Wat gebeurt er als je AI laat meeluisteren met de foodmarkt?
De meeste foodteams lezen over een trend als die al overal is. In een trendrapport, een vakblad of een presentatie aan het begin van het jaar. Tegen de tijd dat er een product staat, is de consument alweer verder. Volgens foodinnovator Marielle Bordewijk ontdekt de consument nieuwe smaken op TikTok en verwacht hij dat producten vrijwel direct in het schap liggen. Daarom experimenteert NOBEARS met AI die markt en community scrapet, signalen clustert en ze vertaalt naar nieuwe ideeën. Spoiler: dat lukt vrij aardig en sneller dan een team trendwatchers kan bijbenen.
Trends zie je pas als ze al overal zijn
Een trend begint niet in een rapport. Hij begint in een reactie onder een video, een gerecht dat op tien menukaarten tegelijk opduikt of een zoekterm die opeens stijgt. Die signalen zijn er allang, maar ze zitten verspreid over honderden bronnen. Geen team heeft de tijd om ze allemaal bij te houden en te vertalen naar inzichten waar je ook echt wat mee kunt.
We laten AI meeluisteren
We laten een AI-agent marktbronnen en community's tegelijk scrapen. Aan de marktkant zijn dat vakmedia, trendrapporten en menukaarten. Aan de communitykant Reddit, reviewsites, Instagram en TikTok, en Substack, waar trendwatchers en creatieve schrijvers vaak als eerste opschrijven wat ze zien. We testen een simpele regel: pas als een signaal in meerdere bronnen terugkomt, noemen we het een trend. Daarna proberen we de stap die het verschil maakt: elke trend vertalen naar een concrete kans. Een productinnovatie, een service-innovatie of een campagneconcept.
Goed scrapen is vakwerk
Elk platform is anders opgebouwd, verandert regelmatig van structuur en beperkt hoeveel je mag ophalen. Daarom bouwen en onderhouden we per bron een eigen scraper, die openbare pagina's uitleest of de officiële koppeling van een platform gebruikt waar die er is. Per bericht halen we de tekst op, met de bron, de datum en hoeveel mensen erop reageren. Daarna volgt het werk dat je niet ziet: dubbele berichten eruit, spam en bots filteren, talen herkennen en alles in één format zetten. Dat gebeurt doorlopend, zodat we niet alleen zien wat er nu speelt, maar ook wat groeit. Elk inzicht blijft terug te volgen tot het bericht waar het uit komt. We werken alleen met openbare bronnen en houden ons aan de voorwaarden van elk platform.
Van losse signalen naar clusters
Eén video zegt weinig. Daarom clustert de agent signalen die op elkaar lijken, ook als ze uit heel verschillende hoeken komen. Een recept op TikTok, een nieuw gerecht op een menukaart en een stijgende zoekterm kunnen over hetzelfde gaan, zonder dat ze dezelfde woorden gebruiken. Pas als zo'n cluster groeit over meerdere bronnen, wordt het interessant.
AI kijkt anders naar data
Klassiek trendonderzoek werkte met zoekwoorden en vaste categorieën. Je moest vooraf een datamodel bepalen: welke termen, welke bronnen, welk format. Wat daarbuiten viel, zag je niet. Grote taalmodellen (LLM's) werken anders, op drie punten.
Drie routes van inzicht naar kans
Een trend wordt pas waardevol als je weet wat je ermee doet. Daarom stopt de agent niet bij een lijst met trends. Hij laat zien welke signalen samen een inzicht vormen, en legt dat inzicht over drie lagen van je bedrijf heen: je merk, je assortiment en je campagnestrategie. Op de snijvlakken ontstaan de ideeën, en elk snijvlak wijst naar een eigen route.
De wereld wil wat jij al kunt bieden: voer campagne
De wereld wil wat jij nog niet kunt bieden: innoveer
De wereld wil iets wat niet over je product gaat: voeg service toe
Word een koploper in food
In één Acceleration & Inspiration sessie zie je wat er nu kan in food, van je eerste receptenassistent tot je volgende introductie.
Mail Rogier Gilkes op r.gilkes@nobears.nl of bel ons op 073 369 0000.
Word een koploper in food
In één Acceleration & Inspiration sessie zie je wat er nu kan in food, van je eerste receptenassistent tot je volgende introductie.