为什么只看单项受欢迎度会选错产品线
两个口味各自吸引 40% 的消费者，如果吸引的是同一批 40%，把它们放在一起并不会扩大覆盖。TURF 关注的是重叠：无论组合中有几个项目吸引某位受访者，他在覆盖率中只计一次。因此，一个能触达其他产品遗漏人群的小众项目，可能比一个与现有产品吸引力重叠的大众项目更有价值。
组合数量不超过 50,000 种时，计算器会穷举所有组合；超过时改用贪婪前向选择，并在结果中明确标注为近似结果。所有所选项目都未作答的受访者不计入基数。
计算公式
覆盖率 Reach(S) = Σ wᵢ · 1[受访者 i 至少被组合 S 中的一个项目覆盖] / Σ wᵢ。其中 S 是包含 k 个项目的候选组合，wᵢ 是受访者权重（不加权时为 1）。
频次 Frequency(S) = Σ wᵢ ·（S 中覆盖受访者 i 的项目数）/ Σ wᵢ，即每位受访者平均被组合中几个项目覆盖。增量覆盖率 = Reach(S ∪ {新项目}) − Reach(S)，即新增项目带来的新受访者比例。
分析示例
点击“使用示例数据”会加载一份合成零食品牌数据：600 名受访者对 8 种候选口味的购买意向打分（1–5 分），打 4 分或 5 分（前两项）即视为被该口味“覆盖”。单项覆盖率最高的是海盐，为 48.7%；其次是切达奶酪（40.0%）和青柠辣椒（39.3%）。
对全部 56 种三口味组合做穷举后，最佳组合是 海盐 + 青柠辣椒 + 盐醋，覆盖 80.3% 的受访者（600 人中的 482 人），频次为 1.26。第二名 海盐 + 青柠辣椒 + 切达奶酪 覆盖 78.8%。如果只是简单选出单项最受欢迎的三种口味，覆盖率为 78.8%。
增量覆盖率阶梯显示边际收益递减：海盐单独覆盖 48.7%；加入青柠辣椒后增加 20.5 个百分点，再加入盐醋增加 11.2 个百分点，第四个口味只增加 6.0 个百分点。
适用与不适用的场景
TURF 适合在有受访者层面数据时比较“广度”，但它不衡量购买量，也不模拟项目之间的替代关系。
- 适用：决定上市或保留哪些产品规格、口味或 SKU。
- 适用：挑选一组共同触达最广人群的功能、广告信息或媒体渠道。
- 适用：每个候选项目都有受访者层面的评分或“是否喜欢”数据。
- 不适用：只有每个项目的汇总百分比——TURF 必须知道哪些受访者重叠。
- 不适用：销量或收入比吸引力广度更重要——覆盖率对轻度和重度购买者一视同仁。
- 不适用：项目之间互相蚕食或受价格影响——应改用基于选择的方法（如联合分析）。
如何解读结果
在增量覆盖率阶梯趋于平缓的位置选择最小的组合：当再加一个项目只增加一两个百分点时，它主要是在重复覆盖已有人群。覆盖率相近的组合之间，优先选择频次更高的组合——这意味着更多受访者在组合中有不止一个喜欢的选项。