検索結果

消費者データを学習したAIから、ネーミングやキャッチコピー、パッケージの印象を定量的に評価出来る感性AIアナリティクスですが、評価値分布の表示機能が実装されています。 今までは入力されたパッケージデザインなどに対して、AIによる定量評価の結果のみを表示していたので、そのパッケージデザインのイメージが「明るい」印象を持っていたとしても、それが一般的なパッケージデザインと比較して顕著に「明るい」と思われるのか、ほんの少しだけ「明るい」イメージが強いのかといった、相対的な評価が行えないという課題がありました。 その課題をクリアする機能である、モデルの評価値分布（平均値など）と比較できる機能が実装されたので、その機能についてご紹介します！ 今回は、パッケージデザインの印象値を分析してみました。こちらのコーヒーのパッケージデザインから感じられる印象を定量的に可視化していきます。 出典：Designed by Freepik 評価結果は下記のように算出されました。 緑丸がパッケージデザインの印象値、そしてグレーの丸がモデルのパッケージデザインの平均値を表しています。箱ひげ図は一般的な箱ひげ図の見方と同様で、箱ひげ図のひげはモデルの最小値・最大値を、箱の部分は25％～75％のデータの分布を表しています。 グレーのデータと比較してみると、パッケージデザインの印象は「暗い」「落ち着いた」「シャープな」「重厚な」といった印象が強いことが分かります。つまり、一般的なパッケージデザインと比較してこちらのパッケージデザインは「暗く落ち着いていて、シャープで重厚な印象が感じられる」そういったパッケージであることが分かります。 もう少しく結果を見る為、例えば「高級な」という感性評価項目に着目してみると、絶対的な印象値として「高級な」という印象は高いものの、グレーの箱ひげ図（モデルの値）と比較すると、一般的なパッケージデザインと同程度の高級感であるということが分かります。 つまり、一般的なパッケージデザイン程度の高級感は伝わっているが、もしコンセプトとして高級感を挙げている場合は、もう少し高級感のイメージを高めていく必要がある、ということがこの結果から読み取れます。 いかがでしたでしょうか？今回のアップデートに伴い、評価したい項目の印象を絶対評価するだけでなく、一般的な値との相対評価が行えるようになりました。 感性AIアナリティクスでは、パッケージデザインだけでなく、ネーミング、キャッチコピーでもこの機能をお使い頂けます。 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！

商品の成功に欠かせない要素の一つとして、そのパッケージデザインが挙げられます。例えば、コーヒーのパッケージデザインをリニューアルする場合、その効果を客観的に評価する手段が求められます。弊社の感性AIアナリティクスでは、消費者データを学習したAIからパッケージデザインの印象を定量的に瞬時に評価出来ますが、今回バージョンアップに伴い、瞬時に定量評価を行うだけでなく、さらに探索的データ分析を可能とする感性評価結果データのCSV形式ダウンロードが可能となりました！ データをダウンロードすることで、貴社に保管されている過去の売上データなどを組み合わせ、感性評価値を様々な指標の説明変数（もしくは目的変数）としてお使い頂くことが可能です。 そこで今回は、ダウンロードデータの活用方法についてご紹介します！ 出典：Designed by photographeeasia / Freepik 例えば、こちらのようなコーヒーのパッケージデザインをリニューアルした際を想定します。パッケージデザインの評価結果のデータは、下記のように「CSVダウンロード」のボタンからダウンロードして頂くことが可能です。 ダウンロードすると、このようにデータを取得できます。 このようにして、パッケージデザイン毎の評価結果をダウンロードし、例えば売上など貴社に蓄積されているデータと組み合わせることで、様々なインサイトが得られます。 今回は売上と各感性評価値との相関を算出してみました。（仮の値になります） 相関結果を見てみると、コーヒーのパッケージに関して、リニューアルした4つのデザインの感性評価値と売上の相関から、こちらの商品の売り上げにはパッケージデザインの「上品さ、嬉しさ、暗さ」が寄与していることが示唆されました。 