I utviklingen av nye matvarer samler produsentene inn en rekke data om forbrukeroppfatninger, trender, sensorikk, kjemi og mye annet. - Det er essensielt å få utnyttet alle disse dataene best mulig. Vi må forstå mekanismene i forbrukernes holdninger og hvordan disse kan relateres til et produkt. Det er forskere og industri blitt bedre på de siste årene, forteller forsker Elin Kubberød ved Matforsk.
Fra bulk til segment
Hun har en doktorgrad i forbrukeratferd og har vært prosjektleder for mange produktutviklingsoppdrag fra norsk næringsmiddelindustri. Slike prosjekter genererer en masse data fra forskjellige kilder. For å holde orden på dataene og skille ut hva som er viktig, brukes matematiske modeller og metoder. En av de statistiske metodene heter Partial Least Squares (PLS). - PLS gjør at vi kan drive produktutvikling på en sikrere og tryggere måte. Dessuten gjør metoden at vi kan utnytte de ulike smakssegmentene i mye større grad, forklarer Kubberød. To eksempler fra grøntsektoren illustrerer dette: Poteter og tomater var to bulkvarer i grønnsaksdisken for bare noen få år siden. Nå får du begge grønnsakene i et uttall varianter og til en hver bruk. For å finne frem til alle de ulike variantene ble forbrukerne grundig kartlagt. Ulike bruksområder og smakssegmenter ble utviklet på grunnlag av kartleggingen. - PLS hjalp oss å se sammenhengene mellom ulike forbrukerpreferanser og hva som karakteriserte de tomatene eller potetene som en gruppe foretrakk, altså sensorikk. I tillegg til å sammenlikne disse parameterne, trakk vi også inn bakgrunnsinformasjon om forbrukerne. Hva kjennetegner den forbrukeren som foretrekker de og de tomatene? Hvilke kjøpspreferanser har de, og hva slags mat pleier de å lage, sier Kubberød.
Missing link
Man kan også trekke ekspertene inn i analysen. Hvordan opplever kokkene produktet?
- I linken mellom ekspertenes og forbrukernes språk kan du virkelig få til forbrukertilpasset markedskommunikasjon, sier Elin Kubberød. - Slik markedstilpasset produktutvikling gjør det lettere å kommunisere. Eksperten kan få "oversatt" tilbakemeldinger om hvordan forbrukeren oppfatter et produkt, og relatere profileringen til sine egne vurderinger, fortsetter forskeren.
Vi har alle ulik smak. Noen vil ha krydder og sterk smak, andre ønsker at alt skal smake mildt. - I markedet finnes det ofte hull som ikke er dekket. Disse hullene kan oppdages med PLS-statistikk, ved at vi ser preferanser som går i én bestemt retning, sier Kubberød. Matforsk var involvert i både tomat- og potetprosjektet, og begge to førte til salgsvekst. For potetenes del gikk salget opp for første gang på nærmere 30 år.
Reddet fra å drukne
PLS ble "oppfunnet" for rundt 30 år siden, og videreutviklet av Harald Martens i Norge og Svante Wold i Sverige. Metoden er nå i bruk over hele verden, og får stadig utvidet sitt bruksområde. En variant brukes mest innen samfunnsvitenskap, til kundetilfredshetsmålinger, studier av epidemiologiske data, helseovervåkning og liknende. På Matforsk har arbeidet med PLS vært konsentrert rundt sensorikk og spektroskopi, og her brukes en litt annet variant. - Utgangspunktet for PLS, var at man druknet i data. Det gjør man fremdeles. PLS er en måte å trekke ut de viktige informasjonene av kjempestore datasett på. Når det blir mange hauger med tall, gjelder det å finne teknikker for å sortere ut det viktigste. PLS er et modelleringsprinsipp som deler et stort problem opp i mange små. Gjennom alle de små stegene skapes bilder, som er lette å forstå, forteller forskningssjef Tormod Næs ved Matforsk. Han er statistiker og har jobbet mye med PLS. - Den enkle og visuelle grafikken er absolutt en fordel med PLS. Metoden er rask, god til å finne relevans og pragmatisk. PLS er like mye en måte å tenke på som en metode, og det er tradisjon for å være kompromissløs når det gjelder å teste ut om metodene er gode nok, sier Tormod Næs. PLS er også kalt soft modelling, fordi man, i motsetning til i klassisk statistikk, ikke har faste hypoteser før man setter i gang analysen. Man lar i stedet de tilgjengelige dataene være utgangspunktet. - For å unngå overtilpasning deler man gjerne datasettet i to. Kryssvalidering er veldig viktig når man bruker denne tilnærmingen, understreker Næs. Det finnes en håndfull kommersielt tilgjengelige dataprogrammer som bruker PLS. Men med litt kunnskap om dataprogrammering kan man selv sette opp sine egne systemer.
Forstå hverandre
Tormod Næs er sikker på at PLS vil få større utberedelse i fremtiden, etter hvert som man får større innsikt i metodens egenskaper. 5. - 7. september var i underkant av 100 forskere fra hele verden samlet for å oppdatere hverandre på siste nytt og diskutere faglige spissfindigheter innenfor multivariat PLS og andre relaterte metoder. - Vi hadde et sterkt ønske om å finne ut av hva som forener de ulike PLS-miljøene, og hvor vi tenker forskjellig. Vårt valg av foredragsholdere reflekterer også ønsket om å koble PLS-kulturer til andre, kanskje mer main-stream vitenskapstradisjoner innen matematiske modeller og statistikk, sa PLS-guru Harald Martens da han åpnet møtet. - Forhåpentligvis kan denne konferansen få brakt de ulike kulturene nærmere sammen, og inspirere hverandre til å utvikle og forbedre PLS videre, sa Martens.
Det har vært betydelig avstand mellom de ulike PLS-kulturene. - I tillegg til det interne mangfoldet, har brukerne av PLS måtte forholde seg til at tradisjonelle statistikkmiljøer har vært motvillige til å akseptere at PLS er en velbegrunnet tilnærming til dataanalyse. De anser ikke PLS som en statistisk metode, sa Vinenzo Esposito Vinzi i sitt åpningsforedrag. Italieneren er statistiker innen økonomi og tilknyttet ESSEC Business School i Paris. Han har blant annet skrevet en håndbok i PLS som brukes i undervisning innen markedsanalyse. Statistikernes skepsis til PLS er blitt mindre med årene, og mange har anerkjent at metoden er god på flere områder - blant annet innen markedsorientert produktutvikling.
