fNIRS研究: 神经营销能否为传统营销研究增加价值?

 

神经营销学方法的成本-效用比,以及能否提供其他营销学方法无法提供的隐藏信息,决定了其能否应用于营销学研究。由于功能磁共振成像(fMRI)无法应用于现实环境、成本高昂,本研究检验了(可应用于现实环境、成本较低)的可移动型功能近红外光谱成像(fNIRS)应用于神经营销学的可行性。本文使用两个品牌、标签相关的实验讨论神经营销是否以及如何助力营销学研究,可以多大程度上克服目前的限制和挑战。
在两个实验中,发现了前额叶皮层活动存在差异,证明可以使用fNIRS测量品牌、标签相关的前额叶皮层激活程度。fNIRS是可移动的,并且允许在实验室外使用,这大大扩展了神经成像技术的适用范围,降低了神经成像技术的使用成本。本文发表在Journal of Business Research杂志。(可添加微信号siyingyxf18983979082获取原文及补充材料,另思影提供免费文献下载服务,如需要也可添加此微信号入群,原文也会在群里发布)
 
引言
 
解码“购物者大脑”这个黑匣子有望帮助我们更好地了解潜在的导致购买行为的大脑过程。因此,一门新的研究学科,神经营销学或称消费者神经科学,最近越来越受欢迎。神经营销学将神经成像技术与传统的营销研究、相关学科的理论和方法相结合,用来研究与各种营销刺激相关的人类行为。神经营销学的可以提供常见营销学方法无法提供的数据。人们越来越相信,监测被试正在进行的神经活动,无需直接询问被试,神经营销可能提供隐藏的数据,例如感觉、情绪、价值观、记忆甚至判断。
为了更好地理解情绪、价值观在经济决策中的作用,神经营销研究侧重于负责决策、行为的潜在神经生理学与生物学过程。目前有充分证据表明前额叶皮层(PFC)是大脑进行感官评估的重要部分。PFC参与调节决策调节和记忆工作,尤其与情绪评估、价值观有关。
尽管近期神经影像学方法的成本不太可能低于其他方法,但市场研究人员看到了脑成像和其他神经营销方法的潜力。首先,神经成像可能更有效地权衡效用和成本。这一潜力的前提是消费者在表达偏好时无法完全传达真实的想法,而他们的神经元活动或其他生理信号包含着更能反应真实偏好的隐藏数据。这种隐藏数据可能可以应用于影响消费者的购买行为,继而神经营销研究的高成本将被产品设计改良和收入提高的效用所抵消。初步研究表明神经营销方法不仅可以反应消费者喜欢什么,还可以突出他们将要购买什么。
其次,神经营销提供了更精确的营销研究方法,可以更早地应用于产品设计,尤其是品牌和标签的使用。这一潜力的前提是与传统市场研究的实验数据相比,神经营销数据能够显示更准确的潜在偏好,并且不容易受到主观评估方法中经常出现的不确定性的影响。具有不同特征指标的产品概念可以更快地被评估,在产品开发过程的早期阶段淘汰那些不令人满意的概念。神经营销的应用将允许我们更有效地分配资源,开发更有前途的产品概念。不少研究已表明神经活动可用于识别品牌偏好、品牌选择、品牌价值体验、标签。然而,尽管产品包装和设计是消费者与品牌之间最密切的触点之一,迄今为止却很少有相关的神经营销研究。考虑到神经成像技术的利益承诺和附加价值,很少有研究能够得出实证结果。
造成该现象的一个主要原因是大部分结果通过功能磁共振成像(fMRI)得出,这是最流行、最常用的神经成像技术fMRI的优点在于高且精细的空间分辨率,但这一优势在一些场景下会被严重的缺点所抵消,尤其是研究现实世界的行为时。当参与者在狭窄且噪声很大的扫描仪环境中静止不动、暴露于不切实际的刺激时,其神经活动是否真的有效需要质疑。
因此,我们看到了功能性近红外光谱成像 (fNIRS)作为一种创新神经成像方法的巨大潜力。fNIRS是一种非侵入式光学成像技术,通过采集脑血流(CBF)在神经活动期间创建局部脑区的血氧图。由于脱离了fMRI的一些关键限制,fNIRS的大脑激活测量具有很大的潜力。fNIRS具有可移动性、成本较低,允许我们测量被试在现实世界中自由移动的数据。由于舒适、能适应身体运动,fNIRS具有高度的便携性,被认为是神经经济学研究的一项重大创新。     
尽管fNIRS是一门新兴的神经科学技术,不少实验室内与实验室外的研究已证明了其测量皮质激活的可靠性和有效性。研究人员尝试将其应用于更真实、更贴近自然环境的研究——如在城市中行走、驾驶汽车、使用飞机模拟器飞行、打乒乓球与弹钢琴、逼真的杂货店购物氛围。      
fNIRS一类的神经营销方法和技术能否真正在营销研究中发挥作用取决于三个基本问题:
1)神经营销能否公开其他技术中无法显示的隐藏数据?
2)它能否提供比传统营销研究方法更有效地协调成本与效用(cost-utility trade-off)?
3)它能否在早期(概念时期)提供有关产品设计或特征规格的有用数据?
神经科学、神经影像学应用于营销研究是否真的有用,是否值得作为传统营销研究之外的新方法仍缺乏讨论,因此本文旨在研究该问题。本研究进一步促进了fNIRS的使用,从而降低了神经营销研究的成本、提高了可用性,有助于神经营销为营销研究增加价值。此外,我们支持Lee等人提议的扩大使用方法的范围,通过两个小型fNIRS实验证明了该方法应用于神经营销的可行性。由于很少有文章在品牌和包装设计中使用fNIRS,我们研究了在食品相关环境中使用移动式fNIRS进行神经营销研究的可行性,通过两个实验观察了强品牌、弱品牌各自的标签在食品相关环境下产生的影响。
第一个实验研究了有机和地区食品标签对前额叶皮层活动的影响。有机食品由于社会对健康、环境问题的关注而越来越受欢迎,本实验的有机标签使用德国著名的食品标签Bio-Siegel。地区标签使用原产地为本地的德国标签 (Regionalfenster)。在过去几年中,消费者也越发关注产品的地域性。本实验的假设为相较于没有任何标签的相同产品,有机、地区食品标签会导致PFC的活动增加。
第二个实验研究了饮用相同味道的可乐时强、弱品牌对PFC活动的影响。强品牌选择可口可乐和百事可乐,弱品牌选择Vita Cola和Topstar。在简单的味觉测试中要求受试者在看到标签后饮用少量的四种可乐。研究假设尽管受试者在每次测试中都饮用相同的可乐,饮用强品牌可乐和弱品牌可乐时PFC的激活会存在差异。许多fMRI研究表明强品牌和标签会导致PFC活动增加,而本实验的主要问题是移动式fNIRS是否也可以测量到该结果。     
食品相关的神经营销仅有少数实证研究,而解码“购物者大脑”黑匣的需求越来越迫切,急需我们讨论神经影像技术在市场调研中的应用。神经营销能否为传统营销研究增加价值?据我们所知,目前还没有神经营销研究实际强调了在自然环境中进行实验的困难。本文最后额外对神经营销面临的挑战进行了讨论,并探讨了神经营销是否真的可以为传统营销研究增加价值。
 
