Levensmiddelenfabrikanten die niet meekomen in de machine learning-transitie kunnen binnen tien jaar niet meer concurreren. Dat is de voorspelling van Aigora’s John Ennis. Samen met zijn collega Tian Yu demonstreert hij op het Sensory Symposium van 25 november a.s. hoe waardevol machine learning kan zijn.
Jullie presentatie heet How Machine Learning Helps Predict Consumer Response within a Drivers of Liking Context. Kun je een korte samenvatting geven?
‘Productinnovatiecycli zijn vaak te lang. Meerdere iteraties van de verschillende stadia zijn nodig voordat je een geschikt product succesvol kunt lanceren. Door voorspellende modellen in elke fase van dit traject te gebruiken, kunnen productontwikkelingsteams kandidaat-producten screenen op het verwachte succes in de volgende fase. Dit versnelt het proces aanzienlijk, de winpercentages nemen toe, en de behoefte aan middelen neemt af.’
Hoe ziet dat eruit in de praktijk?
‘We doen voorspellingen over de waardering van de consument op individueel niveau. Dat doen we op basis van consumenteninformatie in combinatie met sensorische en analytische metingen van de monsters. Ook voorspellen wij sensorische profielen op basis van analytische metingen, en hoe een monster waarschijnlijk gaat presteren in een bepaalde context. Dat doen wij op basis van metingen die in een andere context zijn verricht. Een voorbeeld: hoe zal een levensmiddel presteren wanneer het eenmaal is gekookt, op basis van metingen van het eten in ongekookte vorm?’
'Fabrikanten die niet meekomen in deze transitie kunnen binnen tien jaar niet meer concurreren’
Hoe belangrijk is machine learning, nu én straks, in het beter begrijpen van consumenten?
‘Uiteindelijk zullen alle grote fabrikanten van verpakte consumentengoederen, samen met hun leveranciers, beschikken over uitgebreide kennisbanken waarmee zij hun historische gegevens opvragen. Op basis van deze gegevens kun je gemakkelijk virtuele pilots uitvoeren met behulp van rapportage-automatiseringstools. Deze pilots helpen het ontwerp van nieuw onderzoek. Met machine learning-modellen kun je simulaties uitvoeren om de productontwikkelingscyclus te versnellen. Sommige vooruitstrevende fabrikanten worden hierdoor bijna technologiebedrijven. Fabrikanten die niet meekomen in deze transitie kunnen binnen tien jaar niet meer concurreren.’
Wat is een van de grootste misvattingen over machine learning?
‘Dat het een soort magische gehaktmolen is; bovenin giet je gegevens en de inzichten komen er onderaan weer uit. In het echte leven is het door segmentatie en verzadiging heel moeilijk om zintuiglijke en consumentenmodellen goed in te passen. Dit komt vooral door de relatief kleine dataset en de contextafhankelijke aard van de resultaten.’
Over John Ennis
Ennis is een ervaren marktonderzoekconsultant. Hij schreef ruim 40 artikelen en twee boeken op het gebied van sensory- en consumentenwetenschappen. Hij is medeoprichter van Aigora, een Amerikaans bedrijf dat als missie heeft: sensorische en consumentenwetenschappelijke teams te helpen bij het implementeren van kunstmatige intelligentie.
Read more. Follow us on Linkedin.
About the MOA Expert Group Sensory Research
The Expert Group Sensory Research is a platform to debate for and about sensory/consumer research. Its goal is to safeguard quality and encourage the exchange of knowledge and good training within this discipline and the professional domain. The symposium is fully in English and its ultimate goal is to find the best match between the latest scientific insights on sensory, consumer and business demands.