Modelamiento cognitivo | Data Science

Diseñar experiencias sensoriales es todo un reto para los departamentos de I+D+i de empresas de alimentos y bebidas. Parte de la mística se encuentra en homologar el lenguaje del consumidor con el lenguaje del experto para lograr diseñar productos con el sabor, textura y olor característico y diferencial para poder ganar en el mercado. En este blog, compartimos avances en la materia y como desde machine learning se integran estas fuentes de información para simular experiencias sensoriales ganadoras. Antes una breve introducción en video sobre nuestra metodología de analítica sensorial ¿Que es un panel sensorial? Es un conjunto de expertos, con paladar entrenado y ciertas características reguladas que tras diferentes experimentos de calibración pueden detectar niveles en notas sensoriales de productos o ingredientes. La evaluación del panel, no es motivaciónal o culturalmente contaminada (ej: me gusta, no me gusta), por el contrario, es una evaluación técnica sobre concentraciones de sabores y olores. ¿Porque es importante monitorear sensorialmente el producto? Cambios en materias primas, proveedores, lanzamientos de la competencia, cambios en maquinaria de producción (ej horno) pueden hacer que el producto deje de exhibir características diferenciales y arriesguen la estabilidad de la marca en el mercado. Tener un panel sensorial para monitorear las categorías a manera de tracking es clave para saber en qué momento nuestro producto o el de la competencia pierde / gana diferencial sensorial. ¿Cual es el principal OutPut analítico del panel sensorial? El panel ofrece coordenadas de diferenciación sensorial de productos mediante análisis de componentes principales (PCA). En entornos de machine learning, contar con bases de datos de diferentes categorías permite crear factorization machines con el fin de encontrar vectores de diferenciación sensorial entre nuestro producto y la competencia. En PCA encontramos correlaciones entre propiedades sensoriales de los productos creando vectores. Estos permiten diferenciar entre competidores de una categoría definiendo territorios de rivalidad. ¿Cuánto vale cada territorio? ¿Cuál es el perfil sensorial de producto eficiente para competir en cada uno de estos territorios? ¿En qué momento entramos con el consumidor? Para cuantificar los territorios de rivalidad sensorial, es necesario hacer una prueba de producto con consumidor y analizar preferencias e intención de compra ante diferentes propuestas sensoriales del mercado, mismas que se han mapeado sensorialmente con antelación. Las propiedades de la prueba de producto variarán en función de la categoría, la fatiga sensorial de probar dos o más productos por sesión etc. Los consumidores no son iguales, tienen relaciones volumétricas diferentes con la categoría. Todos pueden ser consumidores de galletas por ejemplo, pero algunos pagarán más por paquete u otros serán compradores más frecuentes de marcas de bajo valor. En cualquier caso, mediante algoritmos de clustering, se deben detectar segmentos de consumidores y valorarse de forma dinámica en volumen, valor y preferencia para luego integrar los segmentos de consumidor con los territorios de rivalidad sensorial descritos en el análisis de componentes principales. Por lo general, un algoritmo de segmentación proveerá n soluciones para agrupar los consumidores y de la solución elegida se limitará o no la posibilidad de valorizar los territorios de rivalidad. ¿En qué momento se vincula la información de consumidor con la información de panel? Mediante algoritmos de escalamiento multidimensional, se ubican los segmentos de consumidores (algoritmo de clustermig) en el mimo plano geométrico de los territorios de rivalidad sensorial (Análisis de componentes principales). Si una proporción importante de usuarios de alto valor (aquellos que compran más o gastan más) quedan en el territorio sensorial de algún producto determinado, hay argumentos para predecir el impacto de la preferencia del producto sobre la participación o posición de mercado. También puede ocurrir, que un grupo de consumidores de alto valor se sitúe en un territorio de rivalidad sensorial donde no exista un competidor visible. En este caso nos encontramos ante una oportunidad que invitaría a las marcas a diseñar nuevas alternativas o propuestas de producto Quisiéramos acompañarte desde el método, la investigación y la analítica en tus proyectos de innovación, entremos en contacto: América del Sur México y Centroamérica

Data Science

Analítica sensorial y diseño de sabores

Mejores prácticas en gestión del churn: Data science

Conversación digital sobre estrés: Hallazgos desde text mining

Vitaminas y suplementos: Tendencias desde Text Analytics

Data Science: Experiencia de cliente y cobranza predictiva

Ciencia de datos y el journey empírico de experiencia de cliente.

Grow your business more quickly
with our solutions for inbound and ecommerce