Tastry “สอนคอมพิวเตอร์ให้รู้รส”

วิธีที่ Tastry ใช้เคมีและ AI เพื่อคาดการณ์ความชอบของผู้บริโภค

จากจุดเริ่มต้น คำถามที่เราต้องการตอบคือ “เราสามารถถอดรหัสเมทริกซ์รสที่เป็นเอกลักษณ์ของผลิตภัณฑ์ที่อาศัยความรู้สึกและความชอบทางชีววิทยาของผู้บริโภคเพื่อคาดการณ์ความชอบได้หรือไม่” คำตอบสั้นคือใช่

อย่างไรก็ตาม ในช่วงแรกของการวิจัยเราพบว่าวิธีการวิเคราะห์ทางเคมีที่มีอยู่และข้อมูลความชอบของผู้บริโภคที่มีอยู่ให้ผลคอร์เรลेशनหรือการคาดการณ์ที่ไม่มีนัยสำคัญทางสถิติ เรารู้ว่าเราจะต้องสร้างข้อมูลของเราเองเพื่อทำความก้าวหน้า

ขั้นแรก เราต้องสร้างวิธีการวิเคราะห์ทางเคมีที่จะให้ความโปร่งใสต่อเคมีมากที่สุด (รวมถึงวolatile, non-volatile, dissolved, spectral data และอื่นๆ) เรายังต้องถอดรหัสเมทริกซ์รสในลักษณะที่สามารถแปลเป็นภาษาเพื่อช่วยให้เข้าใจว่ามนุษย์ประสบกับเคมีนั้นบนจมูกได้อย่างไร

ที่สอง เราต้องสร้างวิธีการที่จะสามารถรับข้อมูลความชอบทางชีววิทยาของผู้บริโภคได้อย่างต่อเนื่องและแม่นยำ และติดตามข้อมูลนั้นเพื่อใช้เป็นข้อมูลอ้างอิง

ทำไมวิธีการปัจจุบันจึงล้มเหลวในการคาดการณ์ความชอบของผู้บริโภคสำหรับผลิตภัณฑ์ที่อาศัยความรู้สึก

เมื่อเริ่มการวิจัยในปี 2015 เรามีสมมติฐานว่าทุกสิ่งที่คุณต้องการทราบเกี่ยวกับรสของไวน์ คือ รสชาติ กลิ่น เนื้อสัมผัส และสี – มีอยู่ในเคมี อย่างไรก็ตาม สิ่งที่ขาดคือวิธีการวิเคราะห์ที่ครอบคลุมมากขึ้น

เพื่ออธิบายข้อจำกัดนี้ มันสำคัญที่จะเข้าใจว่าเคมีของผลิตภัณฑ์ที่อาศัยความรู้สึกมุ่งเน้นไปที่การควบคุมคุณภาพเป็นหลัก คือ มีปริมาณของสารวิเคราะห์นี้ใน混合นั้นหรือไม่ จุดสนใจไม่ได้มุ่งเน้นไปที่การประเมินสารวิเคราะห์ทั้งหมด อัตราส่วน หรือวิธีที่พวกมันรวมกันบนจมูกมนุษย์เพื่อสร้างรสชาติ

เมื่อความรู้สึกถูกนำมาใช้ วิธีการทั่วไปจะดูเหมือนนี้

• ข้อมูลการสำรวจแสดงว่าคนชอบเนย
• ไดอะซิติลเป็นสารที่มักเกี่ยวข้องกับรสของเนย
• หากเราทำไวน์ชาร์โดเนย์ที่มีไดอะซิติลมากขึ้น คนจะชอบมันมากขึ้น

ปัญหาหลักของวิธีการนี้

1. รสชาติไม่สามารถคาดการณ์ได้โดยการ量สารประกอบเพียงอย่างเดียว ความเข้มข้นของไดอะซิติลอาจถูกมองว่าเป็นเนยในไวน์หรือวินเทจหนึ่ง แต่ไม่ใช่ในอีกวินเทจหนึ่ง เนื่องจากมีสารประกอบอื่นๆ ในไวน์ และขึ้นอยู่กับปริมาณและอัตราส่วนของพวกมัน ไดอะซิติลอาจถูกปิดบังหรือแสดงออก

