目前，科研界常采用定量描述分析法（Quantitative Descriptive Analysis，QDA）从色、香、味、格四个方面来研究不同香型白酒的典型风格特征、质量等级归类、配方优化设计[9]等。如刘传贺等采用定量描述分析法构建了芝麻香型白酒的感官特征标准，验证该方法在白酒感官研究中的有效性；倪兴婷等将定量描述分析法应用于浓香型白酒中窖泥臭味的解析，为异味溯源与配方优化提供了科学依据；方超等基于感官描述分析法揭示了不同香型的山庄老酒在风味和滋味属性上具有显著差异，为白酒风格特征研究提供参考依据。但是 QDA 对评价人员要求非常严格，需要评价员相互间达到感官指标理解上的统一性与感官强度赋值上的一致性，评价过程中稍有偏差便易出现品评数据的高离散性，这种情况难以满足白酒企业在行业转型期对竞品的快速响应、全面洞察及精准应对的需求，限制了该方法的实用性和推广性，使得目前白酒产业界很少使用 QDA。
中心点剖面法（Pivot Profile）是一种基于自由描述的快速感官分析方法。该方法无需评价人员记住固定的专业描述词，以评价人员累积的感官经验为基础，采用成对比较的方式自由描述所感知到的样品间具有差异的感官特征，可以更全面、更便捷、更有效的建立所测试产品类型的感官指标体系。适合项全选法（Check-All-That-Apply，CATA）也是一种快速感官描述分析技术。该方法要求评价人员基于对样品的感知，选出所有适用该样品属性的描述词，以所有评价人员对每个样品描述词上的累积频次之和作为该样品描述词的呈现强度，但是 CATA 主要提供样品有无某种感官属性的信息，在感官属性强度的测量与比较方面具有一定的局限性。Pivot - CATA 是 CATA 的升级版，弥补了 CATA 不具备量化的缺点，它能让评价人员在特定感官指标下评价各样品感官强度相对于参比样（P 样品）的高低情况，因不需要度量具体感官强度值，大大提高了各评价人员间量化结果的统一性，保证了合并所有评价人员数据的有效性。这两种方法分别在咖啡、茶叶等有所应用，但组合使用鲜有报道。Pivot Profile 通常为 Pivot - CATA 提供产品评价所需要的感官指标，而这种指标提供方式帮助 Pivot - CATA 在样品间品质差异量化分析时，具有比 Pivot Profile 更高的精度，这种组合具备了 QDA 中感官指标确定和量化评价的功能，却比 QDA 操作更方便、更快速。此外，Pivot Profile 和 Pivot - CATA 通常需要大量消费者（一般都 60 位以上）进行实验来保证结果的可靠性，但白酒具有风味复杂、刺激强烈的感官特性，采用经验丰富的专业评价员，更能充分体现 2 种方法的便捷性优势，使得这种组合不仅能减少评价员人数、缩短感官评价时间，还能获得稳定、可靠的感官结果。
基于上述方法组合的优势分析，本研究选取 20 款不同产地、不同价格和不同品牌的市售主流高度浓香型白酒成品为研究对象，探索 Pivot - CATA 方法在白酒感官品质特征挖掘和品质差异分析中的适用性与实用性。首先，由专业品酒师采用 Pivot Profile 法构建 Pivot -CATA 所需的感官评价指标体系，以提高指标的统一性和实效性。采用 7 点离散单级标度对样品进行整体品质评分，分析价格与品质的匹配度，并通过品酒师间的一致性检验保证评分结果的可靠性。在此基础上，采用 Pivot - CATA 方法对 20 款浓香型白酒成品的感官差异进行分析，识别影响品质分类的关键感官属性及不同产区白酒的差异特征，验证该方法在浓香型白酒中的适用性。本研究为白酒行业引入新型快速感官分析方法提供借鉴，为甄别价格与品质的匹配性提供参考，为品质判别中精准聚焦少数关键指标提供策略，为白酒产品品质提升与市场定位提供依据，具有明显的方法创新价值与实践指导意义。
