在线香水数据的数学分析显示了在不同香水中发现的独特香味组合如何影响产品受欢迎程度和消费者评级。英国伦敦帝国理工学院的 Vaiva Vasiliauskaite 和 Tim Evans于 2019 年 7 月 3 日在开放获取期刊PLOS ONE上展示了这些发现。

每款香水都是不同嗅觉成分、油脂和化学分子的独特组合，共同形成和谐的香气。香水的气味通常使用所谓的香调来描述，例如香草，以及它们的组合，例如麝香和茉莉花的组合，称为调协。通过假设某种香水之所以受欢迎主要是因为它的气味好，研究人员旨在了解什么是流行气味。为了实现这一点，香水的结构及其成分香调根据称为复杂网络分析的数学领域的原理进行研究。

为了更好地了解香氛如何促成香水的成功，Vasiliauskaite 和 Evans 将复杂的网络分析应用于 10,000 多种香水产品中的 1,000 种香调的在线数据。该数据集包括消费者评级和有关每种香水流行度的信息。

这项分析揭示了哪些香调和调协的使用频率超出了人们的预期(“过度代表”)，哪些是最受欢迎的，哪些是在评级最高的香水中发现的。研究人员发现，最受欢迎的香调和最常用的香调并不一定与最高的香水评级相关。例如，茉莉花和薄荷香调对更高的评分有显着贡献，但在所研究的香水中却没有得到充分体现。

研究人员还确定了哪些音符，当添加到现有的协奏中时，似乎最能增强协奏曲。他们发现，麝香和香草等广受欢迎的香调最能增强香气，花香等通用名称的香调也是如此。进一步的分析表明，主要时尚品牌生产了许多最成功的香水，但香水的受欢迎程度似乎与其价格无关，也与推出时间无关。

这些发现表明，复杂的网络分析可能是香水制造商探索提高香水成功潜力的新协议的有用工具。

作者补充说：“我们研究了香水及其气味描述符的数据——作为一个复杂的网络，以深入了解香调成分如何影响香水的成功。我们获得了往往存在于香水中的香调”更多的客户评级，例如，由天竺葵、薰衣草和橡苔组成的调和。这项工作提供了一个框架，它将成为调香师探索多维香水成分空间的及时工具。”