基于地域喜好差异的液态乳关键属性优化方法

支瑞聪，赵 镭，苏玉芳，云战友，高海燕*

风味是食品的灵魂，随着市场竞争的日益激烈，越来越多的企业意识到，在品牌主导市场的今天，如何将自己的产品品牌特征建立在消费者对感官属性喜好的基础上是产品能否成功的先决条件。如何发现并满足消费者对产品风味的喜好是产品设计环节需要考虑的核心问题[1]。随着消费的升级，产品设计向着多元化、差异化的方向发展，以适应不同消费水平、口味嗜好及营养需求的消费者。消费者是否接受并喜欢某种食品主要取决于该食品的感官质量。口味测试是研究消费者产品属性偏好的重要依据[2]。消费者通过购买某品牌的商品，感受其特有的感官属性特征，形成风味、口味的记忆和依赖，再经过品牌其他属性的固化，形成品牌偏好[3]。然而，食品配方设计往往不能一次性完成，需要产品研发人员选择不同的配方工艺，开发出不同配方的试验样品，通过进行消费者口味测试，筛选、调整配方，直至寻找到最佳的产品配方。如何根据不同地区消费者的感官喜好差异性指导产品配方设计成为新型消费形式下的需求。

消费者测试中常用的方法包括接受性测试和喜好性测试，代表方法分别为恰好标度和喜好标度。恰好标度是一种将产品感官属性强度与接受性关联起来的标度，标度的中点相当于属性强度“恰好”，两端分别代表“太强”和“太弱”。喜好标度方法是采用标度的形式将消费者对产品的情感状态从不喜欢到喜欢的程度进行量化赋值[4]。恰好标度和喜好标度已被广泛应用于食品分析，如谷物面包[5]、白酒[6]、乳品[7-10]、冰淇淋[11]、果汁[12-13]等。通常恰好标度和喜好标度可结合起来分析，为产品配方设计提供有效信息[14-17]。

近年来，我国乳业快速发展，乳制品已日渐成为居民日常消费的营养品。消费者定期饮用液态奶的比例呈逐年上升趋势，与此同时，消费者对于液态奶的需求正在向多元化方向发展。风味液态乳口味丰富且营养价值较高，得到广大消费者的喜爱，正逐步成为极具发展潜力的液态乳产品[18-19]。本研究以不同配方的液态乳产品为研究对象，利用分析型评价小组对风味液态乳产品进行感官评价，利用多元统计分析方法筛选配方样品及其风味感官属性。另一方面，对我国典型乳制品消费城市的消费者风味喜好度进行感官测试，利用消费者喜好测试对影响市场接受性的关键感官属性进行验证，采用偏相关分析、Penalty分析等多元统计分析方法多角度进行风味特征关联性分析，并利用偏好图对分析型感官分析（感官属性强度测量）和情感型感官分析（消费者喜好度测量）结果进行综合处理，针对不同地区消费人群的喜好差异确定液态乳样品的关键感官属性改进方案。

1 材料与方法

1.1 材料与试剂

牛乳 内蒙古伊利实业集团股份有限公司。

1.2 方法

1.2.1 样品制备

以不同风味特征的液态乳为研究对象，根据配制型含乳饮料国家标准[20-21]设计样品配方，以牛乳（蛋白质量分数不低于1.0%）添加量、白砂糖添加量、（乳酸+柠檬酸）添加量和增稠剂添加量为因素，采用正交试验设计方法（表1）进行样品风味设计，得到16 种具有不同风味特点的液态乳配方样品[18]。

表1 风味液态乳配方设计正交试验表Table 1 Coded levels and corresponding actual level of independent variable used in orthogonal array design for formulation of flavored liquid milk%

