Sapevi che oltre il 40% delle persone in Nord America è preoccupato per l'odore corporeo? Hai mai avuto uno di quei momenti di... "Uffa, ho proprio bisogno di una doccia" mentre fai un'escursione, sei in autobus o semplicemente vai avanti con la tua vita? In questo poster, mostreremo la potenza dell'utilizzo degli strumenti qualitativi e analitici della piattaforma JMP Analyze per scoprire aree di opportunità per lo sviluppo tecnologico. Ti mostreremo come sfruttare Text Explorer, metodi multivariati, screening e modelli predittivi su diverse fonti di dati. Analizzando dati strutturati e non strutturati, scopriamo grandi opportunità e spunti interessanti, e ti mostreremo come combinando questi spunti stiamo alimentando l'innovazione e la formazione continua nel settore della cura della pelle e della persona. In Procter & Gamble, questi strumenti contribuiscono allo sviluppo di nuovi prodotti e idee per servire milioni di persone ogni giorno con marchi affidabili. Partecipa a una presentazione interattiva di JMP e scopri come scoprire spunti da sondaggi e recensioni dei consumatori che aiutano a sbloccare nuove innovazioni per prodotti di qualità superiore per la cura della pelle e della persona.
Buon pomeriggio, buongiorno o buonasera, a seconda dell'ora in cui state guardando questo video. Sono un ricercatore senior presso Procter & Gamble e sono lieto di essere qui. La nostra missione aziendale è fornire prodotti e servizi di marca di qualità e valore superiori per migliorare la vita dei nostri consumatori. Il nostro ruolo nella ricerca e sviluppo è fondamentale per guidare l'innovazione e sviluppare nuovi prodotti e tecnologie.
Oggi vorrei parlarvi in particolare di un aspetto della Ricerca e Sviluppo. Collaboro a stretto contatto con i formulatori, i team di marketing e di vendita per scoprire le intuizioni dei consumatori. Uno degli aspetti del mio lavoro è acquisire una profonda comprensione del comportamento, delle preferenze e dei bisogni insoddisfatti. Questo aiuta a identificare opportunità per sviluppare prodotti che rispondano alle esigenze dei consumatori. In questa sessione, vi mostrerò alcuni degli strumenti che utilizzo nella piattaforma JMP per scoprire queste intuizioni. Effettuiamo costantemente ricerche di mercato e sui consumatori e raccogliamo dati per comprendere le abitudini di acquisto dei consumatori, la soddisfazione per i prodotti e le tendenze.
Alcuni approcci che utilizziamo sono la lettura di recensioni di prodotti, e-mail o post sui nostri prodotti, mentre altre volte chiediamo alle persone di darci la loro opinione tramite sondaggi. JMP offre una suite di strumenti che facilitano l'analisi di dati non strutturati, come il testo delle recensioni di prodotti, e di dati strutturati come quelli ottenuti dai punteggi degli indicatori chiave di prestazione. Vi mostrerò alcune, ma non tutte, le interessanti funzionalità per l'analisi del testo e l'analisi categoriale e condividerò con voi alcune tecniche di apprendimento automatico di JMP. Posso anche mostrarvi alcune analisi approfondite che in genere utilizzo con i miei dati.
Vorrei iniziare con l'analisi dei dati non strutturati. Le fonti tipiche di dati non strutturati sono le recensioni online di rivenditori come Amazon o Walmart. Queste recensioni sono un indicatore di quanto i prodotti acquistati soddisfino o conoscano le loro aspettative. Altre fonti di dati non strutturati potrebbero essere i commenti che i consumatori ci lasciano dopo aver utilizzato i nostri prodotti. Questo tipo di dati ci aiuta a rispondere a domande come: di cosa parlano i consumatori? Quali sono i diversi argomenti menzionati nelle recensioni con punteggi più alti e quali argomenti menzionati nelle recensioni con punteggi bassi?
Come per ogni analisi, il flusso complessivo dovrebbe essere costituito da pulizia e controllo qualità, esplorazione e analisi. Per analizzare dati non strutturati, è necessario prima importare e pulire i dati in JMP. Consiglio di modificare il tipo di modellazione della colonna di testo in dati non strutturati. Per qualsiasi analisi di testo, ecco come procedere in JMP.
Per prima cosa, apri il file contenente i dati che desideri analizzare. Quando importi i dati in Jump, l'anteprima è sempre utile per garantire che la colonna con i dati desiderati sia presente, in modo che venga importata. Dopo aver importato i dati e aver confermato la colonna con la texture, una è presente. Nel mio esempio, si tratta di una colonna di recensioni di Amazon. Quindi, puoi esaminare le informazioni della colonna e, se necessario, modificare il tipo di modellazione in "test istruttore", come ho detto. Ti consiglio di salvare il file dopo aver apportato queste modifiche e prima di iniziare a pulire ed esplorare, in modo da avere sempre i dati come file Jump. Dopo aver importato i dati, puoi utilizzare la suite Text Explorer per pulire e iniziare l'esplorazione.
