Una de las grandes ventajas de los seres humanos es que todos somos únicos. La diversidad nos beneficia a todos, pero la variación en las preferencias de los bienes de consumo dificulta predecir qué deleitará a la mayor cantidad de personas. El uso del diseño de experimentos (DOE), facilitado por JMP, es fundamental para diseñar formulaciones más atractivas.
El objetivo de esta presentación es presentar de forma interactiva métodos para optimizar formulaciones y lograr el mayor agrado del consumidor. Se presentarán dos enfoques de DOE basados en un caso práctico de formulación de alimentos: un diseño de cribado definitivo (DSD) de 18 corridas y un diseño de relleno de espacio de 18 corridas, modelado mediante SVEM y redes neuronales.
Para preparar los datos para el modelado, se demuestra el escalamiento multidimensional para eliminar los datos anómalos de los participantes. Los clústeres de participantes, construidos mediante agrupamiento jerárquico, se utilizan para ajustar modelos mediante el cribado definitivo de ajuste y redes neuronales SVEM. La potencia del perfilador JMP resaltará cómo difieren las preferencias de los consumidores según el clúster. El Explorador de Textos se utiliza para mostrar cómo verificar la información obtenida mediante el modelado, explorando los comentarios textuales de los participantes del estudio. Finalmente, se compara la información obtenida de cada diseño experimental y enfoque de modelado, junto con sus limitaciones. Se presenta a los asistentes una alternativa más completa a las estrategias tradicionales de DOE y pruebas de consumo.
Gracias. Hoy les hablaré sobre el uso del Departamento de Energía y la investigación del consumidor: cómo afrontar el reto de la variabilidad de las preferencias del consumidor. Me pregunto si muchos de los presentes han jugado alguna vez a Oregon Trail. Para quienes no lo conozcan, probablemente tengan más o menos mi edad y vivan en Estados Unidos. La mayoría de los niños, en la escuela, jugaban a Organ Trail en las computadoras cuando iban al laboratorio de informática.
Se trata básicamente de un juego de computadora muy antiguo en el que un grupo de personas intenta cruzar las llanuras de Estados Unidos para llegar a Oregón. En el camino, se enfrentan a muchos desafíos. Uno de ellos es cruzar un río. Esta es una captura de pantalla del juego donde nos topamos con un río de Kansas en 1848. Si llegamos allí y tenemos que tomar una decisión, dice que hace frío afuera, que es marzo. Tiene sentido. El río tiene 190 metros de ancho y 1 metro de profundidad. Tenemos cinco opciones: vadear el río, cruzarlo flotando, tomar un ferry, esperar a ver si la situación mejora o simplemente obtener información. ¿Y entonces, cuál es tu elección?
Creo que la mayoría de nosotros sabemos que no es justo pensar: "Bueno, dice que la profundidad del río es de 1 metro, ¿eso significa que siempre es de 1 metro? ¿O hay zonas donde es de 1,8 metros? ¿Hay zonas donde es de 60 cm? ¿Hay zonas donde es de 3 metros?". En ese caso, si intentas ir al río y te encuentras con una zona de 3 metros, podrías estar en una situación muy mala.
Creo que, intuitivamente, sabemos que usar el valor promedio no siempre es la mejor estrategia. Lanzar un nuevo producto es como cruzar un río en la ruta de Oregón. Excepto que, a menudo, hacemos pruebas de consumo y muchas empresas usan la puntuación promedio del consumidor porque, siendo sinceros, es más fácil. Pero, por desgracia, no a todos los consumidores les gustan las mismas cosas ni les gustan las mismas por las mismas razones.
Por mucho que intentes filtrar solo a las personas que buscas, al realizar tu prueba de consumo, siempre encontrarás personas con preferencias diferentes. Como formuladores, personal de I+D, como yo, preferiríamos que los consumidores tuvieran preferencias homogéneas, pero no suele ser así, porque si lo fueran, podríamos desarrollar un solo producto y estaríamos bien. Sin embargo, la gente tiene preferencias diferentes, y por eso el supermercado es como es hoy.
¿Qué les voy a mostrar? Quiero mostrarles cómo pueden usar JMP para obtener más información de los datos de pruebas de consumidores, especialmente cuando usan DoE para obtener más información, captar consumidores y optimizar formulaciones.
