How Tastry "Компьютерийг хэрхэн амтлахыг зааж өгсөн".

Tastry нь шинэ хими болон хиймэл оюун ухааныг ашиглан хэрэглэгчийн сонголтыг урьдчилан таамаглахад хэрхэн ашигладаг.

Анхнаасаа бидний хариулахыг хүссэн асуулт бол: "Бид мэдрэхүйд суурилсан бүтээгдэхүүний өвөрмөц амт матриц, хэрэглэгчдийн биологийн өвөрмөц сонголтыг тайлж, тааламжит байдлыг нарийн таамаглаж чадах уу?" Богино хариулт бол тийм.

Гэсэн хэдий ч бид судалгааныхаа эхэн үед одоо байгаа химийн шинжилгээний аргууд болон одоо байгаа хэрэглэгчдийн сонголтын өгөгдөл нь статистикийн хувьд ач холбогдолгүй хамаарал, таамаглалыг өгдөг болохыг олж мэдсэн. Бид ахиц дэвшил гаргахын тулд өөрсдийн өгөгдлийг бий болгох ёстой гэдгийг мэдэж байсан.

Нэгдүгээрт, бид химийн шинжлэх ухааныг аль болох ил тод болгох (дэгдэмхий бодис, дэгдэмхий бодис, ууссан, спектрийн өгөгдөл гэх мэт) аналитик химийн аргыг бий болгох шаардлагатай байсан. Энэ химийн бодисыг хүмүүс тагнайндаа хэрхэн мэдэрдэгийг ойролцоогоор ойлгоход туслах зорилгоор орчуулж болно.

Хоёрдугаарт, бид үндсэн үнэн болохын тулд өргөн хүрээний, олон янзын, байнга өсөн нэмэгдэж буй бодит хэрэглэгчдийн бүлгийн биологийн мэдрэхүйн сонголтыг байнга бөгөөд үнэн зөв олж авах, нэмэгдүүлэх, хянах аргыг бий болгох шаардлагатай байв.

Яагаад одоогийн аргууд нь мэдрэхүйд суурилсан бүтээгдэхүүнийг хэрэглэгчдийн сонирхлыг таамаглаж чадахгүй байна вэ?

Бид 2015 онд судалгаагаа эхлүүлэхдээ дарсны амт, тухайлбал амт, үнэр, бүтэц, өнгөний талаар мэдэх шаардлагатай бүх зүйл химийн салбарт байдаг гэсэн таамаглалыг дэвшүүлсэн. Гэсэн хэдий ч дутуу байсан зүйл бол илүү өргөн хүрээтэй дүн шинжилгээ хийх арга байв.

Энэхүү хязгаарлалтыг тайлбарлахын тулд мэдрэхүйд суурилсан бүтээгдэхүүний хими нь чанарын хяналтад голчлон чиглэгддэг, өөрөөр хэлбэл, энэ хольцод энэ аналитийн хэмжээ хэр их байдаг вэ гэдгийг ойлгох нь чухал юм. Гол нь бүх анализаторууд, тэдгээрийн харьцангуй харьцаа эсвэл хүний ​​тагнайд хэрхэн нийлж амтыг бий болгохыг үнэлэхэд гол анхаарлаа хандуулдаггүй. Хүний тагнай дахь олон зуун нэгдлүүдийн хооронд динамик харилцан үйлчлэл явагдаж байдаг тул энэ нь бидний гэрэлтүүлэх шаардлагатай байсан сохор цэг юм. Хүний тагнай амт нэгдлүүдийн "химийн шөл"-ийг нэгэн зэрэг мэдэрдэг бөгөөд машин шиг нэг нэгдлүүд нэг дор байдаггүй. Эдгээр олон нэгдлүүдийн хоорондын харилцан үйлчлэл нь хэрэглэгч бүрийн өвөрмөц биологитой хослуулан тухайн хүнд химийн ямар шинж чанарыг илэрхийлж байгаа талаар чухал нөхцөлийг бүрдүүлдэг.

Мэдрэхүйг харгалзан үзэхийн хэрээр энгийн арга нь дараах байдалтай байна.

• Судалгаанаас харахад хүмүүс цөцгийн тосонд дуртай байдаг.
• Диацетил нь цөцгийн тосны амттай холбоотой нэгдэл юм.
• Хэрэв бид илүү их диацетил агуулсан шардоннай хийвэл илүү олон хүнд таалагдах болно.

