Más allá del hype: Predicciones de innovación en la era del aprendizaje automático

La inteligencia artificial (IA) ha ganado en popularidad en los últimos años. El software de reconocimiento de voz y facial se desarrolla en todos los aparatos técnicos. En este contexto, también estamos empezando a ver cómo la IA puede alterar también la investigación de mercado, dando lugar a resultados más rápidos, más baratos y mejores.

Beyond the Hype: Innovation predictions in the era of machine learning

La inteligencia artificial (IA) ha ganado en popularidad en los últimos años. El software de reconocimiento de voz y facial se desarrolla en todos los aparatos técnicos. En este contexto, también estamos empezando a ver cómo la IA puede alterar también la investigación de mercados, dando lugar a resultados más rápidos, más baratos y mejores.

Beyond the Hype se centra en un único ámbito: la aplicación del aprendizaje automático (Machine Learning - ML-) para predecir el éxito de las innovaciones de nuevos productos. La naturaleza de los datos para el entrenamiento de los modelos analíticos predictivos es crucial, como demuestra la forma en que el modelo de predicción del éxito de la innovación de Ipsos aborda directamente los problemas prácticos que conlleva.

El entrenamiento de un modelo de IA/ML para reconocer el desarrollo de un producto innovador es muy similar. Necesitamos muestras de invenciones exitosas y no exitosas para que un modelo de IA/ML pueda aprender a reconocer los rasgos que anticipan los avances exitosos.

Un modelo de predicción basado en el concepto puede funcionar bien durante uno o dos años, pero se quedará rápidamente obsoleto debido a los rápidos cambios del mercado, y donde sí funciona bien es en los artículos que se parecen a los que ya están en el mercado y no en los verdaderamente nuevos. En consecuencia, un enfoque basado en el concepto que se basa en características y beneficios independientes en las descripciones puede no representar con precisión el atractivo de una innovación de producto.

Cabe señalar que la noción de lo que es eficaz o ineficaz puede ser subjetiva. Para anticipar el rendimiento, nos basamos en las reacciones verbales de los consumidores a los conceptos. Podemos crear modelos predictivos de IA/ML basados en datos anteriores utilizando las palabras de los usuarios.

En febrero de 2022, habíamos acumulado unos cuatro millones de respuestas de consumidores que habían probado nuevos conceptos de productos en más de 60 países y siete megacategorías (alimentación humana, bebidas, cuidado de la salud, cuidado del hogar, cuidado personal, cuidado de la belleza y cuidado de las mascotas). Esta base de datos contiene la información que necesitamos para entrenar nuestros modelos predictivos y garantizar su solidez en una amplia gama de conceptos y respuestas. Como ocurre con cualquier estudio o técnica analítica, se requiere un conocimiento profundo para garantizar un uso y una aplicación eficaces, por lo que nos centramos en la inteligencia aumentada en las pruebas de innovación, fusionando el aprendizaje humano y el de las máquinas a efectos de las pruebas.

Más información acerca de Tecnología y Telecomunicaciones

Nuevos servicios