Como objetivo secundario, analizaremos la eficacia de diferentes modelos y diseños experimentales para predecir las futuras puntuaciones de preferencia del consumidor. Tenemos dos ejemplos: un diseño de cribado definitivo y un DoE de relleno de espacios, modelado mediante SVEM y redes neuronales.
Les contaré brevemente por qué estábamos haciendo esto. El año pasado nos pidieron que mejoráramos un producto, un producto ya existente, y la gerencia nos dijo: "¿Saben qué? Creemos que puede mejorarse, ¡hagámoslo!".
El cronograma que nos dieron no nos hizo sentir muy cómodos con la posibilidad de realizar muchos DoE secuenciales, por lo que decidimos ejecutar un diseño de detección definitivo de 18 ejecuciones de seis factores y luego hicimos esas muestras y las enviamos para pruebas de consumidores para ver si podíamos modelar el gusto y luego encontrar la fórmula correcta.
Tras modelar los datos, teníamos tres soluciones que creíamos que podrían funcionar y superar al control en una prueba con consumidores. Realizamos una prueba posterior con esas tres fórmulas junto con la fórmula de control, y el objetivo era encontrar una de ellas... Al menos una que fuera mejor que el control.
Teníamos muchas esperanzas porque el modelo nos decía que estas fórmulas deberían tener una puntuación muy, muy buena. Resultó que solo eran ligeramente mejores que el grupo de control y no nos convencieron de si debíamos seguir adelante con ellas.
Fue un poco decepcionante, pero aun así aprendimos mucha información. El proyecto ya terminó, pero un año después, pensábamos en cómo realizar nuestro trabajo en I+D y cómo ganar confianza en nuevos enfoques. Porque cuando estás bajo presión, cuando la dirección te dice: "Mejora, hazlo más rápido", vas a recurrir a lo que sabes cuando has hecho lo más establecido.
Lo que queríamos hacer, y en este proyecto, era retroceder en el tiempo y preguntarnos: "¿Qué habría pasado si hubiéramos hecho algo diferente en lugar de un diseño de pantalla definitivo?". ¿Podríamos sacar más provecho de estos datos de pruebas de consumidores que nos ayudaran? Porque parecía que, según el modelo, deberíamos poder obtener puntuaciones altísimas, y la verdad era que parecían tener un límite, y ese límite nos limitaba.
¿Qué hicimos? Realizamos dos pruebas. Una en abril de 2023, con un diseño de cribado definitivo, con las 118 fórmulas originales. Un año después, realizamos otra en abril, con un diseño de relleno, con 18 fórmulas. Ambas pruebas de efecto (DoE), para que fuera lo más equitativa posible, tenían exactamente los mismos factores y los mismos rangos de factores. Intentamos no aplicar las lecciones de la primera prueba de efecto a la segunda y, por lo tanto, sesgar los resultados.
Luego hicimos esos DoE, y luego quisimos que esos modelos vieran... que predijeran esta prueba de validación aquí, por lo que ninguna de estas cuatro fórmulas se presentó en cada una de las otras dos pruebas.
Más detalladamente, ¿qué les voy a mostrar? Algo que no mostraremos demasiado… No voy a extenderme demasiado en el diseño definitivo de la evaluación, pero sí les mostraremos que analizaremos los datos de preferencia de los consumidores y exploraremos qué podemos aprender de ellos al agrupar a los consumidores, los panelistas que participaron.
Para quienes no estén familiarizados con las pruebas de consumo tradicionales, dispondrán de una ubicación central donde se realizará la prueba. Preseleccionarán a los usuarios de su producto o del grupo demográfico que buscan. Estos usuarios probarán los productos, los calificarán y, con esas puntuaciones, realizarán lo que haremos en breve.
En estas pruebas, creo que utilizamos alrededor de 120 consumidores. Usaremos agrupación jerárquica y escalamiento multidimensional para explorar cualquier dato interesante que podamos obtener: quiénes realizan la prueba y qué buscan.
Luego de modelar los datos del diseño de relleno de espacio con esas redes neuronales, analizaremos el perfilador para ver si podemos comprender mejor qué impulsa la preferencia del consumidor. Hablaré sobre el uso de los datos promedio… El valor promedio de todos los consumidores versus agruparlos y usar esos promedios para ver qué podemos observar.
