Sterk omsetningsvekst for strømmetjenestene

A avaliação sensorial é um importante recurso disponível aos profissionais que trabalham na área de desenvolvimento de produtos. Os testes afetivos são ferramentas importantes no desenvolvimento, otimização e garantia da qualidade de produtos (STONE e SIDEL, 1993).

3 2 4 1 5 6 9 7 8 10

Para a realização da análise sensorial, podem ser aplicados métodos discriminativos, descritivos ou afetivos. Os métodos afetivos incluem os testes de preferência e os testes de aceitação. Os testes de preferência medem a preferência, por parte do consumidor, de um produto sobre os demais. Os testes de preferência mais utilizados são os de comparação pareada, ordenação e preferência múltipla variada. Os testes de aceitação visam ampliar o quanto o consumidor gosta ou desgosta de um determinado produto ou característica do produto (MEILGAARD et al., 1988).

A escala hedônica estruturada de nove pontos é provavelmente o método mais utilizado para avaliar a aceitação de um ou mais produtos. É uma escala simples e de fácil uso pelos consumidores (STONE e SIDEL, 1993).

Segundo Stone e Sidel (1993), os testes de consumidor são testes de aceitação. Um teste de consumidor realizado com o protótipo de um novo produto pode fornecer diversas informações para a equipe responsável pelo desenvolvimento deste produto. Com este tipo de teste tem-se a oportunidade de determinar o nível de aceitação do produto por parte do consumidor, baseando-se na percepção sensorial do produto e não nos atributos que podem ser dados ao produto por uma campanha publicitária e/ou embalagem. O teste ainda é muito útil no diagnóstico de problemas que podem ser desta forma, percebidos pelos consumidores e corrigidos antes do produto ser lançado no mercado (LAWLESS e HEYMANN, 1998; STONE e SIDEL, 1993).

O teste de consumidor é um experimento científico, no qual as características sensoriais e o apelo do produto devem ser medidos isoladamente sem a interferência da propaganda e/ou embalagem sobre o produto. Deve-se buscar isolar o provador de todas as influências e/ou conceitos sobre o produto que não os percebidos pelos sentidos. Os indivíduos devem participar do teste de acordo com o interesse ou mesmo pela reação positiva ao conceito utilizado no desenvolvimento do produto (LAWLESS e HEYMANN, 1998 ; STONE e SIDEL, 1993)

Existem três categorias básicas de teste de consumidor: o teste de laboratório, o teste de localização central e o teste realizado na casa do consumidor.

6.1. Análise estatística multivariada dos dados da aceitação

Alguns autores (MATSUURA et al., 2004; SOUSA et al., 2003; MATSUURA e ROLIM et al., 2002; TIWARI, 2000; MORI et al., 1997; MOSTAFA et al., 1997) vêm realizando estudos para otimização de misturas de frutas, sendo utilizados testes sensoriais afetivos para este fim. A avaliação por meio de testes afetivos é, tradicionalmente, feita por meio de variância univariada e teste de médias. Assim, às vezes, a simples média de aceitação, quando existem categorias de consumidores com preferências opostas, faz com que o resultado de um grupo cancele o do outro, resultando em médias que, muitas vezes, não apresentam diferença significativa entre si.

Por esta razão, a variabilidade individual dos dados deve também ser considerada, e a estrutura dos dados analisada. Tais análises podem ser realizadas pelo método estatístico denominado Mapa de Preferência Interno. Nesse caso, os critérios avaliados são identificados como dimensões que ocupam posições ortogonais em uma representação gráfica. Aliada à análise de variância e testes de médias, o Mapa de Preferência Interno pode complementar a análise de aceitação de um produto, explicando as preferências dos consumidores, que se tornam assim informações valiosas (CARDELLO e FARIA, 2000).

Em estudo para otimização de um néctar de manga enriquecido com acerola, Matsuura et al. (1999) utilizaram Metodologia de Superfície de Resposta e Mapa de Preferência, observando que o Mapa de Preferência confirmou, de um modo geral, os resultados encontrados na superfície de resposta, porém caracterizou consumidores cuja preferência não coincidia nem com a formulação ótima predita, nem com a preferência da maioria dos consumidores.

A base fundamental da maioria dos métodos modernos para tratamento de dados multivariados é a Análise por Componentes Principais (ACP) (BEEBE et al., 1998; SHARAF et al., 1986), que consiste numa transformação da matriz de dados com o objetivo de representar as variações presentes em muitas variáveis, através de um número menor de fatores. Constrói-se um novo sistema de eixos (denominados rotineiramente de fatores, componentes principais, variáveis latentes ou ainda autovetores) para representar as amostras, nele a natureza multivariada dos dados pode ser visualizada em

poucas dimensões. Estas novas variáveis são obtidas em ordem decrescente de quantidade de informação estatística que descrevem, ou seja, a primeira componente principal aponta a direção de maior variação dos dados, a segunda, que é ortogonal à primeira, aponta outra direção que descreve a maior variação restante dos dados e assim por diante.

A Análise por Agrupamento Hierárquico é uma ferramenta excelente para análise preliminar dos dados (BEEBE et al., 1998; SHARAF et al. 1986), sendo útil para determinar a semelhança entre objetos e identificar amostras anômalas.

A análise de agrupamento (Cluster Analysis) tem por objetivo reunir, segundo algum critério de classificação, um conjunto de t unidades amostrais (tratamento, progenitores, indivíduos, etc) em grupos através da avaliação de p variáveis, de modo que exista homogeneidade dentro de cada grupo e heterogeneidade entre eles (JONHSON e WICHERN, 1998). O processo de agrupamento envolve basicamente duas etapas. A primeira relaciona-se com a estimação de uma medida de dissimilaridade entre os tratamentos e a segunda, com a adoção de uma técnica de agrupamento para a formação dos grupos (RIBEIRO JÙNIOR, 2001). Estes resultados, quando visualizadas através de diagramas conhecidos por dendrogramas, indicam as amostras mais semelhantes entre si, ou seja, quanto menor a distância entre os pontos, maior será a semelhança entre as mesmas.