Cat de exact este ChatGPT la notele parfumurilor? 3 motoare testate

Pentru 100 de parfumuri, ChatGPT a redat toate notele din lista oficiala in 82 % dintre raspunsuri, Perplexity in 78 %, iar Gemini in 69 %.¹ Gemini a adaugat cel putin o nota care nu aparea in lista oficiala in 49 % dintre raspunsuri, comparativ cu 24 % pentru ChatGPT si 25 % pentru Perplexity.¹ Priveste raspunsurile ca pe un prim reper util, apoi verifica pagina casei de parfumuri.

• Toate cele trei motoare se apropie de obicei in privinta notelor in sine: mediana recall-ului a fost 1.00 pentru fiecare.¹
• Diferentele apar la notele in plus. In 32 % dintre raspunsuri, Gemini a adaugat o nota care nu aparea in lista si pe care niciunul dintre celelalte motoare nu a mentionat-o; cifrele au fost de 10 % pentru ChatGPT si 11 % pentru Perplexity.¹
• In functie de motor, raspunsurile despre parfumuri de designer au avut o probabilitate cu 22 pana la 32 de puncte procentuale mai mare sa includa o nota din afara listei decat cele despre parfumuri de nisa.¹
• Pentru 39 dintre cele 99 de parfumuri la care au raspuns toate cele trei motoare, toate trei au reprodus exact lista oficiala.¹
• Studiul a evaluat raspunsuri bazate pe cautari pe web, nu ceea ce isi aminteste un model. Claude nu a fost testat.¹

Cum am testat

Am adresat aceeasi intrebare simpla ChatGPT, Gemini si Perplexity pentru 100 de parfumuri din 45 de case: „Care sunt notele de varf, de mijloc si de baza ale parfumului House Perfume?” Fiecare motor a primit cate o intrebare pentru fiecare parfum, la 20 octombrie 2026, dintr-o locatie din SUA, in engleza. In total, au fost 300 de interogari.¹

• Etalonul de comparatie. Perfume Compendium de la Scento, care cuprindea 754 de intrari la acea data.² Un parfum a fost eligibil doar daca avea o piramida completa de note de varf, de mijloc si de baza, confirmata de pagina casei sau de doi retaileri autorizati care prezentau aceleasi note. Pentru 91 dintre cele 100 de parfumuri, etalonul a fost pagina casei; pentru 9, paginile a doi retaileri care prezentau aceleasi note.¹
• Selectia. 50 de parfumuri de designer (inclusiv case cu traditie, deoarece au fost eligibile prea putine intrari clasificate drept parfumuri de designer) si 50 de parfumuri de nisa, fara casele arabe in niciunul dintre grupuri. In cadrul fiecarui grup, 25 sunt cunoscute, iar 25 mai putin cunoscute, conform unei evaluari consemnate inainte de a intreba vreun motor. Listele oficiale cuprind intre 1 si 17 note, cu o mediana de 8.5.¹
• Motoarele. ChatGPT si Gemini, in versiunile destinate consumatorilor (API-ul a identificat modelele drept gpt-6 si 3,5 Flash-Lite), precum si modelul sonar de la Perplexity, cu cautare web.¹ Claude nu a fost inclus.¹
• Evaluarea. Un script, fara implicarea vreunui model lingvistic, a asociat fiecare nota mentionata de un motor cu un glosar de 411 note si a comparat-o cu lista oficiala. Cand un raspuns oferea mai multe variante, a fost evaluata cea care se potrivea cel mai bine. Verificarea manuala a 20 de evaluari a confirmat exact 17 si a diferit cu cel mult o nota in 19 cazuri; evaluatorul putea vedea rezultatul scriptului, asa ca verificarea nu a fost oarba.¹

Mai jos conteaza patru masuri. Recall este proportia notelor oficiale prezente intr-un raspuns. Precizia este proportia notelor mentionate care se afla pe lista oficiala. O nota care nu apare in lista oficiala poate fi totusi corecta, deoarece casele publica uneori doar cateva note esentiale. O lista exacta contine toate notele oficiale si nimic in plus.¹

Rezultatele pentru toate cele 100 de parfumuri

Gemini a raspuns pentru 99 dintre cele 100 de parfumuri; la unul dintre raspunsuri a aparut o eroare de serviciu. ChatGPT si Perplexity au raspuns pentru toate cele 100. Niciunul nu a refuzat. Raspunsul Gemini despre Juliette Has a Gun Not a Perfume a mentionat singura nota oficiala, Cetalox, in text, fara o lista pe categorii, asa ca este luat in calcul doar la recall; procentele Gemini pentru notele din afara listei si listele exacte se bazeaza pe 98 de raspunsuri.¹

Mediana recall-ului a fost de 1.00 pentru toate cele trei motoare, iar acuratetea mediana a plasarii (note in categoria de varf, de mijloc sau de baza corecta) a fost de 100 % pentru toate trei. Precizia mediana a fost de 1.00 pentru ChatGPT si Perplexity si de 0.97 pentru Gemini.¹ Deoarece medianele sunt la nivelul maxim, tabelul foloseste ponderi si medii pentru a arata unde difera motoarele.

