بسته بندی شاید سخت ترین چالش در کل ترکیب بازاریابی باشد. در مدت زمان چند میلی ثانیه ، باید مشخص شود ، برند را نشان دهد ، کالای مربوطه را به شما اعلام کند و از هر ترفندی که در اختیار دارد استفاده کند تا در سبد خرید قرار گیرد. از این نظر ، تعجب آور به نظر می رسد که بسیاری از محصولات جدیدی که وارد بازار می شوند از کار بیفتند. علاوه بر این ، به نظر می رسد بیشتر از چرخه عمر محصول ، طراحی مجدد بسته بندی ها اغلب اوقات بیشتر از اینکه سودمند باشد آسیب زننده است. یک طراحی مجدد با خطر از دست دادن شناخت مارک و جادوی جذابیت قبلی بسته همراه است. هنگامی که Tropicana تصمیم گرفت با معروف ترین دارایی برند خود خداحافظی کند – پرتقالی که نی از آن بیرون می زند – فروش بلافاصله 20٪ سقوط کرد. فقط شش هفته طول کشید که قطار فروش حتی از خط خارج شود تا اینکه مدیران بازاریابی تصمیم گرفتند نی و نارنجی را با شکوه سابق خود بازگردانند.
واضح است که کدی برای موفقیت در بسته بندی وجود دارد که دانشمندان و دست اندرکاران بازاریابی هنوز نتوانسته اند آن را به طور کامل کشف کنند. با این وجود ، طی سالهای اخیر ، پیشرفتهای چشمگیری حاصل شده است ، هم در زمینه پیش بینی موفقیت و هم در تعمیق درک ما از اینکه اصول طراحی در نتیجه این نتایج مطلوب است. در این مقاله ، ما کشف خواهیم کرد که بازاریابی عصبی برای پیش بینی و افزایش موفقیت بسته بندی چه پیشنهادی دارد.
آیا می توان فروش محصول را از بسته بندی پیش بینی کرد؟
تحقیقات Unravel ، همراه با Royal Verkade ، یک مطالعه پیشگامانه در مورد پیش بینی فروش محصولات جدید با داده های علوم اعصاب انجام داد. این مطالعه شامل 16 محصول تازه راه اندازی شده در گروه کوکی ها و میله ها بود که در بین 30 پاسخ دهنده آزمایش شد. محصولات به سه روش دیجیتال مستقل ، دیجیتال روی قفسه و فروشگاه ماکت فیزیکی ارائه شده است. این به ما اجازه می دهد تا تجزیه و تحلیل کنیم که کدام روش جمع آوری داده ها منجر به اطمینان ترین داده برای پیش بینی فروش می شود.
به منظور مشخص کردن ارزش افزوده فناوری های عصبی بالاتر و فراتر از داده های گزارش خود ، این مطالعه شامل ردیابی چشم و EEG ، و همچنین یک بررسی سنتی و داده های انتخاب شده است. ما علاقه مند به پیش بینی نتایج واقعی در سطح بازار بودیم. بنابراین ، ما یک تحلیل رگرسیون انجام دادیم که در آن میانگین فروش هفتگی هر محصول به ازای هر سوپرمارکت در هلند در سال 2019 به عنوان متغیر وابسته عمل می کند. از آنجا که این مطالعه شامل یک گروه واحد با محصولات مشابه بود ، ما قادر به انجام تجزیه و تحلیل رگرسیون در فروش واقعی بودیم بدون اینکه نیازی به کنترل تفاوت های پایه بین این دسته ها باشد.
نحوه موفقیت هر روش چگونه بود
با کمال تعجب ، ردیابی چشم بهترین روش مستقل برای پیش بینی فروش بود. پتانسیل طراحی بسته برای جلب و نگهداشتن توجه آن 62.6٪ از واریانس فروش را توضیح داده است. به خصوص معیار زمان تثبیت و نسبت تثبیت به شدت با فروش ارتباط دارد.
ثانیا ، انتخاب در طول آزمایش انتخاب ما (به پاسخ دهندگان اجازه داده شد یکی از 16 کالای موجود در فروشگاه ما را ببرند) رفتار در فروشگاه نیز بسیار پیش بینی کننده بود و 56.5٪ واریانس را توضیح می داد.
