1 min
Smaakstoffenproducent Quest heeft een statistische methode ontwikkeld waarmee het smaakvoorkeuren kan voorspellen. Het bedrijf rept van een revolutie in het smaakontwikkelingsproces.De methode, LISA genaamd (Linking flavour Ingredients and Sensory data to Acceptance), combineert data van de smaakcomponenten die consumentenvoorkeur bepalen met sensorische data zoals sappigheid, rijpheid, zoetigheid et cetera. Deze data zijn verkregen uit consumenten- en expert panels. ‘Door deze combinatie kunnen we wereldwijd onder verschillende consumentengroepen smaakvoorkeuren voorspellen en optimaliseren’, aldus Vice-President van de smaakdivisie Cees de Jong.
Met de methode kan Quest bijvoorbeeld voorspellen dat Braziliaanse vrouwen tussen 25 en 35 die vaak sinaasappelsap drinken, houden van sappige, groene limonades. Braziliaanse vrouwen onder de 16 die meer van koolzuurhoudende sinaasappeldranken houden, zijn meer gecharmeerd van zoetige, ‘bloemige’ limonades.
Volgens consumer understanding systems manager Tom de Block kan Quest op verzoek van een klant precies bepalen welke smaakcomponenten de voorkeur positief of negatief beïnvloeden. ‘De kracht van LISA is dat we voor specifieke consumentengroepen tot op componentniveau kunnen bepalen welke smaken aanslaan en welke afstoten.’
De Block stelt dat het ontwikkelen voor specifieke doelgroepen in het pre-LISA-tijdperk vaak een kwestie van ‘afwachten of het product succesvol’ was. ‘Nu kunnen we vrij snel de meest optimale smaak bepalen. Wel moeten onze smaakdeskundigen deze smaak nog altijd aanscherpen. Smaakbeleving is zo complex dat alleen statistiek niet volstaat.’
Om het heel kort samen te vatten: voortaan krijg je dus alleen nog wat het model verwacht dat je lekker valt. Verrassingen zijn uitgesloten. Jammer!
bron: EVMI
Nog 3
Je hebt 0 van de 3 kado-artikelen gelezen.
Op 5 mei krijg je nieuwe kado-artikelen.
Op 5 mei krijg je nieuwe kado-artikelen.
Als betalend lid lees je zoveel artikelen als je wilt, én je steunt Foodlog
Lees ook
Jurgen,
Om toxiciteit voor de mens te voorspellen moet je mensgegevens modelleren. Muizen of ratten komen er niet aan te pas. Het gaat natuurlijk niet voor alle klassen chemische stoffen werken, maar iedere winst is meegenomen.
Idem dito voor het voorspellen van consumentenvoorkeur. Dat gaat ook niet altijd lukken. Ikzelf heb een achtergrond in voorspellende modellen en kijk ook altijd naar de onzekerheid in de resultaten. Vergelijk het met de weersvoorspelling waar tegenwoordig een marge op gegeven wordt. Bij het Quest model zie ik daar niks van terug in publikaties (bijv. in het tijdschrift "drink technology + Marketing", November 2006). Dus veel van de uitspraken gebaseerd op dat model moet je sowieso met een korrel zout nemen.
Tenslotte: proefpanels zijn er om een product te karakteriseren, niet om een voorkeur te bepalen. Gegevens m.b.t. voorkeur haal je bij consumenten vandaan.
Jurgen, cynisch? Ja en nee. Ik denk dat Klaas gelijk heeft aan de basis van het proces en jij aan het einde ervan. De winst die Klaas signaleert is dat raden van bestuur beginnen te begrijpen dat je tóch wat meer kunt rekentuig hebt om ook aan het einde van de rit iets fatsoenlijks te hebben.
Voorlopig kunnen we nog niet eens altijd voorspellen of een stofje dat giftig is in een muis dat ook in dezelfde mate zal zijn in een rat of mens. De toepasbaarheid van dit soort modellen is mi dan ook niet erg groot.
Neem het "New Coke" verhaal. Proefpanels lieten zien dat zoet meer gewaardeerd werd. De aanpassing van de smaak van Coke werd echter juist niet gewaardeerd. Smaak is subjectief. Voor dit soort industriele productie kun je het geld beter uitgeven een een slimme marketingcampagne. Bagger in een flesje met een goede reclamecampagne verkoopt beter dan goed spul zonder. Of ben ik nu te cynisch?
Het toepassen van dit soort modellen is al betrekkelijk oud. In andere bedrijfstakken en met andere gegevens al zeker 30 jaar. Het loopt in feite gelijk met de beschikbaarheid van computers. Wat ik zelf een interessant toepassingsgebied van dit soort modellen vind, is het voorspellen van de toxiciteit van een chemisch stofje zonder dat je daar dierproeven voor nodig hebt. Dat scheelt want er zijn door de jaren heen miljoenen chemische stofjes gemaakt waar dat nog voor moet worden onderzocht! Nieuw is, tenminste voor mij, dat het hoge management zich voor die modellen gaat interesseren, dus niet alleen maar de nerds.
Nee, maar als ik het zo lees, dan gaan mijn gedachten dezelfde kant op als de jouwe: het lijkt verdacht veel op 'droog' gebruik van 'nat' verkregen gegevens waarmee je aardige simulaties kunt maken ;-)
Ik ga er eens achteraan.