1.2.2 感官评价

1.2.2.1 筛选和培训评价小组

按照GB/T 16291.1—2012《感官分析 选拔、培训与管理评价员一般导则 第1部分 优选评价员》[22]对评价员进行筛选和培训，通过感官功能、感官灵敏度和表达能力的基本测试，择优选择感觉能力和敏感性较强的20 名评价员组建感官评价小组。感官评价在独立评价间内进行，评价环境的搭建GB/T 13868—2009《感官分析 建立感官分析实验室的一般导则》[23]。

1.2.2.2 建立感官属性描述词空间

感官评价员对系列风味液态乳样品进行品评，分别从视觉、嗅觉、味觉等方面描述出对样品的所有感觉。首先对描述词进行初步整理，删除快感术语、定量术语、与样品本身无关的术语等。随后感官评价小组对初步整理后的描述词的感觉强度进行评价，并参照GB/T 16861—1997《感官分析 通过多元分析方法鉴定和选择用于建立感官剖面的描述词》[24]，利用几何平均值法对感官属性描述词的强度进行分析，进一步删除部分描述词。主要步骤为：1）统计每个描述词出现的频率F和该词相对强度I，F为描述词实际被述及的次数占该描述词所有可能被述及总次数的百分率，I为评价小组实际给出的一个描述词的强度和占该描述词最大可能所得强度的百分率；2）计算每个描述词的几何平均值M，M＝ FI ；3）按照几何平均值的大小对描述词进行排序，删除几何平均值较低的描述词、合并相关性较强的描述词。

经过多元统计分析方法对描述词进行筛选后，最终得到15 个描述词，主要包括颜色、组织状态、气味、滋味、综合风味和质地，如表2所示。

表2 筛选后的感官属性描述词Table 2 Selected sensory descriptors

1.2.2.3 感官属性强度评价

组织感官评价小组对筛选后的风味液态乳的感官属性进行强度定量评价，采用15 点线性标度分别对16 个配方样品的特征感官属性强度进行评价。线性标度的两端分别代表“极弱”和“极强”，评价员选择0～15范围内的任意数值作为属性强度评分。每个样品重复评价3 次，评价结果的平均值被用于数据分析。

1.2.3 典型地区消费者测试

依据我国饮食风味特点选择三大调研区域（华北、华东、西南）的代表性城市北京、上海、成都开展调研。测试中采用中央地点集中测试法（center location test，CLT）[25]定点拦截，进行一对一访问，消费者甄别结合性别结构、年龄结构和液态奶消费习惯，选取液态奶的中重度消费者共656 名（北京218 名、成都218 名、上海220 名），其中消费者性别比例为1︰1，16～25、26～35、36～45 岁年龄分布比例为5︰3︰2。

消费者喜好度测试主要包括样品喜好度测试和感官属性喜好度测试，采用5 点喜好标度（1为非常不喜欢、2为不喜欢、3为既不喜欢也不厌恶、4为一般喜欢、5为非常喜欢）对被测样品的整体喜好度及感官属性喜好度进行评价，并采用5 点恰好标度（1为太浓、2为有点浓、3为正好、4为有点淡、5为太淡）对被测样品的关键感官属性强度进行评价[4]。

1.3 统计分析方法

1.3.1 偏相关分析

采用相关分析考察各属性之间的相互影响。简单相关分析计算出的相关系数可以反映2 个属性之间的关联性，但这种关联性还包含其他属性的影响。为了分析两两属性之间的相互作用，采用偏相关分析方法。偏相关分析在控制其他属性的前提下，反映的仅仅是2 个属性的相关关系。

1.3.2 Penalty分析

Penalty分析的基本思想是通过分析感官属性和对样品总评价之间的关联，确定每个感官属性对总体评价的影响程度，Penalty分析对消费者接受性测试（恰好标度）的数据结果进行处理，可得到每个感官属性对消费者接受性的重要程度，并确定样品改进的优先次序和改进的方向[15,26-27]。

