模拟人类味觉
TasteNET 模拟人们如何感知味道,包括 65 个味道、口感和香气家族以及大约 2,000 个描述符。在球体上,一个点距离红色核心越远,它就越受欢迎。
最喜欢:热的、烤的和脆的。
最喜欢:柑橘味、碳酸味和多汁味。
最喜欢:鲜味、热和甜。
最喜欢:鲜味、肉味和辣味。
最喜欢的:热、温暖和醇厚。
最喜欢:柑橘、花香和碳酸。
最喜欢:甜的、肥腻的和焦糖的。
最喜欢:热的、鲜味的和烤的。
喜欢 共 10 个,
味觉的结构
每一口都会经历一个人口味的八层,按照变化的速度排序。最慢的坐在中间。
每个人生来就喜欢甜的,拒绝苦的,并对从未吃过的食物保持警惕。
固定的。塑造感知。
受体基因决定了同一分子对你的味道有多苦或多香。
终身固定。塑造感知。
母亲的饮食通过羊水和母乳到达婴儿。
设置在早期的窗口。塑造感知。
菜肴的风味原则、特性以及家人和同龄人的饮食方式。
几十年来的变化。塑造期望。
对新食物的恐惧是高度遗传的,寻求刺激的人更喜欢辛辣的食物。
多年来的变化。塑造期望。
每咬一口都会改写它:幼儿在连续 8 至 10 天每天品尝某种食物后,会更容易接受这种食物。
每次曝光都会发生变化。塑造期望。
同样的食物,饿了就好吃,饱了就少了,刚吃完就失去了吸引力。
数小时内发生变化。当下喜欢的曲子。
场地、价格、包装、颜色和声音在第一次品尝之前就设定了期望。
几秒钟内发生变化。塑造期望。
方法论:TasteNET 数字孪生是如何构建的
TasteNET 通过在其系统设计中应用第一原理方法来解码人类与食物的关系。本节为食品和饮料研究团队解释了如何通过四个步骤构建数字孪生:测量真人、构建孪生、将孪生放入市场以及模拟决策。

是什么让 TasteNET 与众不同
我们的关键区别在于第一方感官和行为数据,通过基于真实人类决策过程的原则进行建模。
四个步骤
我们围绕 16 种口味类型、8 种美食个性和食物记忆访谈构建了自己的面向消费者的数据管道。
我们的分类法
- 16 种口味类型:对香气、味道和口感偏好的三部分心理物理评估,涵盖 53 种香气、32 种强制选择的口味和质地对以及 7 个强度维度。
- 8 个美食家性格:98 个问题,涉及人们选择食物的因素,从价格和健康到社会影响、品牌忠诚度、探索和分享。
- 食物记忆访谈:自定进度的六个问题,涉及食物起源、峰值感官记忆、真实试用购买和情绪饮食,捕捉结构化工具无法达到的生活体验。
在预测接受度之前,我们测量每个关键感官和行为属性的强度和偏好曲线。
我们的设计原则
- 每个地区或群体都包含 1,000 多个消费者档案,以实现统计深度和细粒度的分辨率。
- 清晰的算法矩阵将生物力学阈值(例如受体水平敏感性)与认知感知数据(例如偏好、记忆和文化关联)分开。
- 生物物理参数成为数学感觉能力指数,因此可以在同一分析空间中比较不同群体的感觉知觉。
- 模型输出通过受控环境焦点小组得到支持和验证。
每个模拟都针对一个实时的世界状态,一个不断更新的文化信号层、流行风味、健康叙述和特定于您的目标市场的社会动态。
例如
- 如果 Heritage Detox Brew 于 2026 年 2 月在中国流行,那么该地区的数字孪生会将这种文化动力纳入他们的购买和宣传决策中。
只有在个人层面进行自下而上的模拟,品牌才能超越平均指标,做出有证据支持的决策:推出什么、如何定位以及谁会购买。
我们的人工智能能力
- 结合产品类别、区域背景和感官变量,通过特定领域的意识来解释用户意图。
- 将第一方数据与二级报告和公共数据集进行综合,以生成有证据支持的建议。
- 在预先建模的感官基线上运行,并以区域、群体或个人的分辨率返回结果。
