Documente Academic
Documente Profesional
Documente Cultură
Davide Giacalone
Universidad del Sur de Dinamarca, Odense, Dinamarca
1. INTRODUCCIÓN
El desarrollo de nuevos productos (NPD) es un aspecto crucial que las empresas
necesitan para ser cada vez más exitoso para sobrevivir en el mercado altamente
competitivo de hoy (Costa y Jongen, 2006). Sin embargo, la tasa de éxito para
nuevos productos en los alimentos y otros productos empacados son
notoriamente bajos (Stewart-Knox) & Mitchell, 2003), con un estimado de 75% -
90% de nuevos productos que se retiran del mercado dentro de 1 año del
lanzamiento (Dijksterhuis, 2016; Köster & Mojet, 2012). Este sorprendente
estado de cosas apunta a la necesidad de una efectiva métodos para guiar el
desarrollo del producto hacia la maximización del rendimiento del producto en el
mercado.
Existen varios enfoques de optimización disponibles para este fin, con las
principales diferencias relacionadas con si los datos perceptuales son obtenidos
por un panel capacitado externo o por los consumidores, y si la región ideal debe
ser estimada a partir de los datos o indicada directamente por los consumidores.
Situada dentro de este contexto, la primera parte de este capítulo proporciona
una visión general de los enfoques principales para la optimización de productos
utilizados en la ciencia sensorial y del consumidor.
Las propiedades sensoriales de los alimentos y bebidas son un factor crítico para
determinar las elecciones de los consumidores de alimentos y bebidas, y sin
duda el factor más importante para determinar nuestro disfrute de estos
productos. Lo que es más importante, tanto la experiencia cotidiana como la
investigación empírica nos dicen que la aceptabilidad sensorial de los alimentos
predice fuertemente el consumo (Hellemann & Tuorila, 1991; Sidel, Stone,
Woolsey y Mecredy, 1972), convirtiéndolo en un criterio de optimización muy
razonable en el contexto de NPD. Debido a esto, los científicos sensoriales llevan
mucho tiempo interesados en comprender la relación entre las propiedades
sensoriales específicas y la aceptabilidad de los alimentos, para identificar
aquellos que maximizan el gusto dentro de una categoría de producto específico,
así como para segmentos de consumidores específicos dentro de esa categoría.
Los modelos de mapeo de preferencias son modelos flexibles con respecto a los
datos de entrada. Por ejemplo, los datos fisicoquímicos de los productos se
pueden usar para modelar las preferencias del consumidor, ya sea en forma
adicional a los datos sensoriales o de forma independiente (véase, por ejemplo,
Thybo, Kühn y Martens, 2004).
El modelo de RSM para estos datos se obtuvo haciendo una regresión de los
puntajes de afición individuales para identificar el área en el espacio experimental
donde se maximiza el gusto. El resultado principal en este análisis se muestra
en la figura 7.4 (a) y (b), que visualiza espacios de productos óptimos para dos
segmentos de consumidores diferentes. (Tenga en cuenta que los consumidores
se dividieron en dos segmentos antes de este análisis. Este paso a menudo
puede ser necesario en aplicaciones prácticas cuando las preferencias del
consumidor también lo son
FIGURA 7.3 Aplicación de la metodología de superficie de respuesta para la
optimización del producto de mezclas de vino tinto. La figura muestra el diseño de la
mezcla utilizada para seleccionar el conjunto de mezclas de vino para la prueba del
consumidor. (Reimpreso con permiso de Dooley, L., Threlfall, R.T., Meullenet, J. (2012).
Optimización de la calidad del vino mezclado a través de la maximización del gusto del
consumidor. Calidad y preferencia de los alimentos, 24, 40-47).
Segmento 1 (Fig. 7.4 (a), N = 60): 68% Cabernet Sauvignon + 26% Merlot
+ 6% Zinfandel
Segmento 2 (Fig. 7.4 (b), N = 48): 27% Cabernet Sauvignon + 2% Merlot +
71% Zinfandel
FIGURA 7.4 Ubicación de la preferencia máxima (en una escala de 9 puntos) y mezclas
de vinos optimizadas para dos segmentos de consumidores. Las clasificaciones de
gusto del consumidor se convirtieron usando una fórmula de conversión de deseabilidad
donde por el valor más bajo (0 en una escala de 9 puntos) corresponde a un valor de
0.0, el valor medio (el valor medio de cada consumidor en todas las muestras)
corresponde a 0.5 deseabilidad, y el valor superior (9) corresponde a una deseabilidad
de 1.0. (Reimpreso con permiso de Dooley, L., Threlfall, R.T., Meullenet, J. (2012).
Optimización de la calidad del vino mezclado a través de la maximización del gusto del
consumidor. Calidad y preferencia de los alimentos, 24, 40-47).
Como los ejemplos en las Figuras. 7.5 y 7.6, las escalas JAR proporcionan
información directa e intuitiva sobre la dirección para la optimización del
producto: una característica atractiva tanto para los desarrolladores de productos
como para cualquier parte interesada (por ejemplo, clientes, personal de
marketing, etc.) a quienes se les comunicarán los resultados.
En particular, la figura 7.7 (a) muestra los puntajes de PCA para la gráfica en
función de las características sensoriales percibidas e ideales del producto.
Estos se ubican consistentemente en la parte superior izquierda de la gráfica, y
el hecho de que la confianza se omite en la superposición de puntos ideales se
toma como evidencia de que los consumidores realmente tienen un ideal único
para este conjunto de productos al cual apuntar durante el proceso de
optimización. Los resultados en el nivel de los atributos individuales se pueden
visualizar utilizando, por ejemplo, diagramas de araña como se muestra en la
figura 7.7 (b), para visualizar efectivamente las distancias entre las
características del producto percibido e ideal. De forma similar a JAR, también
son posibles los análisis complementarios cuando se incluyen clasificaciones de
gusto para evaluar el orden de importancia de las desviaciones de ideal para el
gusto. En Worch, Dooley, Meullenet y Punter (2010) se analizan diferentes
enfoques analíticos para este tipo de análisis sobre los datos de IPM.