1.3.3 偏好图分析

偏好图[5,28-30]是一种将消费者测试数据与描述性感官分析相结合的数据统计分析技术，通常以二维图的形式给出消费者喜好与产品感官属性之间的关系：一方面可以体现具有相似喜好的消费者群体分类及其对不同样品的喜好趋势；另一方面可以综合分析样品感官属性以及人群分布之间的关系。

本研究统计分析采用SPSS 18.0和Matlab 2015b实现。以P＜0.05表示差异或相关性显著。

2 结果与分析

2.1 评价小组感官品评

2.1.1 液态乳感官风味特征分析

图1 5 种风味液态乳配方样品成分含量比较Fig. 1 Ingredients of flavored liquid milk samples

利用聚类分析、主成分分析等多元统计分析方法对16 个配方样品进行分析，将感官属性相近的样品进行整合，从而确定5 个感官属性特征各具特点的液态乳代表样品，该5 种样品的配方参数比较见图1。分别对5 种样品的感官属性进行强度评价，描述样品颜色、组织状态、气味、滋味、综合风味和质地等感官属性方面的不同特点，绘制感官剖面图，如图2所示。样品A口感清爽，酸和甜的感觉适中，质地稀薄；样品B口感平淡，酸味明显，质地稀薄；样品C口感尚可，稍有些甜，质地适中；样品D口感浓郁，酸和甜的感觉强，质地适中；样品E口感平淡，甜味明显，乳香味浓，质地稠厚。通过方差分析可知，5 个样品之间存在显著性差异（F4,55＝6.62，P＜0.05）。因此，消费者测试中选用该5 种样品进行分析。

图2 5 种不同风味特征液态乳样品感官剖面图Fig. 2 Sensory profile of flavored liquid milk samples

2.1.2 液态乳感官属性相关性分析

样品感官属性不仅对消费者的接受性和喜好性产生重要影响，而且可能与其他感官属性之间有密切的关系。为了分析两两属性之间的相互作用，采用偏相关性分析考察滋味和综合风味各属性之间的相互影响。5 种样品的酸味、甜味、乳香味、甜酸味、酸爽味、甜爽味之间的偏相关系数矩阵如表3所示。

表3 5 种样品滋味和综合感官属性偏相关系数矩阵Table 3 Partial correlation coefficients between taste attributes and comprehensive flavor attributes

由表3可以看出，甜味对乳香味、甜爽味有直接影响，且正相关程度很高，对甜爽味相关系数达0.976；而与酸味相关的感官属性，如酸味、酸爽味，呈很高的负相关性，其中和酸味的负相关系数达0.980。乳香味和甜味、甜爽味呈正相关，而与酸味、酸爽味、甜酸味呈负相关，其中对甜爽味的正影响最大，正相关系数为0.905。甜酸味与酸爽味、酸味呈正相关，而与甜味、乳香味、甜爽味呈负相关，其中对酸爽味的正影响最大。类似的，酸爽味和与酸味相关的感官属性，如酸味、甜酸味等呈正相关，而与甜味相关的感官属性呈负相关，其中与酸味的正相关系数达0.951，与甜味的负相关系数达0.977。甜爽味与甜味、乳香味呈较高的正相关性，而与酸味、酸爽味、甜酸味等呈明显负相关性。

综上，甜味、酸味、乳香味与其他感官属性之间的相互关系具有代表性，与酸甜味、酸爽味、甜爽味等感官属性的相关性相似，因此将甜味、酸味、乳香味确定为关键感官属性。此外，质地属性也是影响液态乳制品口感的重要因素，评价员所确定的质地感官属性主要是稠厚和细腻，因此在消费者测试中采用的液态乳感官属性包括甜味、酸味、乳香味、稠厚感和细腻感。

2.2 消费者测试

2.2.1 典型消费城市感官属性喜好度分析

在液态乳消费的3 个典型城市（北京、上海、成都）对筛选后的5 种配方液态乳样品进行消费者口味测试，测试内容主要包括5 种样品的整体喜好测试以及感官属性接受性测试。