- 接受专有上传,例如产品简介和配方说明,没有跨客户端数据共享,也没有模型再训练暴露。
数字孪生不是什么
非合成人物角色
没有合成数据。没有平均人物角色。
非遗传或生物识别
没有遗传数据,没有个人健康记录,没有生物特征数据,也没有DNA。
其背后的科学
参考
传统的消费者研究询问人们的想法。 TasteNET 衡量答案背后的驱动因素。
心理物理学捕获每个人稳定的感官指纹:检测阈值、JAR 窗口和偏好模式。热力学解释了为什么这些偏好成立:每个食物决策都寻求较低能量的平衡,其中感官奖励超过加工成本。
没有两个人会尝到相同的食物:受体遗传学、心理物理学以及感知的测量方法。
- 巴托舒克、达菲和米勒 (1994) PTC/PROP 品尝:解剖学、心理物理学和性效应。 生理与行为
- 金等人。 (2003) 对苯硫脲味觉敏感性的人类数量性状基因座的位置克隆。 科学与验证
- 布夫等人。 (2005) 苯硫脲和丙基硫氧嘧啶苦味感知个体差异的分子基础。 现代生物学
- 凯勒等人。 (2007) 人类气味受体的遗传变异会改变气味感知。 自然
- 巴托舒克等人。 (2003) 标记量表(例如类别、李克特、VAS)和无效的组间比较:我们从味觉遗传变异中学到了什么。 食品质量和偏好
- 巴托舒克等人。 (2004) 与标记量表的有效跨组比较:gLMS 与幅度匹配。 生理与行为
- 海斯与凯斯特 (2011) 二十年的超级品味:我们现在处于什么位置? 生理与行为
- 普普蒂等人。 (2018) 味觉感知个体差异的多维测量。 食品质量和偏好
- 罗津 (1982) “味觉嗅觉混乱”和嗅觉的二元性。 感知与心理物理学
- 布莱斯林与博尚 (1997) 盐通过抑制苦味来增强风味。 自然
- 赞皮尼与斯宾塞 (2004) 听觉线索在调节薯片脆度和陈旧感方面的作用。 感官研究杂志
- 斯宾塞与列维坦 (2021) 解释颜色和口味之间的跨模式对应关系。 i-感知
- 约曼斯等人。 (2008) 期望在感官和享乐评估中的作用:以熏鲑鱼冰淇淋为例。 食品质量和偏好
- 普拉斯曼等人。 (2008) 营销行为可以调节体验愉悦感的神经表征。 美国国家科学院院刊
- 金与梅塞尔曼 (2010) 开发一种测量消费者与食品相关情绪的方法。 食品质量和偏好
- 李等人。 (2023) 主要气味图统一了嗅觉感知中的不同任务。 科学与验证
- 罗森塔尔与陈 (2023) 食物质地的维度:概念性讨论。 纹理研究杂志
- 多蒂 (2025) 气味作为认知结构:气味分类的历史以及将气味感知映射到物理和化学参数的尝试。 化学感官
如何做出、衡量和传播食物选择:偏好学习、决策驱动因素和社会传染。
- 罗津与法伦 (1987) 对厌恶的看法。 心理评论
- 罗津 (1990) 获得稳定的食物偏好。 营养评论
- 贝里奇 (2009) “喜欢”和“想要”食物奖励:大脑基质和饮食失调中的作用。 生理与行为
- 希夫与费多里欣 (1999) 内心与思想的冲突:消费者决策中情感与认知的相互作用。 消费者研究杂志
- 拉古纳坦、内勒和霍耶 (2006) 不健康=美味直觉及其对味觉推断、享受和食品选择的影响。 市场营销杂志
- 山楂、雷泽克和样品 (2017) 健康的饮食会让钱包空空:健康=昂贵的直觉。 消费者研究杂志
- 翁韦森等人。 (2019) 制定单项食物选择问卷。 食品质量和偏好
- 罗伊宁、拉赫廷马基和图奥里拉 (1999) 量化消费者对食品健康和享乐特征的态度。 食欲
- 利希滕斯坦、李奇微和内特迈耶 (1993) 价格认知和消费者购物行为:实地研究。 营销研究杂志
