2019-07-04 05:43:01
香味成分数据揭示了香水成功的新见解

在线香水数据的数学分析显示了在不同香水中发现的独特香味组合如何有助于产品流行度和消费者评级。英国伦敦帝国理工学院的Vaiva Vasiliauskaite和Tim Evans于2019年7月3日在开放获取期刊PLOS ONE上发表了这些研究结果。

每种香水都是不同嗅觉成分,油脂和化学分子的独特组合,共同形成和谐的香气。香水的气味通常用所谓的香调来描述,例如香草,以及它们的组合,例如麝香和茉莉,它们被称为协定。假设某种香水很受欢迎,主要是因为它的气味很好,研究人员的目的是了解什么是流行的气味。为实现这一目标,根据称为复杂网络分析的数学领域的原理研究香水的结构及其组成说明。

为了更好地理解协定如何有助于香水的成功,Vasiliauskaite和Evans将复杂的网络分析应用于10,000多种香水产品中的1,000种香调的在线数据。数据集包括消费者评级和每种香水流行度的信息。

该分析揭示了哪些注释和协议的使用频率超过人们预期的(“过度代表”),这是最受欢迎的,并且在最高等级的香水中找到。研究人员发现,最流行的音符和最常用的音符并不一定与最高香水等级相关。例如,茉莉和薄荷香调的一致性对更高的评级有显着贡献,但在研究的香水中代表性不足。

研究人员还确定哪些注释在添加到现有协议时似乎最能提升。他们发现,麝香和香草等具有高度受欢迎度的音符,往往会提升最多的音符,就像花卉音符等一般命名的音符一样。进一步的分析表明,主要的时尚品牌生产了许多最成功的香水,但香水的受欢迎程度似乎并没有与它的价格挂钩,也不是它的推出。

这些研究结果表明,复杂的网络分析可能是香水制造商探索新协议的有用工具,这些协议可以提升香水的成功潜力。

作者补充说:“我们研究了关于香水及其气味描述符的数据 - 笔记 - 作为一个复杂的网络,以获得关于注意成分(称为协议)如何影响香水成功的见解。我们获得的香味往往存在于香水中更多的客户评级,例如,由天竺葵,薰衣草和Oakmoss组成的协议。这项工作提供了一个框架,这将是调香师探索多维空间香味成分的及时工具。

猜您喜欢的其它内容