Энэ аргын гол асуудлууд.

1. Зөвхөн нэгдлүүдийн тоон үзүүлэлтээр амтыг урьдчилан таамаглах боломжгүй. Диацетилийн өгөгдсөн концентрацийг нэг дарс эсвэл хувцасны чимэгт цөцгийн тос гэж ойлгож болох боловч нөгөөд нь биш. Учир нь дарсанд олон зуун өөр нэгдлүүд байдаг бөгөөд тэдгээрийн агууламж, харьцаанаас хамааран диацетил нь бүрхэгдсэн эсвэл илэрхийлэгддэг. Машинаас ялгаатай нь хүн бүх нэгдлүүдийг нэгэн зэрэг мэдэрдэг, мэдрэхүй нь нэгдэл тус бүрийг тусад нь шинжилдэггүй, тиймээс аливаа хувь хүний ​​тоон үзүүлэлтийг урьдчилан таамаглах албагүй.

 

2. Хүмүүс амтыг өөрөөр хүлээн авч, харилцан ойлголцдог. Мэргэжилтнүүдийн багийн дунд ч гэсэн шинжээчдийн тал нь алим шиг амттай зүйл, нөгөө тал нь лийр гэж тодорхойлж болно. Мөн дундаж хэрэглэгчийг урьдчилан таамаглах боломжгүй юм. Бидний судалгаагаар хүний ​​амтыг нэг хүнээс нөгөөд хэлээр дамжуулан үнэн зөвөөр дамжуулахад хангалттай мэдрэгддэггүй гэдэгт бид итгэдэггүй. Бидний тодорхойлолтууд хэтэрхий тодорхойгүй бөгөөд бидний тодорхойлолтууд нь хувь хүний ​​биологи, соёлын туршлага дээр үндэслэн өөр өөр байдаг. Жишээлбэл, АНУ-д ихэнх хэрэглэгчид бензальдегидийн тухай ойлголтыг "интоор" гэж тодорхойлдог бол Европ дахь ихэнх хэрэглэгчид үүнийг "марзипан" гэж тодорхойлдог ... тэр ч байтугай нэг дарсанд байдаг.

 

3. Хэрэглэгчдийн мэдэрдэг амт нь тэдэнд үнэхээр таалагдаж байгаа эсэхтэй ямар ч хамааралгүй юм. Бидний судалгаагаар дарс интоор шиг амттай тул хэрэглэгчид дарс авахаар шийддэггүй нь ажиглагдсан. Тэд зүгээр л дарсанд таалагдсан гэж дүгнэдэг бөгөөд дахин таалагдах магадлалтай.

Жишээ нь: Энэхүү ойлгомжгүй байдал нь зөвхөн дарсны сегментэд хамаарахгүй. Бид дэлхийн хамгийн том амт, үнэртэн компаниудын удирдлагууд болон судлаачидтай уулзсан. Нэгэн удирдах ажилтан саяхан шинэ лаванда шоколад хийх төсөлд сэтгэл дундуур байгаагаа тайлбарлав. Энэ компани шоколаданд дуртай, лаванда цэцэгт дуртай, лаванда цэцгийн шоколаданд дуртай хэрэглэгчидтэй фокус групп ажиллуулж, олон сая доллар зарцуулсан. Эцсийн дүндээ судалгаанд оролцогчид лаванда цэцгийн шоколад гэдэгтэй санал нийлж байгаа боловч лаванда цэцгийн шоколаданд дургүй гэдэгтэй санал нийлсэн байна.

Эдгээр ойлголтын үр дүнд бид судалгаагаа хэрэглэгчид ямар химийн матрицанд дуртай, ямар амтыг мэдэрч байгаагаас нь хэр хэмжээгээр таамаглахад чиглэх ёстой гэж дүгнэсэн.

Бидний арга барил хэр өөр вэ

Хог хаягдал, хог хаягдал. Өгөгдлийн чанарын тухайд бид одоо байгаа арилжааны болон олон нийтийн мэдээллийн хэрэгслээр хүчинтэй сургалтын багц үүсгэх боломжгүй гэдгийг ойлгосон. Бид өөрсдөө, дотооддоо бий болгох хэрэгтэй болно.