- 比尔登、内特迈耶和蒂尔 (1989) 衡量消费者对人际影响的敏感性。 消费者研究杂志
- 范·特里普和斯廷坎普 (1992) 消费者对食品的多样化寻求倾向:测量和管理意义。 欧洲农业经济学评论
- 唐尼、鲍迈斯特和布恩 (2004) 高自控力预示着良好的适应能力、更少的病态、更好的成绩和人际交往的成功。 人格杂志
- 蔡、陈、方 (2009) 观察学习:来自随机自然现场实验的证据。 美国经济评论
- 萨尔加尼克、多兹与瓦茨 (2006) 人工文化市场中不平等和不可预测性的实验研究。 科学与验证
- 格兰诺维特 (1978) 集体行为的阈值模型。 美国社会学杂志
- 瓦茨 (2002) 随机网络上全局级联的简单模型。 美国国家科学院院刊
- Centola 与梅西百货 (2007) 复杂的传染和长期关系的弱点。 美国社会学杂志
- 积雪草 (2010) 在线社交网络实验中行为的传播。 科学与验证
- 克里斯塔基斯与福勒 (2007) 32 年来肥胖在大型社交网络中的传播。 新英格兰医学杂志
- 帕丘基、雅克和克里斯塔基斯 (2011) 配偶、朋友和兄弟姐妹之间食物选择的社交网络一致性。 美国公共卫生杂志
- 贝斯 (1969) 新型耐用消费品的新产品增长。 管理科学
- 兰德与鲁斯特 (2011) 营销中基于代理的建模:严格指南。 国际营销研究杂志
食物就是我们自己:文化、阶级、家庭、早期的风味学习以及味道和气味带回的记忆。
- 巴特 (1961) 致力于当代饮食的心理社会学。 年鉴:经济、社会、文明
- 道格拉斯 (1972) 破译一顿饭。 代达罗斯
- 布迪厄 (1984) 区别:对品味判断的社会批判。 哈佛大学出版社
- 菲施勒 (1988) 食物、自我和身份。 社科资讯
- 内梅洛夫与罗津 (1989) “你吃什么就是什么”:将无需求的“印象”技术应用于一个未被承认的信念。 精神
- 罗津与米尔曼 (1987) 家庭环境,而不是遗传,解释了家庭在食物偏好和态度方面的相似性:一项数字孪生研究。 食欲
- 罗津等人。 (1999) 美国、日本、佛兰德比利时和法国对食物的态度以及食物在生活中的作用:对饮食与健康辩论的可能影响。 食欲
- 德拉波斯塔、石与梅西 (2015) 为什么自由主义者喝拿铁咖啡? 美国社会学杂志
- 马吉德 (2021) 人类嗅觉处于语言、文化和生物学的交叉点。 认知科学的趋势
- 门内拉、贾格诺和博尚 (2001) 人类婴儿的产前和产后风味学习。 儿科
- 图尔文 (1972) 情景记忆和语义记忆。 记忆的组织,学术出版社
- 图尔文和汤姆森 (1973) 情景记忆中的编码特异性和检索过程。 心理评论
- 赫兹与斯库勒 (2002) 对嗅觉和视觉线索诱发的自传体记忆的自然主义研究:检验普鲁斯特假设。 美国心理学杂志
- 威兰德与拉尔森 (2006) 气味带你回到童年:自传式气味记忆。 心理公告与评论
- 莫杰特与科斯特 (2005) 感官记忆和食物质地。 食品质量和偏好
- 科斯特与莫杰特 (2015) 从情绪到食物,从食物到情绪:消费者研究中与食物相关的情绪测量的心理学视角。 国际食品研究中心
用语言模型模拟人:什么有效,数字孪生在哪里扭曲,以及如何测试保真度。
- 帕克等人。 (2023) 生成代理:人类行为的交互式拟像。 尤尼斯特理工学院’23
- 帕克等人。 (2024) 1,000 人的生成代理模拟。 arXiv:2411.10109
- 阿盖尔等人。 (2023) 合而为一:使用语言模型来模拟人类样本。 政治分析
