FMCG-Produktinnovation mit künstlicher Intelligenz

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

Die typischen Anwendungsfälle der künstlichen Intelligenz (KI) in der Konsumgüterindustrie betrafen hauptsächlich Vorhersage, Nachfrageprognose, Lieferkette, Vertrieb, Produktion und Wartung. Der Hauptgrund war die Verfügbarkeit einer großen Menge strukturierter Daten. Produktinnovation ist ein schwierigeres Problem, und der Beweis liegt in der Tatsache, dass die Erfolgsrate neuer Produktinnovationen im unteren zweistelligen Bereich liegt. Herkömmliche Produktinnovationsmethoden verwenden sehr wenig Daten und hängen in hohem Maße von den Fähigkeiten und Erfahrungen des Teams ab, das daran arbeitet.

Für bessere & schnellere Produktinnovationen. AI kann auf folgende Arten verwendet werden:

Verbraucher verstehen:

Der erste Schritt bei der Produktinnovation ist das Verständnis der Verbraucher. Hierfür gibt es zwei Datenquellen: Interne Unternehmensdaten in Form von Verkaufsdaten, historischen Verbraucherdaten, Online-Kaufverhalten usw.; Externe öffentliche Daten in Form von Online-Gesprächen.

Heute leben wir in einer Welt, in der Menschen täglich durch Text und Bilder Einblicke in ihr Leben, ihre Gedanken und Meinungen geben. Dies sind unmoderierte, unvoreingenommene Meinungen zu Produkten, Orten, Dienstleistungen oder Ereignissen. Bisher war es nicht möglich, dieses Rauschen zu verstehen, aber die jüngsten technologischen Fortschritte haben es ermöglicht, diese großen Datenmengen zu analysieren und zu verstehen, um ohne menschliches Eingreifen Bedeutung und Kontext abzuleiten. Der Rückgang der Rechenkosten und die Weiterentwicklung der Technologie für künstliche Intelligenz haben es ermöglicht, dieses Rauschen zu strukturieren, zu destillieren und zu analysieren, um zu identifizieren und zu verstehen, was die Menschen denken und verlangen.

Diese Informationen werden dadurch sehr wertvoll basiert auf Millionen von Datenpunkten, nicht nur auf wenigen Hunderten, wie dies bei einer typischen Verbraucherforschung der Fall ist. Diese Informationen können verwendet werden, um Verbraucherbedürfnisse und aufkommende Trends in Echtzeit zu identifizieren.

Die Technologie, die dies ermöglicht, ist die Verarbeitung natürlicher Sprache (NLP) & Computer Vision. Natural Language Processing (NLP) ist ein Teilbereich der künstlichen Intelligenz, der darauf ausgerichtet ist, Computern zu ermöglichen, Sprachen so zu verstehen und zu verarbeiten, wie es Menschen tun. Computer Vision ermöglicht es, unausgesprochene Informationen aus Bildern zu extrahieren. Computer Vision, ein weiteres Teilgebiet der künstlichen Intelligenz, ermöglicht es Computern, Bilder auf die gleiche Weise wie das menschliche Sehen zu sehen, zu identifizieren und zu verarbeiten und dann eine angemessene Ausgabe bereitzustellen. Predictive Analytics kann dann verwendet werden, um die zukünftige Entwicklung der Trends vorherzusagen.

Erstellen Sie erfolgreiche Produktkonzepte:

Die Erstellung neuer Produktkonzepte und die Aufrechterhaltung einer Innovationspipeline sind zeitaufwändig und mühsam durch Bauchgefühl und Intuition. Künstliche Intelligenz kann uns helfen, Leerraumchancen zu identifizieren und dann neue Produktkonzepte zu generieren, um die Leerraumchance zu erfassen.

Millionen von Produktkonzepten können mithilfe einer algorithmischen Kombination von n-Gramm-Merkmalen erstellt werden, die unmöglich gewesen wäre durch einen menschlichen Ansatz.

Bildschirm & Gewinnkonzepte priorisieren:

Die vom Algorithmus generierten Konzepte können dann basierend auf dem Verbraucher überprüft und priorisiert werden Verständnis und Trendidentifikation erfolgt. Predictive Analytics kann hier vorhersagen, welche Produkte morgen erfolgreich sein werden, noch bevor die Produkte auf den Markt kommen.

AI Palette > hilft den FMCG-Unternehmen bei ihrer Produktinnovation. Wir verwenden künstliche Intelligenz & Maschinelles Lernen, um FMCG-Unternehmen bei der Entwicklung von Produkten zu unterstützen, die Verbraucher gewinnen.