در مرحله بعد ، EEG 32.9٪ از واریانس فروش را توضیح داد. جالب توجه است ، معیار اجتناب از رویکرد به طور گسترده ای که با عدم تقارن پیشانی نشان داده می شود ، فقط انتخاب فردی را پیش بینی می کند اما فروش در سطح بازار را ندارد. در عوض ، همزمانی عصبی در طول 5 ثانیه قرار گرفتن در معرض محرک به عنوان پیش بینی بهتری از نتایج فروش است.
ما حدس می زنیم که عملکرد متوسط عدم تقارن پیشانی ممکن است به گروه وابسته باشد. از آنجایی که دسته کوکی ها و میله ها با معضل بین افراط در خوردن میان وعده های خوشمزه و خوردن غذاهای سالم مفید دسته بندی شده است ، یک پاسخ اجتناب از رویکرد صرف ممکن است کل ماجرا را بیان نکند.
قدرت پیش بینی بالاتر همزمانی بین سوژه قابل توجه است ، زیرا ، به گفته ما ، این اولین مطالعه است که به جای محرک های پویا (تبلیغات ، تریلرها) ، این معیار را در محرک های استاتیک در معرض کوتاه قرار می دهد ، که قبلاً به نظر می رسد موثر است.
سرانجام ، نظرسنجی 21.7٪ از واریانس را توضیح داد. اگرچه تفاوت های روشنی در عملکرد بین روش ها وجود دارد ، اما به احتمال زیاد قدرت پیش بینی به طور گسترده ای در گروه ها متفاوت است. به عنوان مثال ، در دسته های بسیار واضح (مانند کوکی های موجود در مطالعه حاضر) ، نیاز به توجه فوری ممکن است قدرت داده های ردیابی چشم را افزایش دهد ، در حالی که دسته های دارای کیفیت ممکن است اهمیت EEG را افزایش دهند.
در حالی که روش ها به وضوح در ظرفیت توضیح داده های فروش متفاوت بودند ، ما علاقه مند بودیم که این مدل ها را در مدل های جامع تری ترکیب کنیم تا از نظر قدرت پیش بینی مکمل آزمایش کنیم. از بین همه روش ها ، EEG بیشترین بهبود را در واریانس توضیح داده شده در بالا و فراتر از مدل پایه ردیابی چشم ایجاد می کند. به عبارت دیگر: EEG آنچه ردیابی چشم انجام نمی دهد را توضیح می دهد ، بنابراین آن را به بهترین گزینه برای یک روش مکمل تبدیل می کند. سرانجام ، ترکیب هر چهار روش در یک واریانس قابل توجیه توضیح داده شده 89.9٪ است.
آیا میتوان میزان موفقیت یک موسیقی را قبل از اکران پیش بینی کرد؟نورومارکتینگ به کمک موسیقی می آید
با این حال ، هنگام تفسیر علت و معلول احتیاط لازم است. از آنجا که تجزیه و تحلیل رگرسیون اساساً همبستگی دارد ، این بدان معنا نیست که عملکرد فروش به میزان واریانس توضیح داده شده ناشی از طراحی بسته است.
به احتمال زیاد ، واکنش کلی مردم نسبت به طراحی بسته از رپرتوار بسیار غنی تری از متغیرهای آمیخته بازاریابی ، مانند هویت برند ، تصویر قیمت گذاری ، تبلیغات و موقعیت معمول قفسه برای آن برند تشکیل شده است.
بنابراین احتمال دارد که کل واریانس توجیه شده ای که می توان با تحقیقات بسته بندی به دست آورد ، بسته به میزان دانش موجود ذخیره شده در حافظه در مورد مارک های دسته های مختلف ، به طور گسترده ای در گروه های مختلف متفاوت باشد.
شاخص های محصولات پرفروش
کدام معیارهای مشخص روشن ترین شاخص موفقیت هستند: علاقه ، جذابیت جهانی یا انتخاب؟
علاقه
با ردیابی چشم ، زمان تا اول تثبیت (همراه با توجه خودکار از پایین به بالا) ، میانگین زمان تثبیت (همراه با پردازش و علاقه آگاهانه تر) و نسبت فیکس (اندازه گیری جذابیت جهانی یک بسته) را اندازه گیری کردیم. در حالی که تمام معیارهای ردیابی چشم همبستگی شدیدی با میزان فروش نشان می دهند ، مشخصاً زمان اولین اصلاح ضعیف ترین است. واضح است که صرفاً برجسته ماندن برای انجام کار کافی نیست.