- 霍顿 (2023) 作为模拟经济主体的大型语言模型:我们可以从西人身上学到什么? NBER 工作文件 31122
- 品牌,以色列 & Ngwe (2023) 使用法学硕士进行市场研究。 哈佛商学院工作论文 23-062
- 戈利与辛格 (2024) 前沿:大型语言模型能否捕捉人类偏好? 营销科学
- 阿罗拉、查克拉博蒂和西村 (2025) 用于营销研究的人工智能与人类混合体:利用大型语言模型 (LLM) 作为合作者。 市场营销杂志
- 图比亚等人。 (2025) Twin-2K-500:一个数据集,用于根据 2,000 多人对 500 多个问题的回答来构建数字孪生。 营销科学
- 彭等人。 (2026) 数字孪生是游乐场的镜子:五种系统性扭曲。 科学进步
- 宾兹等人。 (2025) 预测和捕获人类认知的基础模型。 自然
- 比斯比等人。 (2024) 人类调查数据的合成替代品?大型语言模型的危险。 政治分析
- 王摩根斯坦与迪克森 (2025) 取代人类参与者的大型语言模型可能会有害地错误描述和扁平化身份群体。 自然机器智能
- 柯克等人。 (2024) 了解 RLHF 对 LLM 泛化和多样性的影响。 ICLR 2024
- 庄等人。 (2024) 超越人口统计:使用人类信仰网络来调整基于 LLM 的角色扮演代理。 EMNLP 2024 的调查结果
- 张等人。 (2025) 利用语言代理框架中的双过程理论进行实时同步人类与人工智能协作。 arXiv:2502.11882
- 齐亚巴里等人。 (2025) 频谱推理:使法学硕士与系统 1 和系统 2 思维保持一致。 arXiv:2502.12470
- 朴等人。 (2025) AgentSociety:法学硕士驱动的生成代理的大规模模拟增进了对人类行为和社会的理解。 arXiv:2502.08691
- 安西斯等人。 (2025) 立场:法学硕士社会模拟是一种很有前途的研究方法。 ICML 2025
验证:何时何地可以信任数字孪生
多长,多远,多深。
客户问得最多的三个问题是一个问题的三个方面。每个点都是一个决策事件:今天有证据的地方是实心的,仍然超出边缘的地方是空心的。
时间 个人资料的有效期是几个月还是长期?四分之一:默认范围。所有第一阶段的证据都来自本季度内的一次会议。几个季度:仅相邻证据:一个分段级模拟器持续了四个月。年:尚无数据。
设想 它能预测什么,不能预测什么?稳定的偏好:第一阶段匹配率为 90% 至 95%,偶然匹配率为 50%。情感驱动:情感任务恢复了 66% 至 74% 的选择,而偶然情况为 25%。上下文逆转:第一阶段的匹配率为 45% 到 49%,接近 50% 的机会。
深度 如果它表现出无意识的动机,如何与该人核实?陈述偏好:调查直接衡量的内容。公认的动机:需要证据:从一系列描述中挑选自己的描述。不言而喻的动机:需要证据:比人更好地预测各种情况下的行为。
随时间推移的有效性
数字孪生持有多久取决于市场变动的速度。
数字孪生是某一时刻的写照,市场不断变化。我们将完成的数字孪生带回随后 3 至 12 个月的实际市场,并检查其电话号码开始漂移的月份。市场变化越快,保质期就越短。
快速的市场动力 新产品、渠道和趋势在这里快速更新,选择也随之变化。
市场动力温和 市场在变化,但主流偏好和场合保持相当稳定。
市场动力缓慢 品类成熟,口味和习惯变化缓慢。
场景覆盖
无尽的场合,八个变数。
饮食是由人、产品和情况决定的。人是孪生轮廓,产品是类别,剩下的就是场合。将其分成八个不重叠的变量,四个在人身上,四个在周围,每个变量都针对真实的人进行了验证。
