FMCG-productinnovatie met behulp van kunstmatige intelligentie

(Somsubhra Gan Choudhuri) (feb 12, 2019)

De typische gebruiksscenarios van kunstmatige intelligentie (AI) in de consumentenproductenindustrie waren voornamelijk in voorspelling, vraagvoorspelling, toeleveringsketen, distributie, productie en onderhoud; de belangrijkste reden is de beschikbaarheid van een enorme hoeveelheid gestructureerde gegevens. Productinnovatie is een moeilijker probleem en het bewijs ligt in het feit dat het slagingspercentage van nieuwe productinnovatie in lagere dubbele cijfers ligt; traditionele productinnovatiemethoden gebruiken veel minder gegevens en zijn sterk afhankelijk van de vaardigheden en ervaring van het team dat eraan werkt.

Voor betere & snellere productinnovaties, AI kan op de volgende manieren worden gebruikt:

Inzicht in consumenten:

De eerste stap in productinnovatie is het begrip van de consument; Hiervoor zijn twee databronnen: interne bedrijfsgegevens in de vorm van verkoopgegevens, historische consumentengegevens, online koopgedrag etc; Externe openbare gegevens in de vorm van online gesprekken.

Tegenwoordig leven we in een wereld waarin mensen elke dag door middel van tekst en afbeeldingen voortdurend een glimp van hun leven, hun gedachten en meningen delen. Dit zijn ongemodereerde, onbevooroordeelde meningen over producten, plaatsen, diensten of evenementen. Tot nu toe was het niet mogelijk om deze ruis te begrijpen, maar recente technologische ontwikkelingen hebben het mogelijk gemaakt om deze big data te analyseren en te begrijpen om betekenis en context af te leiden, zonder menselijke tussenkomst. De daling van de computerkosten en de vooruitgang in de technologie van kunstmatige intelligentie hebben het mogelijk gemaakt om deze ruis te structureren, distilleren en analyseren om vast te stellen en te begrijpen wat mensen denken en vragen.

Deze informatie wordt zeer waardevol omdat ze is gebaseerd op miljoenen datapunten, niet slechts enkele honderden, zoals het geval is bij een typisch consumentenonderzoek. Deze informatie kan worden gebruikt om de behoeften van de consument en opkomende trends in realtime te identificeren.

Technologie die dit mogelijk maakt zijn Natural Language Processing (NLP) & Computer Vision. Natural Language Processing (NLP) is een subveld van kunstmatige intelligentie dat erop gericht is computers in staat te stellen talen te begrijpen en te verwerken op een manier die mensen zullen doen. Met computervisie kan onuitgesproken informatie uit afbeeldingen worden gehaald. Computer Vision, een ander subgebied van kunstmatige intelligentie, stelt computers in staat om afbeeldingen te zien, te identificeren en te verwerken op dezelfde manier als menselijke visie, en vervolgens de juiste output te leveren. Voorspellende analyses kunnen vervolgens worden gebruikt om het toekomstige traject van de trends te voorspellen.

Bouw winnende productconcepten:

Het genereren van nieuwe productconcepten en het onderhouden van een innovatiepijplijn is een tijdrovend en bewerkelijk proces dat vaak wordt aangedreven door onderbuikgevoel en intuïtie. Kunstmatige intelligentie kan ons helpen witruimtekansen te identificeren en vervolgens nieuwe productconcepten te genereren om de witruimtekansen te benutten.

Miljoenen productconcepten kunnen worden gemaakt met behulp van een algoritmische combinatie van n-gram-functies die onmogelijk zouden zijn geweest door een menselijke benadering.

Scherm & Geef prioriteit aan winnende concepten:

De concepten die door het algoritme worden gegenereerd, kunnen vervolgens worden gescreend en geprioriteerd op basis van de consument inzicht en trendidentificatie gedaan. Voorspellende analyses hier kunnen voorspellen welke producten morgen succesvol zullen zijn, zelfs voordat de producten op de markt komen.

AI Palette helpt de FMCG-bedrijven met hun productinnovatie. We gebruiken kunstmatige intelligentie & Machine Learning om FMCG-bedrijven te helpen bij het maken van consumentenwinnende producten.