平台能力
TasteNET 是一个基于多代理消费者数字孪生的 B2B 消费者模拟平台。食品和饮料团队在生产前使用它来验证消费者对新产品的接受程度。Twin Chat和模拟器这两种产品在同一个数字孪生基础上运行。
查看 38 个国家和地区的哪些消费者会选择您的产品。
在发布前比较同卵数字孪生的概念、配方、包装和价格。
预先测试声明和渠道,看看口碑如何传播。
每一项发现都与说出这句话的数字孪生有一定的联系。
建筑学
五层,从实时数据到您团队工作的界面。
查看实时数字孪生仿真,以及可追踪的决策流程及其驱动因素。
根据询问的刺激重建每个数字孪生的情景风味记忆。
根据区域层面的心理物理和社会动态规则重新衡量反应的权重。
使用 GNN 和 BNN 的多模态嵌入,提供基于关系的统计预测模型。
时间窗口的定性和定量受访者输入反馈到数字孪生中。
Twin Chat:实时采访 AI 消费者数字孪生
Twin Chat是TasteNET内部的采访产品。食品和饮料团队与 100 到 1,000 个人工智能消费者数字孪生(一次一个或一组)聊天,了解谁喜欢某种产品、谁犹豫不决以及原因。
按口味类型、美食家个性、市场、年龄和性别过滤数字孪生,然后选择谁加入房间以及他们讨论哪种产品。一次数字孪生或一百个。
向整个房间提出一个问题,每个数字孪生都会用自己的话和自己的语言回答。使用 @ 联系单个数字孪生以进行跟进。
单击一下,整个房间就变成了一个综合体:判决、答案如何划分以及每一方背后的原因。
什么是Twin Chat?
Twin Chat 可让您直接采访 AI 消费者数字孪生。单击任何数字孪生,即可确切了解他们为何做出这样的反应。
按 16 种口味类型、美食家个性、市场、年龄、性别、家庭和饮食筛选数字孪生。
每对数字孪生还带有人口统计标签:市场、年龄、性别、家庭和饮食。
16 种口味类型根据四个轴对一个人的感官偏好进行排序:盐或酸、涂层或质地、清淡或浓郁的味道、新鲜或成熟的色调。
美食家性格从三个方面对一个人选择食物的方式进行排序:理性或冲动、以自我为中心或以社会为中心、定居者或探索者。


你可以问什么
在决定衡量什么之前,提出开放性问题,找出对这些消费者来说重要的事情。
询问谁、有多少、有多少:谁喜欢该产品,谁犹豫不决,以及有多强烈。
询问什么会改变答案:更低的价格、不同的主张、更少的糖。
- 腥34%
- 咸而不甜24%
- 一个新奇19%
- 精致餐饮14%
- 其他9%
- 可乐
- 水果汽水
- 汽水
第一名第二名第三名
- 冷气冲进鼻腔32%
- 舌头上有刺痛感26%
- 口气清新21%
- 接近蜇伤13%
- 几乎没有8%
- 三文鱼慕斯46%
- 三文鱼冰淇淋29%
- 两者都不25%
经典的 58%减少 30% 糖分 42%
意思是 6.1
“三文鱼冰淇淋” 3.9“三文鱼慕斯” 5.2+1.3
- 价格相同42%
- 多加 2 元27%
−15 点
未标记 5.6“90% 薄荷醇” 6.7+1.1
模拟器:在启动之前运行启动
Simulator 是 TasteNET 内推出的预测产品。食品和饮料团队推出了 50 到 1,000 个人工智能消费者数字孪生,并在生产前从第一次口碑传播中获得认可。
数字孪生在过道上走来走去,比较货架,拿起或放回产品,然后在收银台排队。查看发射在哪里受到关注以及在哪里被忽略。
数字孪生用自己的话说,逐道菜地点餐、品尝并做出反应。了解哪些菜肴赢得了餐桌,以及食客对口味、份量和价格的评价。
数字孪生沿着他们的社交关系一波接一波地传递着启动仪式。每个产品从第一次接触到购买、体验和宣传,口碑的痕迹始终清晰可见。
什么是 TasteNET 模拟器?