つまり、このブランドを展開していくにあたって、消費者にとってパッケージデザインから上品さが感じられるか、嬉しさが感じられるか、そして暗い落ち着いた色合いであるかが重要ということですね。 今回はパッケージデザインを例にとってご紹介しましたが、このCSVデータのダウンロード機能は、パッケージデザインだけでなく、ネーミング、キャッチコピーでも利用することが可能となります。 いかがでしたでしょうか？感性評価結果のCSVダウンロード機能を活かし、過去のデータと組み合わせながらマーケティング戦略を検討することで、より効果的な商品展開が可能です。新しい機能を存分に活用して、感性の観点からインサイトを得ることで、ぜひ貴社ブランドの魅力を最大限に引き出してみてください。 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！

今年も早いもので残すところあと１ヶ月ほどとなりましたね。 新年には、多くの人々が感謝や幸福を表す手段として年賀状を送り合いますが、皆さんは2024年の年賀状の準備は出来ていますでしょうか？ 近年はハガキだけでなくメールなどで挨拶をする方も増えていますね。そんな年賀状ですが、新年最初の挨拶としての年賀状は特別な印象を残すものですので、相手にどのような印象を与えるのかは重要となります。 そこで、年賀状の印象をAIで定量評価し、どのような印象が伝わるのか確認してみました。今回扱う年賀状はこちらの3つ。 どれも素敵な年賀状ですが、総合評価は以下の結果となりました。総合的な評価にはあまり差はなく、好まれているかどうかの好意度や、品質感などどれも同じ程度の印象値です。 次に質的な差がどのようにあるのか確認したところ、下記の通りの評価となりました。一番左の年賀状１は激しく強い印象です。また、和風な印象も少し感じられています。赤い龍が印象的で、今にも動き出しそうな躍動感が感じられますが、定量的にもその印象が評価されています。次に中央の年賀状２ですが、こちらは自然で和風な印象が強くなっています。確かに、自然を感じられるような植物の挿絵があったり、富士山に日の丸といった和風テイストなので、しっかりとそのイメージが伝わっていることがわかります。そして一番右の年賀状３は安心感があり楽しく陽気なイメージです。柔らかい色合いが用いられており、文字も丸みをおびている点からそのようなイメージが伝わっているのではないでしょうか。 年賀状から感じられるなんとなくのイメージを、ＡＩによって定量評価することで、はっきりと違いを認識することが出来ました。これで新年のご挨拶がどのような印象で伝わるのか、しっかりと確認してコントロールすることが可能ですね。 今回は年賀状の印象を定量評価してみましたが、感性AIの感性AIアナリティクスは、その他にもチラシやWEB広告のクリエイティブ、さらには消費財などの商品パッケージなどの印象も、消費者の評価を学習したAIによって定量評価することが可能です。技術の進化によって、我々の日常の様々な要素が新たな視点から見直され、より豊かなコミュニケーションが生まれていきます。その波に乗りコミュニケーションの構築について一緒にアップデートしていきましょう。 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！

消費者データを学習したAIから、ネーミングやキャッチコピー、パッケージの印象を定量的に評価出来る感性AIアナリティクスですが 今回バージョンアップに伴い、評価値分布の表示がされるようになりました！ 今までは入力されたネーミングなどに対して、AIによる定量評価の結果のみを表示していたので、そのネーミングのイメージが「明るい」印象を持っていたとしても、それが一般的なネーミングと比較して顕著に「明るい」と思われるのか、ほんの少しだけ「明るい」イメージが強いのかといった、相対的な評価が行えないという課題がありました。 そこで今回は、モデルの評価値分布（平均値など）と比較できる機能を実装したので、その機能についてご紹介します！ 今回は、ネーミングの音の印象値を分析してみました。弊社のAIのネーミングである「Hapina（はぴな）」の音韻から感じられる印象を定量的に可視化していきます。 評価結果は下記のように算出されました。 緑丸が「はぴな」の音の印象値、そしてグレーの丸がモデルのネーミングの平均値を表しています。