2. มนุษย์รับรสชาติและสื่อสารรสชาติต่าง ๆ ในรูปแบบที่แตกต่างกัน แม้แต่ในหมู่ผู้เชี่ยวชาญ ก็มีคนครึ่งหนึ่งที่อาจอธิบายรสชาติเป็นแอปเปิ้ล และอีกครึ่งหนึ่งที่อาจอธิบายเป็น梨 และผู้บริโภคโดยทั่วไปยิ่งไม่น่าเชื่อถือมากขึ้น จากการวิจัยของเรา เราไม่เชื่อว่ารสชาติของมนุษย์มีความเป็นรูปธรรมเพียงพอที่จะสื่อสารได้อย่างแม่นยำผ่านภาษาจากคนหนึ่งไปยังอีกคนหนึ่ง

3. รสชาติที่ผู้บริโภครับรู้ไม่มีความสัมพันธ์กับการตัดสินใจซื้อ ในการวิจัยของเรา พบว่าผู้บริโภคไม่ตัดสินใจซื้อไวน์เพราะรสชาติ แต่พวกเขาตัดสินใจซื้อเพราะพวกเขาชอบไวน์นั้น

ตัวอย่าง: การขาดความเข้าใจนี้ไม่เฉพาะเจาะจงกับตลาดไวน์เท่านั้น เราได้พบกับผู้บริหารและนักวิจัยจากบริษัทกลิ่นและน้ำหอมที่ใหญ่ที่สุดในโลก หนึ่งในผู้บริหารอธิบายถึงความผิดหวังของเขากับโครงการสร้างช็อกโกแลตลาเวนเดอร์ใหม่ บริษัทนี้ใช้เงินหลายล้านเหรียญในการจัดตั้งและดำเนินกลุ่มโฟกัสกับผู้บริโภคที่ชื่นชอบช็อกโกแลต ชื่นชอบลาเวนเดอร์ และชื่นชอบช็อกโกแลตลาเวนเดอร์ ในที่สุดผลลัพธ์ก็คือผู้ตอบแบบสอบถามเห็นด้วยว่ามันเป็นช็อกโกแลตลาเวนเดอร์ แต่พวกเขายังเห็นด้วยว่าพวกเขาชอบช็อกโกแลตลาเวนเดอร์นั้นไม่

วิธีการของเราต่างจากวิธีการอื่นอย่างไร

ขยะเข้าขยะออก เมื่อพูดถึงคุณภาพของข้อมูล เราได้ทำความเข้าใจว่าเซตการฝึกที่ถูกต้องไม่สามารถสร้างขึ้นจากข้อมูลเชิงพาณิชย์หรือข้อมูลจากฝูงชนได้ เราจะต้องสร้างข้อมูลของเราเองภายในบริษัท

สิ่งแรกที่เราต้องการคือวิธีการทางเคมีที่จะให้ความโปร่งใสต่อเคมีได้มากที่สุด (รวมถึงวolatile, non-volatile, dissolved, spectral data และอื่นๆ) เพื่อให้สามารถเข้าใจรสชาติของไวน์ได้ดีขึ้น

หลังจากทดลองเป็นเวลาหลายปี เราได้พัฒนาวิธีการที่สามารถสร้างข้อมูลมากกว่า 1 ล้านจุดต่อตัวอย่าง ข้อมูลที่ละเอียดและมากเกินไปนี้จะถูกประมวลผลโดยอัลกอริทึมการเรียนรู้ของเครื่องจักรที่ออกแบบโดยทีมวิทยาศาสตร์ข้อมูลของเราเพื่อถอดรหัสความสัมพันธ์ที่ซับซ้อนซึ่งให้ข้อมูลเกี่ยวกับการรับรู้ของมนุษย์ตามอัตราส่วนของสารประกอบและกลุ่มของสารประกอบ

เมื่อเราพิสูจน์ประสิทธิภาพของวิธีการนี้แล้ว เราเริ่มวิเคราะห์และถอดรหัสเมทริกซ์รสของไวน์หลายพันชนิดทั่วโลก และได้พัฒนาฐานข้อมูลเมทริกซ์รสที่ครอบคลุมของโลกไวน์

การเชื่อมโยงความชอบของผู้บริโภคกับเคมี

ต่อไป เราต้องเข้าใจว่าเมทริกซ์รสที่ผู้บริโภคต่างๆ ชอบนั้นเป็นอย่างไร โดยให้พวกเขาได้ลิ้มรสและให้คะแนนไวน์ที่เราวิเคราะห์มาแล้ว ในช่วงหลายปี เราได้ดำเนินการทดสอบการลิ้มรสแบบมีคนตาบอดหลายครั้ง โดยมีผู้บริโภคหลายพันคน แต่ละคนได้ลิ้มรสไวน์หลายสิบหรือหลายร้อยชนิดในระยะเวลาหนึ่ง