Бидэнд хэрэгтэй хамгийн эхний зүйл бол дарсны дэгдэмхий, дэгдэмхий, ууссан хатуу бодис, спектрийн өгөгдөл гэх мэт нарийн тэнцвэрийг нэг агшин зуурын агшин зуурт харуулах химийн арга байсан бөгөөд энэ нь хүний ​​тагнайтай илүү холбоотой байх болно.

Олон жилийн туршилтын үр дүнд түүвэр бүрт 1 сая гаруй мэдээллийн цэг үүсгэдэг аргачлал бий болсон. Энэхүү нарийн ширхэгтэй бөгөөд асар их хэмжээний өгөгдлийг дараа нь манай мэдээллийн шинжлэх ухааны багийнхны боловсруулсан машин сургалтын алгоритмуудаар боловсруулдаг бөгөөд тэдгээр нь аналит ба аналитикийн бүлгүүдийн харьцаанд үндэслэн хүний ​​ойлголтыг илтгэдэг харилцан хамаарлыг тайлах зорилготой юм.

Бид энэ аргын үр дүнтэй болохыг нотолсоны дараа дэлхий даяарх олон мянган дарсны амт матрицыг задлан шинжилж, тайлж эхэлсэн бөгөөд дараа нь дарсны ертөнцийн амт матрицын иж бүрэн мэдээллийн санг боловсруулсан.

Хэрэглэгчийн хүсэл сонирхлыг химийн хичээлтэй холбох

Дараа нь бид янз бүрийн хэрэглэгчид ямар амт матрицыг илүүд үздэгийг ойлгох хэрэгтэй бөгөөд бидний шинжилсэн дарсыг амталж, үнэлдэг. Олон жилийн турш бид олон мянган хэрэглэгчидтэй тогтмол давхар сохор амталгааны самбар ажиллуулж, тус бүр нь олон арван эсвэл хэдэн зуун дарсыг цаг хугацааны явцад амталдаг. Судалгаанд оролцогчдын дунд дарсанд шинээр ирсэн хүмүүс, ердийн дарс уугчид, мэргэжилтнүүд, дарс үйлдвэрлэгчид, сомельечид багтдаг.

Олон хүнээс авсан системүүд нь чухал өгөгдлийг алддаг эсвэл үл тоомсорлодог. Жишээлбэл, Паркерын хэмжүүрээр ихэнх хүмүүс 80 онооны дундаас доош дарс авдаггүй. хүрээ. Гэхдээ хэрэглэгчид дуртай зүйлээсээ илүү дургүй зүйлдээ дургүй байдгийг бид мэдсэн. Тиймээс давуу эрх, ялангуяа сөрөг сонголтуудын талаар бүрэн дүр төрхтэй байх нь маш чухал юм.

Бид дарсны янз бүрийн төрлийн амт матрицыг хэрэглэгчдийн өвөрмөц давуу талыг ойлгохын тулд шинэ машин сурах арга барилаа ашигласан. Цаг хугацаа өнгөрөхөд энэ нь бидэнд тэдний амталж амжаагүй дарсыг хэрхэн сонгохыг нарийн таамаглах боломжийг олгосон. Энэ үйл явцын үеэр бид бие даасан дарс, түүнчлэн хувь хүний ​​сонголт нь өвөрмөц байдлаараа бараг хурууны хээтэй төстэй болохыг олж мэдсэн. Уламжлалт үйлдвэрлэлийн практикээс ялгаатай нь хэрэглэгчид болон дарсыг нарийн бүлэглэж, нэгтгэн шүүж, нэгтгэн дүгнэх боломжгүй гэж бид дүгнэсэн.

Жишээ нь: Хоёр эмэгтэй ижил газарзүй, соёл, үндэс угсаа, боловсрол, орлого, машин, утсыг хуваалцаж чаддаг бөгөөд хоёулаа Ким Кроуфорд Совиньон Бланкт хайртай; гэхдээ нэг нь Өглөөний манан шардоннайг хайрлаж, нөгөө нь үзэн ядаж болно. Урьдчилан таамаглах цорын ганц найдвартай зүйл бол тэдний биологийн тагнай юм.

Энэ шинэчлэлийг хэрхэн өргөжүүлэх вэ? 

Бидний бүтээсэн зүйл маш сайн байсан ч амталгааны хавтан нь үнэтэй бөгөөд цаг хугацаа их шаарддаг. 248-ээс дээш насны 21 сая америкчууд ямар дарсанд дуртайг ойлгохын тулд жил бүр амталгааны самбар зохион байгуулах боломжгүй юм.