从整体喜好度来看，北京、上海、成都3 地区对于样品C、D、E的喜欢程度较高，地区差异较小；而对于样品A、B的喜好度偏低。对于甜味、酸味、乳香味、稠厚感、细腻感等风味感官属性开展接受性测试，不同地域消费者对5 种样品感官属性接受性差异如图3所示。

整体来看：各地区消费者对样品A的认知趋势一致，认为样品A酸味偏多，甜味偏少，乳香味偏少，稠厚感偏少，细腻感相对比较合适，但成都地区消费者认为样品细腻感不足；各地区消费者认为样品B的感官属性强度普遍较低，认知趋势相对一致，认为样品B酸味偏多，甜味偏少，乳香味偏少，稠厚感偏少，细腻感相对比较合适，但成都地区消费者认为样品细腻感不足；上海和成都地区消费者对于样品C的认知趋势保持一致，认为酸味、甜味、乳香味、稠厚感相对比较合适，而北京地区消费者认为样品C的甜味偏多，各地区消费者都认为样品C的细腻感过强；成都地区消费者认为样品D各属性“正好”的比例更多一些，而北京和上海的口味的趋势相对一致，认为样品D酸味偏多，细腻感过强，而甜味、乳香味、稠厚感比较适中；上海和成都地区的消费者对样品E的认知趋势保持一致，认为酸味、稠厚感偏少，而北京地区认为样品E酸味基本适中、甜味偏多，各地区消费者均认为样品E细腻感过强，其中北京消费者更甚。

图3 不同地区对5 种液态乳样品感官属性接受度比较Fig. 3 Sensory acceptance of five liquid milk samples in different cities

根据5 种样品的感官属性特点，对不同配方液态乳样品关键感官属性的各区域消费者喜好度进行分析。从各感官属性方面（酸味、甜味、乳香味、稠厚感、细腻感）最喜欢某配方样品的消费者比例如表4所示。就“酸味”而言，样品D是各地区消费者最喜欢的。在样品B的认知上地区间存在显著差异，成都和北京地区对于样品B“酸味”的喜欢程度明显高于上海地区。就“甜味”而言，各地区消费者最喜欢的是样品C和样品E。就“乳香味”而言，各地区消费者最喜欢的是样品C；上海地区对于样品D“乳香味”的喜欢程度显著高于北京；北京地区对于样品E“乳香味”的喜欢程度显著高于其他城市。就“稠厚感”而言，各地区消费者最喜欢的是样品E；上海地区对样品D“稠厚感”的喜欢程度明显高于成都。在“细腻感”的认知上，各地区消费者最喜欢的是样品C和样品E；北京地区对样品E“细腻感”的喜欢程度显著高于上海地区；上海地区对样品D“细腻感”的喜欢程度显著高于北京地区。

表4 5 种不同配方液态乳样品关键感官属性区域喜好性Table 4 Local preference of sensory attributes for flavored liquid milk samples%

2.2.2 感官属性与整体喜好度相关性分析

对样品A～E的感官属性与整体喜好度进行偏相关分析，分析样品感官属性（酸味、甜味、乳香味、稠厚感、细腻感）与样品整体喜好度之间的关系，如在控制酸味、乳香味、稠厚感和细腻感的前提下，考察甜味和整体喜好度之间的相关性，以此类推。得到风味感官属性与整体喜好度的偏相关系数（P＜0.05）如图4所示。

图4 感官属性与整体喜好度间的偏相关系数Fig. 4 Partial correlation coefficients between sensory attributes and overall preference of samples