箱ひげ図は一般的な箱ひげ図の見方と同様で、箱ひげ図のひげはモデルの最小値・最大値を、箱の部分は25％～75％のデータの分布を表しています。 グレーのデータと比較してみると、「はぴな」の印象は「明るい」「現代風な」「高級な」「軽快な」「楽しい」といった印象が突出しているのがわかります。つまり、一般的なネーミングと比較して、「Hapina（はぴな）」は「明るく軽快で楽しく、それでいて先進性や高級感を感じられる」そんなネーミングであることがわかりました。 今度は、評価するネーミングを「はぴな」から「ばびな」へ変更したときに、どのように評価結果が異なるのかを確認してみました。 算出された結果は図の通りで、グレーの値から離れている項目が多く見られる結果となりました。いくつか項目に着目してみると「緊張感のある」「悲しい」「不快な」「嫌いな」といった印象値が高いことがわかります。つまり、一般的なネーミングと比較して、「ばびな」は「緊張感があり、悲しく不快で嫌われる」ネーミングであることがわかりました。なんだか見ているだけで悲しくなるネーミングですね。 いかがでしたでしょうか？今回のアップデートに伴い、評価したい項目の印象を絶対評価するだけでなく、一般的な値との相対評価が行えるようになりました。 感性AIアナリティクスでは、ネーミングだけでなく、キャッチコピー、パッケージでもこの機能をお使い頂けます。 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！

第 25 回日本感性工学会大会で発表された、森永製菓株式会社と国立大学法人電気通信大学坂本教授との共同研究「子供におけるソフトキャンディ・グミの食感と幸福感の関係に関する研究」において、 ソフトキャンディまたはグミを食べた時に感じたオノマトペ(さくさく、ふんわり等の擬音語・擬態語)を感性に変換するシステムとして、当社の感性評価AI Hapinaを活用いただきました。 この感性評価AI Hapinaは、感性的な印象の数値化・評価を瞬時に行うAIで、感性AIアナリティクスなどにも搭載し、感性のものさしとして多くの企業様の研究または事業において活用いただいております。 詳細は以下森永製菓様ニュースリリースをご覧ください。 電気通信大学 坂本真樹教授との共同研究「子供におけるソフトキャンディ・グミの食感と幸福感の関係に関する研究」について第 25 回日本感性工学会大会で発表

みなさんは、インテリアの配色決めや、PPTでの資料作成などで、色の配色に悩んだ経験はありませんか？もしホームページ作成や、パッケージ作成などそれが仕事に関係すると配色決めの重要度は増してきます。 今回は、色をどのように考えていけばよいのか知るためのきっかけとして、色の基礎である色の３属性（色相・明度・彩度）について解説していきたいと思います。 色の３属性 皆さんはある色について思い浮かべるとき、どのように色のことを考えていますでしょうか？ 「青」と一言に言っても、「明るい青」「暗い青」「紫っぽい青」「軽めな青」「くすんだ青」など様々な青色がありますね。色の三属性について理解を深めると、このように様々な色を的確に考え指定することができるようになります。色の三属性には色相、明度、彩度という概念が存在しています。 色相とは まず色相について解説していきます。色相は色合いの違いのことを表します。「青」「赤」「黄」「緑」と言ったように表される色味のことですね。こちらは光の波長の違いによって現れるもので、長波長ほど赤色に近づき、短波長ほど青や紫に近づいて行きます。この色相の変化を輪にしたものを色相環と呼び、ちょうど反対同士に並ぶ色はお互いを引き立て合う補色と呼ばれています。 暖色・寒色に関してはこちらで解説していますので合わせてご覧ください。 明度とは 次に明度について。言葉から想像がつくかと思いますが、色の明るさの度合いを表しています。明るい色のことを高明度の色、逆に暗い色のことは低明度の色と表現します。高明度の色は薄く柔らかい印象、低明度の色は暗い印象になりますね。 彩度とは 続いて彩度。彩度は色の鮮やかさを表します。下記の図では右に行くほど彩度が高く、左に行くほど彩度が低い色を表します。よく「真っ赤」「真っ青」などと表現しますが、この場合は彩度の高い色を指していると考えられます。 