时间 这一刻在一天、一周和一年中的位置。
环境 周围环境的感觉如何:热、冷和天气,加上光、声音和气味。
地方 做决定时这个人在哪里,以及他们在做什么。
公司 谁在场以及该人扮演什么角色。
目的 这一口是为了什么,为谁而咬的。
松弛 现在时间和金钱是否足够。
情绪 那一刻的感觉。
身体 身体现在需要什么。
深度
说了些什么,没说些什么。
一座冰山画出一条水线并将其固定到位。这里有两条线,并且都在移动:言语的边缘取决于提出的问题,今天的边缘取决于证据。系统1和系统2是简写,不是两台机器;五层相互辉映。一项食物或饮料的决定从选择变成了信念,每个点都是向数字孪生提出的一个问题。
选择 在一项调查中选择的,尚未在真实环境中完成。
原因 缓慢、努力、言语。
动机 直到被问到才说出来,一经展示就被认出。
直觉 快速,自动,很少说。
信仰 先验,改变最慢,最难用语言表达。
本节展示了 TasteNET 数字孪生在何时何地可以被信任,以便食品和饮料团队决定在多大程度上依赖模拟。信任具有三个优势:个人资料的有效期有多长,数字孪生可以预测什么和不能预测什么,以及其答案可以验证的动机有多深。在 20 个基准测试中,TasteNET twins 针对真实消费者行为的平均准确率达到 86%。

当前的富达报告
回测结果在 86% 的情况下与真实消费者相符。案例验证查看该数字下方。
数字孪生的回答和这个人一样吗?数据来自回测和第一阶段。
这对孪生兄弟的言论是否来自于自己的个人资料,并且出于正确的理由?案例验证,86 个条目,628 个答案。
数字孪生是捏造还是自相矛盾?案例验证,越低越好。
整体回测
20 个基准86%
20 个基准的总体一致性。机会因基准而异,因此该数字不会转换为机会差。
稳定的偏好
第一阶段,机会 50%90% 至 95%
普通情况下的两种选择,例如工作日下午的气泡水或静水。超过 90%,是当今数字孪生最稳定的基础。
情感驱动
第一阶段,机会 25%66% 至 74%
情绪状态下的选菜任务,概率只有25%。命中率在70%左右,所以它的机会率并不比稳定偏好小。
上下文逆转
第一阶段,机会 50%45% 至 49%
同一个人随场合翻转的物品。命中率接近偶然,这就是今天的场景优势所在。
配置文件读入
及格分数 90%93% 至 95%
数字孪生的回答是否符合其个人资料中明确指出的偏好。这是第一个验证关:超过 90% 的配置文件算作正确读取,紧随其后的是紧张项目。
概括与张力
个人资料中未注明78% 至 92%
个人资料中的两个特征相互对立,或者向数字孪生询问个人资料中从未提及的食物,看看它是否达到了正确的方向。每个项目八个独立样本,按项目评分。
机制命中
正确的理由50% 至 88%
仅有正确答案是不够的:原因必须追溯到配置文件中的匹配行。传播来自于个人资料的编写方式。列出实例的旧样式给出 50%。用条件句按类别写作,或者用反应时间的新分项格式写作,都可以达到 80% 以上,最高可达 88%。最上面的情况排除了受一个提示模板问题影响的项目。
制造
分享答案2%至8%
体验或详细描述数字孪生用品,但其档案中没有任何基础。数据越厚意味着越少:2% 使用第一人称数据,4 到 8% 不使用第一人称数据。
异常值
分享答案0.4%至3.7%
与个人资料直接矛盾的单一答案。这就是为什么从不使用一个样本来做出决定:生产采用了多个样本的大部分,并过滤了一致性的原因。
与真人对比的数据来自回测和第一阶段;轮廓和清洁度数据来自案例验证,一种型号有 86 个项目和 628 个答案。三者使用不同的定义,不能直接比较。