Finalmente, como ya mencioné, el objetivo secundario es analizar el rendimiento de predicción del diseño de pantalla definitivo en comparación con el diseño de relleno de espacio en el conjunto de pruebas de validación. ¿Qué tan bien lo hicieron? Tendremos que tomarlo con cautela, ya que solo teníamos cuatro muestras para probar. Aun así, hay algunas lecciones aprendidas.
Con eso, el resto de esta presentación se la voy a mostrar en JMP porque sé que, personalmente, me gusta cuando otros me muestran cómo hicieron las cosas en JMP y lo encuentro más poderoso.
Minimicemos esto. A modo de referencia, este es el diseño de selección definitivo. Estos son los factores. Teníamos los ingredientes A, B, C, D y E, y había un atributo que dijimos que sería bajo o alto. Al realizar la selección definitiva de ajuste, descubrimos que cuatro de los cinco ingredientes son significativos y que el atributo, el ingrediente A, no pareció tener mucha importancia en ninguna de las pruebas.
Al final, aquí está el perfilador. Como pueden ver, a la gente le gusta más cuanto más se le añade. Generalmente, más les gusta. Hay algunas interacciones, como pueden ver si aumento el ingrediente C. Si observan el ingrediente D, se estabiliza. De ahí obtuvimos ese modelo.
Hablemos primero de los datos de las pruebas de consumo del diseño de relleno de espacio. De eso se trata. Hacemos muchas otras preguntas, pero para esta charla, me centraré en la opinión general, ya que es la que más nos importa.
Eso es como… La primera pregunta que hacemos después de que prueban el producto es: ¿cuánto les gusta? Se basa en una escala de nueve puntos. Se llama escala hedónica. Uno significa que les disgusta muchísimo, nueve significa que les gusta muchísimo. Buscamos nueves y, cuanto mayor sea la puntuación, mejor.
Como referencia, normalmente veremos una buena puntuación de producto en los siete bajos, los productos marginales estarán alrededor de los seis medios, y luego por debajo de seis es algo por lo que realmente debería preocuparse.
La primera pregunta que queríamos plantear con estos datos de prueba de consumidores era: ¿nuestra población de consumidores es homogénea o tiene preferencias diferentes? ¿Qué podemos aprender? Si analizamos la agrupación en clústeres y la agrupación jerárquica, podemos averiguarlo. Primero, revisaré el script.
Aquí tenemos un mapa de calor de todos los panelistas. En el eje horizontal, se muestra la preferencia general por cada muestra; hubo 18 muestras. En el eje vertical, se muestra la calificación de cada consumidor. Por ejemplo, esta persona le dio un siete a la muestra uno. Le dio un dos a la muestra dos, por lo que no le gustó, pero le encantó la muestra tres. Le dio un nueve.
Hay algunas cosas que, con solo usar este mapa de calor, podemos reconocer bien los colores. Me gusta el verde, por eso lo puse aquí, pero puedes elegir otros colores. Puedes ver un tono oscuro aquí. Estas son personas que obtuvieron una puntuación de casi nueve en todo. Les encantó todo lo que les mostramos, o simplemente hicieron clic en uno de los dos.
Les pedimos a las personas que nos digan textualmente por qué les gustó o no, lo que nos ayuda a identificar si estaban haciendo el test o simplemente haciendo clic para recibir su compensación. Puedo decir que revisé estas pruebas, y son personas a las que realmente les encantó todo lo que les presentamos. En cambio, este grupo de aquí, simplemente dudaba en recortar. Le dieron un nueve a todo, pero básicamente le dieron un ocho a todo.
Al agrupar, puedes indicar cuántos clústeres buscas... Definitivamente no soy experto en agrupamiento, pero al analizar estos datos, parecía que había unos tres clústeres. Teníamos... Oye, Christian, ¿podemos hacer una pausa?
Supongo que simplemente sigue funcionando, [inaudible 00:14:19].
Ah, vale. Dame un segundo. Hay alguien en la puerta.
Lo siento. Olvidé que mi micrófono estaba abajo, sobre mi cabeza.
Así es. Está bien. No estoy seguro de dónde estaba.
