FLANDERS' FOOD RADAR

Producten afgestemd op de smaak van consumenten

Wat als je nu eens op voorhand zou weten of je nieuw product in de smaak valt bij consumenten? Of toch een goede indicatie daarvan zou kunnen krijgen, zonder het hen telkens te moeten vragen? Het kan, voor charcuterie althans, met de tools die werden opgesteld in het kader van het project OPTIMEAT.

We willen producten maken die zoveel mogelijk zijn afgestemd op de wensen van onze consumenten, maar het is helaas praktisch en financieel niet haalbaar om in iedere stap van het ontwikkelingsproces te vragen aan de consumenten wat ze ervan vinden. De organisatie van consumententesten is een proces waar heel wat tijd en budget in kruipt, waardoor producenten zeer gericht willen testen en meestal slechts in de latere fasen van het ontwikkelingsproces. Maar wat als je nu een tool zou hebben die de consumentenvoorkeur kan inschatten op basis van een aantal analytische parameters?

DE OPTIMEAT VOORSPELLINGSTOOL

Het kan blijkbaar, en zelfs met een vrij grote betrouwbaarheid. Maar om de voorkeur van consumenten te kunnen koppelen aan analytische gegevens zoals eiwitgehalte, zoutgehalte, vetsamenstelling etc… heb je data nodig. Heel veel data zelfs, gaande van wat de consument belangrijk vindt bij de beoordeling van een product over hoe consumenten die parameters dan werkelijk beoordelen tot een hele trits analytische parameters die een rol spelen bij de textuur- en smaakvorming.

En dat is wat de onderzoekers aan het ILVO dan ook gedaan hebben in het 4 jaar durende OPTIMEAT project (en deels ook in het twee jaar durende vooronderzoek, project ‘Kwalicharc’) – voor 7 verschillende categorieën aan charcuterie:

 

Voor elk van deze productcategorieën werd in eerste instantie aan de hand van een consumentenenquête bepaald welke de belangrijkste parameters zijn die het aankoopgedrag en de appreciatie bepalen. Met deze input werden smaaktesten georganiseerd met consumenten, waarbij ze hun mening moesten geven over verschillende aspecten zoals smaak, geur, uitzicht, textuur, … Parallel daarmee werden diezelfde charcuterieproducten onderworpen aan een hele batterij analytische testen, onder andere voor de nutritionele samenstelling, bepaling van textuur en aanwezigheid van specifieke componenten. Via statistische analyse en modellering werd dan bepaald welke analytische parameters een invloed uitoefenen op de beoordeling van de consument, en op welke manier. Elke sensorische eigenschap werd als dusdanig omgezet in een combinatie van analytische waarden.

Elk charcuterieproduct heeft uiteindelijk tussen de 13 en 23 sensorische parameters meegekregen, waarbij aan elk van de parameters een voorspellingsmodel gekoppeld is. Voorspellingen kunnen dus gemaakt worden voor een specifieke eigenschap (bijvoorbeeld de beet of het zoutgehalte), maar kunnen uiteraard ook op de globale sensorische beoordeling gemaakt worden. Voor de voorspelling van de globale beoordeling worden de verschillende eigenschappen samengenomen, waarbij zij afhankelijk van hun belang bij de beoordeling een wegingsfactor meekregen.

IS DIT VOOR ALLE PRODUCTCATEGORIEËN EN PARAMETERS GELUKT?

Voor de ene productcategorie al wat beter dan voor de andere. Voor kookham konden heel wat sensorische parameters in de validatieronde* met een betrouwbaarheid van >75% voorspeld worden. Ook voor gedroogde ham, hespeworst, crèmepaté en aspic (type perskop) werden een groot deel van de parameters in de validatie* voorspeld met een betrouwbaarheid tussen de 70 en 97%.

*In de validatie betekent dat het om nieuwe producten gaat die niet in het model zijn meegenomen maar wel binnen dezelfde (de normale) range van waarden voor alle analytische parameters liggen.

Maar voor bepaalde parameters is het nu eenmaal moeilijk om op een betrouwbare manier de consumentenappreciatie te voorspellen, om de eenvoudige reden dat de meningen van de consumenten te uiteenlopend zijn. Vooral smaak lijkt een hele moeilijke, wat misschien niet geheel verwonderlijk is. Over smaak valt niet te twisten, nietwaar? Bij parameters die wat meer detail geven (zoals ‘zoute smaak’ of ‘hamgeur’) zijn de meningen dan weer wat minder verdeeld. Voor textuurparameters werden over het algemeen de beste resultaten bekomen.

WAT KUNNEN WE MET DE TOOLS DOEN?

Eén van de doelstellingen in het project was het creëren van een tool waarmee de modellen op een eenvoudige manier gebruikt kunnen worden om voorspellingen en simulaties te maken bij productontwikkelingen en -verbeteringen. Hiervoor werden de modellen omgevormd tot een online applicatie, waarbij vrij kan gespeeld worden met de analytische parameters en tal van simulaties uitgevoerd worden. Nuttige informatie om beter te begrijpen wat de rol is van bepaalde intrinsieke producteigenschappen (zoutgehalte, vetsamenstelling, eiwitgehalte, glutaminezuurgehalte, nitriet, nitraat, pH, …) in de beoordeling door de consument, maar ook om proefproducties op kleine schaal virtueel te laten beoordelen. Deze applicatie werd opgesteld voor alle producten, behalve voor salami en kippewit, aangezien het wegens de lage betrouwbaarheid van de modellen niet mogelijk was om een degelijke app te maken. In onderstaande figuur is een screenshot weergegeven van de online app voor kookham.

Een tweede doelstelling van het project was om het model te gebruiken als objectieve en reproduceerbare meetmethode om de sensorische kwaliteit te beoordelen als basis voor een keurmerk. Het model kan namelijk de (gewoonlijk tamelijk subjectieve) expertenpanels vervangen die vaak verantwoordelijk zijn voor de sensorische beoordeling, en zo helpen de consument wegwijs te maken in zijn keuze voor de juiste prijs/kwaliteit. Of als aanvulling dienen voor keurmerken waarbij een sensorische beoordeling momenteel geen deel uitmaakt van de criteria.

Onder de geteste vleeswaren, waren er ook wel een aantal die reeds een keurmerk droegen. Zowel bij de effectieve beoordeling, als wanneer hun globale score (consumentenappreciatie) voorspeld werd door de tool, scoorden deze producten bij de beste. Consumenten weten dus wel degelijk kwaliteit te appreciëren, en de tool eveneens!

BRON EN MEER INFO

Project ‘OPTIMEAT’ (VIS-Traject 135095), uitgevoerd door Keshia Broucke en Geert Van Royen (ILVO). Meer info bij Fenavian (Anneleen Vandewynckel) of Flanders’ FOOD (Charlotte Boone, charlotte.boone@flandersfood.com). De tools zijn momenteel enkel toegankelijk voor de bedrijven die mee in het project financierden, op termijn kunnen deze ook beschikbaar worden gesteld voor andere bedrijven, nadat de precieze voorwaarden hiervoor bepaald zijn.

Nuttige links