Lasciatemi fare una dimostrazione. Dal menu di analisi, scegliete "Esplora testo" e poi posizionate la colonna con il testo nello spazio dedicato alle colonne di testo, perché voglio capire cosa piace e cosa non piace alle persone. Analizzerò in base alla valutazione a stelle. Poi, poiché queste recensioni sono in inglese, voglio limitare la mia analisi alle parole che hanno almeno tre caratteri. Potete chiudere il menu a discesa o usare solo parole di base per l'esplorazione. A seconda dell'esperienza e delle conoscenze che avete sull'argomento, JMP semplifica l'acquisizione immediata di informazioni. L'elenco di termini e frasi in output vi dà un'idea di quali siano i termini più citati nel testo analizzato. Poiché ho eseguito la mia analisi in base alla valutazione a stelle, posso facilmente vedere la differenza tra le recensioni con punteggi bassi e quelle con punteggi alti. Potete continuare a pulire i vostri dati mentre esplorate in JMP in modo molto semplice. Mi piace usare la parola "labs".
Puoi selezionare la parola che desideri escludere dall'analisi e quindi fare clic su "Aggiungi parola non pertinente" nel menu per l'esplorazione. In alternativa, puoi fare clic con il pulsante destro del mouse dopo aver selezionato la parola che desideri eliminare e selezionare "Aggiungi parola non pertinente". Dopo aver dedicato del tempo alla pulizia e all'esplorazione dei dati, puoi continuare con ulteriori analisi. Ad esempio, nella categoria "deodoranti", ho identificato alcuni temi di interesse che sono stati menzionati con valutazioni statistiche basse e alte. Lascia che ti mostri quanto facilmente puoi visualizzare l'impatto degli argomenti identificati con lo strumento "Esplora testo".
Dall'area di analisi del testo nella colonna, puoi scegliere di modificare la parola del tuo cloud. Lo strumento Colony ti offre la possibilità di formattare il tuo byte di clock in base al volume sulle colonne chiave. In questo caso, volevo analizzarlo in base alle valutazioni a stelle. Mi piace cambiare il colore del mio grafico per vedere l'impatto sul mio testo in base alle valutazioni a stelle, verde per vedere i commenti menzionati nelle valutazioni a stelle alte e rosso per vedere i commenti visualizzati nelle valutazioni a stelle basse. Più la parola diventa rossa o verde, maggiore è la probabilità che questo argomento abbia un impatto sul mio indicatore chiave di prestazione. Per renderlo più intuitivo, posso formattare la cartella e utilizzare le opzioni di layout per ottimizzare il mio carico di lavoro. Passando il mouse su ogni parola, viene visualizzato non solo il volume di quell'argomento, ma anche la cronologia delle pulizie effettuate. Puoi quindi utilizzare queste informazioni per la revisione paritaria e per spiegare la tua analisi ad altri.
L'altra funzionalità dell'analizzatore di testo JMP che utilizzo spesso è la creazione di colonne di indicatori. È possibile selezionare facilmente qualsiasi argomento di interesse per analisi future e trasformare dati non strutturati in dati strutturati. Esploriamo ora l'analisi dei dati strutturati.
Quando sono interessato a raccogliere le reazioni dei consumatori a prototipi o idee, organizzo sondaggi dopo che questi hanno espresso le loro opinioni. Poi, mi affido alla piattaforma categoriale nell'analisi della ricerca sui consumatori. Ve lo mostro. È un'impostazione intuitiva. A seconda dei confronti che voglio effettuare, seleziono la colonna e la aggiungo al menu in alto della scheda Struttura. Quindi, a seconda delle domande che ho o dell'ipotesi che voglio testare, seleziono le variabili da confrontare. In questo esempio, sono interessato agli indicatori chiave di prestazione nelle diverse fasi del ciclo di utilizzo.
Volevo capire se ci sono differenze tra i prodotti quando vengono visti per la prima volta sullo scaffale, poi dopo averli sistemati a casa per la prima volta e poi dopo alcune settimane. È possibile selezionare più colonne tenendo premuto il tasto Ctrl quando si selezionano le colonne e poi posizionarle a lato della scheda strutturata. Il risultato? È una tabella molto informativa. Lasciate che vi mostri cosa fa. Per ogni prodotto, utilizza la distribuzione di tutte le risposte, le medie e la deviazione standard complessiva. Quando voglio iniziare a riassumere i miei dati, è molto facile pulire la tabella in JMP. Andando sul triangolo rosso, posso selezionare le metriche che voglio condividere con il mio team e i colleghi. Poiché sono interessato alle medie e alle risposte chiave, posso selezionare la deviazione standard e i livelli di risposta. Ora potete vederlo. Posso facilmente vedere le differenze tra alcuni prodotti sulle medie, ma anche sulla distribuzione delle risposte dei consumatori dall'inizio alla fine dell'utilizzo.