Ce a facut fiecare motor

ChatGPT

ChatGPT a inclus fiecare nota oficiala in 82 % dintre raspunsuri si a oferit o lista exacta in 70 %. A adaugat o nota in afara listei oficiale in 24 % dintre raspunsuri.¹ A citat site-ul casei in 85 dintre cele 100 de raspunsuri.¹

Perplexity

Perplexity a venit aproape din urma: 78 % dintre raspunsuri includeau fiecare nota oficiala, 70 % contineau liste exacte, iar 25 % includeau note suplimentare.¹ A citat site-ul casei in 74 de raspunsuri.¹

Gemini

Gemini a inclus fiecare nota oficiala in 69 % dintre raspunsuri, a reprodus lista exact in 43 % si a adaugat o nota care nu figura in lista in 49 %. In 32 % dintre raspunsuri, a adaugat o nota pe care niciunul dintre celelalte motoare nu a mentionat-o.¹ A citat site-ul casei in 55 dintre cele 99 de raspunsuri. Atunci cand l-a citat, precizia mediana a fost de 1.00; cand nu l-a citat, de 0.93.¹ Pentru Perplexity, aceeasi diferenta a fost de 1.00 fata de 0.97, iar pentru ChatGPT, de 1.00 fata de 1.00.¹

Unde sunt de acord motoarele

Dintre cele 99 de parfumuri pentru care au raspuns toate trei, toate au inclus fiecare nota oficiala in cazul a 59 si au redat lista exact in cazul a 39. Cel putin un motor a redat lista exact pentru 79 de parfumuri, iar pentru 20 niciunul nu a facut-o.¹

Parfumuri designer versus de nisa

Cel mai clar tipar se observa la notele suplimentare. Pentru toate motoarele, raspunsurile despre parfumurile designer au inclus o nota care nu figura in lista mai des decat raspunsurile despre parfumurile de nisa.¹

Recall-ul pentru toate notele a fost, de asemenea, mai scazut pentru parfumurile designer: 74 % pentru ChatGPT fata de 90 % pentru cele de nisa, 64 % fata de 73 % pentru Gemini si 70 % fata de 86 % pentru Perplexity.¹ Aceste diferente sunt mai putin certe; intervalele diferentelor pentru ChatGPT si Perplexity ating zero, iar cel pentru Gemini il include.¹

O lista oficiala mai scurta ar putea explica partial acest lucru, deoarece o casa care publica patru note lasa mai mult loc pentru note suplimentare. Asadar, am comparat parfumurile designer si cele de nisa cu liste de aceeasi lungime, cumuland rezultatele celor trei motoare. Diferenta s-a mentinut in toate cele trei grupe de lungime:¹

Studiul nu poate spune de ce. Parfumurile designer si cele de nisa proveneau de la case diferite si de pe pagini diferite, iar aici nu se poate izola acest aspect.¹ Notorietatea nu a facut o diferenta clara: diferenta dintre parfumurile cunoscute si cele mai putin cunoscute in privinta notelor care nu figurau in lista a fost intre 4 si 8 puncte pentru fiecare motor, iar toate intervalele au inclus zero.¹

Cinci exemple

Viktor&Rolf Flowerbomb: piramida mai veche

Pagina casei listeaza patru note: bujor in notele de varf, trandafir centifolia in notele de mijloc, frezie si vanilie in notele de baza. Gemini si Perplexity au returnat aceeasi piramida cu 11 note, au gasit trei dintre cele patru note oficiale (fara bujor) si au indicat opt note care nu figureaza in lista. Apoi, raspunsul Perplexity a adaugat ca descrierea actuala a brandului „evidentiaza bujorul, trandafirul Centifolia, frezia si vanilia”, asadar a prezentat ambele versiuni, cu cea mai veche pe primul loc. ChatGPT a gasit toate cele patru note si a adaugat inca patru: iasomie, orhidee, ambra calda si patchouli.¹

Prada Infusion de Vétiver: o lista multiplicata de trei ori

Pagina casei listeaza patru note: bergamota; ghimbir si cardamom; vetiver. ChatGPT si Perplexity au returnat exact acele note, in exact aceleasi pozitii. Gemini a returnat 12 note, inclusiv toate cele patru note oficiale, plus alte opt pe care niciunul dintre celelalte motoare nu le-a mentionat; printre acestea se numara lamaia italiana, mandarina italiana, lime, neroli tunisian, tarhon si trandafir turcesc. Precizia sa in raport cu lista oficiala a fost de 0.33.¹