ระบบที่อาศัยฝูงชนมักจะพลาดหรือเพิกเฉยต่อข้อมูลที่สำคัญ ตัวอย่างเช่น ในระบบของ Parker ผู้คนส่วนใหญ่จะไม่ให้คะแนนไวน์ต่ำกว่า 80 คะแนน แต่เราได้เรียนรู้ว่าผู้บริโภคไม่ชอบสิ่งที่พวกเขาชอบมากกว่าที่พวกเขาชอบ

เราใช้การเรียนรู้ของเครื่องจักรที่เป็นนวัตกรรมใหม่เพื่อทำความเข้าใจความชอบที่เป็นเอกลักษณ์ของผู้บริโภคสำหรับเมทริกซ์รสที่แตกต่างกันในไวน์ เมื่อเวลาผ่านไป สิ่งนี้ทำให้เราสามารถคาดการณ์ความชอบของพวกเขาได้อย่างแม่นยำสำหรับไวน์ที่พวกเขายังไม่ได้ลิ้มรส

วิธีการขยายนวัตกรรมนี้

สิ่งที่เราสร้างขึ้นนั้นยอดเยี่ยม แต่การทดสอบการลิ้มรสเป็นเรื่องที่มีค่าใช้จ่ายสูงและใช้เวลานาน มันจะเป็นไปไม่ได้ที่จะดำเนินการทดสอบการลิ้มรสประจำปีสำหรับคนอเมริกัน 248 ล้านคนที่มีอายุ 21 ปีขึ้นไปเพื่อทำความเข้าใจว่าพวกเขาชอบไวน์ชนิดไหน

เราต้องการออกแบบเครื่องมือที่สามารถขยายได้ซึ่งมีประสิทธิภาพในการคาดการณ์ความชอบของผู้บริโภคโดยไม่ต้องมีการเข้าร่วมการทดสอบการลิ้มรสหรือการแสดงความชอบสำหรับชุดไวน์ที่มีขนาดใหญ่

วิธีแก้ปัญหาของเราคือให้ AI เลือกอาหารที่มีเคมีที่เกี่ยวข้องกับไวน์ในชุด ตัวอย่างเช่น “คุณรู้สึกอย่างไรเกี่ยวกับพริกสีเขียว?” หรือ “คุณรู้สึกอย่างไรเกี่ยวกับเห็ด?”

คำถามเหล่านี้ถูกใช้โดย TastryAI เป็นแบบอุปมาถึงชนิดและอัตราส่วนของสารประกอบที่พบในเคมีของไวน์

เราต้องการข้อมูลเท่าใดเพื่อทำความเข้าใจความชอบของผู้บริโภค

แม้ว่าเราจะเริ่มต้นด้วยคำถามความชอบอาหารหลายร้อยคำ แต่คำตอบที่ได้จะแม่นยำมากขึ้น และมีผลตอบแทนที่ลดลงหลังจาก 9-12 คำถาม

ปัจจุบันมีการสำรวจความชอบอาหาร 10-12 คำถามสำหรับไวน์แดง และอีก 10-12 คำถามสำหรับไวน์ขาว ไวน์โรเซ และไวน์กระป๋อง

สิ่งนี้ทำให้เราได้คำตอบที่แม่นยำ

Tastry Virtual Focus Group

หลังจากวิเคราะห์ไวน์ ถอดรหัสเมทริกซ์รส และประเมินความสามารถในการดื่มได้ของไวน์เมื่อเทียบกับปาละตที่แท้จริงและเสมือน AI ของเรามีความแม่นยำ 92.8% ในการคาดการณ์คะแนนเฉลี่ย 5 ดาวของผู้บริโภคในประเทศสหรัฐอเมริกา

AI ของเราสามารถคาดการณ์คะแนนเฉลี่ย 5 ดาวของไวน์ได้ภายใน +/- 1/10 ของดาว

เป็นเรื่องที่ง่ายที่จะคิดว่า AI เป็น “กลุ่มโฟกัสเสมือน” ของความชอบของผู้บริโภค

โรงงานผลิตไวน์ใช้ TastryAI เพื่อทำการจำลองว่าผู้บริโภคจะรับไวน์ของตนอย่างไร ก่อนที่จะลงทุนหลายปีและหลายล้านเหรียญในการผลิตไวน์ ผู้ขายส่งใช้ TastryAI เพื่อกำหนดภูมิภาคที่ไวน์แต่ละชนิดจะทำได้ดีที่สุด ผู้ค้าปลีกใช้ TastryAI เพื่อปรับอินเทอร์เฟซบนชั้นวางและออนไลน์ และผู้บริโภคใช้ TastryAI เพื่อหลีกเลี่ยงความเสี่ยงในการซื้อไวน์ที่พวกเขาจะไม่ชอบ