方法
本研究使用移动式fNIRS,在食品标签与口味测试中观察PFC的活动。本研究展开了两个不同的实验。第一个实验涉及八张食物图片,每张都标有三种不同的标签,要求受试者从中选择他们最有可能购买的一张。第二个实验包含四种不同品牌的可乐图片与饮料,被试在决定他们喜欢哪一款之前需要先品尝五次。接下来首先介绍fNIRS测量,接着描述实验刺激,最后详细说明两个实验的程序、设计和数据处理方法。     
 
功能性近红外光谱测量
fNIRS和fMRI测量的潜在生物学过程称为神经血管耦合(neurovascular coupling)。在这个过程中,大脑的活动增加了耗氧量,伴随着激活脑区脑血流量 (CBF) 的增加 。这种血液动力学反应会导致这些区域中氧合血红蛋白的数量明显增加,脱氧血红蛋白数量减少。因此,我们可以在小静脉(venule)中测量到过量的氧合血红蛋白,通常显示较高浓度的脱氧血红蛋白。在fMRI中,这种情况被描述为BOLD效应(血氧依赖水平,blood oxygen level dependency),通过该效应可以在被试暴露于刺激4至6秒后计算出他们的神经元活动。通过CBF的变化可以看到氧饱和度(oxygen saturation)的变化,并允许我们得出有关大脑皮层血流动力学过程的结论。多项研究表明,fNIRS测量到的信号与fMRI的BOLD信号相关,即便fMRI中的BOLD效应是通过氧合、脱氧血红蛋白之间的顺磁性差异(paramagnetic difference)来测量,而fNIRS中的类BOLD效应基于血流的固有光学吸收。基于神经血管耦合的过程,可以将fMRI与fNIRS的结果进行比较,因为fNIRS中的时间过程可以与fMRI中BOLD信号的时间过程进行等效分析。
1977年,Jobsis首先开始使用近红外光,使组织氧饱和度的变化可见;1985年,Ferrari及同事率先使用脑氧合(cerebral oxygenation)的方法。显然,fNIRS测量的发展还处于起步阶段。如今,研究人员使用波长在650nm到950nm之间的近红外光,光源直接放于前额上,将光以U形发送到光检测器,从而光线穿过前额的皮肤,主要被大脑中的氧合、脱氧血红蛋白吸收。由于近红外光必须两次穿过皮肤,因此会发生漫散射,可以看出血液中血红蛋白浓度的变化 。
为实现CBF的光学测量,本研究使用移动式的连续波fNIRS设备(NIRSport),在760nm和850nm两个波长上测量光信号,并以62.5Hz的采样率进行采集。本研究使用氯丁橡胶头带,包含八个近红外光源、七个探测器,以U形放置在被试的前额上,彼此相距3cm。PFC的拓扑布局如图1所示。

