ارزش ویژه برند و تبدیل آن به یک محرک مهم در مغز مشتری

ارزش ویژه برند در حال تبدیل شدن به یک عامل مهم تر برای موفقیت یک شرکت است. برندهای قوی محصولات بیشتری را به فروش می رسانند ، می توانند محصولات را با قیمت بالاتری ارائه دهند یا می توانند مشتریان را به مشتریان وفادار تبدیل کنند. اما چگونه می توان یک برند ساخت؟ Neurensics مجموعه روشهایی را برای ساخت و افزایش ارزش برند توسعه داده است. در هسته اصلی این روشها این نظریه وجود دارد كه برند ترجیحی عاطفی است كه مبتنی بر انجمنهای ناخودآگاه است. شواهد این امر از تحقیقات در مورد شباهت شبکه های عصبی احساسات و سیستم های عصبی که به محصولات و برندها ارزش می دهند ، بدست می آید (Plassmann et al.، 2012). برندهای قوی فعالیت در مناطقی از مغز را برمی انگیزد که باعث می شود از آنچه می بینید ، می شنوید یا لمس می کنید احساس خوبی داشته باشید و می تواند این احساسات را افزایش دهد. آنها این هدف را با پیوند دادن نشانه های تجاری خود با ارزشهای ذاتی افراد به دست می آورند ، از خواسته های سطح پایین (مانند غذا ، جنس ، پول ، ستایش و غیره) تا آرزوهای سطح بالاتر (مانند استقلال ، عزت ، شهرت ، و غیره) (Alsem & Kostelijk، 2008).

اگر می خواهیم برندهای انجمن را افزایش یا تغییر دهیم ، باید مراحل ترجمه را برداریم. ما باید درک کنیم که چگونه برندها با آرزوهای سطح بالا و خواسته های سطح پایین پیوند می خورند ، که هر دو بخش عمده ای ضمنی هستند. از آنجا که روشهای سنتی تحقیقات بازار نمی توانند ضمنی را به خوبی ارزیابی کنند ، و fMRI “استاندارد” فقط به احساسات ثانویه می رسد که ترجمه آنها به مفاهیمی که بازاریابان و خلاقان می توانند با آنها کار کنند دشوار است ، ما برای پر کردن خلا به روشهای جدیدی نیاز داریم.

رویکرد

برای رسیدن به این هدف ، ما یک چارچوب 3600 ایجاد کردیم که هدف آن ایجاد برندهای تجاری از مغز به بالا است. در ابتدا ما با استفاده از یک وظیفه ارتباط ضمنی سریع (RIAT) ، ارتباطات سطح بالای ضمنی (یعنی ناخودآگاه یا ناهوشیار) با برندها را ترسیم می کنیم. با استفاده از RIAT مشخص می کنیم که کدام انجمن ها عامل اصلی رفتارهای هدفمند مصرف کننده مانند وفاداری ، قصد سوئیچ یا تبدیل هستند. مشتریان از این انجمن ها به عنوان ورودی برای تولید مواد بازاریابی استفاده می کنند. در مرحله بعدی ، ما از fMRI و یادگیری عمیق برای مدل سازی اینکه چگونه شبکه های مغز سطح پایین باعث ایجاد آن انجمن های سطح بالاتر می شوند ، استفاده می کنیم. سرانجام ، ما مدل ها را برای مفاهیم بازاریابی ، استوری بورد ها یا تبلیغات به کار می بریم تا اگر محرک های بازاریابی توسعه یافته واقعاً قادر به فعال سازی این انجمن ها هستند ، اعتبارسنجی کنیم. با مشتری خود ، ما این روش را در بازار بهداشت و درمان هلند به کار گرفتیم تا بهترین استراتژی را برای جذب مشتری های بالقوه بررسی کنیم.

نورومارکتینگ و روندی جدید در تبلیغات مدرن که میتوانید در این مقاله بخوانید و لذت ببرید

در مرحله شناسایی ، هدف ما تغییر مشتری غیر مشتری به عنوان رفتار هدف است. در یک گروه بزرگ (N = 1112) ما قصد تغییر نام تجاری مشتریان خود را به مارک های تجاری یا بالعکس داریم. در مرحله بعد ، گزینه ها و زمان پاسخ به جفت شدن نام تجاری با استفاده از RIAT (بصورت آنلاین) جمع آوری شد. این پاسخ ها برای تعیین کمی مناسب بودن ارتباط انجمن با نام تجاری مشتری نسبت به زمینه رقابت استفاده شد. مهمتر از همه ، ما داده ها را برای شناسایی ارتباطاتی که احتمال نمایش مقدار ارزش سوئیچ با استفاده از یادگیری ماشین را افزایش می دهند ، مدل سازی کردیم. چهار انجمن هدف جدا شده و توسط مشتری به منظور توسعه دو تبلیغات تجاری در سبک های مختلف مورد استفاده قرار گرفت. به منظور اعتبارسنجی تبلیغات تجاری ، ما با داشتن بازیگران حرفه ای ذهنی این ارتباطات را در اسکنر ، مدل های گروه شبکه را ایجاد کردیم. ما این حالت های ذهنی را از شبکه های احساسی سطح پایین با استفاده از یک چارچوب یادگیری عمیق مدل کردیم. این دو تبلیغات در برابر این شبکه ها در یک جمعیت مصرف کننده مورد آزمایش قرار گرفتند تا تأیید کنند که آیا واقعاً قادر به فعال سازی حالت های روانی هدفمند هستند.

