品变种，基本上不会去尝试模拟整个目标市场——全局(globally)求解。原因在1)。

3) TURF分析结果不可作为常规分析(例如单一产品的购买意愿和购买数量的相互比较)的替代——两类分析从不同角度检视产品吸引力，各有用处，宜配合使用。

4) 建议采用“先进保留”策略，即：如果两产品的最优组合是“A C”，那么寻找三产品的最优组合应以此为起点进行，即“A C ?”，而不是完全再自由组合后识别。这样做至少有两方面的好处：一是显著降低了算法的复杂度，产品组合数渐次大幅减少；二是符合一般的营销理念，“优先保留最好的”而不是“保留两个比较好的”。