Бид амталгааны самбарт оролцох шаардлагагүй, өмнө нь амталж байсан олон төрлийн дарсыг сонгох шаардлагагүйгээр хэрэглэгчдийн таашаалыг урьдчилан таамаглахад ижил үр дүнтэй, өргөтгөх боломжтой хэрэгсэл зохион бүтээхийг хүссэн.

Бидний шийдэл бол хиймэл оюун ухаан нь дарстай химийн шинж чанарыг хуваалцдаг энгийн хүнсний бүтээгдэхүүнийг сонгох явдал байв. Манай амталгааны хэсэгт оролцогчид дарстай шууд холбоогүй хоол хүнс, амтыг илүүд үздэг тухай хэдэн зуун асуултад хариулсан; "Та ногоон хонхны чинжүүг ямар санагддаг вэ?", эсвэл "Мөөгний талаар та ямар санагддаг вэ?" гэх мэт.

Эдгээр асуултуудыг TastryAI дарсны үндсэн химийн найрлагад түгээмэл байдаг нэгдлүүдийн төрөл, харьцааны аналог болгон ашигласан. Хүмүүсийн хувьд бид эдгээр нарийн төвөгтэй хамаарал, хэв маягийг тайлж, ойлгож чадахгүй ч эдгээр төвөгтэй харилцааг шоолох нь машин сурахад шийдвэрлэх маш сайн асуудал юм.

Энэхүү өгөгдлөөр TastryAI нь хүнсний бүтээгдэхүүний давуу эрхийн судалгаанд өгсөн хариулт дээр үндэслэн хэрэглэгчдийн дарсыг хэрхэн сонгохыг урьдчилан таамаглах талаар олж мэдсэн. Үүний үр дүнд бид хэрэглэгчдийн дарсыг илүүд үзэхийг урьдчилан таамаглахын тулд дарсны тодорхой мэдээлэл авах шаардлагагүй болсон.

Хэрэглэгчийн сонголтыг ойлгохын тулд бидэнд хэр их мэдээлэл хэрэгтэй вэ?

Хэдийгээр бид хоолонд дуртай хэдэн зуун асуултаар эхэлсэн ч гэсэн хариулт өгөх тусам үр дүн нь илүү үнэн зөв байх тусам 9-12-оос хойш өгөөж багасдаг. Парето зарчмын дагуу хамгийн сайн гүйцэтгэлтэй хоол хүнс сонгох асуултыг ойролцоогоор өгсөн. Хэрэглэгчийн амтыг 80% ойлгодог.

Өнөөдрийн байдлаар улаан дарсны хувьд ихэвчлэн 10-12 асуулт, цагаан, сарнай, оргилуун дарсны хувьд 10-12 асуулттай судалгаа байдаг.

Энэ нь өргөтгөх боломжтой шийдэл гаргах боломжийг олгосон. Бид олон жилийн өмнө янз бүрийн туршилтуудыг эхлүүлсэн тул цахим худалдааны сайтууд дээр үүнтэй төстэй хачирхалтай асуултууд олон байдаг. Хэрэглэгч бөөрөлзгөнө эсвэл кофенд дуртай эсэх талаар 30 секундын асуулт асууж, дарсны зөвлөмжөөр шагнуулдаг. Ялгаа нь эдгээр асуултууд нь дээд тал нь амталгааны тэмдэглэлийн шүүлтүүр юм, өөрөөр хэлбэл, хэрэв та бөөрөлзгөнд дуртай бол хэн нэгний тодорхойлсон дарсанд хар жимс шиг амттай, эсвэл кофенд дуртай бол хэн нэгний тодорхойлсон дарсанд дуртай байх болно. агшилттай байх. Гэхдээ эдгээр тодорхойлолтууд нь тухайн хүний ​​амтанд тохирсон байвал үнэн зөв гэдгийг бид олж мэдсэн урьдчилан таамаглах хүч байхгүйr Тэд дарсанд дуртай эсэх талаар; гэхдээ энэ нь сонирхолтой, хэрэглэгчид асуулт хариултанд дуртай.