如何验证准确性
每一个判决都会与数字孪生从未见过的人类答案进行核对。三个答案提供了相同的四个测试,每个结论都涵盖了一个推理级别的一个条件。
为每一个数字孪生奔跑。它是根据其个人资料中提供的项目进行评分,其命中率被报告为该人自身一致性的一部分:噪音间隔两周,时间边缘间隔两个月。
数字孪生群体重新运行一个问题,其实际结果已经从市场或过去的研究中得知。结果在两个轴上进行评分:消费者实际行为的准确性,以及完整性,即捕获的决策因素的广度。
与您的团队在您已有的研究基础上进行构建。您过去的结果将成为悬而未决的答案,因此每个结论都涵盖您自己的类别、市场和条件。
答案要点
回答坚持下去重新测试时更改双样品
每件商品有很多样本,因此是比较分布,而不是抽奖。
- 品尝
- 质地
- 价格
- 盒
- 宣称
- 场合
- 习惯
- 同行
- 健康
- 品牌
选择没有未达到
一次运行是针对一个已知结果设置的,同时在两个轴上进行。
值得信赖需要校准走开未经测试
过去的结果将被保留并盲目重新运行。没有研究的细胞就未经测试。
前提
四项测试
判决
- 值得信赖可用于此级别的决策。
- 需要校准方向可以用。定量声明需要人体样本进行校准。
- 走开信号本身不可靠。使用人类研究来研究这种细胞。
- 未经测试仅用于探索,不用于决策。
翻转开关来尝试一下。当模型、提示、项目类型或群体发生变化时,锚点就会过期;阈值是起点,在正式使用之前根据决策风险重新注册。
将边缘向外推
在线、大样本重新测试和比较。在受控设置中进行离线、跨模式验证。
| 工作流程 | 模式 | 设想 | 深度 | 时间 | 它的作用 |
|---|---|---|---|---|---|
| 复试小组 | 在线的 | 两周后和两个月后再次对相同的用户进行测试,给出感觉、行为和记忆层的衰减曲线。 | |||
| 转移梯度 | 在线的 | 沿着传输距离逐步测试:新项目、新类别、新行为。 | |||
| 三个级别的证据 | 在线的 | 自我识别,认识这个人的目击者,然后是跨情况的行为预测。 | |||
| 消融和人体基准 | 在线的 | 注入的信息被逐块删除,并根据该人自己的三层调查进行评分。 | |||
| 学术实验 | 在线的 | 第一阶段与大学合作伙伴完成;与其他学术合作伙伴一起开展后续研究。 | |||
| 新加坡 Crossmodel 感官实验室 | 离线 | 每个感官线索都受到控制的空间,将于 2027 年初开业。同一个人,同样的食物,不同的光线、声音、气味、餐具和陪伴。 | |||
| 餐厅沙盒 | 离线 | 北京一家餐馆的大学实验室进行了一项计算社会实验,与实际的订购记录并行运行。 | |||
| 眼动追踪和脑电图 | 离线 | 实验室研究首先根据评分和行为进行校准,然后添加眼动追踪和脑电图作为未言明动机的证据。 |
设定范围,然后相信答案
把你的问题放进去,看看它落在边缘的哪一边,走哪条路线。
- 什么时候
- 在所有三个边缘内
- 您提供
- 人口统计过滤器
- 你得到
- 立即进行数字孪生访谈和模拟
- 第一步
- 今天
- 什么时候
- 超越场景边缘
- 您提供
- 人口统计要求、主要用例和类别
- 你得到
- 承载品牌记忆的定制数字孪生
- 第一步
- 50 数字孪生
- 什么时候
- 超越深度或时间边缘
- 您提供
- 重新审视人体样本和重新测试节奏
- 你得到
- 人类主播和对这种情况的判决
- 第一步
- 一起制定的验证设计
- 双
- 人类
- 你的问题
- 边缘交叉
- 新边缘
常见问题解答
为什么两个人吃同样的食物会有不同的味道?
