合成消費者は、ブランドの意思決定をより良いものにできるのか？

食品ブランドにとって、愛されているレシピを変更することは、最もリスクの高い決断の一つです。

消費者は革新を歓迎する一方で、お気に入りの商品が記憶通りの味であることを期待します。バリラ(Barilla)が主力商品であるRagù alla Bolognese(ラグー・アッラ・ボロネーゼ)のパスタソースの改良を検討する際に直面した課題は、まさにこの点でした。

成功は新たな疑問を生み出す

商品の改善は、成長を促進し、競争力を強化し、変化する消費者の期待により良く応えることができます。しかし、確立された象徴的な商品の場合、レシピ、配合、または原材料のわずかな変更でさえ、大きなリスクを伴う可能性があります。そこで生じる問いは次のようなものです。

消費者が愛する体験を損なうことなく、レシピをさらに改良することは可能だろうか？

課題は、意義のある革新と、そもそも商品を成功に導いた特性を維持することとの間で、適切なバランスを見つけることです。

イノベーションの課題

従来、このリスクを低減するには大規模な製品テストが必要でした。こうしたテストには数百人の消費者が参加することが多く、費用がかさみ、時間もかかり、現代のイノベーションが求めるスピードで実施するのは困難でした。また、膨大な数の製品サンプルを生産する必要もありました。

消費者の期待が変化し、イノベーションのサイクルが加速するにつれ、ブランドはますます大きな課題に直面しています。

企業は、成果を損なうことなく、より効率的な意思決定を行うにはどうすればよいか？

拡張型アプローチ

より機動的な手法を模索するため、イプソスとバリラは合成データを用いた製品テストを実施しました。

この手法では、慎重に選定された人間のシードサンプルを使用し、それを補強するために合成回答者を生成します。

適切なバランスは意思決定のリスクによって異なります。イプソスのガイダンスでは、低リスクのスクリーニングでは人間回答者50名＋合成回答者150名、高リスクの最終検証では商品ごとに少なくとも人間回答者100名としています。

バリラの調査では、各セルは100人の人間と300人の合成回答者で構成されました。

その目的は、消費者を置き換えることでも、新たな独立した真実を作り出すことでもありませんでした。むしろ、AIは実際の消費者のフィードバックの分析価値を高め、より詳細な診断やサブグループ分析を支援する一方で、人間の視点が証拠の基盤として維持されるようにしたのです。

 

検証からインパクトへ

その結果は、単一の調査にとどまらず、はるかに広範囲に及びました。

260件の製品テスト検証において、人間と合成データを組み合わせたサンプルは、独立した人間のみのホールドアウトサンプルと92%のケースで同じアクションスタンダードに基づくビジネス上の意思決定を導き出しました。バリラのケースでは、この強化された証拠によって、どちらのプロトタイプも成功基準を満たしていないことが明らかになりました。その結果、レシピ変更を進めないという明確な決定が裏付けられました。このリスクは、特にヘビーユーザーの間で重要でした。

結果は明白でした。

• より迅速な学習
• より深い診断
• より確信を持った意思決定

真のインサイト

私たちにとって最も重要な発見は、92%という高い意思決定の一貫性そのものではありませんでした。私たちの見解では、その結果を可能にした要因こそが重要だったのです。

これは、合成データが人間のデータを置き換えることに関する調査ではありませんでした。

それは拡張(augmentation)に関する物語でした。つまり、実際の消費者のフィードバックとAIを組み合わせることで、診断の深度を高め、サブグループのパターンをより分析しやすくし、学習を加速させるというものです。

インサイトリーダーにとってこれは何を意味するのか

より迅速なイノベーションを目指す組織にとって、その機会は効率性の向上にとどまりません。

私たちの調査で明らかになったのは、人間と合成の両方のアプローチがチームに役立つということです。

• より多くの可能性を探る
• テストコストを削減する
• 学習サイクルを加速する
• 特に、人間のシードサンプルによって十分な代表性を確保できる主要なサブグループにおいて、より確信を持った意思決定を支援する

今回の調査で分かったことは、合成データは処理速度を向上させるだけでなく、消費者理解を拡大するための新しいモデルをもたらすということです。

バリラの事例は、明確な方法論的枠組みの中で人間の知性(Human Intelligence)と人工知能(Artificial Intelligence)を組み合わせることで、企業はより迅速に行動できると同時に、実際の顧客体験を意思決定の中心に据えることができることを示しています。

このアプローチの根底にある重要な原則は、合成データは個々の反応をすべて再現できるかどうかではなく、拡張された分析が、堅牢な人間のベンチマークと同様に、事前に指定されたビジネス上の意思決定を裏付けるかどうかによって評価されるべきであるということです。

勝てる商品を作る

新たなトレンドの探求、コンセプトの洗練、製品性能の向上、あるいは合成データが商品開発をどのように変革できるかに関心がある場合でも、イプソスは自信を持ってより賢明な製品決定を下せるよう支援します。

イプソスが80以上の市場で、商品の優位性への道を加速させるために設計された、受賞歴のある独自のソリューション群を通じて、どのように製品開発を支援しているかをご覧ください。

イプソスの製品テストについて、詳しくはこちらをご覧ください。