文/兰西 部分图片/Foodpairing
大数据为企业获得更为深刻、全面的客户需求洞察能力提供了前所未有的空间与潜力。而Foodpairing的成功,则是大数据应用实践的一个有趣案例。
10多年前的一天,Foodpairing的创始人本纳德·拉豪斯(Bernard Lahousse)跟他的一个朋友米其林两星大厨Sang-Hoon Degeimbre共进晚餐。这位大厨看到桌上的猕猴桃,突然说:“你知道吗,每次当我品尝猕猴桃的时候,我总能尝出海的味道。”这个时候,猕猴桃还只是一种普通水果,还没有人将它成功的融入欧式菜肴,更不要说在海鲜菜品之中使用猕猴桃。
学习生物工程专业的拉豪斯听到这句话灵机一动,他在读大学时就听说过学术界的一个共识,即人类品尝食物时产生的口感其实有75%到95%来自于嗅觉。即使这个百分比被后来一些学者质疑,但无法否认气味在人类品尝食物时起到的主要作用。基于这一共识,米其林三星餐厅The Fat Duck的大厨提出了一个假说,如果两种食物的气味组成越相似,他们就应该越容易被搭配成一道成功的菜肴。
虽然不能百分之百地确定这一假说的准确性,拉豪斯仍然决定和他的团队放手一试。他们先利用高效液相色谱法和气相色谱法去分析大量海产品的气味组成,确定他们不同气味的浓度及其嗅觉阈值(引起人嗅觉感觉最小刺激的物质浓度称为人的嗅觉阈值)。因为只有高于嗅觉阈值的气味才可以被人感知,所以拉豪斯的团队只用高于阈值的主要气味来定义食物的口感。
在确定了这些食物的气味组成之后,他们将信息输入Foodpairing的数据库,并将其一一与猕猴桃的气味相对比。最终,拉豪斯将实验显示最适合的生蚝推荐给了Sang-Hoon。这位两星大厨很快就用这两样食材创造了一道新菜:Kiwitre。这道菜品不仅引起了美食评论家的兴趣,更是获得了食客们的好评,其菜谱在欧洲各大美食网站上广为流传。
Kiwitre是Foodpairing通过化学手段分析,并通过算法配对来开发的第一道菜。在接下来的一段时间内,这种化学与算法相结合的模式,加上他们不断组织的线下大厨聚会,在短时间内就为他们吸引来了不少厨师顾客。
>> 食物配对理论示意图
>> Kiwitre菜品
可是这种简单的配对并不能满足这个逐步开始发力的团队。Foodpairing的服务也引来了众多食物企业的青睐。但食品企业希望得到的,与其说是科学显示的食物配对比率,还不如说是预测某一地区的客户对于特定品牌特定产品的接受程度,和改进产品口味的切实建议。
在这样的实际要求下,Foodpairing开始了升级算法与服务的过程。对于大型企业的零售食品来说,基于科学数据的口感创新并不是最重要的,如何能够了解新时代日新月异的食品潮流与不断改变的大众口味才是先发制人的关键。
于是,除了不断向其日益庞大的数据库中增加各式各类食品的分析数据,拉豪斯还带领团队通过机器学习,来自动抓取不同地区的消费者在社交网络中关于菜色和潮品口感的讨论,和大厨们放在网上的食谱。基于对这些零散数据的整合与分析,Foodpairing将其服务核心从科学至上转化为了以消费者为中心。在对不同社区、地域的人们进行分门别类的信息收集的过程中,这家公司帮助食品公司,了解着每一个人对于不同食物的喜好,建立着每个人与众不同的食品口味数据库。
让他们的核心竞争力进一步增强的,是大厨们在Foodpairing网站上使用其食物搭配服务后创造的各式热门的私家菜谱,和普通消费者在使用由他们为各大食品公司设计的应用程序来搭配自己的酸奶、沙拉等食物时创造的所有使用数据。
正是因为获取数据来源的多样,拉豪斯认为,与传统的食品研发实验室和市场营销团队比起来,Foodpairing可以为食物企业提供更具有时效性和销量保证的产品创新建议与方案。现在,Foodpairing保持着与几乎所有国际大型食品企业的密切合作,成为了连接食品企业,大厨和消费者的重要平台。在他们所有的收入中,为食品企业提供客户分析数据的利润占到了60%,而剩下的40%则是由为第三方提供的食物搭配建议和为大厨提供配对数据。
如今除了Foodpairing主公司之外,他们还成立其他三家公司,其中有一家专门生产机器人调酒师。这些机器人不仅能够精准地调出各种鸡尾酒,还能够为每一位顾客建立档案,根据其点单历史自动为其推荐符合其口味的新品,利用人工智能为新世代的食客提供更加“贴心的”餐饮体验。如今这些机器人已经在比利时小范围地投入使用,并将在不断优化后进军欧洲甚至是国际市场。
对于是否将进入中国市场,拉豪斯这么说:“越来越多的西方食品企业希望通过Foodpairing强大的数据库和智能系统进入亚洲,尤其是中国市场,开发能够获得中国消费者青睐的食品。同时,我们也与亚洲一些国家的政府、大学和企业建立了合作关系,开展对其当地食物和味觉偏好的科学分析,并逐步通过Foodpairing的服务精准有效地开拓国际市场。”