TasteNET Simulator 是一个基于现实世界口味偏好和心理决策模型的市场行为模拟器。
上传您的产品详细信息:成分、风味概况、定位和上市信息。选择目标市场和群体,然后运行模拟。
从第一次接触到口碑相传
每个数字孪生都会通过四阶段 EPXA 验收漏斗评估您的产品。选择一个频道,看看人们在哪里退出。
超市和便利店,一包商品在拥挤的货架上有几秒钟的时间来吸引注意力。
市场和品牌商店,搜索、列表、评级和价格比较决定购物篮。
餐厅和连锁店,人们首先品尝菜肴,然后判断品牌。
拿走柜台、售货亭和自动售货机,这些地方的购买速度很快,但忠诚度却很脆弱。
- 主张共鸣
- 包装设计
- 货架脱颖而出
- CEP 适合
- 价格敏感性
- 意图形成
- 比较
- 冲动
- 感官评价
- 满意
- 期望差距
- 分享
- 回购
- 品牌忠诚度
- 推荐
报告内容
该报告通过四个时刻跟踪每对数字孪生,找出大多数人退出的地方,并将每次泄漏转化为本地化、重新制定、索赔或投资组合的行动。
他们是否注意到了这一点?该主张是否适合他们关心的时刻?
在这个价格、这个货架上的其他选择中,他们会选择它吗?
第一次品尝是否达到包装承诺的效果?
他们会再次购买并告诉其他人吗?
您将在 30 分钟内收到包含分段级诊断的完整验收报告。
- 主张共鸣
- 货架脱颖而出
- CEP 适合
索赔以早晨时刻在背包正面为主导。
- 价格与基准
- 与领导者比较
- 冲动上诉
文件夹以较低的入门价格添加较小的包装。
- 感官喜好
- 期望差距
- 回味
重新配制保留配方并软化余味。
- 回购意向
- 分享
- 品牌忠诚度
本土化添加地域风味,让人们有话可说。
常见问题解答
Twin Chat 和模拟器有什么区别?
Twin Chat 和 Simulator 是 TasteNET 中的两个产品。 Twin Chat 是采访产品:团队与 100 到 1,000 个 AI 消费者数字孪生聊天,看看谁喜欢某个产品、谁犹豫以及原因。 Simulator 是发布预测产品:它对 50 到 1,000 个数字孪生进行发布,从第一次曝光到口碑相传。两者都在同一个数字孪生基地上运行。
我可以在 TasteNET 中对食谱、包装和价格进行 A/B 测试吗?
是的。 TasteNET 在推出前会比较同一数字孪生的概念、配方、包装和价格,因此这两种选择都面向相同的消费者。典型的测试将经典配方与低糖版本进行比较,将一种产品名称与另一种产品名称进行比较,或者将同一产品设置为两个价格点。
TasteNET 是否报告标准研究指标,例如 Top-2-box?
是的。 TasteNET 按 5 分制报告购买意向,包括前 2 框、前 2 框、后 2 框和净得分。 Twin Chat 还返回 1 到 9 的喜好和意愿分数、排名顺序、选择份额和按主题分组的开放答案,每个分数都针对所选的市场和细分市场。
TasteNET 可以预先测试声明、产品名称和活动吗?
是的。 TasteNET 预先测试声明和渠道,并显示口碑如何传播。在 Twin Chat 中,因果问题一次改变一件事,例如产品名称、标签声明或价格,并衡量答案的变化。在模拟器中,曝光阶段的分数引起了共鸣,包装设计和货架脱颖而出。
我可以将 TasteNET 结果追溯到个人消费者吗?
是的。 TasteNET 中的每一项发现都与说出这句话的数字孪生有一定的关联。在 Twin Chat 中,点击任何孪生都会显示它为何做出这样的反应,并且界面会显示决策流程及其驱动因素。
TasteNET 能否预测不同国家和城市的产品接受度?
是的。 TasteNET 维护着一个感官地图,其中包含 38 个国家/地区 118 个地区的特定风味规则、强度阈值和口味基线。每个地区的概况包括主要风味规则(例如,中国青海的高原鲜味孜然热)、风味关键词以及根据多源市场信号更新的动态感官趋势。当您进行模拟时,数字孪生会在其所在地区的感官和文化背景下做出反应。因此,同一种产品可能在新加坡获得 85% 的接受度,在墨西哥城获得 62% 的接受度,其中明显的原因与感官基线差异有关。
我可以在 Twin Chat 中提出哪些类型的问题?
Twin Chat 接受三种问题。探索性问题是开放的,在您决定衡量什么之前找出对消费者来说重要的事情。描述性问题询问谁、有多少以及多少。因果问题询问什么会改变答案:更低的价格、不同的说法或更少的糖分。
我可以在 Twin Chat 中采访多少位 AI 消费者?
