単独の人気だけでラインアップを選ぶと失敗する理由
2 つのフレーバーがそれぞれ消費者の 40% に好まれていても、それが同じ 40% なら、2 つを並べてもリーチは広がりません。TURF が注目するのは重なりです。組み合わせの中のいくつのアイテムがその人に刺さっても、リーチでは 1 回しか数えません。そのため、ほかの商品が取りこぼしている層に届くニッチなアイテムのほうが、既存商品と魅力が重なる人気アイテムより価値が高い場合があります。
組み合わせの数が 50,000 通り以下なら全探索し、それを超える場合は貪欲法による前向き選択に切り替え、結果に近似であることを明示します。選択したアイテムすべてに回答していない回答者はベースから除きます。
計算式
リーチ Reach(S) = Σ wᵢ · 1[回答者 i が組み合わせ S のアイテムの少なくとも 1 つでリーチされる] / Σ wᵢ。S は k 個のアイテムからなる候補の組み合わせ、wᵢ は回答者のウェイト（ウェイトなしの場合は 1）です。
フリークエンシー Frequency(S) = Σ wᵢ ·（S のうち回答者 i にリーチするアイテム数）/ Σ wᵢ で、回答者 1 人あたり組み合わせ内のいくつのアイテムが刺さっているかの平均です。増分リーチ = Reach(S ∪ {新アイテム}) − Reach(S) で、新しいアイテムが加える新規回答者の割合です。
分析例
「サンプルデータを使う」をクリックすると、架空のスナックブランド・トラッキング調査が読み込まれます。回答者 600 人が 8 種類のフレーバー候補の購入意向を 1〜5 で評価しており、4 または 5（トップ 2 ボックス）をそのフレーバーで「リーチした」とみなします。単独のリーチが最も高いのは「うすしお」で 48.7%、次いで「チェダーチーズ」（40.0%）、「チリライム」（39.3%）です。
3 フレーバーの組み合わせ 56 通りを全探索すると、最適な組み合わせは「うすしお」+「チリライム」+「ソルト＆ビネガー」で、回答者の 80.3%（600 人中 482 人）にリーチし、フリークエンシーは 1.26 です。2 位の「うすしお」+「チリライム」+「チェダーチーズ」のリーチは 78.8% です。単独で人気の高い 3 フレーバーを単純に選んだ場合のリーチは 78.8% にとどまります。
増分リーチのラダーを見ると、追加の効果は次第に小さくなります。「うすしお」単独で 48.7%、「チリライム」を加えると +20.5 ポイント、さらに「ソルト＆ビネガー」で +11.2 ポイント、4 つ目のフレーバーでは +6.0 ポイントしか増えません。
向いているケースと向いていないケース
TURF は回答者レベルのデータがあるときに「広がり」を比べるのに適していますが、購入量は測らず、アイテム間の代替関係もシミュレーションしません。
- 発売・継続する商品サイズ、フレーバー、SKU を決めるとき。
- 合わせて最も幅広い層に届く機能、広告メッセージ、メディアの組み合わせを選ぶとき。
- 各候補アイテムについて回答者レベルの評価や「好き/好きでない」のデータがあるとき。
- アイテムごとの集計割合しかない場合。TURF にはどの回答者が重なっているかの情報が必要です。
- 魅力の広がりより販売量や売上が重要な場合。リーチはライトユーザーとヘビーユーザーを同じに扱います。
- アイテム同士が食い合ったり価格の影響を受けたりする場合。コンジョイント分析などの選択型の手法を使ってください。
結果の読み方
増分リーチのラダーが平らになり始める位置で、最も小さい組み合わせを選びましょう。もう 1 アイテム加えても 1〜2 ポイントしか増えないなら、そのアイテムは主に既存の層と重なっています。リーチが同程度の組み合わせの間では、フリークエンシーが高いほうを優先します。より多くの回答者が組み合わせの中に好きな選択肢を複数持っていることを意味するからです。