Kazanimlar:
- Duyusal panel türleri, hedonik/tanımlayıcı test ve panelist güvenilirliğini yorumlayabilme
- AI ile duyusal veri özeti, tema çıkarımı ve istatistik yorum taslağı hazırlayabilme
- AI'ın istatistiksel yorumunu ham panel verisi ve deneme tasarımıyla doğrulayabilme
Yeni geliştirilen düşük şekerli bir meyveli yoğurt için Ar-Ge laboratuvarındasın. Pazarlama ekibi "tüketiciler beğeniyor mu?" diye soruyor, üretim ise "referans üründen ayırt edilebiliyor mu?" diye merak ediyor. Elinde 60 tüketici panelistinin doldurduğu 9-noktalı hedonik formlar, 8 kişilik eğitimli bir tanımlayıcı panelin QDA skorları ve bir de üçlü (triangle) ayırt etme testi sonuçları var. Excel'de yüzlerce satır ham skor, bir de her panelistin açık uçlu yorum kutusu. Bir yapay zeka asistanına "bu veriyi özetle, tüketiciler beğenmiş mi" diye sorman çekici görünüyor. Bu ünitede duyusal veriyi doğru okumayı, AI'ı özet ve tema çıkarımı için kullanmayı ve en önemlisi AI'ın istatistiksel yorumunu ham panel verisi ve deneme tasarımıyla doğrulamayı çalışacağız.
Duyusal test türleri: doğru soruyu doğru testle sor
Duyusal analizde en sık yapılan hata, sorunun türüyle testin türünü karıştırmaktır. Üç büyük aile vardır ve her biri farklı bir soruya yanıt verir.
- Hedonik (afektif) testler: "Ne kadar beğenildi?" sorusuna yanıt verir. Klasik araç 9-noktalı hedonik ölçektir (1 = son derece beğenmedim, 5 = ne beğendim ne beğenmedim, 9 = son derece beğendim). Panelistler eğitimsiz tüketicilerdir; amaç kabul/tercih ölçmektir. Genellikle 50-100 kişilik panel gerekir.
- Tanımlayıcı testler (QDA): "Ürün hangi özelliklere ne yoğunlukta sahip?" sorusuna yanıt verir. Eğitimli 8-12 kişilik panel, tanımladıkları özellikleri (ör. "krem kıvamı", "ekşilik", "meyve aroması") 0-15 gibi bir yoğunluk ölçeğinde puanlar. Beğeni ölçmez, profil çıkarır.
- Ayırt etme testleri: "İki ürün algısal olarak farklı mı?" sorusuna yanıt verir. Üçlü (triangle) testte panele üç örnek verilir; ikisi aynı, biri farklıdır ve panelist "farklı olanı" seçer. Formülasyon değişikliğinin fark edilip edilmediğini test etmek için idealdir.
İpucu: Testi seçmeden önce cümleni tamamla: "Ben ___ olup olmadığını öğrenmek istiyorum." Boşluk "beğenilir" ise hedonik, "farklı" ise ayırt etme, "hangi özellikte güçlü" ise tanımlayıcı test kullan. AI'a veriyi verirken de bu amacı belirtmezsen özet yanlış çerçeveye oturur.
Panelist güvenilirliği ve deneme tasarımı
Ham skorlara güvenmeden önce panelin kendisine güvenmelisin. Birkaç temel ilke:
- Kör test: Panelist hangi örneğin "yeni ürün" hangisinin "referans" olduğunu bilmemeli. Örnekler 3 haneli rastgele kodlarla sunulur (ör. 417, 682).
- Sunum sırası dengeleme: İlk tadılan örnek genelde avantajlıdır (ilk-örnek yanlılığı). Sunum sırası panelistler arasında dengelenmeli/rastgeleleştirilmeli.
- Tekrar: Aynı panelist aynı örneği farklı kodlarla tekrar puanlarsa, tutarlılığı (tekrarlanabilirliği) ölçebilirsin. Tanımlayıcı panelde tutarsız panelist yeniden eğitilir veya dışlanır.
- Referans kontrolü: Kör olarak sunulan iki özdeş örnek (blind duplicate) varsa ve panelist bunlara çok farklı puan veriyorsa, o panelistin verisi şüphelidir.
Örnek hedonik veri özeti
Aşağıda 60 panelistlik hedonik testin özet tablosu var. Yeni formül (kod 417) ile referans (kod 682) karşılaştırılıyor.
Özellik
Yeni formül (417) ort.
Referans (682) ort.