Tastry-ийн зөвлөмжүүд нь дарсны амт матрицтай холбоотой байдаг. TastryAI бол амталгааны тэмдэглэлийн шүүлтүүр биш бөгөөд таныг мөөгний үнэр, амтанд дуртай эсэхийг асуудаггүй. таны дарсанд, хичээж байна Биологийн тагнайн сонголтод тулгуурлан дуртай эсвэл дургүй нэгдлүүдийн харьцааг ойлгоорой. Асуулт бүр давхцаж, бусад асуултуудад шингэдэг тул асуулт бүр олон давхар ойлголтыг өгдөг. Тиймээс, мөөгний талаар асуусны дараа дараагийн асуулт нь "Ногоон хонхны чинжүүгийн амтыг та юу гэж үздэг вэ?" Жишээлбэл, өгөгдсөн харьцаагаар 33 нэгдэл нь мөөгийг хүлээн авах үүрэгтэй, 22 нэгдэл нь ногоон хонхны чинжүүний амтыг хариуцдаг гэдгийг хиймэл оюун ухаан мэддэг байж болох ч хамгийн чухал нь эдгээр нэгдлүүдийн зарим нь хоёуланд нь байдаг. Хэрэв та мөөгөнд дуртай ч ногоон хонхны чинжүүг үзэн яддаг гэвэл хиймэл оюун ухаан танд илүү итгэлтэй байна. шиг зарим нэгдлүүд, та илүү итгэлтэй дургүй байдаг бусад нэгдлүүд болон давхцаж байгаа нь контекст хамааралтай байх магадлалтай.

Тиймээс та олон хэмжээст Венн диаграммыг төсөөлж болно, энд хиймэл оюун ухаан нь аль нэгдлүүдийг бусад нэгдлүүдтэй хослуулан таны дуртай, дургүйг ялгаж өгдөг.

Энэхүү амтыг сонгох судалгаа, хэрэглэгчдийн санал хүсэлтийн тусламжтайгаар бид дэлхийн өнцөг булан бүрээс нэрээ нууцалсан тагнайн мэдээллийг цуглуулдаг. Цахим худалдааны сайт эсвэл том хайрцагны жижиглэн худалдаалагч нь Tastry Quiz-ийг апп дээр ажиллуулж, АНУ-ын өнцөг булан бүрт байгаа хэрэглэгчдээс хэдэн цагийн дотор олон мянган хариулт авах боломжтой. Бидний олж авдаг цорын ганц мэдээлэл бол зип код юм. Бид зип кодыг ашиглан бидний цуглуулж, хянадаг мэдэгдэж буй хэрэглээний тагнайн газарзүйн тархалт болон бусад өгөгдлийг авч, АНУ-д 200 сая гаруй амьдрах чадвартай хэрэглэгчийн тагнайн үлдэгдлийг урьдчилан таамагласан Байесийн нурууны гарал үүслийг ашигладаг. өгөгдлийн багц нь үнэний эх сурвалж болох бөгөөд дэлгүүр, орон нутгийн эсвэл бүс нутгийн түвшинд дарс хэрхэн ажиллах талаар таамаглал өгөх.

Tastry Virtual Focus Group

Дарсыг шинжилж, амт матрицыг нь тайлж, амтыг нь бодит болон виртуал тагнайн хослолоор үнэлсний дараа AI одоогоор 92.8% нарийвчлалтай байна АНУ-ын дарсны нийт хэрэглэгчдийн үнэлгээг урьдчилан таамаглахад . Өөрөөр хэлбэл, хиймэл оюун ухаан нь +/- 5/1 дотор дарсны дундаж 10 одтой үнэлгээг таамаглаж чадна.^th одны.

Хиймэл оюун ухааныг хэрэглэгчийн хүсэл сонирхолд нийцсэн "Виртуал фокусын бүлэг" гэж үзэх нь хамгийн хялбар юм.

Дарсны үйлдвэрүүд TastryAI ашиглан дарсыг үйлдвэрлэхэд олон жил, сая доллар зарцуулахаасаа өмнө хэрэглэгчид дарсаа хэрхэн хүлээж авах талаар загварчлал хийдэг. Бөөний худалдаачид TastryAI ашиглан төрөл бүрийн дарс хамгийн сайн үйлчлэх бүс нутгийг тодорхойлдог. Жижиглэн худалдаалагчид TastryAI-г лангуун дээр болон онлайнаар нэр төрлөө оновчтой болгохын тулд ашигладаг. Мөн хэрэглэгчид таалагдахгүй дарс худалдаж авах эрсдэлээс зайлсхийхийн тулд TastryAI ашигладаг.