FMCG-produktinnovation ved hjælp af kunstig intelligens

(Somsubhra Gan Choudhuri) (feb. 12, 2019)

De typiske anvendelsestilfælde af kunstig intelligens (AI) i forbrugerproduktindustrien har primært været inden for forudsigelse, efterspørgselsprognoser, forsyningskæde, distribution, produktion og vedligeholdelse; hovedårsagen har været tilgængeligheden af ​​enorme mængder strukturerede data. Produktinnovation er et sværere problem, og beviset ligger i, at succesraten for ny produktinnovation er med lavere dobbeltcifre; traditionelle produktinnovationsmetoder bruger meget færre data og er meget afhængige af det færdighedssæt og erfaring, som teamet arbejder med.

For bedre & hurtigere produktinnovationer, AI kan bruges på følgende måder:

Forståelse af forbrugere:

Det første trin i produktinnovation er forbrugernes forståelse; der er to datakilder til dette: Intern virksomhedsdata i form af salgsdata, historiske forbrugerdata, online købsadfærd osv. Eksterne offentlige data i form af online-samtaler.

I dag lever vi i en verden, hvor folk hele tiden deler glimt af deres liv, deres tanker og mening hver dag gennem tekst og billeder. Disse er umodererede, upartiske meninger om produkter, steder, tjenester eller begivenheder. Indtil nu var det ikke muligt at forstå denne støj, men de seneste teknologiske fremskridt har gjort det muligt at analysere og forstå disse store data for at udlede mening og sammenhæng uden menneskelig indblanding. Faldet i omkostninger ved computing og fremskridt inden for kunstig intelligens-teknologi har gjort det muligt at strukturere, destillere og analysere denne støj for at identificere og forstå, hvad folk tænker og beder om.

Disse oplysninger bliver meget værdifulde, da de er baseret på millioner af datapunkter, ikke kun få hundrede, som det er tilfældet i en typisk forbrugerundersøgelse. Denne information kan bruges til at identificere forbrugernes behov og nye tendenser i realtid.

Teknologi, der gør det muligt, er Natural Language Processing (NLP) & Computer Vision. Natural Language Processing (NLP) er et underfelt af kunstig intelligens, der er fokuseret på at gøre det muligt for computere at forstå og behandle sprog på en måde mennesker vil gøre. Computersyn giver mulighed for at udtrække usagte oplysninger fra billeder. Computer Vision, et andet underfelt af kunstig intelligens, gør det muligt for computere at se, identificere og behandle billeder på samme måde som menneskets vision gør og derefter levere passende output. Prediktiv analyse kan derefter bruges til at forudsige den fremtidige bane af tendenser.

Byg vindende produktkoncepter:

Generering af nyt produktkoncept og vedligeholdelse af en innovationspipeline er en tidskrævende og besværlig proces, der ofte drives ved tarmfølelse og intuition. Kunstig intelligens kan hjælpe os med at identificere muligheder i det hvide rum og derefter generere nye produktkoncepter til at fange mulighederne i det hvide rum.

Millioner af produktkoncepter kan oprettes ved hjælp af algoritmisk kombination af n-gram-funktioner, som ville have været umulig ved en menneskelig tilgang.

Skærm & Prioriter vindende begreber:

De begreber, der genereres af algoritmen, kan derefter screenes og prioriteres ud fra forbrugeren forståelse og tendensidentifikation udført. Prediktiv analyse her kan forudsige, hvilke produkter der vil lykkes i morgen, selv før produkterne kommer på markedet.

AI Palette hjælper FMCG-virksomheder med deres produktinnovation. Vi bruger kunstig intelligens & Machine Learning til at hjælpe FMCG-virksomheder med at skabe forbrugervindende produkter.