جذابیت جهانی
ما میزان جذابیت مشترک را از طریق ردیابی چشم (با استفاده از نسبت ثابت سازی قبلی ذکر شده) و EEG اندازه گیری کردیم. به منظور ارزیابی جذابیت مشترک از فعالیت مغز ، ما میزان همزمانی عصبی را در میان پاسخ دهندگان محاسبه کردیم. این معیاری از مغز چندین پاسخ دهنده است که “همگام سازی می شوند” ، و نشان می دهد همپوشانی بیشتری در پاسخ های عصبی آنها نسبت به محرک وجود دارد. هم نسبت تثبیت و همزمانی عصبی شاخص های اصلی عملکرد فروش بودند. این امر بر نیاز به طراحی بسته بندی برای به دست آوردن قلب مردم و پرهیز از انتخابهای متمایزتر “دوستش داشته باش یا از آن متنفر باش” تأکید می کند.
انتخاب انتخاب را پیش بینی می کند
با توجه به روشهای تحقیق سنتی تر ، قابل توجه است که یک آزمایش ساده انتخاب بیش از دو برابر پیش بینی یک نظرسنجی بود که محصول مورد علاقه و قصد خرید را زیر سوال می برد. از این رو محققانی که می خواهند یک تست بسته بندی سریع و مقرون به صرفه انجام دهند توصیه می شود محصول خود را در میان مجموعه گزینه های مختلف به نمایش بگذارند و به سادگی از پاسخ دهنده سوال کنند که کدام یک را می خواهند به خانه ببرند.
طراحی بسته بندی موثرتر
این داده ها پنج یافته مهم عملی را تأیید می کند که در ادبیات روانشناسی اخیر منتشر شده است:
- محصول را نمایش دهید. کنتراست های شارپ تصویر و پس زمینه به ویژه بسیار قدرتمند هستند ، زیرا اینها باعث ایجاد یک افکت فوری برای جلب توجه می شوند. یک روند بسته بندی جدید و قدرتمند در این زمینه پنجره شفافی است که کالاهای واقعی را در داخل نشان می دهد (Simmonds، Woods & Spence، 2018).
- کمتر بیشتر است. بسیاری از طراحی های بسته بندی با عملکرد ضعیف با توجه بصری پراکنده مشخص می شوند که ناشی از ادعاهای زیاد و شکوه بصری است. اکثر طراحی های با عملکرد بالا به سادگی دارای دو نقطه اصلی تثبیت بودند: محصول و برند.
- طراحی شلوغ قسمت بالا در مقابل پایین. موقعیت نمودار اصلی بسته ، انتظار مشتری از وزن محصول را تحت تأثیر قرار می دهد. طراحی های پایین شلوغ، که نمای اصلی در نیمه پایینی بسته را نشان می دهد ، باعث می شود مردم مقدار محصول را بیش از حد تخمین بزنند. اگرچه این سوگیری برای مواد شوینده و دانه های قهوه مفید است ، اما یک طراحی شلوغ قسمت بالا برای محصولات سبک و نرم بهینه تر است (Fenko، De Vries & Van Rompay، 2018).
- تناسب تایپوگرافی. برای محصولات خوراکی ، انتخاب قلم متناسب با طعم و مزه محصول موثر است. فونت های گرد با شیرینی ارتباط دارند ، در حالی که قلم های تیز و زاویه دار ترش و تلخ تر به نظر می رسند. (Velasco & Spence، 2019).
- از این حس فراموش شده غافل نشوید. درج اطلاعات لمسی ، مانند بافت های ملموس یا استفاده از چندین ماده ، حجم فروش را از طریق افزایش تعامل محصول افزایش می دهد. زیرا ، هنگامی که انگشتان خود را بر روی یک محصول قرار داده اید ، نه گفتن هزار برابر دشوارتر می شود (Spence، 2019).