Should I Really Do Research to Screen Packaging Design Routes? – PRS IN VIVO – A BVA GROUP COMPANY

Should I Really Do Research to Screen Packaging Design Routes?

Or how AI and expert evaluation can help brands go quicker to market and transform research as we knew it.

Read this in French here.

Let’s start with a simple question: in the last few months, have you been asking yourself - or your CMI colleagues- something like: “Should we really do a research for this particular project ? Isn’t there enough data or knowledge we already have that can provide insights that can predict consumer response to the restage we are planning? Is there anyway the power of AI chat everyone is talking about to provide a predictive model, before we invest in more primary research?”

In other words, “Must we do research? Is there another, reliable way to get to the answers we need for a decision?”

If so, you are not alone. It may challenge "foundational" ideas, but many clients ask these questions. And actually, they are very good ones.

But when these questions come up, are there solutions that can help you achieve the answers you need, most cost (and time) effectively?

The good news is yes, the solution does exist (and we will give an example later) and, to be successful, we think the solutions should tick all the boxes below:

The power of AI:

  1. First, the most important thing is to make sure that the data you will rely on in an AI analysis is grounded in behavioral outcomes. To be predictive, you have to rely on robust / behavioral data (for example: something that focuses on actual purchase behavior at shelf, not claimed intents).
  2. Second, relative to restages you need to connect the outcome (the purchase of a an existing product, restaged with new packaging) to the element that most predictably can drive this outcome (mining any available data that relates to the context, category, and even the country…- and of course the precise demonstration of the elements of the current and new pack design).
  3. Finally, in order for the analysis to be reliable you have to rely on a significant amount of cases so that the data set can make the model learn.

And the power of human intelligence

  • But each restage initiative is truly unique, and nuances exists in consumer consideration. There is widely shared alignment amongst data scientists that as robust as AI models can be, they are more powerful when married with Human Intelligence.
  • So any “model” becomes more powerful when it becomes a diagnostic component to inform expert’s behavioral framework leading to a more acute feedback and recommendation.

Within that formula, brands can actually achieve quite significant insights through the predictive score of the model and experts detailed and documented evaluation and recommendations.

Then and only then, you can choose to commission a study to connect with consumers that gets you to the “last mile”  But if you do so, the diagnostics from the AI/Expert screener allow you to concentrate on a specific target and/or very specific detail, making the research 100% focused and generally more cost effective.

This is precisely the model that PRS IN VIVO has built to optimize pack restages:

  • Due to our history testing packs globally we have a huge database, main KPIs for actual purchase and visibility at shelf.
  • The database includes 72 elements in packaging configurations we have documented as key drivers of purchase choice, based on our unique knowledge of pack performance.
  • AI enables us to parse that data at lightning speed against the new design, enabling insights in days rather than weeks.

But what makes the marriage of data and human work so well is that we have a global and unparalleled network of senior pack experts who inform an evaluation scale that links to the AI insights, and frames the ultimate recommendations.

Many clients are now adopting this early stage predictive analysis before doing bespoke research with very promising results. Of the early adopters, around a third have actually needed to complement this solution with ‘consumer connect’, mainly 1st impression imagery evaluation (made online, so very focused, quick and affordable).

The result? Affordable, more efficient and predictive decision making at unprecedented speed.

So we are not actually saying “Don’t Do Research”. But we are suggesting a new & smart way of doing research that gives you just what you need.

AI Pack Screener

    • Is ideal for early stage screening
    • Of clearly differentiated routes
    • Up to 10-12 routes screened

Want to know more, feel free to contact us!

THE AUTHOR
Olivier Blanchet is the Managing Director of PRS IN VIVO France.  His team supports clients in the pursuit of shopper & consumer marketing excellence and NPD success, through the application of behavioral science and design thinking. He can be reached at olivier.blanchet@prs-invivo.com

 

Now, in French:

Est-ce que je dois vraiment faire une étude pour screener des voies packaging?

Ou comment l'Intelligence Artificielle (IA) et l'évaluation expert peuvent aider les marques à accélérer le road to market … et à transformer les études marketing telles qu’on les connait !