無彩色とは ここまで色の三属性についてご紹介してきましたが、無彩色に関しては、色相と彩度が存在せず、明度だけで色を表現することとなります。一般的にはモノトーンなどと呼ばれることもありますね。無彩色である白、グレー、黒は、シックで大人なイメージや、無機質なイメージが与えられます。 Illustratorカラーピッカーでの色相・明度・再度 Illustratorで色を選択するカラーピッカーはこのように表示されますが、右の縦棒で色相を選択し、左の四角の画面から縦に明度を、横に彩度を選ぶ仕様となっています。こういった身近な場面にも色の三属性は使われています。 おわりに 皆さん、色の三属性について理解は深まったでしょうか？これらの色の基本的な属性を理解することで、私たちは様々な色を適切に認識し、指定することができるようになります。ここを起点として色についてより理解を深め、デザイン制作や空間づくりに役立てていきましょう。 感性AIではこのような技術を元に、HAPPINESSを実感できる社会を目指しております。 ご興味がありましたら、ぜひお問い合わせください。Facebookでも情報更新しています！

みなさんは生成AIを利用したことがありますか？最近はさまざまな生成AIが開発されていますね。「生みの苦しみ」という言葉があるように、０から１を発想していくのは苦しい作業になりますが、生成AIはその苦しみを軽減してくれるとても便利なツールです。一方、生成AIはとても優秀に感じますが、生成AIが生み出したものが人間の意図にしっかりと叶ったものになっているのかは、しっかりと確認していくことが必要です。 生成AIによるキャッチコピー生成 今回は、最近流行りのチャットGPTを使ってキャッチコピーを使って、感性AIのキャッチコピーをいくつか作成してみました。 チャットGPTが作成してくれた感性ＡＩのキャッチコピーはご覧の通り。 「心を超える知性、感性AI。」 「人間の感情を理解する、感性を持つAIの力。」 「新しい時代の共感力、感性AIで未来を創造する。」 どれも素敵で、かっこいいコピーですね！ この中から、感性AIの「感性を理解するAIを扱う」という特徴から、人の気持によりそう強みや、AIとして抵抗感を持たれるのではなく、人と共存し人々の幸福を生み出していくというイメージをもつキャッチコピーを選んで行きたいと思います。 評価AIによるキャッチコピー評価 そこで今回は様々な文章を学習している感性AIのAIツールを用いて、そのイメージを定量的に評価してみました。 まず、総合評価の結果を確認してみると、キャッチコピーから受ける好意度や品質感は3つの中でほとんど変わりませんでした。良い印象を伝えていることは間違いないので、その質について次のグラフで確認してみましょう。 「人間の感性を理解する、感性を持つAIの力。」「新しい時代の共感力、感性AIで未来を創造する。」の2つは概ね同じ印象の傾向で、快く、安心感や親しみがあり、嬉しい印象です。差異に着目すると「人間の感性を理解する、感性を持つAIの力。」は鋭さと印象の強さが見られるので「感性を持つＡＩの力」という表現から強い印象を与えているのではないでしょうか。そして「新しい時代の共感力、感性AIで未来を創造する。」は、明るさが突出しており、「新しい時代」や「未来を創造する」という表現から明るい未来を印象付けているのではないかと考えられます。 「心を超える知性、感性AI」は他の2つと比べて少し異なる印象があり、快さ、安心感や親しみの印象が少し低く、鋭さや印象の強さを持っているコピーであるとわかりました。 この中で、人の気持によりそう強みや、人と共存し人々の幸福を生み出していくことが伝わるものを選択するなら、安心感や親しみがあり、明るい未来を印象付ける「新しい時代の共感力、感性AIで未来を創造する。」が一番ですね。 いかがでしたでしょうか？生成AIと評価AIの組み合わせは、創造性と客観性の融合といえるでしょう。創造性を担当する生成AIがアイデアを提供し、評価AIが客観的な指標をもとに選定することで、より効果的で洗練された成果物を生み出すことが期待されます。この相互補完的なアプローチは、ビジネスやクリエイティブなプロセスにおいて、迅速で的確な意思決定を可能にし、競争の激しい現代社会において強力な競争力を発揮するでしょう。 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！

