研究人员使用在线数据和网络分析来寻找最佳的香水混合物

科学家使用复杂的数学分析——而不是他们的鼻子——来确定香水成分的组成。并不是他们打算通过自己的生产来吸引香水行业的鼻子。他们的配方是基于对10000多种香水的研究，旨在找出哪种香水能够获得最佳的顾客反应。

英国伦敦帝国理工学院的物理学家Vaiva Vasiliauskaite和Tim Evans采用的方法是一种新颖的香水商业方法。

香水是将“香味”——茉莉和苹果等个别香味——组合成一种“协议”。

传统上，编写香水的工作一直是“鼻子”的工作，他是一个具有协议和笔记知识的专家。它们的挥发性、气味的持久性和香水制造中的其他重要属性。

这种专业知识通常是通过多年的训练和对天然油和化学分子的许多不同组合的实验获得的。没错，因为最古老的美索不达米亚记载了最早的香水。

但这是互联网时代，所以Vasiliauskaite和Evans将一种叫做复杂网络分析的专业数学工具应用于香水的在线数据库，包括制造商的描述、客户评级和销售数据。

他们的第一个发现是，香水的受欢迎程度似乎不是由价格或年龄决定的。

研究人员在《PLOS一家》杂志上写道：“这促使我们使用网络方法来研究成分，看看这些成分能否解释成功香水生产的成分。”

他们发现数据库中的10599种香水使用了1047种不同的香味。虽然从制造商的描述中可以识别钞票，但是香水中每张钞票的确切数量仍然是商业秘密。

有趣的是，最常用的笔记和那些从客户那里得到最好评价的笔记是有区别的。

最具代表性的是(按顺序)麝香、茉莉、佛手柑、檀香和琥珀。然而，最有效提升顾客评分的是茴香、鸢尾根、兰花、竹子和康乃馨(按顺序排列)。

同样，最常见的协议，如天竺葵和薰衣草，也不是客户最强烈的反应。较少使用的协议，如茉莉和薄荷，或麝香，香根草和香草，促进了更积极的香水评级。

研究人员写道：“我们的研究结果表明，这些协议应该比现在更受欢迎，未来应该受到更多关注。”

“我们的工作为香水成功的因素提供了见解。还建立了基于简单属性和顾客评论的香水统计分析框架。

“它可能是系统组件选择的有用工具，并可用作人工鼻。

标签：