由图4可以看出，细腻感是对整体喜好度正向影响最显著的风味感官属性，且其影响因子较大。甜味和乳香味也是对样品喜好度影响较大的关键感官属性，酸味对整体喜好度呈现负影响，且影响因子相对较大。此外，酸味对其他感官属性的影响比较小，对甜味和细腻感呈负相关。甜味对乳香味的影响较大，对其他属性影响较小，且对酸味呈现负影响。乳香味对稠厚感、细腻感和甜味的影响都比较大，对酸味影响很小，且为负影响。稠厚感对乳香味和细腻感的影响比较大，对其他属性影响较小。细腻感对乳香味和稠厚感的影响较大，对其他属性影响比较小。

2.2.3 液态乳感官属性优化

Penalty分析结合感官属性恰好标度及喜好标度进行分析，Penalty系数的大小反映了某个属性的偏向对整体喜好度的影响。为了直观地了解样品配方的改进方向，可通过二维象限图方法展示。其中x轴代表消费者比例，y轴代表Penalty系数。在Penalty分析象限分布图中，第一象限的感官指标是优先改进区，即该区域的感官属性亟需改进[27]。由于不同地区的消费者喜好有所差异，可针对区域性喜好差异对样品感官属性分别进行改进。北京、成都、上海3 个典型消费城市的液态乳样品关键感官属性优化结果如图5～7所示。

图5 北京地区Penalty分析样品感官属性优化Fig. 5 Penalty analysis plot of sensory attributes of the samples from Beijing

图5 是北京地区消费者的Penalty分析结果，可以看出样品A的酸味太浓，乳香味、甜味太淡，是需要改进的指标，稠厚感和细腻感可以更加浓厚一些；样品B的酸味太浓，甜味、乳香味太淡，是首先需要改进的指标，稠厚感和细腻感也太淡，可更加浓厚一些；样品C的整体感官属性表现较好，甜味太浓、稠厚感太淡，可适当改进；样品D的酸味太浓、稠厚感太淡的指标需改进，也可提高乳香味的浓度；样品E的感官属性整体接受度较高，需对甜味及细腻感太浓进行改进。

图6 成都地区Penalty分析样品感官属性优化Fig. 6 Penalty analysis plot of sensory attributes of the samples from Chengdu

成都地区消费者的Penalty分析结果（图6）表明，样品A的多项感官属性均显不足，需要提高，包括酸味太浓，甜味、乳香味、稠厚感以及细腻感太淡；类似的，样品B的乳香味、稠厚感和细腻感也需提升，且酸味太浓、甜味太淡，需调整酸甜比例；样品C和样品D的乳香味和稠厚感较淡，而细腻感太浓，需对相应感官属性进行改进；样品E的指标改进程度较小，可适当提高酸味和乳香味。

图7 上海地区Penalty分析样品感官属性优化Fig. 7 Penalty analysis plot of sensory attributes of the samples from Shanghai

上海地区消费者的Penalty分析结果（图7）表明，样品A和样品B的甜味、乳香味太淡，酸味太浓，是需要改进的感官属性，且样品A的稠厚感可以更加浓厚些；样品C的甜味太浓、乳香味太淡等感官属性需适当改进；样品D的整体接受性较好，需降低酸味，适当提高甜味；样品E的酸味、乳香味、稠厚感等属性比较低，需要提高。

2.2.4 评价小组与消费者感官评价相结合的感官属性优化

采用偏好图分析方法将评价小组专业感官评价（样品感官属性定量描述分析）与消费者感官评价（样品喜好线性标度）结果结合起来，可将不同地区的消费者人群进行划分，对人群喜好特点进行分析，并将样品、人群、感官属性三者联系起来，且感官属性体现的更具体多样，并不局限于消费者测试中所选用的关键感官属性。通过二维散点图的形式，可以直观分析对样品更细致的风味感官属性的优化方向。

图8 不同地区感官属性偏好图优化分析Fig. 8 Preference map for the samples from different cities

三个调研城市的偏好图分析结果如图8所示。其中cluster代表人群聚类类别，根据消费者对样品的喜好度进行聚类分析，将消费者分成喜好相近的几类人群。随后采用主成分分析方法分析样品与消费者人群之间的关系，将主成分分析得分向量及因子载荷向量以二维空间形式展示。此外，感官评价小组对感官属性的线性标度评价结果与消费者数据进行偏最小二乘回归分析，将感官属性因子向量加入二维散点图，从而综合展示样品、消费者以及感官属性之间的关系。

