Estimar el agrado de un producto antes de fabricarlo
Un modelo predictivo de aceptación es la relación entre el perfil sensorial de un producto y el agrado que le da el consumidor. Cuando esa relación ya está medida sobre suficientes productos de una categoría, se puede estimar el agrado de uno que todavía no existe.
Eso convierte el desarrollo en una búsqueda dirigida: en lugar de fabricar diez prototipos y ver cuál cae bien, sabes hacia dónde moverte y cuáles no merecen la pena.
Los primeros prototipos se midieron con consumidor; los dos últimos los estima el modelo
Modelo entrenado con 24 productos · Agrado esperado, escala 1 a 9 · Banda de confianza al 90 %
El producto y las cifras del gráfico de esta página son ficticios. Nunca compartimos datos de nuestros clientes.
Un agrado esperado, y su margen
El modelo no se ajusta sobre un producto: se ajusta sobre el mapa de qué atributos mueven el agrado en tu categoría y cuánto. Ese mapa sale de un estudio previo, el mapa de preferencias, y es ese estudio el que decide si hay modelo o si todavía no lo hay.
Con el mapa hecho, basta describirle el perfil que quieres que tenga un producto —cremosidad, acidez, intensidad de aroma, lo que la categoría tenga— para que devuelva tres cosas.
- El agrado esperado
- No es una nota: es la estimación del agrado que tendría ese perfil, en la misma escala en la que se midió la categoría.
- El margen
- Va siempre al lado de la cifra y no se esconde, porque es lo que dice si dos prototipos son de verdad distintos o si el modelo no sabe separarlos.
- El rango donde vale
- Hasta dónde puedes mover cada atributo antes de salirte de lo que se ha medido. Va escrito en el informe, atributo a atributo.
Del mapa al modelo, en cuatro pasos
Los tres primeros producen un modelo. El cuarto es el que lo convierte en algo sobre lo que se puede decidir.
Se mide la categoría entera
Perfil descriptivo con panel entrenado y agrado con consumidor real, sobre las mismas muestras. Ese cruce es el mapa de preferencias, y es el punto de partida: sin él no hay nada que modelizar.
Mapa de preferencias →Se busca la forma, no la dirección
Casi ningún atributo pesa en línea recta: muchos tienen un óptimo en medio. El modelo tiene que reproducir la curva que el mapa encontró, no una recta que la simplifique.
Se pone a prueba consigo mismo
Se aparta parte de los productos, se ajusta el modelo con el resto y se le pide que estime los apartados. Un modelo que sólo explica bien los datos con los que se entrenó no sirve para nada.
Se contrasta contra producto real
Se fabrica el prototipo que el modelo señala y se mide con consumidor. Ahí se ve si la estimación se sostiene y cuánto se desvía. Sin ese contraste, un modelo es una hipótesis con decimales, y los decimales dan una sensación de precisión que la hipótesis todavía no ha ganado. El contraste es parte del proyecto, no un extra.
Tres decisiones que se adelantan a la fábrica
Todas se toman antes de gastar una tanda de producción, y ninguna se puede tomar sin una estimación delante.
Ordenar las ideas antes de fabricarlas
Una lista de ideas de formulación se ordena por agrado estimado, y a planta sólo suben las que merecen el coste de fabricarse.
Lo que cuesta bajar cada escalón
Cuánto agrado se deja por el camino en cada paso de una reducción, antes de comprometer la fórmula.
Reformulación →El perfil que pediría un segmento
Qué perfil sensorial haría falta para ganar en un segmento concreto, y si está dentro de lo que la fórmula puede alcanzar.
Lo que sale del ajuste son opciones. Ninguna recomendación la firma un modelo.
La lee alguien que conoce la categoría y decide qué tiene sentido en tu mercado y qué no se puede tocar en la fórmula. El modelo acota el terreno; elegir sigue siendo trabajo de criterio.
Dos condiciones que preferimos decir antes que después
Un modelo de aceptación es una herramienta con condiciones de uso. Éstas son las dos que más proyectos han estropeado cuando nadie las dijo a tiempo.
Sólo vale dentro del rango medido. El modelo conoce la categoría que se le enseñó. Si le pides el agrado de un sabor que nadie de ese panel ha probado nunca, no lo estima: lo inventa. Fuera del rango medido, la cifra no significa nada.
Necesita suficientes productos distintos. Con cuatro referencias parecidas no hay variación de la que aprender. Hacen falta productos que se separen entre sí en los atributos que importan, y eso a veces obliga a medir la competencia antes de modelizar nada.
Si tu categoría no cumple las condiciones, te lo decimos y no ajustamos el modelo. Normalmente lo que falta es medición, no matemática: primero se amplía el conjunto de productos medidos y después se modeliza.
¿Tienes ya datos suficientes para un modelo?
Dinos qué has medido hasta ahora y sobre cuántos productos. Te decimos si da para ajustar un modelo de aceptación, qué falta si no da, y qué vas a poder decidir con él delante.