ارزش برند
Google/Brand Equity

شکل 1 مراحل چرخه نام تجاری Neurensics system 1 برای مشتری سلامت ما. A: شناسایی مالکیت و قدرت پیش بینی انجمن ها. B: نمودار قابلیت اطمینان مرحله یادگیری ماشین. C: نتایج یادگیری ماشینی که منجر به انتخاب چهار انجمن هدف شد. D: برآورد خطی شبکه عصبی غیر خطی پیش بینی صداقت. E: نتایج دو تبلیغات تجاری در چهار انجمن هدف که 1 مورد تجاری از آنها انتخاب شده است. برای جزئیات بیشتر به متن مراجعه کنید.

نتایج:

RIAT برای بدست آوردن داده ها در سه بعد استفاده می شود (شکل 1A). محور x مالکیت انجمن را نشان می دهد: انجمن ها با چه قاطعیت اولویت برند را نسبت به رقابت پیش بینی می کنند. انجمنی در دست راست توسط مشتری برند و در سمت چپ تحت تسلط رقابت است. دو بعد دیگر نتایج تجزیه و تحلیل یادگیری ماشین را کمی می کند. محور y نشان می دهد که انجمن ها چقدر ارزش برند را پیش بینی می کنند. ارزش مثبت به معنای کمک مثبت به برند است .مقدار ، با مقدار بالاتر نشان دهنده قصد بالاتر برای تغییر است.

به همین ترتیب ، یک مقدار منفی نشان دهنده قصد کمتری برای تغییر است. آخرین بعد از زمینه ارتباط ، رنگ است. انجمن های قرمز درایورهای سیستم 1 هستند: سریعترین پاسخ ها بیشتر از ارزش های برند پیش بینی می کنند. انجمن های آبی درایورهای سیستم 2 هستند ، در اینجا پاسخ های کندتر از پیش بینی شده برای ارزش برند هستند. در مثال ، مراقبت متعلق به مشتری است و حد متوسط قصد سوئیچ را پیش بینی می کند (سیستم 1). قابل اعتماد متعلق به این رقابت است و به شدت پیش بینی سوئیچ (سیستم 2) را ایجاد می کند و آن را به یک انجمن هدف جالب برای جذب مشتریان جدید تبدیل می کند.

پس از یک مرحله اعتبار سنجی برای اطمینان از عملکرد مدل (پانل B) ، نتایج تجسم یافت (پانل C). مقرون به صرفه ، قابل اعتماد ، صادق و برجسته توسط مارک به عنوان انجمن های هدف در بالای ارزش های تجاری معمول مشتری (همدل و پایدار) انتخاب شدند. نتیجه این امر خلاصه ای از شرکت خلاق بود که دو تبلیغات تجاری در دو جهت انجام داده است. Neurensics شبکه های مغزی را پیش بینی کرد که این چهار ارتباط با fMRI و یادگیری عمیق (صفحه D) را پیش بینی می کند. این دو تبلیغ در برابر این شبکه ها در یک نمونه مصرف کننده نماینده آزمایش شده است. نتایج نشان داد که تبلیغات تجاری با هم توانستند از چهار انجمن سه انجمن را فعال کنند. Commercial 1 به عنوان تبلیغات اصلی این کمپین اجرا شد.

نتیجه گیری

Neurensics یک چارچوب 3600 برای اندازه گیری ارتباطات تجاری با توجه به این پیشنهاد که آنها باید ترجیحات عاطفی را بر اساس انجمن های ناخودآگاه ایجاد کنند ، ایجاد کرده است. ارتباطات با استفاده از وظایف سریع پاسخ ضمنی اندازه گیری می شوند ، که به شما امکان می دهد که چه انجمن هایی به طور مثبت یا منفی به ارزش برند کمک می کنند. سپس می توان برای تقویت استراتژیک انجمن های مناسب که یک برند را قادر می سازد به موقعیت منحصر به فردتری در زمینه رقابت برسد ، کمپین های هدفمندی ایجاد شود. قبل از پخش ، می توان تأیید کرد که آیا مواد تبلیغاتی واقعاً قادر به ایجاد انجمن های مناسب هستند.

اگرچه تحقیقات بازاریابی عصبی در سال های اخیر نوآوری های قابل توجهی را مشاهده کرده است ، اما ما همچنان باید به دو موضوع اصلی بپردازیم. بیشتر معیارهای مورد استفاده بسیار سطح پایین هستند و هیچ قدرت پیش بینی ندارند. انجام یک مطالعه IAT-EEG در مورد کوکاکولا را در نظر بگیرید. شما قدرت آلفا کم و ارتباط زیادی با مفهوم قند پیدا می کنید. آیا لازم است که جفت شدن کوکاکولا با شکر را تقویت کنیم؟ آیا باید فعالیت آلفا را افزایش دهیم و چگونه می توانیم به این هدف برسیم؟ ساختن مدل های ترجمه ای از ارتباطات به احساسات و محک زدن کیفیت پیش بینی با هوش مصنوعی ، دو مرحله مهم برای دور کردن بازاریابی عصبی از “blobology” و انتقال آن به سطح بعدی است.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.