よくある質問FAQ

A1. 「好き」を5、「やや好き」を4、「どちらでもない」を3、「あまり好きではない」を2、「好きではない」を1としたときの加重平均の予測値になります。
A2. 画像については必ず「真正面」のパッケージデザイン画像をご用意ください。写真がない場合はイラストレータからの画像でも予測することは可能ですができるだけ画像に近い陰影を表現されることをお勧めします。またデザイン案によって明度や彩度などが異なると、その点が予測結果に反映されてしまう場合がありますので、画像条件についてはそろえたものをご用意ください。詳しくは画像についてを参照下さい。
A3. 現在、8分野51カテゴリーでの予測・生成が可能になっており、今後も順次カテゴリーを増やしていく予定です。 該当カテゴリーがない場合には精度は低くなることが想定されますが「類似カテゴリー」や「上記以外」を選択してお試しください。
A4. 毎年、春と秋に実施するパッケージデザイン好意度調査(webリサーチ)で収集したデータになります。1画像1,000人、性別・年代(20/30/40/50代)各125人づつ均等に割り付けた回答データです。1人複数枚回答するシーケンシャル手法を採用しています。 現在9200商品、920万人のデータセットを使用しています。
A5. パッケージデザイン好意度評価予測AIでは、画像特徴量をCNNにより抽出し、特徴量をベースに特定のアルゴリズムに基づいて予測値を算出しています。
A6. 評価ではファーストプレゼンテーションで出てきたデザインを絞り込むのにご活用いただくケースと最終デザインを検証するフェイズでのご利用が多いかと思います。
デザイン生成では、初期段階のアイデアを広げる時や最終的にデザインを微修正して完成度を高めていく際にもご利用いただけると思います。
A7. 調査方法が違うと調査結果は異なります。例えば、1人1枚の回答と複数枚の回答では結果は異なりますし、webリサーチと会場テストでも結果は違ってきます。当サービスの予測値はあくまで「毎年、春と秋に実施するwebリサーチによるシーケンシャル調査方法」に従った予測値となります。この点に十分ご留意ください。
A8. 予測精度とは学習モデルで使用したパッケージデザイン画像とは別に用意した検証用のデザイン評価の実測値と予測値の関係になります。予測精度については、スコアの誤差が5%以下に収まる確率(絶対誤差)と実測値と予測値の相関係数の2つで見ています。全体の絶対誤差は85%、相関係数は0.720となっています。絶対誤差はスコアの正確性、相関係数はデザイン順位の正確性を見る指標です。カテゴリーによっても精度が異なります。詳しくは精度についてを参照ください。
A9. 購入意向(買ってみたいの程度)や使用意向(試用したい程度)は商品の機能やコンセプトに大きく左右されるのに対し、デザインの好意度(好き嫌い)はコンセプト評価から一定レベル独立した変数として扱えるからです。
A10. AI評価では過去の大量の調査結果を参考にしているため、デザインのトンマナが決まっているような伝統的なデザインが評価されるカテゴリーでは予測がしやすいという側面があります。また、その時の気温や天候、イベントなどは考慮されませんので、例えばオリンピックの年にオリンピックマークが入っているデザインの予測には不適です。
A11. デザインの生成は、ゼロからAIがデザインを生み出すわけではなく、検討中のデザイン案の組合せを生成しながら評価を繰り返し、消費者に好まれるデザインを完成させていくサービスです。そのために生成の元になる複数のデザイン案が必要になります。
A12. 1企業・支社(本社・研究所)で最大5人まで使用できます。
A13. 評価については1回ずつの「アドホックプラン」(1枚15,000円)と使い放題の月額プランがあります(~70万円)。生成については1プロジェクト30万円で1カ月何度でもご利用いただけます。(別途評価プランの契約が必要です)詳細につきましては料金プランを参照ください。
A14. ご安心ください。1企業・支社(本社・研究所)で「10枚まで無料」でご利用できるプランを用意しております。会員登録は必要ですが、まずは無料プランをお試しください。
(※)1企業・支社(本社・研究所)で1人、2か月までとなります。
A15. 解約しても過去の予測スコアデータは残っていますのでご安心ください。但し、画像データは定期的に削除しますのでタイミングによっては消えていることがあります。