はじめに こんにちは！感性AIエンジニアの堀池です。 この記事では、サーバーレスな並列分散処理をAWSで構築したときの構成についてお話しさせていただきます。 やりたかったこと 数千から数万枚ある画像に対して特徴をタグ付けするバッチシステムを構築しました。 すべての画像に対してシーケンシャルにタグ付けすると時間内に処理が終わらないため、並列分散処理で時間短縮を試みました。 並列分散処理 並列分散処理は、AWSのサービスを組み合わせれば比較的容易に実現できそうだという感触がありましたが、分散した処理を待ち合わせてから後続処理を実行するための仕組みはなく、工夫する必要がありました。 待ち合わせ 待ち合わせは、分散しているそれぞれが処理を終えたとき「自分が一番最後に処理を終えたか」を判断するようにしました。一番最後に処理を終えたなら分散処理全体として終了、そうでなければ処理中とみなします。 その判断をするための手段として、分散した処理の数から1を引いた分のメッセージを用意します。タグ付けを終えたらメッセージの取得を試み、既にメッセージが存在しなければ分散処理全体で一番最後の処理となるため、後続処理を実行するためのアクションを行います。 SQS+Lambda ここからは具体的なAWSのサービスと組み合わせて構成を考えます。 処理の分散はSQSとLambdaを利用しました。 SQSに画像のパスを登録し、複数同時起動したLambdaがSQSから画像のパスを取得し、パスから取得した画像に対してタグ付けを行います。ここではLambda関数の起動にSQSトリガーは用いず、画像パスをすべて登録した後、別のLambda関数からタグ付けの関数を起動するようにしました。 分散処理の待ち合わせもSQSを利用しました。 タグ付けを実行する前に同時起動数から1を引いた分のメッセージをSQSに登録します。メッセージ自身は情報を持たず、タグ付け処理はメッセージが取得できたらSQSから削除し、取得できなければ後述するコールバックを行います。 Step Functions 前述の処理は順序に従って実行する必要があります。そのため、Step Functionsを利用してワークフローを作成しました。 Step Functionsでワークフローを意味するステートマシンは２種類用意しました。 処理順を制御するメインステートマシン タグ付けを行うサブステートマシン 各ステートマシンをもう少し詳細に記載します。 メインステートマシンに後続処理を、サブステートマシンにタグ付けのくり返しと終了判定を追加します。くり返しの条件は画像パスをSQSから取得できたかどうかで、取得できなければ終了判定を行います。 Step Functionsのコールバック待機 あとは、分散したタグ付け処理（サブステートマシン）を呼び出してから応答が返るまで待機できれば完成です。 この仕組みは、Step Functionsのコールバック待機を利用しました。 Step Functionsには、ステートマシンから別のステートマシンを呼び出すための統合パターンが3つ用意されています。コールバック待機は、ステートマシンが別のステートマシンを呼び出す際にTask Tokenを渡し、渡したTask Tokenが返却されるまで待機するパターンになります。 今回のケースでは、メインステートマシンから各サブステートマシンをTask Tokenを付けて呼び出し、タグ付け後、並列分散処理が終了したと判断したサブステートマシンがメインステートマシンにTask Tokenを返却することで実現しました。 おわりに 当初、並列分散処理と待ち合わせという構成は広く用いられているものだと考えていたため、少し調べれば多くの事例が見つかると思いましたが、やりたいこととマッチするものは少なく、トライアルを重ねてなんとか今の形に落ち着かせることができました。もう少しシンプルに組めるとよいと思ったので、これからのAWSサービスのアップデートに期待したいと思います。 感性AIではこのような技術を元に、HAPPINESSを実感できる社会を目指しております。 ご興味がありましたら、ぜひお問い合わせください。Facebookでも情報更新しています！