Std. sapma (417)
n
Genel beğeni
7.1
7.4
1.3
60
Tat/aroma
6.8
7.3
1.5
60
Kıvam
7.3
7.2
1.1
60
Görünüm
7.6
7.5
0.9
60
Satın alma niyeti (%)
%58
%65
—
60
Bu tabloya bakıp "referans biraz daha iyi ama fark küçük" demek kolaydır. Ancak 0.3'lük bir ortalama fark istatistiksel olarak anlamlı mı, yoksa gürültü mü? İşte AI'ın en çok halüsinasyon ürettiği yer burası.
AI ile özet, tema çıkarımı ve istatistik yorum taslağı
AI'ı üç işte hızlandırıcı olarak kullanabilirsin: sayısal özet taslağı, açık uçlu yorumlardan tema çıkarımı ve istatistiksel yorum taslağı. Ama her üçünde de çıktı bir taslaktır, karar değil.
Açık uçlu yorumlardan tema çıkarımı için güçlü bir prompt:
Rol: Duyusal analiz uzmanısın. Aşağıda 60 tüketicinin düşük şekerli meyveli yoğurt (kod 417) için yazdığı açık uçlu yorumlar var. Görevin:1) Yorumları 5-7 temaya grupla (ör. tatlılık, ekşilik, kıvam, meyve aroması).2) Her tema için kaç yorumun olumlu/olumsuz/nötr olduğunu SAY ve sayıyı yaz.3) Doğrudan alıntı ekleme, özetle. Yorumlarda geçmeyen bir temayı UYDURMA.4) İstatistiksel sonuç ÇIKARMA; bu nitel bir özettir.Çıktıyı tablo olarak ver: | Tema | Olumlu | Olumsuz | Nötr | Örnek ifade |Yorumlar:[60 yorum buraya yapıştırılır]
Şimdi zayıf ve güçlü prompt farkını istatistik yorumunda görelim:
ZAYIF PROMPT:"Bu duyusal veriyi analiz et, yeni ürün referanstan iyi mi söyle."(AI örneklem büyüklüğünü, testin türünü, p-değerini bilmeden "evet daha iyi" veya "anlamlı fark var" diye UYDURABİLİR.)GÜÇLÜ PROMPT:"Aşağıda 60 panelistli 9-noktalı hedonik testin ham genel beğeni skorları var (417 ve 682 sütunları). Eşleştirilmiş t-testi için gereken adımları YAZ, ama sonucu ben SPSS/R'de hesaplayıp doğrulayacağım. - Hangi test uygun ve neden (eşleştirilmiş mi bağımsız mı)? - Varsayımları (normallik) nasıl kontrol ederim? - p<0.05 çıkarsa ve çıkmazsa yorumu nasıl farklı kurarım? Sayısal bir p-değeri UYDURMA; formülü ve yorum çerçevesini ver."
Güçlü prompt, AI'ı yöntem danışmanı yapar; sayıyı sen hesaplarsın.
İstatistiksel anlamlılık ve örneklem doğrulaması
Diyelim AI özetinde "yeni ürün referanstan anlamlı derecede düşük beğenildi" yazdı. Bunu ham veriyle doğrulaman gerekir. Eşleştirilmiş t-testi mantığını basit bir hesapla görelim:
import numpy as npfrom scipy import stats# 60 panelistin genel begeni skorlari (9-noktali hedonik)yeni = np.array([7,8,6,7,7,6,8,7, ...]) # kod 417, n=60referans = np.array([7,8,7,8,7,7,8,7, ...]) # kod 682, n=60# Ayni panelist iki urunu de puanladi -> eslestirilmis t-testit_stat, p_deger = stats.ttest_rel(yeni, referans)fark = yeni.mean() - referans.mean()print(f"Ortalama fark: {fark:.2f} puan")print(f"t = {t_stat:.2f}, p = {p_deger:.3f}")# Yorum: p >= 0.05 ise "istatistiksel anlamli fark yok" demektir.# Ornek cikti: fark -0.30, p = 0.18 -> ANLAMLI FARK YOKif p_deger < 0.05: print("Fark istatistiksel olarak anlamli.")else: print("Fark anlamli DEGIL; gozlenen 0.30'luk fark orneklem gurultusu olabilir.")
Burada kritik nokta: 0.30 puanlık ortalama fark, p = 0.18 ile anlamsız çıkabilir. AI'ın "referans daha iyi" ifadesi, istatistiksel olarak desteklenmeyen bir yorumdur. Karar verirken tek başına ortalamaya değil, p-değerine, örneklem büyüklüğüne ve testin varsayımlarına bakmalısın.
