Livre blanc | L'innovation à l'ère du machine learning
L'intelligence artificielle (IA) a gagné en popularité ces dernières années. Des logiciels de reconnaissance vocale et faciale sont développés dans tous les appareils électroniques. Dans ce contexte, nous commençons également à voir comment l'IA peut aussi enrichir les études de marché en délivrant des résultats plus rapides, plus fiables et plus économiques.
Notre livre blanc Beyond the Hype se concentre sur l'application du Machine Learning (ML) pour prévoir le succès des innovations de nouveaux produits. La nature des données utilisées pour entraîner des modèles analytiques prédictifs est cruciale, comme le montre la façon dont le modèle prédictif d'Ipsos pour analyser du succès des innovations s'attaque directement aux problèmes pratiques rencontrés.
L'entraînement d'un modèle IA/ML pour reconnaître un développement de produit innovant est largement similaire. Nous avons besoin d'échantillons d'innovations réussies et non réussies afin qu'un modèle IA/ML puisse apprendre à reconnaître les caractéristiques des innovations gagnantes.
Un modèle prédictif basé sur les concepts peut être performant pendant un an ou deux, mais deviendra rapidement obsolète en raison des changements rapides du marché, et là où il est performant, c'est pour les articles qui ressemblent à ce qui existe déjà sur le marché plutôt qu'à de véritables nouveautés. Par conséquent, cette approche peut ne pas représenter avec précision l'attrait d'une nouvelle innovation-produit.
Il convient de noter que la notion de ce qui est efficace ou inefficace peut être subjective. Pour mieux anticiper la performance des innovations, nous nous appuyons sur les réactions des consommateurs aux concepts. Nous pouvons créer des modèles prédictifs IA/ML basés sur des données antérieures en utilisant les verbatims des utilisateurs.
En février 2022, notre base de données cumulait quatre millions de réponses de consommateurs ayant testé de nouveaux concepts de produits dans plus de 60 pays et sept grandes catégories (alimentation, boissons, santé, hygiène de la maison, hygiène personnelle, beauté, et animalerie). Cette base de données contient les informations dont nous avons besoin pour entraîner nos modèles prédictifs et garantir leur robustesse sur un large éventail de concepts et de réponses. Comme pour toute étude ou technique d'analyse, une connaissance approfondie est nécessaire pour garantir une utilisation et une application efficaces. C'est pourquoi nous nous concentrons sur l'intelligence augmentée dans les tests d'innovation, en combinant humain et machine learning.