ترسیم نقشه پاسخ های عاطفی مشتری به کمک EEG

هدف از این مطالعه ایجاد و توسعه الگوریتم تشخیص احساس بر اساس داده های EEG است. اگرچه مطالعه احساسات روشی کاملاً معمول در بازاریابی عصبی است ، اما بیشتر مدلهای موجود بر ویژگیهای جداگانه یک فرآیند عاطفی متمرکز هستند: عمدتاً بر تعامل عاطفی و ظرفیت. روش های پیچیده تر برای اندازه گیری حالات دقیق احساسی می تواند به شرکت ها کمک کند تا مشتریان ، رفتار آنها و تفاوت در درک تبلیغات توسط بخش های مختلف مخاطبان را بهتر درک کنند. یک مولفه عاطفی در درک برندها ، آرم ها ، بسته بندی ها و غیره اهمیت ویژه ای پیدا می کند. دانستن اینکه ترکیب خاصی از واکنش های عاطفی کلید قلب مصرف کنندگان است ، می تواند یافته مفیدی برای تولید تجاری باشد.

در این مطالعه ، هدف ایجاد یک مدل پیش بینی برآورد برجستگی هشت پاسخ عاطفی خاص بود که به طور بالقوه می تواند در ارزیابی درک محرک های تبلیغاتی مفید باشد. امیدواریم که نتایج به ما امکان دهد الگوی عاطفی محرک را آشکار کنیم و به درک پیچیده و متمایز تجربه مشتری بالقوه کمک کنیم.

رویکرد

به منظور شناسایی الگوهای خاص پاسخ های عاطفی ، ابتدا احساساتی را شناسایی کردیم که به نظر می رسید از منظر مطالعات تجاری روزمره ارزش مطالعه دارند.

در مرحله دوم ، ما محرکهای ویدئویی را از بین می بریم که احساسات شناسایی شده را برمی انگیزند. محتوای مختلف ویدئویی به صورت دستی از منابع مختلف انتخاب شده و ارتباط محرک ها با واکنشهای احساسی مورد انتظار تأیید شد.

در طول جلسه آزمایشی ، ما از شرکت کنندگان خواستیم که شرایط احساسی خود را ارزیابی و توصیف کنند. سپس همه ویدیوها را مطابق با پاسخ های جمع آوری شده در هشت دسته ادغام کردیم: تعجب ، محبت، حساسیت ، شادی ، خنده ، بی حوصلگی ، عصبانیت ، غم و ترس.

مطالعه آزمایشی تأیید کرد که پاسخ های عاطفی ناشی از فیلم های از پیش انتخاب شده ما برجسته و سازگار است (فقط یک نوع پاسخ احساسی به طور همزمان استخراج می شود و اکثر شرکت کنندگان به طور مشابه توصیف می کنند) پاسخ دهندگان (250 زن و مرد 25 تا 55 ساله) فیلم های انتخاب شده را مشاهده کردند که هدف آنها پاسخ های احساسی ذکر شده در بالا بود.

در مجموع 16 فیلم (دو مورد در هر گروه) با مدت زمان 10 تا 120 ثانیه نمایش داده شد. پس از هر ویدئو ، از شرکت کنندگان خواسته شد تا احساسی را که توسط ویدئو برانگیخته شده است ذکر کنند و پرسشنامه مختصری را توصیف کنند که وضعیت احساسی آنها را از نظر ظرفیت ، میزان درگیری و حضور هر یک از واکنشهای عاطفی مورد مطالعه با استفاده از مقیاس 10 درجه ای لیکرت شرح دهد.

داده های EEG به طور همزمان در طول مطالعه ثبت شد. انتظار می رفت داده های جمع آوری شده در یادگیری ماشین برای استخراج الگوریتم تشخیص احساسات استفاده شود.

نتایج

از داده های بدست آمده برای تعیین رابطه بین حالات احساسی ارزیابی خودکار و فعالیت EEG استفاده شد. پارامترهای متعدد EEG مانند توان طیفی ، آنتروپی شانون و انسجام بین هر یک از 20 الکترود باند تتا ، آلفا ، بتا 1 ، بتا 2 و گاما به عنوان متغیرهای مستقل در تحلیل قرار گرفتند. مقوله های پاسخ های عاطفی به عنوان هشت متغیر وابسته باینری اعمال شدند.

تبلیغات محیطی مانند بنرها و بیلبوردهای تبلیغاتی چقدر میتوانند توجه مخاطب را به خود جلب کنند؟ در این مقاله بیشتر بخوانید

برای هر پاسخ احساسی ، یک مدل پیش بینی ساخته شد. این مدل اجازه می دهد تا احتمال ظهور عاطفی در محرک محاسبه شود. هشت مدل (از هر احساس یک مدل) بر روی یک نمونه یادگیری محاسبه شد. نتایج دقت 56٪ تا 83٪ را در شناسایی احساس هدف نشان داد. نتایج مدل ها ، همراه با داده های جمع آوری شده ، یک الگوی عاطفی منحصر به فرد ایجاد می کند که درک پیچیده محرک ها را منعکس می کند. مقادیر پیش بینی شده حضور هر هشت احساس در هر ویدیوی آزمایش شده با نمایه های هیجانی خود ارزیابی بسیار ارتباط دارد.

نقشه احساسی مشتری
Samteno/How to engage customers Emotions

نتیجه گیری

یافته ها نشان می دهد که مدل های استخراج شده می توانند به عنوان معیارهای تشخیص احساس در داده های EEG مورد استفاده قرار گیرند ، که یک حالت عاطفی پیچیده را هنگام درک محرک های احساسی منعکس می کند.

معیارهای ایجاد شده ممکن است جزئیات بسیار کوچکی را نشان دهند که تبلیغات احساسی و به یاد ماندنی را از بسیاری دیگر متمایز می کند. این می تواند به بازاریابان کمک کند تا تبلیغات با کارایی بالا و “عملکرد فروش” با عملکرد بالا و هدفمند ایجاد کنند.

ما معتقدیم که الگوریتم تشخیص احساسات ما یکی از اولین مراحل در یک فرآیند طولانی مدت برای درک بهتر فرایندهای عاطفی پیچیده در مغز انسان است. با این حال پیشرفت اولیه دلگرم کننده به نظر می رسد. داده های بیشتر ، محرک های متنوع تر و محققان متعهد تر لازم است تا ابزارهای بهتری ایجاد کنند که به ما کمک کند احساسات مردم را بهتر درک کنیم.

اما این جایزه بسیار ارزشمند است. این سطح جدیدی از کاربرد بازاریابی عصبی را در دنیای تجارت ایجاد می کند و نه تنها به بازاریابی عصبی کاربردی و تولید تجاری بلکه به جامعه علمی نیز کمک می کند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.