Habías mencionado o mencionaste la coloración entre nueve y ocho, y luego ibas a hablar sobre, dijiste algo en el sentido de no ser un experto en clustering, y luego estabas buscando algo en ese punto.
Está bien. Sí, solo... Tengo que pedirles que corten esta parte.
Sí. Les avisaré. Creo que lo voy a publicar. Mi objetivo es verlo y luego identificar los puntos de tiempo para decirles dónde las cosas salieron mal, así que no se preocupen.
Está bien, lo siento. No sabía que alguien vendría a la casa.
No te preocupes. He estado... Me preocupa lo mismo. Supongo que ya estás listo, ¿no?
Sí.
Bueno, apagaré el micrófono. Dame 3 segundos y luego adelante.
Bueno.
Bueno.
Bien. Al observar este mapa de calor, vemos a las personas que calificaron todo con una puntuación alta (los verdes oscuros). Vemos los verdes claros, personas que también calificaron todo con una puntuación bastante alta, pero simplemente no usaron nueves, sino ochos.
Al agrupar, descubrimos que hay tres grupos, y aquí están coloreados con rojo, verde y azul. Pueden ver que el rojo tiene mucha oscuridad. El verde está en el medio. Hay muchos más colores claros. Luego, el azul tiene aún más colores claros.
Si observamos el grupo, este resumen, el grupo significa que se puede ver visualmente. Esta es la puntuación media por grupo. En el grupo 1, se puede ver prácticamente todo. Siempre le dan una puntuación más alta a todo. Son mucho más indulgentes; podríamos decir que les gusta prácticamente todo lo que les ponemos delante, lo cual es genial. El grupo 2, se ve como un rango medio. Luego, el grupo 3, son más difíciles de complacer, o simplemente son más exigentes.
Lo interesante es que cuando se cruzan, es cuando podemos decir que hay algo diferente en sus preferencias, un grupo versus otro, así que eso nos dio una pista.
Otro aspecto que queríamos analizar con estos consumidores era determinar si existían otras anomalías que debieran preocuparnos en los datos que recibimos. Dado que la limpieza de datos representa probablemente el 80 % de lo que debemos hacer en ciencia de datos. Queríamos analizar el escalamiento multidimensional, ya que este nos permite obtener un mapa de consumidores cercanos y distantes entre sí.
Para ello, si vas al triángulo rojo y guardas la matriz de distancia, obtendrás la matriz de la distancia entre un panelista o consumidor y otro. Luego, para realizar el escalamiento multidimensional, ve a métodos multivariables, escalamiento multidimensional, y nuestras columnas Y representan todos estos consumidores. Esto solo te llevará un par de segundos. Después, analizaremos si hay panelistas muy diferentes de los demás.
Aquí está el mapa que acabamos de crear. Un par de cosas que JMP me ha señalado, al menos. Primero, la mayoría de la gente se encuentra aquí. Tiene sentido. La mayoría de nosotros... Al observar al consumidor promedio y cómo usa la escala, cómo califica los productos o cuánto le gustan las cosas, es lógico que la mayoría esté aquí.
Hay un patrón extraño aquí. Si queremos explorar estos patrones, lo que podemos hacer es resaltar el nombre de la columna y luego seleccionar todas las celdas coincidentes. Esto abrirá todas las demás tablas de datos que tienen la palabra nombre y los números de panelista: 002, 1027.
Este es el conjunto de datos original con los nombres de los panelistas, y ahora puedo ver su puntuación. Esta persona le dio 9, 9, 9, 7, 9, 9 y prácticamente todos 9. Es interesante. Pasamos al siguiente grupo resaltado: 9, 9, 8, 9, 8, 9, 8, 9. Les gusta todo, y les gusta mucho. Pasemos al siguiente grupo: 8, 7, 9, 9, 9, 8, 9.
Observen esto, lo que tengo a la derecha es "no me gusta" textualmente. Esta columna dice: "¿Qué les disgusta?". Nada, nada, nada, nada, nada. Vemos un patrón con estos consumidores. Eso es lo que esto indica. Estas son las personas que puntuaron todo igual que vimos antes, como las bandas verde oscuro. Lo detectamos aquí en el escalamiento multidimensional.