图1.测量前额叶皮层使用的光极布局地形图

本研究使用了NIRStim 4.0进行实验。我们使用NIRStar采集数据,因为有关实验设计的信息会自动从NIRStim发送到NIRStar。数据的预处理(控制原始数据、低通和高通滤波、校正运动伪迹、计算血流动力学状态及以下的统计分析)使用nirsLAB。

 

被试   
31名受试者参加了这两个实验,他们都是德国哥廷根乔治奥古斯特大学的学生,年龄介于20至27岁之间,18名女性,13名男性,视力正常或接近正常。向受试者解释实验程序后,受试者提供了口头的知情同意。
与fMRI测量相反,fNIRS没有排除被试的标准,因为它是一种非侵入式的测量方法,使用近红外光可以看到血氧浓度的变化,这是无害且无副作用的。此外,fNIRS比fMRI测量更便宜、更省时,因此我们的实验可以包含相对更多的被试。   
  
实验程序      
受试者被告知实验由两个不同的部分组成,实验一包含八种不同的食品,以随机顺序一个一个地展示,每种食品都显示了三种标签,总共需要查看24张食品图片:一张贴有有机食品标签,一张贴有地区食品标签,一张没有任何标签信息(如图2所示)。  
受试者被要求仔细查看这些图片,然后决定他们更愿意购买八种食品*三种标签的哪一个。      
 
实验二包含四种不同可乐饮料的简单口味测试(如图3所示)。      
受试者在看到可乐品牌的标签后需要饮用少量可乐。被试以随机顺序喝四种可乐五次,然后将每种可乐的味道从 1=“一点都不喜欢”到 8=“很好喝”。受试者不知道的是,尽管这些可乐各自贴有不同品牌的标签,但所有杯子里装的可乐都是来自德国折扣店的同一款。      
在实验过程中,受试者坐在一个用于显示不同刺激的屏幕前的椅子上。由于被试都是右利手,四个装有可乐的不同标签的杯子放在屏幕右侧。杯子放置的位置允许被试可以用一只手轻松触碰到,且身体、头部不需要明显运动,这可以避免强烈的运动伪迹。
 
2.4.实验设计      
为了避免被试弄混,两个实验一起呈现给了受试者。实验一是食品标签实验,实验二是可乐口味测试。两个实验总共包含11种不同的条件(C),这些条件以block形式呈现。条件C1.1-C1.3属于食品标签实验,实验一呈现了八种不同的食物刺激:苹果、鸡蛋、草莓、肉、牛奶、胡萝卜、意大利腊肠、西红柿。选择这些产品的原因是它们都可以在普通超市购买到,并且通常包含以下三种条件:有机的、地区的或无标签。      
条件C1.1、C1.2和C1.3分别代表了八种产品的有机标签、无标签、地区标签。每张图片只显示一次,每个标签都显示了八次,但每次都显示在不同的产品上(如图4所示)。      
条件C2.1–C2.4和C2.5–C2.8是可乐口味测试的一部分。条件C2.1、C2.2、C2.3、C2.4代表可乐罐的图片:百事可乐、可口可乐、Vita Cola、Topstar。条件C2.5、C2.6、C2.7、C2.8(如图5)要求被试喝一口相应可乐。   

