パッケージデザインの好意度スコアを最大5（好き）から最小1（好きではない）までの加重平均値で予測します。全体のほかにも男性・女性、年代別（20代/30代/40代/50代）、性別×年代別の合計15のセグメントごとに算出することができるようになりました。
計算結果は画面上にグラフや数表で表示され、計算済みであれば、グラフはセグメントを切り替えて表示することも可能です。
グラフはPDFで、数表（予測スコアやそのカテゴリーおよびセグメント別の精度）はCSVで保存することができます。
※精度についてはコチラ
ディープラーニング（Convolutional Neural Network）は好意度の予測を算出する過程でコンボリューション層（畳み込み層）に特徴量が集積した特徴量マップを作り出します。
この特徴量マップをベースに、特徴づけされている箇所ほど赤く、ややされている箇所をオレンジに、そうでない箇所ほど青くなるようにヒートマップ形式でわかりやすく可視化しています。
狙ったところが赤くなっているか、といった確認やパッケージデザインの修正をするうえで重要な指針となります。
グラフはPDFで保存することができます。
好意度の理由を19（非飲食系は18）のイメージワードの出現割合で予測することができます。膨大な自由回答から自然言語処理技術を駆使して構築しています。
イメージワードは下記になります。
「おいしそう」（非飲食系はなし）「かわいい」 「シンプル」「デザイン要素がよい」「なつかしい」 「やさしい」「安心感・信頼感がある」「季節感」 「健康感がある」「効果・効能を感じる」「高級感・上質感」 「色味がよい」「新しい・ユニーク」「洗練」 「爽やか・清涼感」「特徴がわかりやすい」「目立つ・印象に残る」 「綺麗・美しい」「清潔」
結果はPDFとCSVで保存でき、CSVには全ワードの結果が保存されます。
好意度の標準偏差（どの程度バラついているか）を予測します。
この数値が高いほどバラつきが大きいと考えられますので、そのデザインの好き嫌いの差が大きいと解釈できます。
好意度スコアの予測値と一緒にみると、よりわかりやすくなりますのでオススメです。
グラフはPDFで、数表（予測スコアやそのカテゴリーおよびセグメント別の精度）はCSVで保存することができます。
生成と評価を繰り返しながら1時間弱で1000案のデザインを生成します。その中から消費者に好まれるデザイン順に100のデザインを表示することができます。AIが予測する消費者の好意度スコアが1.00～5.00の範囲で各デザインの下に表示されます。
生成されたデザインを評価AIが「かわいい」「新しい」「高級感」といった最大19のイメージワードに近い順に100のデザインが表示されます。1000人中何％くらいの人が選択したイメージを持つかのスコアがデザインと同時に％で表示されます。コンセプトにあったデザインを検討するときにご利用いただけます。
生成された1000のデザインから、ランダムにデザインを表示します。ランダムボタンを押すと数秒でデザインが提示されますので、デザイン案を見ながらアイデアを考えたり、イメージに合うデザインを直感的に検索するときに便利です。
生成されたデザインは100案まで選択保存することが可能です。保存はJPEGとPDF形式で保存されます。またプロジェクトごとに生成された1000案もすべてPDF形式で一覧保存されますのでどのような過程を経てデザインが完成されたかを見ることができます。