Luego también tenemos a estas personas que están en el camino, supongo, este es el campo correcto. ¿Qué pasa con ellos? Si hacemos lo mismo aquí, vamos a seleccionar todas las celdas coincidentes. Luego, para encontrarlas, simplemente hago la siguiente selección. Veo algo completamente diferente, 2, 7, 3, 1, 9, 7, 2, 6, 9, 2. Me estaba costando entender qué hace diferente a esta persona. Porque si voy a la siguiente, otra que está resaltada aquí, 4, 7, 3, 2, 5, 3, 1, 6, 1, 1 como, una vez más, vemos, parece solo un patrón aleatorio, pero cuando entro en las palabras, tiene sentido. Cuando le dieron un nueve, dijeron que no había nada que les disgustara. Cuando le dieron un uno, dijeron que sabía a ingredientes podridos. Puedo garantizar que estos no estaban podridos, pero podemos ver que su calificación es verdadera.
Entonces alguien me dijo... Estaba intentando averiguar qué hace diferente a estas personas. Alguien me sugirió que observara cómo usan la báscula, y se nota que esta persona usa toda la báscula. Personalmente, pensé que todos estos productos eran bastante buenos. Algunos eran mejores que otros, pero no hasta el punto de decir que me disgustaban muchísimo. Es lo peor que he probado en mi vida y un nueve dice: «Esto es lo mejor que he probado en mi vida».
Para resolver esto, si creamos una tabla resumen de la opinión general, quiero calcular la desviación estándar y el rango por nombre incluido en el grupo. Lo hacemos, y ahora tenemos una tabla de datos con cada panelista y su desviación estándar de cómo calificaron todas las muestras. Al ordenar esto descendentemente, obtenemos... Digamos que tenemos a nuestros 10 panelistas más variables.
De nuevo, si lo hacemos… Resalto el nombre y, si digo, selecciono todas las celdas coincidentes y miro lo que está resaltado aquí. Lo que diferencia a todas estas personas no es necesariamente lo que les gusta o no, sino simplemente cómo usan la escala. Esto fue un gran paso para… Simplemente una forma de tener la confianza de que los datos que tenemos son correctos y de que hicieron lo que les pedimos.
Si, por ejemplo, hubiera descubierto una razón obvia por la cual sus datos no eran correctos, la habríamos excluido. Pero no hay razón para eliminarla, así que la dejamos. Esta es solo una pequeña demostración de cómo usamos nuestra agrupación y escalamiento multidimensional.
La otra cosa que quería compartir sobre la agrupación en clústeres es que, al final, quiero mostrarles la tabla de datos, la tabla DoE. Este es un diseño que rellena el espacio. Estos son los seis factores. Necesitaba una columna: la preferencia general por el clúster 1, la preferencia general por los clústeres 2 y 3, y luego, en general.
Para obtener estos tres, una forma sencilla de hacerlo fue tomar esta tabla de medias de clúster.
Eso es del resumen. Si haces clic derecho y seleccionas "Convertir en tabla de datos", aparece exactamente lo que quiero... No exactamente lo que quiero. Aparece que cada media muestral es una columna. Pero quiero cambiarlas: quiero que los conglomerados sean columnas y las columnas, filas. Quiero cambiar filas y columnas.
Si van a transponer bajo tablas y queremos transponer estas columnas, podemos etiquetarlas por clúster. Ahora puedo copiar y pegar esto en mi tabla de datos del Departamento de Energía. Eso es lo que hice. No necesito hacerlo aquí porque ya lo hice. Vamos a cerrar todo esto. Ahora tenemos los tres clústeres. Usamos redes neuronales con SVEM para modelar estos datos. Les mostraré el perfilador de lo que obtenemos. Aquí están los ingredientes A, B, C, D, del E al E, y los atributos bajo y alto. Al desglosar esto por clúster, vemos algo muy interesante.
En primer lugar, cuando realizamos el diseño de selección definitivo, se indicó que el ingrediente A no tenía ninguna influencia. No era significativo, así que lo eliminamos. De repente, me parece que el ingrediente A sí tiene algún efecto. Aún más interesante es el hecho de que parecemos tener dos grupos compitiendo entre sí. Porque, como ven, al disminuir el ingrediente A, los promedios del grupo 3 suben, pero los del grupo 2 bajan.