Montblanc Explorer: note corecte, categorii inversate

Pagina casei plaseaza bergamota, pomarose si salvie in notele de varf, vetiver, piele si lemn de santal in cele de mijloc, iar patchouli, ambrofix si akigalawood in cele de baza. ChatGPT a plasat patchouli si ambrofix in notele de mijloc, iar vetiverul si pielea in cele de baza. Dintre cele sase note identificate corect, doua se aflau in categoria corecta, ceea ce inseamna o acuratete a plasarii de 33 %. Perplexity a reprodus toate cele noua note in categoriile corecte. Gemini a gasit sase din noua, a scris Ambroxan acolo unde casa listeaza Ambrofix si a plasat corect fiecare nota identificata.¹

Jean Paul Gaultier Le Male Elixir: acelasi schimb, de trei ori

Doua magazine autorizate sunt de acord asupra lavandei in notele de varf, a boabelor de tonka in notele de mijloc si a benzoinei in notele de baza. Toate cele trei motoare au returnat aceleasi sapte note, in aceleasi niveluri: lavanda si menta in notele de varf, vanilie si benzoina in notele de mijloc, miere, boabe de tonka si tutun in notele de baza. Fiecare a identificat toate cele trei note oficiale, a inversat nivelurile boabelor de tonka si benzoinei si a adaugat patru note care nu figurau pe lista. Fiecare a obtinut o acuratete de plasare de 33 % si o precizie de 0.43. Datele nu pot spune de ce cele trei raspunsuri coincid.¹

Rochas Eau de Rochas: trei rezultate la aceeasi intrebare

Pagina casei listeaza zece note: bergamota, mandarina, lamaie si verbena in notele de varf; narcisa, iasomie si lacramioare in notele de mijloc; muschi de stejar, smirna si paciuli in notele de baza. Perplexity a returnat exact lista. ChatGPT a returnat noua dintre cele zece note, fara verbena, plus iris. Gemini a returnat 18 note, a identificat opt dintre cele zece si a oferit zece note pe care niciun alt motor nu le-a mentionat, printre care lime, busuioc, coriandru, garoafa, trandafir salbatic, lemn de santal si ambra.¹

Ce arata si ce nu arata aceste rezultate

• Gasire, nu memorie. Toate cele trei motoare cauta pe web in timp ce raspund, iar cele mai multe raspunsuri au citat pagina casei. Un recall ridicat arata ca aceste produse pot gasi o lista publicata. Nu arata ca vreun model cunoaste notele si nu spune nimic despre modelele fara cautare.¹
• Un singur moment. O singura solicitare pentru fiecare parfum si fiecare motor, la 20 octombrie 2026. Nu am repetat testele, asa ca variatia de la o rulare la alta este necunoscuta.¹
• O singura lista publicata. O nota care lipseste din lista oficiala nu este automat gresita. Precizia este o limita inferioara a corectitudinii.¹
• Versiuni. Intrebarea nu a precizat concentratia, iar pagina oficiala acopera o singura versiune. Evaluarea in functie de cea mai potrivita versiune atenueaza aceasta problema, fara sa o elimine.¹
• Selectie si evaluator. Selectia cuprinde in principal case occidentale de designer si de nisa, pe care Scento le-a putut verifica. Evaluatorul a fost ajustat folosind aceleasi 100 de parfumuri si nu acorda niciun punct atunci cand raspunsul si lista mentioneaza o nota cu niveluri diferite de detaliu, precum „scortisoara” si „condimente”.¹
• Netestat. Claude, motoarele fara cautare web, alte limbi sau tari si corectitudinea listelor oficiale.¹

Ce inseamna pentru cei care cumpara

Pentru majoritatea parfumurilor, un motor de raspuns returneaza toate notele oficiale. In aceasta selectie, toate cele trei motoare au returnat toate notele oficiale pentru 59 dintre cele 99 de parfumuri. Dar intre un sfert si jumatate dintre raspunsuri au inclus cel putin o nota care nu se afla pe lista oficiala, iar notele suplimentare au fost cel mai frecvente la parfumurile de designer.¹ Trei obiceiuri te pot ajuta.

• Verifica pagina casei. De acolo provin 91 dintre cele 100 de liste oficiale din acest studiu si este primul loc in care sa cauti o reformulare sau o noua piramida olfactiva.
• Citeste cu atentie listele lungi. Cand un raspuns include mult mai multe note decat pagina casei, este posibil sa descrie o versiune mai veche sau diferita a parfumului.
• Mirosi inainte sa te hotarasti. Notele de pe hartie nu iti spun niciodata cum se asaza un parfum pe pielea ta. Decanturile de parfum iti permit sa-l incerci inainte sa cumperi o sticla intreaga.

Listele oficiale din acest studiu provin din Perfume Compendium de la Scento, unde este salvata pagina-sursa pentru fiecare intrare. Dezvoltatorii il pot consulta prin pagina Perfume Compendium si API.²

Surse

1. 1Analiza Scento a raspunsurilor ChatGPT, Gemini si Perplexity pentru 100 de parfumuri, evaluate in raport cu Perfume Compendium, Scento, 20 octombrie 2026.
2. 2Scento Perfume Compendium, Scento. scento.com/developers, consultat la 21 octombrie 2026.