そもそもシズル感とは？ 「シズル感」という言葉、皆さん一度は耳にしたことがあるのではないでしょうか？ 語源となっている「sizzle」は英語の擬音語で、「じゅーじゅー」と音を立てている様子を表します。このことから、シズル感はおいしさやみずみずしさ、新鮮さなど食欲や購買意欲を掻き立てるような表現として、販促の場面で良く用いられています。 このようなシズル感の代名詞である「じゅーじゅー」という表現ですが、単純な「じゅーじゅー」以外にも「じゅわじゅわ」「じゅわじゅわっと」など様々な表現が用いられています。このようなジューシーなシズル感を表現するオノマトペには色々なものがありますが、それぞれが伝えるジューシーさにはどんな差異があるのでしょうか？ジュージューは焼いている臨場感、じゅわじゅわは肉汁があふれ出る感じ、となんとなくイメージはつきますが、「じゅわじゅわ」と「じゅわじゅわっと」の違いを言葉にするのは中々難しいですよね。 そこで今回は、感性AIのAIツールでそのシズル感に関するオノマトペの違いを定量的に可視化してみました。 シズル感を表現する「じゅわじゅわ」「じゅーじゅー」「じゅわっと」の違い まず、「じゅわじゅわ」と「じゅーじゅー」のシズル感を表現するオノマトペに着目してみると、共通して活発な、激しい、濃密な印象が伝わっていることがわかります。こちらはお肉などを焼いているシーンから、大きく焼く音が響き油が飛んだりと、動的な印象が印象が伝わることからイメージ通りですね。差異に着目してみるとじゅーじゅーのほうが野性的な印象が高くなっています。 次に、「じゅわじゅわ」に「っと」を付けた「じゅわじゅわっと」に着目してみると、その印象は「じゅわじゅわ」よりも活発さや激しさが増し、さらに派手な印象も加わっていることが分かります。「っと」という語尾がつくだけで、動的なイメージがさらに加わるのがよくわかります。 シズル感を表現する「じゅわじゅわ」「じゅわじゅわー」「じゅわじゅわわー」の違い 次に、別のオノマトペの効果についても確認してみました。「じゅわじゅわ」「じゅわじゅわー」「じゅわじゅわわー」と伸ばし棒と、最後の「わ」を付け足していくと、伝わるシズル感はどのように変化するのでしょうか？ まず、「じゅわじゅわ」は先程確認した通り、活発で激しいといった動的な印象の伝わるオノマトペでした。そこに「じゅわじゅわー」と伸ばし棒をつけると、活発で激しい印象が増し、さらに若々しく陽気で、楽しく軽快な印象も加わります。さらに「じゅわじゅわわー」と「わ」を語尾に加えると、動的な印象と、若々しく軽快で楽しい印象がさらにましていきます。確かに、「じゅわじゅわ」よりも「じゅわじゅわわー」の方が子供が楽しげに言葉にしている様子がイメージできます。子供向け商品には、伸ばし棒や、語尾の「わ」を繰り返したオノマトペの方が楽しい印象が伝えられそうですね。 いかがでしたでしょうか？上記のように、シズル感を表現するオノマトペは微妙な違いやニュアンスを伝えるための重要な言語表現ですが、同じような音でも微細な変化が異なる印象を与えることがわかります。たとえば、「じゅわじゅわ」から派生した表現である「じゅわじゅわっと」や「じゅわじゅわわー」などは、微小な変化が印象に影響を与え、動的さや楽しさといったニュアンスを伝えます。オノマトペは、それぞれが微妙な差異を持つことから、聞き手により詳細なイメージや感覚を伝える手段となるため、商品のイメージを正確に伝えるのに重要となってきます。オノマトペの印象を正確に伝えるために、感性AIのAIツールで定量的に印象を可視化してみてはいかがでしょうか？ 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！

みなさんは、「暖色」「寒色」という言葉をご存じでしょうか？今回は暖色、寒色とは何かについて確認しつつ、そのイメージをAIによって定量的に評価してみたいと思います！まずは、暖色、寒色につて確認していきましょう。 暖色と寒色とは 暖色とは 「暖色」とは、色相環で赤、オレンジ、黄色などが含まれる色のことを指します。これらの色は、一般的に温かみや活気を感じさせる色であると言われています。暖色は、楽しさや食欲を増進させる効果があるとも言われていますね。 寒色とは 「寒色」とは、青、青緑、青紫などの色相環で青みを帯びた色のことを指します。これらの色は一般的に涼しさや冷たさを感じさせる色合いであり、心を落ち着かせる効果があるとも言われています。 