材料与方法
01材料与试剂
为了保证实验结果的代表性、科学性和参考性，本研究从品牌代表性（11 个品牌）、产品多样性（20 款样品）及产区广泛性（涉及安徽、河南、江苏、四川、新疆 5 个省份），选择了 20 款 2024 年产的酒精度在 50-52%vol 的市售主流浓香型白酒成品，具体样品信息见表 1。为保证样品的真实性，均通过正规渠道进行采购。
02浓香型白酒感官描述词建立
采用 Pivot Profile 法，寻找并记录每个被测样品与 1 款参比样（P 样品）在感官特征上有差异的所有描述词。对所收集到的全部描述词进行汇总、分类、解析、合并后，并结合经典标准和文献中所体现的浓香型白酒感官描述词，通过经验丰富的专业品酒师的讨论、分析、确认后确定 Pivot - CATA 实验中所需要的感官描述词。在本实验中，经专业品酒师小组一致评定后选取 1 款各项关键感官属性强度在目前市面主流浓香型白酒中基本处于中等水平的样品，即选取 1 款感官品质中等的成品浓香型白酒作为参比样品 P。
03Pivot - CATA感官评价方法
依次根据回答表（图 2）上的每项感官指标，将每个被测样品与 1 款参比样（P 样品）在该指标上进行强度比对，并将比对结果记录在回答表对应位置处。若被测样品与 P 样品均没有感受到该指标特征，则勾选“均无”；若 P 样品感受到该指标特征，而被测样品没有感受到，则勾选“更淡或无”；若待测样品感受到该指标特征，但是 P 样品没有感受到，则勾选“更浓/更重”；若二者都可以感受到该指标特征，则将感受到的强度差异记录在回答表中（“更淡或无”、“更浓/更重”或“相同”）。本研究 1.2.4 中的参比样品同样作为 Pivot - CATA实验的参比样品（P 样品）。在品评期间采用纯净水漱口，同时每评价完 5 个样品后，休息约 10 分钟左右。
结果与分析
01Pivot - CATA法的评价指标确定
对采用 Pivot Profile 法收集到的大量感官描述词进行整理后，共收集感官描述词 1203个，其中不重复出现的词汇有 177 个。通过合并同义词、删除定量描述词（如较、略有、略带、稍有等）以及去除无关术语后得到 34 个描述词，但考虑到 Pivot Profile 方法侧重捕捉样品差异可能会忽略一些共性特征，又将这次词汇结合白酒风味轮、浓香型白酒文献中出现的感官描述词、相关标准中出现的感官描述词进行整合、归纳，重点补充 Pivot Profile实验中未出现但属于浓香型白酒特征风味的感官描述词，最终扩充到 71 个不重复出现的候选描述词。在此基础上，邀请专家品酒师综合浓香型白酒风味特征对这些词汇进行交流讨论，进行了删除、合并、调整等处理。包括删除了口语化描述词，如水味；去掉了出现频率较少的描述词，如咸菜味、鲜味等；删掉其它白酒香型的典型描述词，如药香、清香、酱香；去掉词义笼统不明的词汇，如酒香、幽雅度、发酵香等；删除偏化学术语并不方便在消费者中传播、同时又蕴含果香花香等特征的词汇，如醇香、酯香、醛香；同时为了便于品评操作，合并负面描述词馊味、腥味、油漆味等统称为异杂味；合并了词义相近描述词，如将舒适度归于柔和度中；考虑到浓香型白酒因酿造工艺原因达不到焦香和糊香程度（在酱香型白酒中常出现），所以选择焙烤香；而清爽感更倾向于口感描述，在口感中保留。最终得到高共识度的 41 个用于 Pivot - CATA 品评实验的描述词，确保了词汇的名词词性清晰性、表达准确性、不同词汇含义间的无交叉性，这次词汇覆盖了体现样品间差异的嗅觉、味觉和口腔触觉等不同维度，详见图 3。相比国家标准 GB/T 33405－2016《白酒感官品评术语》，新增了 16 个描述词，其具体含义见表 2。
