想想你最后一次吃美味的披萨的情景. 那是什么感觉?? 配料的数量合适吗? 味道强度刚刚好吗? 它的上桌温度合适吗——热，但又不太热? 它看起来也很吸引人吗?

味道是, 当然, 在任何食品相关行业中都是至关重要的, 直接影响客户忠诚度和保留率, 因此收入. 而且，尽管品味是一种非常个人化的主观体验，但它是可以衡量的. 当我还在做 产品经理 对于一家全球披萨公司，我的团队创造了一个 创新的数字解决方案 用an来量化和追踪味道 电子商务平台.

我们一起开发了一个免费收集客户反馈的功能. 这提供了一个很大的 数据量 这使得该公司能够跟踪质量问题, 不断完善配料, 并在其800多家门店提高客户满意度.

品味会计

感官测试 食品行业的公司是否经常外包给专门机构，这是一个非常耗时和昂贵的过程. 研究人员招募参与者可能需要几个月的时间, 进行现场测试, 处理结果. 的成本 研究单一产品 根据地区等因素有所不同，但可以很快达到数万元. 对于一家国际连锁餐厅来说，在整个菜单上获得反馈, 这些数字可能膨胀到数百万.

我们也看到了传统感官测试的局限性. 产品爱的一个例子是可口可乐标志性配方的改变: 新可口可乐这是一种更甜的原始版本，于1985年发布，引起了消费者的愤怒. 尽管在发布之前进行了扎实的客户调查，但只有13%的实际消费者喜欢这种新口味. 变化正好相反 79天后.

生意越大, 这些失误的代价就越高:如果你在软饮料中加了太多的糖，或者在一种新型披萨上加了太少的配料, 这些误差可以以百万计.

在线进行味觉研究

我们的新工具的目的是把感官研究在线和内部. 传统的方法要求参与者品尝产品，并回答一系列评估质量的标准化问题. 我们采用了这种形式的问卷，并将其直接构建到公司的外卖和餐厅订餐应用程序中.

订单或送货完成后，应用程序会提示客户 提供反馈 关于他们点的某个披萨. 一旦他们接受，应用程序就会加载味道评估调查. 该应用程序要求用户通过不同的特征来评估产品，包括外观, 总体味道, 温度, 味道强度, 配料的数量, 和多汁性. 最后一个问题是关于特定类型披萨的标准，比如意大利辣香肠的辣度. 我们发现7到9个问题是最理想的, 总共需要大约20秒来完成——再长一点，用户就会失去兴趣.

为了衡量答案，我们决定用a 刚刚好(JAR)的规模为了考虑到个人口味的差异，他们的目标是将JAR得分设定在70%到80%之间. 这个动画展示了一个典型的调查:

感官研究机构通常在一个调查产品中收集大约400份回复. 在我们推出内部工具后的第一年, 我们收到了600多份,000个回复——3%的转化率.

分析与行动:我们如何使用客户研究数据

使用该工具提供的丰富数据, 产品团队每周跟踪口味以监控任何问题, 当使用新鲜食材时，哪一点特别重要. 当急剧下跌发生时, 如下面的仪表板样例所示, 该公司能够立即进行调查. 有一次, 调查发现，蓝奶酪供应商交付的一批产品不符合通常的标准, 这极大地影响了四种奶酪披萨的味道.

调查指标使我们能够为每种产品创建一个口味概况, 这样我们就可以做一些简单的调整了. 例如，如果某个披萨在多汁性上得分较低，我们就会添加更多的番茄酱. 我们还能够识别流行的口味，并将其用于新的食谱中.

该工具使我们能够优化配方并为业务驱动价值. 我们测试了去除一定量的某些成分, 比如意大利辣香肠片, 并监测味觉的变化. 如果味觉分数不受影响, 我们保留了修改过的食谱, 为整个连锁餐厅节省了资金.

我们采用了相同的方法 数据驱动的方法 新产品发布, 根据客户的反馈，通过改变甚至撤回产品来响应客户的偏好. 当介绍卡博纳拉披萨时, 例如, 我们在第一周追踪参数，发现趣味的平均得分是5分.7分中的94分. 所有披萨的平均得分是6分.3.

其他数据也揭示了这个问题:近48%的受访者认为浇头的数量不够. 公司很快改变了配方, 加入更多的培根(这也有增加多汁性和口感强度的副作用). 接下来的一周，平均味道从5.94 to 6.

我们用这个工具探索了许多假设, 比如温度和味道之间的关系. 不出所料，如果披萨被认为是冷的，那么它的味道得分就会下降到4分. 下表中显示的数据点说明，如果披萨偏离了“刚刚好”,“即使是在热的一边, 味觉得分也下降了. 这告诉我们温度是影响顾客满意度的关键因素.

该公司一直在考虑购买带有加热元件的热投递袋. 每袋售价约为3美元,每个披萨店需要5到10个袋子——这是一笔可观的投资. 但是我们现在有 业务案例 代价:保持披萨的温度会带来更好的味觉得分.

通过我们的分析, 我们还发现了披萨的视觉外观与其感知味道之间的直接关联.e.比如，披萨越吸引人，味道得分就越高)，以及味道和干度之间的得分. 我们提取 ERP系统 显示比萨在顾客消费之前在热货架上放置了多长时间的数据，并将其与我们的调查数据相关联. 结果证实，如果披萨在货架上放置超过60分钟, 它变得太干，得到较低的味道评分. 为了解决这个问题，餐馆减少了他们在繁忙时期之前准备的披萨数量.

在特许经营企业内, 通常很难确保所有分支机构都遵循品牌指导方针. 以前，当一家餐厅的评分很低时，我们对原因知之甚少. 可能是因为披萨店没有遵守规定, 交货缓慢, 或者该地区的顾客有特殊的口味偏好. 我们开发的工具有助于更深入地分析披萨店的顾客体验. 我们密切监视着每个分支机构, 调查低评级, 快速实现, 有效的改进.

通过追踪每个披萨店的平均温度, 例如, 我们可以看到，如果一个得分特别低, 快递员可能在一次旅行中携带了太多的订单, 后来的订单都是冷冰冰的.

直达客户满意度

通过为客户利用go-to - order方法, 我们能够开发应用内解决方案, 进行大规模的 研究的数量 以一种不会对用户造成干扰的方式，并且不会给公司带来额外的成本.

这个工具可能看起来很简单, 但它产生的即时数据极大地提高了公司对客户体验和偏好的洞察力，并使其能够做出反应, 循证操作方法. 通过对食谱和流程的微调, 我们能够提供顾客觉得更美味的产品, 提高他们的满意度，使他们更有可能再次订购.

我们的电子商务解决方案就像放大镜一样有效, 提供大规模特许经营质量的细粒度视图，使管理全球800多个地点变得更加容易和高效.

跟进披萨特许经销商客户反馈工具的开发, 后来，我在一家大型食品零售商中实施了一个类似的平台，该零售商的应用程序拥有大约1000万用户, 也得到了类似的结果.

品味并不简单, 但我们的工具表明，它可以被分解成一个可重复的公式——就像任何成功的配方一样.

特别感谢我以前的同事Gleb Kotlyarov, 一个研究专家，他提出了这个创新工具的想法.