从北京地区偏好图中可以看出，聚类分析将消费者分成8 组，在8 个消费者群体中，多数消费者群体（cluster 1、3～6、8）比较喜爱样品D和样品E。这部分消费者数量为168 人，占总消费者人数的77%，可代表北京地区消费者的喜好取向。样品A的代表性属性为甜味（气味）、乳香味（气味），样品B的代表性属性为酸味（气味）、酸爽味（滋味）和酸甜味（滋味），样品D、E在甜味（气味/滋味）、乳香味（滋味）、甜爽味（滋味）以及稠厚感、细腻感等属性上更具代表性。消费者认为样品A感官属性偏淡，样品B的酸味比较浓郁，而样品C、D、E的甜味、乳香味、细腻感和稠厚感的特点比较明显，而其中样品D和样品E的乳香味、细腻感比样品C更为明显。由此可知，北京消费者比较偏爱乳香味浓郁、口感细腻的液态乳样品。

从成都地区偏好图中可以看出，聚类分析将消费者分成9 组，9 个消费者群体中，多数消费者群体（cluster 1、3～5、7、9）比较喜爱样品C。这部分消费者数量为167 人，占总消费者人数的77%，可代表成都地区消费者的喜好取向。样品A的代表性属性为酸味（气味/滋味），样品B的代表属性为酸爽味（滋味）和酸甜味（滋味），样品D在乳香味（滋味）和甜爽味（滋味）上更具有代表性，而样品C和样品E的代表属性为甜味（气味/滋味）、细腻感和稠厚感。消费者认为样品A的酸味较强，样品B也偏酸爽，而样品C和样品E的甜味、乳香味、细腻感和稠厚感的特点比较明显，而样品C的甜味更浓，样品E的乳香味、细腻感和稠厚感更强。由此可知，成都消费者比较偏爱口味较甜、乳香味浓郁、口感细腻稠厚的液态乳样品。

从上海地区偏好图中可以看出，聚类分析将消费者分成7 组，7 个消费者群体中，多数消费者群体（cluster 1～3、5、7）比较喜爱样品C和样品E。这部分消费者数量为168 人，占总消费者人数的76%，可代表上海地区消费者的喜好取向。样品A和样品D的代表性属性为酸味（气味）、酸爽味（滋味）和酸甜味（滋味），样品B的代表性属性为乳香味（气味），样品C的代表性属性为甜味（气味/滋味）、乳香味（滋味）、甜爽味（滋味）以及稠厚感和细腻感。消费者认为样品A和样品D的酸味比较浓郁，而样品B整体口味比较寡淡，样品C的甜味（气味/滋味）、乳香味、细腻感和稠厚感的特点比较明显。由此可知，上海消费者比较偏爱口味较甜、口感细腻的液态乳样品。

3 结 论

通过不同区域消费者对样品的喜好度评价可知，北京、成都、上海的消费者对样品C、D、E的喜好程度较高。北京地区消费者最喜欢样品C和样品E，认为样品C各项属性强度正好，少数消费者认为其甜味偏少，样品E的甜味和酸味都偏少，而D的酸味偏重，由此可见，北京地区消费者喜欢口味相对较淡的乳制品，以及酸甜适中的口感。成都地区消费者最喜欢样品E和样品C，认为样品E口味偏酸，样品C各项属性强度正好，而样品D的酸味偏重，可见成都地区消费者也喜欢口味相对较淡的乳制品。上海地区消费者最喜欢样品C和样品D，但普遍认为样品的酸味偏重，可见上海地区消费者喜欢偏甜一些的口味。通过配方模型优化结果可知，上海地区消费者喜欢偏甜的样品，相对的，北京和成都地区消费者偏爱酸甜适中的样品，3 个地区消费者对乳香味的喜好类似，都喜欢乳香味较大、口感细腻的样品，北京地区消费者对稠厚感的要求没有成都和上海地区消费者高。

