ハイプを超えて：機械学習時代のイノベーション予測

近年、人工知能（AI）の普及が進んでいます。あらゆる技術的なガジェットに、音声認識や顔認識のソフトウェアが搭載されています。その中で、AIが市場調査にも影響を与え、より早く、より安く、より良い結果をもたらすことが明らかになりつつあります。

今回のペーパー「Beyond the Hype（ハイプを超えて）」では、新製品イノベーションの成功の予測への機械学習（ML）の適用という、一つの分野に焦点を当てています。予測分析モデルをトレーニングするためのデータの性質は、イプソスのイノベーション成功の予測モデルがどのように実践的な問題に直結しているかに示されるように、非常に重要です。

革新的な製品開発を認識するためにAI/MLモデルをとレーニングすることも、ほぼ同じです。成功した開発と失敗した開発の両方のサンプルが必要です。それらは、AI/MLモデルが成功のきっかけをつかむための特徴を認識するのに役立つはずです。

コンセプトベースの予測モデルは、1～2年はうまく機能するかもしれませんが、市場の急速な変化によりすぐに廃れてしまいます。また、うまく機能するのは、まったく新しいものではなく、すでに市場にあるものと似たような商品です。その結果、記載された特徴や利点にとらわれないコンセプトベースのアプローチでは、新製品の革新的な魅力を正確に表すことができない可能性があります。

何が効果的で、何が効果的でないかという概念は主観的である可能性があるということに留意する必要があります。パフォーマンスを予測するためには、コンセプトに対する消費者の逐語的な反応に頼ることになります。ユーザーの逐語反応を利用することで、事前データに基づくAI/ML予測モデルを作成することができます。

2022年2月現在、60カ国以上、7つのメガカテゴリー（食品、飲料、ヘルスケア、ホームケア、パーソナルケア、ビューティーケア、ペットケア）で新商品コンセプトをテストした約400万件の消費者の回答を集積しています。このデータベースには、予測モデルをトレーニングし、幅広いコンセプトや回答に対してその堅実性を保つために必要な情報が含まれています。どのような研究や分析手法でもそうですが、効果的な使用と適用を確実にするためには、徹底した知識が必要です。だからこそ私たちは、製品開発テストにおいて拡張知能に注目し、調査目的のために人と機械学習を融合させているのです。