Una volta compresi i dati e tratte le conclusioni, posso ulteriormente ripulire la tabella formattando gli elementi dei dati che desidero condividere. Ad esempio, posso utilizzare cifre decimali singole per le distribuzioni e il report delle medie. Quando sono soddisfatto e desidero condividere i dati con altri che potrebbero non utilizzare JMP, posso facilmente salvare la tabella di output in Excel e condividerla con altri per fornire raccomandazioni per l'azienda basate sui dati. Come nel caso dei dati non strutturati, desidero comprendere la relazione non solo tra le mie metriche chiave, ma anche tra ogni elemento di performance che abbiamo integrato nei nostri prodotti. Questo è importante per noi da comprendere quando prendiamo decisioni per l'azienda.
Un buon modo per comprendere appieno le relazioni tra i diversi attributi di un prodotto. Mi affido all'analisi multivariata e a JMP. L'analisi multivariata consente di visualizzare la correlazione tra vari elementi di performance e le metriche chiave. Per eseguire l'analisi, seleziona i metodi multivariati dalle opzioni di analisi multivariata della piattaforma di analisi. Da lì puoi iniziare a selezionare le variabili che ti interessano. In questo esempio, sono interessato alla relazione tra alcuni dei miei indicatori chiave di performance e tutti gli attributi del prodotto in diversi elementi. Mi piace comprendere questa relazione con un metodo a coppie, quindi considero la relazione tra ciascuna coppia. Utilizzo sempre il formato predefinito della matrice quadrata.
Il risultato è una tabella con codice colore molto bella che mostra l'intensità della relazione tra le variabili. Poiché gli esseri umani non sono macchine, cerco relazioni tra record che siano circa 0,6. Ovviamente, maggiore è la relazione con uno, migliore è la relazione. A volte, a seconda della fase del momento blu, considero diversi livelli di confidenza modificando il mio livello alfa direttamente sulla tabella di correlazione. Per coloro nel vostro team che hanno una maggiore predisposizione all'apprendimento visivo, potete creare una mappa dei colori basata sui dati della vostra tabella. Proprio come nell'analisi del testo, JMP è uno strumento molto flessibile che consente di personalizzare i dati. Preferisco mostrare un colore diverso dal rosso perché nella mia organizzazione il rosso in genere indica una risposta negativa. Posso anche modificare l'intensità della luminosità per aumentare il contrasto della forza delle correlazioni nei miei dati. Più scuro è il colore, maggiore è la correlazione. Posso già vedere in questo esempio che uno degli attributi di performance non è correlato ad altri attributi, ma ha una correlazione più elevata con i miei indicatori chiave di performance.
Allo stesso tempo, la mappa a colori mostra che alcuni attributi hanno un'elevata correlazione con i miei KPI. Questo passaggio è molto utile per rendere grigia un'ipotesi, in modo da poter iniziare a semplificare i dati per analisi più avanzate. A volte, nel corso di un progetto, è necessario concentrarsi sui fattori più importanti che influenzano il punteggio complessivo del prodotto o servizio, e si desidera anche capire se tali fattori coincidono o meno a seconda del tipo di prodotto o servizio utilizzato.
Lascia che ti mostri un modo rapido per iniziare a capire quali sono gli elementi che predicono la tua risposta. Dal menu Analizza, vai allo screener e seleziona la schermata dei predittori. Quindi seleziona la risposta che vuoi prevedere. In questo caso, voglio capire i predittori dell'acquisto, quindi li inserisco nella mia risposta Quip. Quindi scelgo le variabili di interesse come predittori e le inserisco nei quark o nei predittivi. In questo caso, voglio vedere tutti gli elementi che potrebbero influenzare l'intento di acquisto. La finestra di output mostra tutti i miei predittori organizzati in modo da sapere qual è il fattore che determina maggiormente il mio intento di acquisto. Non sorprende che sembri che l'intento sia il fattore che contribuisce maggiormente, ma gli altri fattori hanno più o meno lo stesso impatto e contribuiscono per circa il 50% al processo di acquisto.
Volevo capire meglio come questi attributi potessero contribuire ai diversi prodotti che analizzo. È possibile effettuare facilmente un rapido controllo in Jump, ma aggiungendo un filtro locale e passando da un gruppo all'altro è possibile visualizzare dinamicamente eventuali differenze nel contributo di ciascun fattore al KPI. Come si può vedere, la variabile predittiva cambia tra i diversi prodotti. Sembra che per alcuni prodotti, la pertinenza possa essere un indicatore migliore dell'intenzione di acquisto rispetto al valore. Questo strumento di screening è molto utile per iniziare a sviluppare ipotesi e definire le priorità man mano che si prosegue con l'analisi dei dati e si elaborano driver più sofisticati, che tratterò nella prossima diapositiva.