本研究对不同消费城市的消费群体进行喜好分析，建立不同消费群体的产品配方改进模型，采用偏相关分析、Penalty分析、偏好图分析等对感官评价小组的评价结果与消费者感官评价结果相关联，建立描述性分析与喜好度测试相结合的产品关键感官属性确定方法，并建立以消费者喜好为依据的产品风味配方优化量化设计模型。基于消费者喜好意愿的产品风味配方设计模型，针对目标人群进行定向营销，可为新产品研发、已有产品感官品质改进、产品上市风险评估等方面提供有力的技术支撑。

参考文献：

[1] 生庆海, 张爱霞, 马蕊. 乳与乳制品感官品评[M]. 北京: 中国轻工业出版社, 2009: 264-273.

[2] RAZ C, PIPER D, HALLER R, et al. From sensory marketing to sensory design: how to drive formulation using consumers’ input?[J].Food Quality and Preference, 2008, 19: 719-726. DOI:10.1016/j.foodqual.2008.04.003.

[3] KRISHNA A. An integrative review of sensory marketing: engaging the senses to affect perception, judgment and behavior[J]. Journal of Consumer Psychology, 2012, 22: 332-351. DOI:10.1016/j.jcps.2011.08.003.

[4] 支瑞聪, 赵镭, 张璐璐. 情感型感官测试技术动态分析[J]. 食品研究与开发, 2016, 37(13): 200-206. DOI:10.3969/j.issn.1005-6521.2016.13.048.

[5] BERNSTEIN A J. Mapping of whole grain and high fiber products:whole wheat bread and extruded rice and bean snake[D]. Lincoln:University of Nebraska, 2015: 12-16.

[6] 刘明, 钟其顶, 刘传贺, 等. 中国年轻人群对白酒香气感官偏好特性的研究[J]. 酿酒科技, 2015(2): 136-139. DOI:10.13746/j.njkj.2014338.

[7] ELMORE J R, HEYMANN H, JOHNSON J, et al. Preference mapping: relating acceptance of ‘creaminess’ to a descriptive sensory map of a semi-solid[J]. Food Quality and Preference, 1999,10: 465-475. DOI:10.1016/S0950-3293(99)00046-4.

[8] THOMPSON J L, DRAKE M A, LOPETCHARAT K, et al.Preference mapping of commercial chocolate milks[J]. Journal of Food Science, 2004, 69(9): 406-413. DOI:10.1111/j.1365-2621.2004.tb09958.x.

[9] LI B, HAYES J E, ZIEGLER G R. Just-about-right and ideal scaling provide similar insights into the influence of sensory attributes on liking[J]. Food Quality and Preference, 2014, 37: 71-78. DOI:10.1016/j.foodqual.2014.04.019.

[10] ZHI R, ZHAO L, SHI J. Improving the sensory quality of flavored liquid milk by engaging sensory analysis and consumer preference[J]. Journal of Dairy Science, 2016, 99: 5305-5317. DOI:10.3168/jds.2015-10612.

[11] PALAZZO A B, BOLINI H M A. Sweeteners in diet chocolate ice cream: Penalty analysis and acceptance evaluation[J]. Journal of Food Studies, 2017, 6(1): 1-13. DOI:10.5296/jfs.v6i1.10655.

[12] CURI P N, ALMEIDA A B, TAVARES B S, et al. Optimization of tropical fruit juice based on sensory and nutritional characteristics[J].Food Science and Technology, 2007, 37(2): 308-314.DOI:10.1590/1678-457x.24716.