图2.不同类标签的食品图片示例。
八张食品图片都被贴上了三种不同的标签:有机标签、没有标签信息、地区标签
 

图3.四种不同的可乐饮料
所有图片、说明显示后会有一个间隔(CR)。受试者将看到了一个注视点:告知被试间隔(休息)是为了让他们的神经活动恢复到基线水平。      
两个实验 (C1.1–C2.4) 和间隔 (CR) 的所有图片显示6秒,欢迎指令持续18秒。喝一口可乐(C2.5-C2.8)的说明显示18秒,在此期间被试必须品尝可乐。实验一的每个图片只显示一次,包含三类标签(3个block),而实验二的每个block的一种饮料会重复五次。因此,受试者总共需要喝20口可乐。任务中图片的持续时间为6秒是因为BOLD效应在神经元活动后大约4秒出现。对于任务说明和饮酒任务,时间做了相应的调整。为避免Mayer波 ,即特征频率为0.1Hz (=10s) 的瞬时血流动力学波动(transient hemogynamic perturbation),持续时间不能定义为10秒的倍数。每个被试参与实验的总时长略高于21分钟。
在实验一中,每个被试观看的产品顺序都是相同的,但有机的、无标签和地区的标签以随机顺序显示。在实验二中,五次重复中每次可乐顺序也随机,然而在每次展示可乐图片后被试都需要喝一口可乐。      
实验结束后,要求受试者填写一份简短的问卷,收集有关他们购买有机、地区产品的行为、饮用可乐的频率、可乐口味测试的愉悦度等信息。首先,问卷再次显示了八种食物刺激各自的三种标签,首选必须用叉号标记。随后,被试陈述了他们喝可乐的频率以及购买地区有机产品的频率,范围从“从不”到“一天几次”。然后,四种不同的可乐标签再次显示,它们的口味以八分制进行排名:1=“一点都不喜欢”到 8=“很可口”。

图4.以意大利腊肠为例,食品标签实验的实验设计。
C1.1为有机标签产品,C1.2为无标签信息产品,C1.3为地区标签产品。
 

图5.以可口可乐为例,可乐口味测试的实验设计。

 

数据处理      

     记录数据之前,需要将设计的实验加载到NIRStim中以向受试者呈现刺激。准备好头带后,需要在NIRStar中校准探测器以优化信噪比。记录前检查各个通道的信号质量,并设置拓扑布局。当使用NIRStim向受试者呈现刺激时,它会同时将有关条件的信息传输到记录软件NIRStar上。实验结束后,数据将加载到分析软件nirsLAB中,那里标记了不同的条件并详细定义了它们的持续时间。光源和探测器之间的距离设置为3cm,以实现光的最佳散射。为确保一致的高质量数据,首先检查原始数据并排除坏通道。nirsLAB将坏通道定义为: 变异系数>15%、增益设置<8信噪比有随增益值增加而降低的趋势。在这两种情况下需要从分析中排除坏通道,这也突出了在采集数据前检查所有通道信号质量的重要性。为了将近红外光吸收转化为氧合、脱氧血红蛋白浓度,我们使用了最为普遍接受的改良的比尔-朗伯定律 (modified Beer-Lambert law) ,之后应用高、低频滤波消除与实验范式无关的波动。为计算血液动力学状态,首先需要设置参数,这里对这些血红蛋白值使用了格拉茨频谱(Gratzer spectrum)。计算血流动力学状态后,通过绘制时间序列数据、映射血流动力学状态再次检查每个被试的通道质量。

数据分析的第一步,每个受试者的数据进行一阶分析。研究仅使用氧合血红蛋白数据,其已被证明与脑血容量更相关、有更高的信噪比。我们通过血液动力学响应函数(hrf-specification)修改了基函数,估算一般线性模型系数后,在不同条件下比较PFC神经活动显著的单个被试的SPM结果,使用单侧t检验来测量条件之间的差异。由于使用了氧合血红蛋白数据,在计算一种条件下PFC激活程度高于另一种条件时,结果仅包含显示显著正t值的通道。对每个测量位置(光源-检测器组合)的每个条件都进行了t检验做比较,显著性水平设置为10%(p值=0.1)。单个对比图像用于二次分析,测量组内所有被试间神经活动的显著差异,对所有受试者再次进行二阶分析。为了比较激活通道的数量及强度,每个脑图的最小值设置为-10,最大值设置为+10。在nirsLAB的颜色代码中,红色表示正t值,是强激活。
 
如您对近红外,脑电等数据处理感兴趣,请点击以下链接了解可添加微信号siyingyxf18983979082咨询,另思影提供免费文献下载服务,如需要也可添加此微信号入群):

北京:

 

第十六届近红外脑功能数据处理班(北京,10.28-11.2)

 

第十九届脑电入门班(北京,10.10-15)