Finora vi ho illustrato alcune tecniche in JMP per analizzare diversi tipi di dati e ho evidenziato la flessibilità degli strumenti JMP nell'analizzare sia i dati strutturati che quelli non strutturati. Vorrei mostrarvi strumenti più avanzati offerti da JMP per analisi più approfondite. Vi aspetto il 23 ottobre, dalle 16:45 alle 17:15, all'Americas Summit, dove vi mostrerò come sfrutto il modello di adattamento per guidare lo sviluppo di prodotti per la cura della pelle e della persona.
Vorrei concludere dicendovi che in Procter & Gamble ci impegniamo a migliorare la vita di tutti e a comprendere come i nostri prodotti soddisfino ogni tipo di consumatore, in modo da poter personalizzare le nostre offerte in base alle loro abitudini e alle loro esigenze. È importante. Lo strumento di modellazione delle partizioni è uno strumento avanzato di JMP, uno dei tanti strumenti di screening che utilizzo per iniziare a comprendere i segmenti di consumatori e chi è soddisfatto o meno dei vostri prodotti e servizi. Ecco una dimostrazione di come utilizzo questo strumento.
Dal menu Start, seleziona "Analizza modello predittivo" e poi "Partiziona". La finestra ti chiederà di aggiungere variabili di colonna nel livello di risposta e nel livello di predizione. In questo esempio, voglio capire chi apprezza davvero i prodotti in uno studio sui consumatori, quindi selezionerò la valutazione complessiva come livello di risposta. Quindi, voglio utilizzare le abitudini dei miei utenti e le esperienze con eventuali sudore o altre pause durante l'utilizzo del prodotto come predittore. Poiché voglio convalidare il mio modello, voglio richiamare la porzione per la convalida.
Questa finestra iniziale mostra la distribuzione delle risposte tra tutti gli 812 consumatori di questa storia. Il riquadro nell'angolo sinistro mostra la media della valutazione complessiva del prodotto e la deviazione standard. Mi piace ordinare i candidati predittivi perché posso vedere qual è il comportamento o l'esperienza più probabile che gli utenti hanno avuto in merito al gradimento o al disapprovvigionamento del prodotto. In questo caso, si tratta di coloro che sono infastiditi da macchie o odori corporei e di coloro che, secondo il mio studio, potrebbero aver reagito diversamente ai prodotti. Per un'analisi più approfondita, posso iniziare a suddividere i dati o a creare una chiave.
Il primo codice mostra che, in effetti, coloro che sono tipicamente infastiditi dagli stent hanno valutato i prodotti meglio di coloro che non ne sono infastiditi. Se esamino quali altre caratteristiche hanno queste 86 persone, vedo che, in effetti, undici utenti hanno applicato il deodorante su altre parti del corpo e hanno apprezzato molto l'esperienza con i prodotti testati. D'altra parte, vorrei capire quali altre caratteristiche potrebbero definire gli utenti che apprezzano o meno i prodotti utilizzati e che non sono a base d'acqua. Dividendo queste 726 persone, si scopre che coloro che non praticano attività fisica non sono molto interessati al prodotto, mentre coloro a cui piace il prodotto lo hanno diviso in due. Ho scoperto che le persone che praticano attività fisica spesso non apprezzano il prodotto.
Inoltre, utilizzare un prodotto distribuito con la stessa frequenza è più efficace rispetto a quando i consumatori che praticano attività fisica non lo utilizzano con la stessa frequenza. Questa analisi semplice ma approfondita è uno strumento potente per identificare chi trae beneficio dai nostri prodotti e chi potrebbe aver bisogno di qualche spunto per adottare abitudini diverse. Nel mio ruolo in Procter & Gamble, disporre della piattaforma JMP e utilizzarla per raccontare storie di dati con informazioni strutturate e non strutturate mi consente di informare i miei partner commerciali e di sviluppo su come possiamo servire al meglio i nostri consumatori.
In P&G, l'innovazione è ciò che sappiamo fare meglio. Amiamo trovare soluzioni ai problemi sfruttando la potenza degli strumenti di analisi JMP, identifichiamo i problemi da risolvere. Identifichiamo l'efficacia delle soluzioni, in modo da poter sviluppare prodotti di qualità superiore. Raccogliere spunti dal feedback dei consumatori utilizzando l'analisi dei dati è uno dei lavori più gratificanti nella ricerca e sviluppo. Grazie mille per il vostro aiuto e la vostra attenzione. Spero di vedervi al summit.