[13] DANNER L, SIDORKINA L, JOECHL M, et al. Make a face! implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology[J]. Food Quality and Preference,2014, 32: 167-172. DOI:10.1016/j.foodqual.2013.01.004.

[14] VILLANUEVA N D M, DASILVA M A A P. Comparative performance of the nine-point hedonic, hybrid and self-adjusting scales in the generation of internal preference maps[J]. Food Quality and Preference, 2009, 20: 1-20. DOI:10.1016/j.foodqual.2008.06.003.

[15] ROTHMAN L. The use of just-about-right (JAR) scales in food product development and reformulation in consumer-led food product development[M]. Boston: CRC Press, 2007: 16-25.

[16] NARAYANAN P, CHINNASAMY B, JIN L, et al. Use of justabout-right scales and Penalty analysis to determine appropriate concentrations of stevia sweeteners for vanilla yogurt[J]. Journal of Dairy Science, 2014, 97(6): 3262-3272. DOI:10.3168/jds.2013-7365.

[17] JIAN B. A review of statistical methods for determination of relative importance of correlated predictors and identification of drivers of consumer liking[J]. Journal of Sensory Studies, 2012, 27: 87-101.DOI:10.1111/j.1745-459X.2012.00370.x.

[18] 支瑞聪, 赵镭, 汪厚银, 等. 中国典型消费城市风味液态乳感官属性喜好性研究[J]. 食品与机械, 2014, 30(4): 238-242. DOI:10.13652/j.issn.1003-5788.2014.04.060.

[19] 李宁, 孙宝国. 乳品风味物质研究进展[J]. 食品与发酵工业, 2016,42(8): 240-251. DOI:10.13995/j.cnki.11-1802/ts.201608042.

[20] 全国食品工业标准化技术委员会饮料分技术委员会. 含乳饮料:GB/T 21732—2008[S]. 北京: 中国标准出版社, 2008: 1-7.

[21] 全国食品工业标准化技术委员会饮料分技术委员会. 饮料通则:GB 10789—2007[S]. 北京: 中国标准出版社, 2007: 1-10.

[22] 农业部. 感官分析 选拔、培训与管理评价员一般导则 第1部分 优选评价员: GB/T 16291.1—2012[S]. 北京: 中国标准出版社, 2012:1-22.

[23] 中国标准化研究院. 感官分析 建立感官分析实验室的一般导则:GB/T 13868—2009[S]. 北京: 中国标准出版社, 2012: 1-17.

[24] 中国标准化与心系分类编码研究所, 全国农业分析标准化技术委员会. 感官分析 通过多元分析方法鉴定和选择用于建立感官剖面的描述词: GB/T 16861—1997[S]. 北京: 中国标准出版社,1997: 1-16.

[25] MEILGAARD M C, CIVILLE G V, CARR B T. Sensory evaluation techniques[M]. Boston: CRC Press, 2006: 3-6.

[26] ESTIAGA C E. Bootstrapping Penalty analysis in sensory evaluation of pizza products[M]. Manila: The Philippine Statistician, 2015: 69-94.

[27] PACZKOWSKI W. Technical memorandum on Penalty analysis[M].New York: Data Analytics Corp, 2009: 10-16.

[28] 侯立娟, 王启万. 偏好图谱在产品定位中的应用分析[J]. 中小企业管理与科技旬刊, 2008, 26: 255-256. DOI:10.3969/j.issn.1673-1069.2008.26.229.

[29] ROMANO R, DAVINO C, NAES T. Classification trees in consumer studies for combining both product attributes and consumer preferences with additional consumer characteristics[J]. Food Quality and Preference, 2014, 33: 27-36. DOI:10.1016/j.foodqual.2013.11.006.

[30] ENDRIZZI I, GASPERI F, RØDBOTTEN M, et al. Interpretation,validation and segmentation of preference mapping models[J].Food Quality and Preference, 2014, 32: 198-209. DOI:10.1016/j.foodqual.2013.10.002.