Esto significa que al Grupo 3 no le gusta el ingrediente A, no lo desea en exceso, mientras que al Grupo 2 sí. Observamos lo mismo con el ingrediente B. Cuanto más ingrediente B se añade, más le gusta al Grupo 2. Cuanto más ingrediente B se añade al Grupo 3, más le desagrada. Esto, para nosotros, resolvió un pequeño misterio: por qué hay un límite en nuestras pruebas de consumo, por qué hay un límite en la cantidad de gustos de las personas y por qué nuestras puntuaciones generales de gustos no fueron tan altas como esperábamos. Nuestro grupo de consumidores no es homogéneo, y tenemos personas con gustos diferentes.
¿Qué hacemos al respecto? Esa es la pregunta más difícil de responder. Es una pregunta estratégica que una empresa debería plantearse, porque ¿se busca a todos y se satisface al grupo de arriba, al que le gusta todo? Sus puntuaciones siempre son muy altas. Estarán bien, pero luego, los grupos 2 y 3, esas personas están ligeramente satisfechas. Ese es un enfoque. El otro enfoque es para los grupos 1 y 2, cuyas puntuaciones ya eran más altas desde el principio. Deben estar más apasionados por este producto, así que debemos centrar todos nuestros esfuerzos en maximizar su satisfacción.
También se plantea la idea de que, bueno, Grupo 3, quizás solo necesitamos una oferta de productos diferente que les guste más. Cuanto más sepas, más preguntas tendrás, pero cuanto más puedas hacer, más éxito tendrás. Eso es lo que obtuvimos del generador de perfiles, que fue extremadamente útil.
Por otro lado, siempre surge la pregunta: «Bueno, el perfilador dice esto, pero ¿es cierto?». Para intentar determinar si es cierto que al Grupo 3 no le gusta el ingrediente A ni el B, y viceversa, para el Grupo 2, decidimos revisar las actas textuales y ver qué podíamos encontrar.
Si revisamos la tabla de datos original del consumidor, vemos la opinión general sobre el grupo al que pertenecen, a la derecha. Luego tenemos los "no me gusta", así que no podemos buscar... También tenemos una vista textual; vamos a revisar los "no me gusta". Usaremos el explorador de texto para ver si hay alguna coincidencia con lo que vemos en el generador de perfiles.
Hicimos el explorador de texto por clúster. Para el clúster 1, ¿cuál es el término más usado? Nada. Está en "No me gusta", así que está bien. Eso es lo que queremos. Para "No me gusta", no queremos decir nada. Puedes hacer clic derecho y decir: "Mostrar texto para que podamos hacernos una idea de lo que dice la gente". No hay nada que me disguste. No hay nada que me disguste. Nada que se me ocurra. Genial.
Grupo 2: "nada" es el término más usado, pero como pueden ver, no es como en el Grupo 1, donde el Grupo 1 es 292, mientras que el siguiente es aproximadamente la mitad. Aquí, es casi lo mismo. La gente dice "nada" y la gente dice "sabor", y generalmente dicen: "Falta sabor, sabor insuficiente, sabor debilitado, sabor bajo del ingrediente B".
Luego tenemos el ingrediente B para el Grupo 2. Queremos ver qué decían sobre el ingrediente B. Lo que el Grupo 2 indica es que el ingrediente B no es lo suficientemente fuerte, no lo suficiente. Se necesita más, no lo suficiente. No hay suficiente ingrediente B. El sabor del ingrediente B era muy fuerte, así que tenemos uno que sí lo era.
Recuerden, nuevamente, que estas son todas muestras del Departamento de Energía. En general, dicen que podría usar más ingrediente B. Cuanto más ingrediente B se agregue, más me gustará. Esto coincide con lo que decía el perfilador: al Grupo 2 le gusta más el ingrediente B.
¿Qué hay del ingrediente A? ¿Qué opina el Grupo 2 de ese? En este caso, hay mucho... están diciendo demasiado. Ese es un poco más difícil de leer. Hay quienes dicen: "No pensé que tuviera suficiente ingrediente A, estaba soso". No tenía suficiente ingrediente A, no tenía suficiente ingrediente A.