 

Commençons par une question simple: au cours des derniers mois, vous êtes-vous posé une question, (ou l’avez-vous posée à vos collègues des études), du type: «Doit-on vraiment faire une étude pour ce projet particulier? N’a-t-on pas déjà assez de données ou de connaissance qui pourraient nous aider à screener différentes voies pack ? Et cette IA dont tout le monde parle, ne permettrait-elle pas de répondre avant d’investir dans une étude? ». Bref, existe-t-il un autre moyen fiable de trouver les réponses dont nous avons besoin pour prendre une décision?

Si tel est le cas, vous n’êtes pas seul ! Et même si cela peut remettre en question les méthodes classiques, la question reste très bonne. Alors, est-ce que ces méthodes rapides mais fiables existent ? La bonne nouvelle est que oui, les solutions existent. Et pour nous, elles sont la combinaison d’un vrai modèle IA prédictif et d’évaluations d’experts. Dans ce cadre-là, interroger des consommateurs peut rester pertinent mais sera concentré sur une question très précise (et sera donc très rapide et accessible).

Le pouvoir de l'IA

Pour qu’un modèle IA soit performant, il doit répondre à 3 critères :

      1. Tout d’abord, le plus important est de s’assurer que les données sur lesquelles on va fonder l’analyse IA reposent sur des résultats comportementaux. Pour être prédictif, vous devez vous appuyer sur des données robustes / comportementales (par exemple: du comportement d'achat réel en rayon, pas une intention déclarée).
      2. Deuxièmement, vous devez associer le résultat (par exemple l’achat d’un produit relancé avec un nouveau pack) aux éléments explicatifs de cette performance : la définition minutieuse des éléments pack qui ont changé mais aussi les données relatives au contexte (pays, catégorie…)
      3. Enfin, pour que l'analyse soit fiable, vous devez disposer d’un nombre important d'observations pour que le modèle puisse apprendre de manière itérative.

Et le pouvoir de l'intelligence humaine

Néanmoins, chaque initiative reste unique, avec un historique de marque propre, avec un sens derrière les signes utilisés. Ainsi, tous les experts s’accordent à penser aujourd’hui que, aussi robustes que puissent être les modèles d'intelligence artificielle, ils sont plus puissants lorsqu'ils sont mariés à l’intelligence humaine.

En mariant les deux, le score prédictif du modèle et les évaluations et recommandations détaillées des experts, les marques peuvent alors obtenir des insights pertinents très rapidement.

A ce stade, il est tout à fait possible de compléter cette analyse par une étude auprès des consommateurs mais elle sera par nature extrêmement « focus » et donc rapide et très abordable.

Est-ce que ce modèle existe aujourd’hui ?

La réponse est oui. C’est précisément le modèle « AI Screener » que PRS IN VIVO a construit pour optimiser les tests packaging:

      • Nous disposons de la plus grande base de données mondiale sur les tests packaging (25,000 cas) et les indicateurs de performance clés sont l’achat et la visibilité, deux indicateurs comportementaux.
      • A la suite d’analyses approfondies (sémio, corrélations…), notre base de données comprend 72 éléments explicatifs de cette performance!
      • Et, avec nos 300 collaborateurs, nous disposons d’un réseau mondial d’experts du packaging.

Aujourd’hui, de nombreux clients ont ainsi adopté cette analyse prédictive dans les étapes amont de leur développement pack. Et environ un tiers y ont associé un test consommateurs, principalement de la mesure de perception immédiate (système 1).

Le résultat? Une prise de décision très accessible, plus efficace et prédictive dans des délais extrêmement rapides.

Finalement, nous ne disons pas de ne pas faire d’étude mais de faire un autre type d’études qui prenne mieux en compte la richesse des données et des expertises existantes pour répondre à vos problématiques pack de manière robuste et rapide.

AI Pack Screener est idéal pour

      • Le screening early stage
      • De voies pack très différentes
      • Jusqu’à 10-12 voies testées

N'hésitez pas à nous contacter si vous souhaitez en savoir plus!

THE AUTHOR
Olivier Blanchet is the Managing Director of PRS IN VIVO France.  His team supports clients in the pursuit of shopper & consumer marketing excellence and NPD success, through the application of behavioral science and design thinking. He can be reached at olivier.blanchet@prs-invivo.com