暖色と寒色は、インテリアや食品の包装・ポップなどに上手に取り入れていきたい効果を持っていますね。 暖色と寒色をAIでイメージ評価してみた このような暖色、寒色に関して、多くの画像を学習している感性AIのAIツールにて、どのようにイメージが評価されるのか確認してみました。今回は、下記のような3つの暖色、３つの寒色で構成されたカラーイメージを評価しています。 評価結果はご覧のとおりになりました。暖色の画像は、温かく、マイルドで、嬉しい印象が強く出ています。温かみや嬉しさといった一般的に暖色から感じられると言われている印象が、しっかりと定量的に測定できていますね。また、寒色の画像に関しては、若々しく、洗練され安心感のある印象となっています。一般的に寒色は心を落ち着かせる印象を持つと言われているので、安心感は一般的な印象をそのまま測定できています。また、緑系統の色合いや、配色のバランスからか、若々しさや洗練されたイメージも今回は測定されました。 いかがでしたでしょうか？色の効果は人の心理的、生理的反応を引き起こすため、食品や日用品の商品開発や、インテリアなどの環境設計の場面で大きく役立ちます。 その効果をしっかりと定量的に把握し、サービスづくりに活かしてみてはいかがでしょうか？ 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！

石鹸や衛生用品のパッケージデザイン開発のポイント 石鹸などの衛生用品におけるパッケージデザイン開発では、重要な要素はいくつかあります。その中でも特に重要なのは、商品のターゲットである消費者の嗜好や変化を把握し、それに合わせて商品機能のコンセプトを最も良く伝えるデザインに変化させていくことです。 ここにハンドソープのパッケージ案が3つありますが、これら3つの印象はそれぞれ異なります。それぞれ中身の石鹸に関して伝達する印象が異なるのは分かりますが、具体的にどのように異なるのか言語化するのはちょっと難しいですよね。さらに、そのパッケージデザインの印象の違いを根拠をもって社内説明するのはより困難を伴います。そこで、3つのパッケージデザインを感性AIのAIツールにて定量評価してみました。 出典：Designed by pikisuperstar／Freepik 石鹸のパッケージデザイン定量評価 印象を確認すると、一番左のパッケージデザイン①はこの3つの中でも親しみや温かみの感じられるデザインであることが分かります。確かに、その配色がやわらかいトーンであったり、丸みを帯びたデザインがほどこされている点から親しみが感じられます。そして、パッケージデザイン②は洗練され上品な印象を与えています。落ち着いた緑色とストライプの組み合わせからこのようなイメージが伝達されているのではないでしょうか。続いて、パッケージデザイン③は重厚で高級感のある印象です。他の2つのパッケージデザインに比べて、落ち着いた色を用いているのでこちらも納得です。 このように、定量評価された結果を見てみると、パッケージデザインに対してなんとなく感じていた印象の違いが、しっかりと言語化されたのではないでしょうか？ 年代別のパッケージデザイン定量評価 感性AIアナリティクスでは、さらに性年代別にターゲットを絞って定量評価をすることも可能です。今回は年代別に、20代と60代の結果も確認してみたいと思います。パッケージデザインを評価したところ、下記の通りの結果となりました。 大局的にみると20代、60代の結果も、パッケージデザイン①は親しみがあり温かい印象、パッケージデザイン②は洗練され上品な印象、パッケージデザイン③は重厚で高級な印象が伝わっていることが分かります。その中でも、年代別に変化が見られました。 まず、20代は全てのパッケージデザイン、特にパッケージデザイン②に対して親しみが感じられにくくなっています。若い人には親近感のあまり感じられないパッケージデザインということが分かりました。一方60代を確認してみると、全てのパッケージデザインに高級さを感じられにくくなっています。全体の傾向としてはここまでに記述した通りですが、20代に対して重厚な高級感や上品さを伝えるデザインとしてはパッケージデザイン③が、そして60代に対して親しみやあたたかさを感じてもらうにはパッケージデザイン①が最適であることが定量的に判断できました。