Tengan en cuenta que no... Cuando nos dan "no me gusta", no tienen que decir nada sobre el ingrediente A. Hay que tomar esto con un poco de sal de grano. Solo lo dicen cuando creen que está mal. Pero ahora, si vamos al grupo 3, de repente, el sabor es la frase más usada. El ingrediente B está justo aquí, el número tres, entonces, ¿qué están diciendo sobre el ingrediente B ahora? En lugar de decir demasiado ingrediente B, este grupo dice, no lo suficiente, no lo suficiente. Hay un par de "demasiado", pero demasiado fuerte, demasiado, demasiado, demasiado. Un poco demasiado, fuerte, hay algunos "no suficientes" aquí.
Pero te haces una idea de que hay muchas cosas en las que no vimos nada, en el Grupo 2 la gente dice que hay demasiado ingrediente B. Ahora tenemos gente que dice que hay demasiado, lo que coincide con lo que nos mostraba el perfil y nos dio más confianza de que estos dos grupos difieren en sus gustos por el ingrediente A y el ingrediente B.
Luego, si revisamos lo que dijeron sobre el ingrediente A, demasiado, demasiado. Un poco de ingrediente A significa demasiado, un poco demasiado. Pueden ver que eso también es cierto. No quieren demasiado ingrediente A, ni tampoco demasiado ingrediente B. Así es como... Es solo un poco de exploración. Estoy seguro de que podríamos profundizar mucho más en el explorador de texto para respaldar esto con cifras, pero lo usamos solo como exploración para ver... Usamos visualizaciones como gráficos para explorar los datos. Usamos el Explorador de Texto para explorar lo que dice la gente, y se verifica con el generador de perfiles.
Al final, descubrimos una respuesta a por qué parece haber un límite en cuanto a lo que podemos... a lo altas que pueden ser nuestras puntuaciones. También descubrimos diferentes preferencias para distintos grupos de personas, lo cual es una información muy valiosa que no teníamos antes, y ahora que tenemos esa información, podemos hacer algo al respecto.
Bien, lo último que haremos es analizar la precisión de las predicciones del diseño de cribado definitivo en comparación con el diseño de relleno de espacio. Solo tenemos cuatro muestras de validación, así que debemos tomarlo con cautela, pero veremos si hay alguna indicación de si uno funciona mejor que el otro.
Tenemos cuatro modelos diferentes. Si utilizamos las medias de los conglomerados y las ponderamos según su tamaño, utilizando únicamente el promedio de todos los consumidores, obtenemos dos modelos diferentes, desarrollados a partir del diseño de selección definitivo. Uno utiliza únicamente el ajuste definitivo tal cual. El otro fue algo que un colega estaba analizando.
¿Qué observamos? Lo primero es que hubo un sesgo entre las puntuaciones del primer año. Por alguna razón, obtuvimos puntuaciones más altas en 2023 que en la prueba de 2024. En general, todo se redujo cuando implementamos el diseño de relleno de espacios. Creo que se debe a la variabilidad en las pruebas o quizás a que la gente, por alguna razón, estaba de mal humor. No lo sé.
Como científico de I+D, lo que me anima un poco de este modelo es que la línea no es exactamente paralela, pero es casi paralela a la línea que quiero que sea. Si la predicción fuera 100 % precisa, esto sería y igual a X; eso es lo que representa esta línea negra. Parece funcionar bien con la información limitada que tenemos, considerando los sesgos.
Aquí, si tomáramos solo las medias muestrales completas y no hay diferencia, pero aquí es donde vemos algunos resultados diferentes. Aquí está el ajuste definitivo, y no son casi paralelos. Vemos que las líneas se cruzan. Esto nos da… No nos da tanta confianza en que este modelo sea realmente capaz de predecir las puntuaciones de los futuros panelistas.
Luego, este otro lo pasó aún peor. Por ejemplo, este de aquí predijo un valor de 7,9, pero nos dio un valor de siete. Ahí fue donde nos decepcionamos cuando hicimos la prueba de validación en 2023.
Espero que esto les haya sido útil y que hayan adquirido un profundo conocimiento de la diversidad de las personas, especialmente de nuestras preferencias alimentarias. Espero que puedan aprovechar esta información para obtener más información de los consumidores, y gracias por su atención.