Dikkat: LLM'ler kendilerine sayısal ham veri verilmediğinde bile "p<0.05, fark anlamlı" gibi kesin ifadeler üretebilir. Bu bir halüsinasyondur. Hiçbir p-değerini, anlamlılık yorumunu veya "tüketiciler beğendi" hükmünü AI'ın metnine dayanarak rapora yazma; kendi istatistik yazılımında (R, SPSS, JASP, Python) yeniden hesapla.
Mini vaka
Bir içecek firmasında duyusal ekibi, portakal suyunda şeker %15 azaltılan yeni formülü değerlendiriyor. Ekip 90 tüketiciyle 9-noktalı hedonik test yapıyor ve sonuçları özetlemesi için AI'a ham tabloyu veriyor. AI raporunda "yeni formül anlamlı derecede daha az beğenildi (p<0.05)" yazıyor ve ekip formülü rafa kaldırmaya karar veriyor. Kıdemli bir mühendis ham veriyi R'de yeniden çalıştırıyor: gerçek fark 7.0'a karşı 6.8, p = 0.31 — yani anlamlı fark yok. Dahası, sunum sırasının dengelenmediği, yeni formülün hep ikinci sırada tadıldığı ve tat yorgunluğundan (adaptasyon) etkilendiği fark ediliyor. AI hem p-değerini uydurmuş hem de deneme tasarımı kusurunu görememişti. Ekip testi dengeli tasarımla tekrarlıyor ve düşük şekerli formül kabul görüyor. Ham veriye dönmek, iyi bir ürünü çöpe atmaktan kurtardı.
Yaygın hatalar
- Hedonik (beğeni) testiyle tanımlayıcı (profil) testi karıştırmak; "ekşilik skoru yüksek" demek beğenilmedi anlamına gelmez.
- AI'ın uydurduğu p-değerini veya "anlamlı fark" ifadesini ham hesap yapmadan rapora koymak.
- Örneklem büyüklüğünü göz ardı etmek; 12 kişilik hedonik testten "tüketiciler beğendi" genellemesi yapmak.
- Sunum sırasını dengelememek ve ilk-örnek/tat yorgunluğu yanlılığını gözden kaçırmak.
- Kör test yapmadan, panelistlerin hangi örneğin "yeni ürün" olduğunu bilmesine izin vermek.
- Açık uçlu yorumları AI'a özetletirken uydurma alıntı/temaların üretilmesine karşı sağlama yapmamak.
- Panelist güvenilirliğini (blind duplicate tutarlılığı) kontrol etmeden tüm skorları eşit ağırlıkta almak.
Özetle
- Duyusal testte önce soruyu belirle: beğeni için hedonik, fark için ayırt etme (triangle), profil için tanımlayıcı (QDA) test kullan.
- Ham skorlara güvenmeden önce panele güven: kör test, sunum sırası dengeleme, tekrar ve blind duplicate ile güvenilirlik kontrol et.
- AI'ı sayısal özet, açık uçlu yorumlardan tema çıkarımı ve istatistik yöntem danışmanlığı için kullan; ama çıktı bir taslaktır.
- Ortalama fark ile istatistiksel anlamlılık aynı şey değildir; küçük ortalama farklar p-değeri ile anlamsız çıkabilir.
- AI p-değeri, anlamlılık yorumu ve "beğenildi" hükmü halüsinasyonu üretebilir; her istatistiksel sonucu ham veriyle kendi yazılımında yeniden hesapla.
- Nihai ürün/formül kararı; doğrulanmış istatistik, sağlam deneme tasarımı ve panelist güvenilirliği birlikte değerlendirilerek verilir, AI metnine dayanılarak değil.
Uygulama görevi
Kendi çalıştığın veya varsayımsal bir üründe (ör. tuzu azaltılmış çorba, glutensiz kek) 40-60 panelistlik 9-noktalı hedonik test ve bir triangle test tasarla. Deneme tasarımını yaz: kaç panelist, kör kodlama, sunum sırası dengeleme planı ve blind duplicate kullanıp kullanmayacağın. Gerçekçi bir ham veri tablosu (en az 20 satır) oluştur ve AI'a iki farklı prompt ver: (1) açık uçlu yorumlardan tema çıkarımı, (2) istatistiksel yöntem danışmanlığı (p-değerini uydurmamasını açıkça iste). Ardından eşleştirilmiş t-testini kendin Python/R/JASP'ta çalıştırıp AI'ın yorumuyla karşılaştır. Bir sayfalık notta: AI'ın hangi ifadelerini doğruladığını, hangilerini ham veriyle çürüttüğünü ve nihai ürün kararını neye dayandırdığını açıkla. Notunda deneme tasarımındaki en az bir yanlılık riskini ve onu nasıl azalttığını belirt.