このように、ターゲット層のことも考慮しながら、より詳細にパッケージデザインの印象を明確にしていくことが可能です。 このような定量的アプローチにより、パッケージデザインの印象や効果を“なんとなく”ではなく、具体的な数値として把握することが可能となりました。消費者の年代別嗜好の違いやターゲット層へのアプローチに基づく適切なデザイン選択が明瞭に行えます。感性AIツールの活用によって、デザインチームやマーケティングチームはより客観的なデータに基づいた意思決定が可能となり、パッケージデザインの効果的な開発と改善につながることが予想されます。石鹸などの衛生用品や日用品のパッケージデザイン開発のシーンで、是非感性AIアナリティクスをご活用してみるのはいかがでしょうか？ 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！

ABテストとは Webマーケティングにおいて、CV率を高めるために不可欠なのがABテストです。ABテストは、バナー広告やLP（ランディングページ）などを最適化するためのテスト手法です。 具体的には、異なるデザインやキャッチコピーのバリエーションを用意し、ランダムにユーザーに表示します。それらのバリエーションの成果を比較し、最も成功するパターンを特定します。"A/B"テストという名前ではありますが、3つ以上のバリエーションをテストすることもあります。 ABテストを実施することで、より効果的なキャッチコピーやデザインを見つけ出し、ユーザーの行動を促進することができます。異なる要素をテストし、成功の高かったバリエーションを実装することで、広告やウェブサイト全体のクリック率やコンバージョン率などの成果を向上させ、最適化を進めていきます。 ABテストのメリットデメリット このように非常に有用なABテストですが、そのメリットは何と言ってもデータに基づく改善ができる点です。従来の経験や勘による改善によって大きな損失を出すことなく、ABテストによって異なるバージョンの要素のどれが効果的であるかを特定し、データにより効果的な意思決定が可能となります。 しかし、デメリットも存在します。まずは時間的・金銭的リソースがかかるという点です。ABテストを実施する場合は、サンプルサイズをある程度大きくする必要がある為、ある程度の金額をかけ一定の期間テストを行わなければ正確な結果は得られません。また、ABテストは数値データに基づいて行われているため、コンテキストやユーザーの感情を考慮しづらい側面もあります。 このように、大きなメリットもありながらデメリットも存在しているABテストですが、そのデメリットの側面を払拭すべく感性AIのAIツールにて評価を行ってみました。 ABテストのコスト削減と質的な情報を提供してくれるAIツール こちらは一定期間弊社でFB広告を出稿していた際のデザインになります。クリエイティブAとクリエイティブBはほとんど同じデザインですが、弊社COO坂本の写真のパターンを変えています。クリエイティブAはctrが0.91%、クリエイティブBはctrが0.49%という結果であり、最終的にはクリエイティブAを使用したのですが、こちら2つの画像をAIツールで評価したところこのような結果となりました。 AとBを比較すると、Aの方が規則的で整然としながらも、活発なイメージを与えています。こちらはセミナーの無料動画をご紹介するクリエイティブですが、そのセミナーのイメージが正確でありながらも活発なものと伝わっているのではないでしょうか。一方BはAに比べてよそよそしく、かたい印象が強くなっています。少し堅苦しい印象が強すぎる為に敬遠され、クリック率が低くなった可能性があります。 このように、従来ABテストでは定量的な結果しか得られませんでしたが、感性AIのツールを使えばそのコンテクストを理解することが可能です。そしてその定量的なデータに基づき判断を行うことで、何度も要素を変えてABテストを行うための時間的、金銭的コストを削減することが可能となります。 ABテストを行われている方は、一度感性AIのAIツールを利用してみてはいかがでしょうか？ 今回利用した、感性AIアナリティクスの詳細はこちら。 弊社ではこのような技術等を紹介するメールマガジンを発行しています。 購読をご希望される場合は、Contactページからご連絡をお願いします。 Facebookでも情報更新しています！