為什麼只看單一項目的受歡迎程度會選錯產品線
兩種口味各自吸引 40% 的消費者，如果吸引的是同一群 40%，把它們放在一起並不會擴大觸及。TURF 關注的是重疊：不論組合中有幾個項目吸引某位受訪者，他在觸及率中只算一次。因此，一個能觸及其他產品漏掉的族群的小眾項目，可能比一個與現有產品重疊的大眾項目更有價值。
組合數量不超過 50,000 種時，計算器會窮舉所有組合；超過時改用貪婪前向選擇，並在結果中明確標示為近似結果。所有選取項目都沒有作答的受訪者不計入基數。
計算公式
觸及率 Reach(S) = Σ wᵢ · 1[受訪者 i 至少被組合 S 中的一個項目觸及] / Σ wᵢ。其中 S 是包含 k 個項目的候選組合，wᵢ 是受訪者權重（不加權時為 1）。
頻次 Frequency(S) = Σ wᵢ ·（S 中觸及受訪者 i 的項目數）/ Σ wᵢ，也就是每位受訪者平均被組合中幾個項目觸及。增量觸及率 = Reach(S ∪ {新項目}) − Reach(S)，即新增項目帶來的新受訪者比例。
分析實例
按「使用範例資料」會載入一份合成的零食品牌資料：600 位受訪者對 8 種候選口味的購買意願評分（1–5 分），給 4 分或 5 分（前兩項）就算被該口味「觸及」。單一口味觸及率最高的是海鹽，為 48.7%；其次是切達起司（40.0%）和萊姆辣椒（39.3%）。
把全部 56 種三口味組合窮舉一遍後，最佳組合是 海鹽 + 萊姆辣椒 + 鹽醋，觸及 80.3% 的受訪者（600 人中的 482 人），頻次為 1.26。第二名 海鹽 + 萊姆辣椒 + 切達起司 觸及 78.8%。如果只是單純挑出最受歡迎的三種口味，觸及率則是 78.8%。
增量觸及率階梯呈現邊際效益遞減：海鹽單獨觸及 48.7%；加入萊姆辣椒後增加 20.5 個百分點，再加入鹽醋增加 11.2 個百分點，第四個口味只增加 6.0 個百分點。
適合與不適合的情境
TURF 適合在有受訪者層級資料時比較「廣度」，但它不衡量購買量，也不模擬項目之間的替代關係。
- 決定要上市或保留哪些產品規格、口味或 SKU。
- 挑選一組能共同觸及最廣族群的功能、廣告訊息或媒體通路。
- 每個候選項目都有受訪者層級的評分或「是否喜歡」資料。
- 只有每個項目的彙總百分比——TURF 必須知道哪些受訪者重疊。
- 銷量或營收比吸引力的廣度更重要——觸及率對輕度和重度購買者一視同仁。
- 項目之間互相侵蝕或受價格影響——應改用以選擇為基礎的方法（例如聯合分析）。
如何解讀結果
在增量觸及率階梯開始變平的位置選擇最小的組合：再加一個項目只多一兩個百分點時，它主要是在重複觸及原有的族群。觸及率相近的組合之間，優先選頻次較高者——這代表更多受訪者在組合中有不只一個喜歡的選擇。