人们对同一食物的口味不同,因为味道是由八个层次形成的,而每个人的口味都有所不同。受体基因决定同一分子的味道有多苦或多香。早期生活的经历、文化、个人特质和学习塑造了一个人的期望。身体状态和环境然后调整当下的喜好。
为什么同一个人在不同的场合会喜欢不同的口味?
因为喜好会随着身体状态和环境而变化。同样的食物,饿了的时候比吃饱的时候更让人愉悦,而且场地、价格、包装、颜色和声音在第一次品尝之前就设定了期望。 TasteNET 模型对不同场合的偏好进行建模:饥饿的早晨和夏日的下午给同一个人两种不同的喜好模式。
TasteNET 对哪些风味属性进行建模?
TasteNET 对 65 个味道、口感和香气家族以及约 2,000 个描述符的风味感知进行建模。基本评估衡量每个人对 53 种香气、32 种强制选择的味道和质地对以及 7 个强度维度的喜好。
TasteNET 数字孪生是如何构建的?
TasteNET 数字孪生分四个步骤构建。首先,使用三种工具对一个真人进行测量:16 种味觉类型、8 种美食个性和食物记忆访谈。其次,数字孪生是根据该人的强度和偏好曲线构建的。第三,这对数字孪生被置于其市场的实时世界状态中。第四,数字孪生模拟这个决定。
16 种味觉类型是什么?
16 种味道类型是 Digitaste 对一个人的香气、味道和口感偏好的心理物理评估。它涵盖了 53 种香气、32 种强制选择的味道和质地对以及 7 个强度维度,并在四个轴上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。
8 种美食性格是什么?
8 Foodie Personalities 是 Digitaste 的一个关于人们如何选择食物的框架。它使用 98 个问题来探讨食品选择的驱动力,从价格和健康到社会影响、品牌忠诚度、探索和分享。它按照三个轴对人进行分类: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。
什么是食物记忆访谈?
食物记忆访谈是一个自定进度的会议,包含六个问题,内容涉及食物起源、峰值感官记忆、真实试用购买和情绪饮食。它捕捉了结构化工具无法达到的生活体验,并为每个 TasteNET 数字孪生提供了食物记忆。所有这三种乐器都可以在 askyumi.com 上试用。
TasteNET 每个市场背后有多少真正的消费者?
TasteNET 中的每个地区或群体都包含 1,000 多个消费者档案,以实现统计深度和细粒度分辨率。总的来说,TasteNET 借鉴了 38 个国家 118 个地区的 11 万多个真实世界的感官特征。
TasteNET 与食品趋势报告有何不同?
趋势报告笼统地描述了一个市场。 TasteNET 模拟个人消费者如何选择一种特定产品。每个数字孪生都是由一个被测量的人自下而上构建的,每次模拟都针对文化信号、流行风味和健康叙述的实时世界状态,因此趋势作为决策的背景。
TasteNET 基于什么研究?
TasteNET 借鉴了四个研究领域:感官科学和心理物理学、食物选择行为和社会传染、食物身份和记忆,以及用语言模型模拟人。方法论页面列出了这四个领域的 70 多个学术参考文献,从味觉遗传学到 1,000 人的生成剂模拟。
数字孪生是基于哪些数据构建的?