02基于总体感官指标的对应分析
为确保对应分析结果的准确性与可解释性，筛选出具有高区分度与高共识性的关键感官属性。参考 Longo 等的数据处理方式，计算各描述词在 20 款样品中差值得分的标准差，其值越小说明该指标对于区分各样品间差异的贡献度很小，即各样品在该指标下差异很小。Longo 等在研究中保留标准差 > 1.5 的描述词，考虑到浓香型白酒成品自身风味的复杂性及对核心差异指标的要求，本研究删除标准差＜2 的描述词（见图 6），包括酸香、青草香、焙烤香、坚果香、油脂香、糠味、异杂味、新酒味、苦味和后苦等 10 个描述词，保留 31 个描述词用于后续对应分析。
由图 7 可知，前 2 个因子的累计贡献率达 70.49%，表明这两个因子能够解释原始数据中绝大部分信息。在样品分布方面，高（红色）、中（绿色）、低（蓝色）的品质分类样品，在图 7 中呈现出左、中、右的空间分布特征，形成清晰的对应关系。同时还呈现出品质越高样品越聚集、差异越小，品质越低样品越分散、差异越大，这在一定程度上说明了高品质酒样的感官特性比较接近，而低品质酒样的缺点各不相同。但 SH1、DK1、WLY2 和 YH 这 4个样品的空间分布规律不明显，值得后续进一步关注和分析。在指标分布方面，图 7 最左侧（F1 负半轴）集中呈现香气综合指标和口感综合指标，高品质样品同样位于该区域，表明品质越高，这些感官属性相对强度越强。与之相对，最右侧分布的指标偏于负向，会对品质评价产生负面影响。结合样品分布，也能清晰看出高品质样品与正向指标分布得更接近，同时又处于负向指标的反方向，即高品质样品正向指标数值高，负向指标体现少甚至没有，反之亦然。
在品质与指标关联对应分析时，指标过多不利于清晰、准确的挖掘影响酒样整体感官品质的关键感官指标。因此分别对嗅觉感知指标（具体香气属性与整体香气感受）和味觉感知指标（具体基本味、整体口感感受和后味余味回味感受）进行对应分析，并深入分析各品牌、各产地、各产品的品质差异。
03结论
本研究结合 Pivot Profile 法、文献调研法、自由描述问卷法和专家小组焦点讨论法，从1000 多个描述词中经过分解、解析、归类、合并、剔除、整合等方式，共得到 41 个用于分辨浓香型白酒成品感官特性的描述词，体现了词汇在概念上的易理解性、无交叉性，及其在品质评价中所发挥的覆盖性、区分性和操作性，且专业品酒师有效保证了感官品质描述词获取的数量（多样性）与质量（统一性）。基于此，采用 7 点离散单级标度和 Pivot - CATA 法系统分析了 20 款不同价格、不同产地和不同品牌浓香型白酒的整体品质与感官特性，揭示了样品的价格与品质之间存在着一定程度的不符现象，如低价 SH2、SD1、YL3 呈现出高品质特征，而高价 DK1 呈现出低品质特征。同时明确了影响浓香型白酒品质分类的关键属性，如整体香气（协调度、柔和度、层次感、活跃度等）、陈香、窖香、整体口感、回甘和后味干净度较强可以提高酒体品质，而乳香、酸味、后酸和涩口感较强会降低酒体品质。通过专业品酒师开展 Pivot - CATA 实验，评价测试样在各评价指标下其强度是高于或低于参比样，这种量值方式有力确保了评价结果的可靠性与数据分析的价值性。
本研究基于 20 款产品感官数据显示，不同产区样品在特定感官属性上存在一定的差异。如安徽产区样品（3 款）的酸味、后酸和涩口感较突出，河南产区的 DK 样品乳香突出，新疆产区样品（3 款）甜香、花香和水果香突出等。本研究构建的 Pivot - CATA 方法体系为浓香型白酒感官特性区分提供了有效支撑，为白酒品质判别提供了重要方向，为白酒行业的品质提升和创新发展提供了理论基础和方法依据，为统一白酒生产端与消费端的品质观提供了有力保障。