Twin Chat 一次采访 100 到 1,000 个 AI 消费者数字孪生,可以一个一个或一组采访。基本计划最多可容纳 1,000 人使用公共泳池数字孪生,全景计划最多可容纳 5,000 人。
我如何选择要采访的数字孪生?
Twin Chat 按市场、年龄、性别、家庭和饮食以及两个 Digitaste 框架过滤数字孪生。 16 种口味类型按四个轴对感官偏好进行排序:盐或酸、涂层或质地、清淡或浓郁的味道、新鲜或成熟的色调。美食个性将食物选择分为三个轴:理性或冲动、以自我为中心或以社会为中心、定居者或探索者。
Twin Chat 能否在原型出现之前测试风味概念?
是的。 Twin Chat 根据描述进行工作,因此可以在样本存在之前测试概念。团队询问消费者如何想象某种味道、感官词对他们意味着什么以及他们会尝试哪种版本,例如薄荷糖“足够强”的清凉感觉是什么样的。数字孪生根据自己的喜好来回答,而不是通过身体品尝。
Twin Chat 与焦点小组或在线调查有何不同?
Twin Chat 将焦点小组的深度与调查的规模结合起来。在一项调查中,团队会同时向多达 1,000 名数字孪生提出开放式后续问题,就像在焦点小组中一样。答案会实时到达,每个答案都可以追溯到一个数字孪生。然后由较小的人员小组确认决赛入围者。
什么是 TasteNET 模拟器以及它如何工作?
TasteNET Simulator 是 TasteNET 内推出的预测产品。您上传产品详细信息(成分、风味概况、定位和 GTM 信息),选择目标市场和群体,并对任意位置运行模拟,从 50 个用于快速定向检查的 AI 消费者数字孪生到 1,000 个用于完整市场模拟的 AI 消费者数字孪生。每个数字孪生都会通过 4 个阶段的 EPXA 接受漏斗来评估您的产品:曝光、购买、体验和宣传。您将在 30 分钟内收到包含分段级诊断的完整验收报告。
我需要提供什么来运行 TasteNET 模拟?
TasteNET 模拟需要您的产品详细信息和目标。上传成分、风味概况、定位和上市信息,然后选择目标市场和群体。模拟根据此描述运行,因此不需要物理样本。
TasteNET 模拟需要多长时间?
TasteNET 模拟可在 30 分钟内返回包含分段级诊断的完整验收报告。它在 50 个数字孪生上运行以进行快速定向检查,或在多达 1,000 个数字孪生上运行以进行完整的市场模拟。
EPXA 验收漏斗是什么?
EPXA 是每个 TasteNET twin 都会经历的四个阶段的接受漏斗:曝光、购买、体验和宣传。曝光度询问消费者是否注意到该产品。采购询问是否选择这个价格。经验会询问第一口的味道是否达到了包装所承诺的效果。倡导询问他们是否再次购买并告诉其他人。
模拟器报告包含什么内容?
模拟器报告跟踪每对数字孪生经历四个 EPXA 阶段,并显示大多数人退出的地方。它将每次泄漏转化为本地化、重新配制、索赔或投资组合的行动,并进行分段级诊断。例如,购买时的泄漏可能表明产品包装较小,入门价格较低。
模拟器可以模拟哪些销售渠道?
该模拟器模拟了四种渠道:零售(超市和便利店)、电子商务(市场和品牌店)、餐饮服务(餐厅和连锁店)和移动(即取即走柜台、售货亭和自动售货机)。选择一个渠道,看看消费者在该环境下从哪个渠道退出。
TasteNET 能否在不亲自品尝的情况下预测食谱的受欢迎程度?
是的,作为预测。数字孪生没有身体味觉。模拟器根据每个数字孪生对香气、味道和口感的测量偏好来设置您的成分和风味特征,并在体验阶段报告感官喜好、期望差距和余味。然后,各团队通过较小的人员小组确认决赛入围者。
模拟器可以预测口碑吗?
是的。模拟器的宣传阶段模型共享、推荐、复购和品牌忠诚度。在粒子视图中,每个点都是一对数字孪生,点之间的线显示口碑从一个消费者传播到下一个消费者。
TasteNET 如何帮助产品重新配制?
首先,我们诊断是配方问题还是消费者期望问题。大多数时候,问题的根源并不是表述本身;而是表述本身出了问题。上下文是。当谈到配方时,TasteNET 会根据每个人工智能消费者的感官参数(甜味和咸味强度、质地和风味平衡)进行运行,并准确显示每个变化如何改变各个细分市场的接受度:哪些群体可以在没有注意到的情况下忍受 20% 的糖减少,哪些群体将其视为降级。