每个数字孪生都基于通过我们的自我报告美食社区收集的第一方感官和行为数据。我们的数据库包含 110K 多个真实世界的感官特征,涵盖 118 个地区的 128 种角色类型。每对数字孪生都有经过测量的口味偏好、食物选择价值观和人口统计特征。与依赖合成角色的通用人工智能消费者洞察平台不同,TasteNET 数字孪生反映了人们根据现实世界中的身份实际感知和选择食物的方式。
TasteNET 是否考虑了实时市场趋势和文化背景?
是的。每个模拟都针对一个实时的世界状态,一个不断更新的文化信号层、流行风味、健康叙述和特定于您的目标市场的社会动态。例如,如果 Heritage Detox Brew 于 2026 年 2 月在中国流行,该地区的数字孪生会将这种文化动力纳入其购买和宣传决策中,因此模拟反映了当今的市场。
TasteNET 86% 的准确度是如何测得的?
86% 是 TasteNET 数字孪生与真实消费者在 20 个回测基准中的总体一致性。结果因任务而异:90% 至 95% 的人选择稳定的偏好(机会 50%),66% 至 74% 的人选择情绪驱动的菜肴(机会 25%),45% 至 49% 的人选择随场合变化的菜肴(机会 50%)。
TasteNET 数字孪生还不能预测什么?
TasteNET 数字孪生在同一个人随场合翻转的情况下最弱:在这些上下文翻转中,命中率为 45% 到 49%,接近偶然。多年来还没有任何证据,一个人无法用言语表达的动机也尚未得到证实。对于这些情况,请使用人类研究。
TasteNET 数字孪生的有效期是多长时间?
TasteNET 孪生的默认范围是四分之一。除此之外,只有相邻的证据:一个分段级模拟器持续了四个月。多年来还没有数据。保质期取决于市场变化的速度,Digitaste 会根据随后 3 到 12 个月的实际市场对数字孪生进行回测。
Digitaste 如何验证数字孪生的准确性?
每一个判决都会与数字孪生从未见过的人类答案进行核对。每个数字孪生都会根据其个人资料中保留的项目进行评分,每个项目有八个样本,其命中率被报告为该人自己在重新测试中的一致性的一部分。接下来是四个检验:方向、幅度、分组和决策。
TasteNET 可以根据我们过去的研究进行验证吗?
是的。 Digitaste 与您的团队根据您已有的研究(例如概念测试、感官小组、价格测试以及使用和态度研究)构建自定义基准。您过去的结果将被保留并重新运行,因此每个判决都涵盖您自己的类别、市场和条件。
受信任、需要校准、离开和未经测试是什么意思?
它们是 TasteNET 针对一种情况给出的四个判断。可信意味着可用于决策。需要校准意味着方向是可用的,但定量声明需要人体样本。走开意味着信号不可靠,应该使用人类研究。未经测试仅意味着探索,而不是决策。
TasteNET 数字孪生会编造故事吗?
很少,而且是经过测量的。在案例验证中,2% 到 8% 的答案包含在数字孪生个人资料中没有依据的细节,而使用第一人称数据时,这一比例下降到 2%。另外,0.4% 至 3.7% 的单一答案与概况相矛盾。因此,TasteNET 从不使用一个样本来做出决定:生产过程中会使用多个样本中的大多数。
TasteNET 能否表达消费者无法用言语表达的表面动机?
部分,TasteNET 标记哪一部分得到证实。所陈述的偏好是直接测量的。一个人一旦表现出来就认识到的动机,以及未言明的动机,需要进一步的证据:自我认知、认识这个人的证人以及跨情况的行为预测。 Digitaste 正在添加眼动追踪和脑电图研究作为未言明动机的证据。
TasteNET 是否经过学术研究验证?
是的。第一阶段的验证是与大学合作伙伴一起完成的,后续研究是与其他学术合作伙伴一起进行的。在线下,一家带有大学实验室的餐厅沙箱将数字孪生与实际点餐记录进行比较,新加坡跨模型感官实验室于 2027 年初开放,用于受控跨模式测试。
我可以查看完整的 TasteNET 验证报告吗?
是的。 Digitaste 应要求分享验证报告。它包含完整的基准测试列表、方法和结果。
