Jumeaux numériques dans la recherche sensorielle

‍

Mais même les meilleurs panels sensoriels opèrent dans le monde réel. Des panélistes peuvent être absents, les protocoles d'étude peuvent varier, des attributs peuvent manquer et des lacunes peuvent apparaître dans les données. Lorsque cela se produit, l'impact peut être plus important que prévu : une puissance analytique réduite, des rapports plus lents, une comparabilité moindre entre les études et, dans certains cas, des reprises de tests coûteuses.

Ce défi devient encore plus important dans les environnements de recherche à haut débit, où plusieurs études peuvent devoir être réalisées en peu de temps. Dans ces cas, la rapidité et la continuité sont essentielles.

Chez Haystack, nous nous sommes posé une question simple mais puissante : et si nous pouvions créer une version numérique fiable d'un panéliste expert, non pas pour le remplacer, mais pour soutenir le processus de recherche lorsque les données sont incomplètes ?

Et c'est exactement ce que nous avons développé : des jumeaux numériques.

‍

Ce que cela signifie pour vos recherches

Pour les clients, les avantages sont très concrets.

Les jumeaux numériques permettent aux équipes de recherche de progresser lorsque la recherche sur le terrain se complique. Lorsqu'un panéliste est absent, l'étude se poursuit sans délai. Si quelques scores sont manquants, l'ensemble de données s'appuie sur des données spécifiques aux participants plutôt que sur des moyennes génériques. Et lorsque les délais sont serrés, les équipes travaillent avec une vue complète et robuste des résultats.

Il est important de noter qu'il ne s'agit pas d'un modèle universel. Nous construisons les jumeaux numériques en fonction des données disponibles du client, du contexte de la catégorie et du panel. Nous travaillons de manière itérative et validons le modèle sur l'ensemble de données spécifique qu'il doit prendre en charge. Cela évite une approche « boîte noire » ou l'hypothèse générique que le modèle fonctionnera dans n'importe quel contexte. Au lieu de cela, nous adaptons et testons la solution pour la catégorie, le panel et l'ensemble de données spécifiques avant de l'appliquer.

Cela permet des rapports plus rapides, moins de tests répétés et moins de pression sur les panels d'experts. Cela peut également contribuer à réduire la fatigue des panélistes, car toutes les lacunes ne nécessitent pas un travail de terrain supplémentaire.

Cette approche est particulièrement pertinente pour les clients qui mènent des études sensorielles fréquentes, des programmes de suivi à long terme ou des pipelines d'innovation à volume élevé. Dans ces contextes, même de petits gains d'efficacité peuvent avoir un impact important sur le long terme.

Les jumeaux numériques soutiennent l'innovation produit, la reformulation, le contrôle qualité, l'analyse comparative concurrentielle et le suivi sensoriel. Ils aident les équipes à comparer les produits de manière plus cohérente, à protéger la qualité des décisions et à passer plus rapidement des données à l'action.

En bref, ils aident les clients à prendre de meilleures décisions lorsque les conditions ne sont pas parfaites. Et dans la recherche sur le terrain, elles le sont rarement.

‍

Au-delà des moyennes : Que sont les jumeaux numériques ?

Les jumeaux numériques sont des modèles synthétiques entraînés sur des données historiques de panels au sein d'une catégorie de produits spécifique. Ils sont conçus pour reproduire le schéma de notation d'un panéliste individuel à travers les produits et les attributs de cette catégorie. Le modèle prend également en compte le contexte du produit, la relation entre les attributs et la manière dont le panéliste se comporte par rapport au reste du panel.

Ainsi, lorsque des données sont manquantes, un jumeau numérique ne les remplace pas simplement par une moyenne. Au lieu de cela, il effectue une estimation plus individuelle basée sur la manière dont ce panéliste spécifique a noté par le passé, dans des contextes similaires.

Cette différence est importante. Combler les lacunes avec des moyennes peut sembler anodin, mais cela peut discrètement aplatir la variance et affaiblir les relations entre les attributs. Or, c’est précisément sur cette structure sous-jacente que s’appuient des analyses telles que l’ACP (analyse en composantes principales), la cartographie sensorielle et l’analyse comparative. Un jumeau numérique permet de mieux préserver cette structure en tenant compte du style d’évaluation de chaque panéliste, du contexte du produit et des relations au sein des données.

Pour valider cette approche, Haystack a testé les jumeaux numériques en supprimant délibérément des données et en vérifiant la capacité du modèle à estimer les valeurs manquantes. Cela incluait des scores d'attributs manquants, des données produit manquantes et des panélistes manquants.

Tout au long de notre travail de validation, les jumeaux numériques se sont systématiquement rapprochés des notes réelles plus que de simples moyennes. Même lorsque plusieurs panélistes ont été retirés des données, le modèle a toujours été capable de prédire avec précision leurs schémas de notation réels. En pratique, cela signifie que les jumeaux numériques peuvent contribuer à améliorer les capacités sensorielles, tant de manière générale que, plus encore, dans des cas ou des projets spécifiques. Ils y parviennent non pas en remplaçant le panel, mais en exploitant mieux les données d’experts qui existent déjà.

‍

Prêt pour une recherche en constante évolution ?

Les données manquantes feront toujours partie de la recherche en conditions réelles. Les panélistes seront parfois absents, les études ne seront pas toujours parfaitement complètes et les délais resteront serrés.

L'opportunité est de gérer ces réalités plus intelligemment.

Chez Haystack, nous développons des solutions de jumeaux numériques qui aident nos clients à protéger la qualité de la recherche, à réduire les frictions opérationnelles et à passer de données incomplètes à des décisions éclairées. Car l'avenir de la recherche sensorielle ne consiste pas à choisir entre vitesse et qualité. Il s'agit de construire des systèmes plus intelligents qui offrent les deux.

Curieux de savoir comment les jumeaux numériques pourraient renforcer votre processus de recherche ? Explorons ce qui est possible pour votre catégorie, vos données et vos défis d'innovation.

‍