 

第十届脑电信号提高班(北京,10.16-21)

 

第三十三届脑电中级班(北京,11.3-8)

 

第四届脑电机器学习班(A版本,北京,11.17-22)

 

南京:

 

第十七届近红外脑功能班(南京,11.19-24)

 

第二届任务态功能磁共振提高班(南京,11.30-12.5)

 

重庆:

 

第十八届近红外脑功能数据处理班(重庆,12.7-12)

 

第二十届脑电入门班(重庆,11.8-13) 

 
上海:
 

第三十二届脑电中级班(上海,10.20-25)

 

第一届脑电机器学习班(B版本,上海,10.27-11.1)

 

第十届任务态功能磁共振数据处理班(上海,11.2-7)

 

第十一届眼动数据处理班(上海,11.9-14) 

 

数据处理业务介绍:

 

思影科技EEG/ERP数据处理业务

 

思影科技脑电机器学习数据处理业务
 

思影科技近红外脑功能数据处理服务

 

思影数据处理服务六:脑磁图(MEG)数据处理

 

思影科技眼动数据处理服务
 
招聘及产品:

 

招聘:脑影像数据处理工程师(上海,北京)

 

BIOSEMI脑电系统介绍
 
目镜式功能磁共振刺激系统介绍
 
结果
为了解释品牌、食品标签对PFC活动的影响,我们设置了两个不同的实验,分别研究强、弱品牌和标签在食品相关场景下的不同影响。本节介绍了两个实验的一节分析结果。首先对问卷结果进行一般性描述以更好地了解被试,然后显示食品标签的选择结果、可乐口味测试的描述。        
问卷调查结果        
完成fNIRS测量后要求所有被试填写一份简短的问卷,以收集他们对有机和地区产品的购买行为、饮用可乐的频率、可乐口味测试的愉悦度评分的相关信息,产生以下结果。        
受试者平均每周购买、消费有机产品一到两次,平均每周购买、消费地区产品三到四次。        
但是,产品方面存在一些差异。从图6可以看出,超过一半的受试者会选择有机意大利腊肠和有机肉,相比之下草莓、西红柿、胡萝卜是否有机似乎不太重要。        
食品标签看起来很重要,因为大多数受试者不喜欢这些产品的无标签图片。就可乐的整体口感而言(综合最佳、最差评级),受试者对百事可乐的评价最高。受试者对不同可乐的最高、最低愉悦度评级得出的结果如图7所示,知名品牌可口可乐和百事可乐获得了最高评级。

图6.八种不同食物图片的标签偏好。受试者需要为他们将购买的带标签的产品。

 

图7.根据受试者给出的最高/最低排名对可乐品牌的愉悦度进行评级。

 

食品标签实验 
实验一的目的是证明,相较于没有任何标签或生产方法相关的信息的相同产品,有机标签和地区标签都会导致前额叶皮层的活动增加。为了回答这个问题,针对条件 C1.1-C1.3(C1.1=有机标签,C1.2=无标签,C1.3=地区标签)。t检验用于测量条件之间的差异,显著性水平设置为10%(p值=0.1)。表1显示了所有条件间的比较分析结果。 
如上所述,标签有望增加PFC的大脑活动;因此,第一个假设是与没有任何标签(C1.2)的相同产品相比,有机标签(C1.1)的产品会导致PFC显著激活。93%的受试者的数据符合这一假设(见表1:C1.1>C1.2)。地区标签(C1.3)和无标签食物刺激(C1.2)之间的比较预计也会有类似的结果。实验结果证明了这一点,因为90%的受试者表现出大脑显著激活(见表1:C1.3>C1.2)。由于有机标签在德国广为人知且很常见,因此我们预计它会对PFC活动产生最大的影响。研究进一步假设有机标签会比地区标签引起更强的激活,97%受试者的结果符合这一假设(见表1:C1.1>C1.3)。具体来说,这意味着94%的有机标签和90%的地区标签相较于无标签信息的食品图片,至少有一个fNIRS通道的激活显著增加。然而,这种活动的增强不能转移到整个组水平,因为二阶分析的结果中,没有产生任何支持假设的显著结果。对此的第一个解释是,一些被试显示出不同数量的显著激活通道,此外激活强度在不同通道间也有所不同。
 
3.3.可乐口味测试
实验二的假设是,针对口味测试和查看不同可乐品牌的图片,与弱品牌Topstar、Vita Cola相比,强品牌的可口可乐、百事可乐对PFC的激活程度更高。本研究执行了一阶分析。表1显示了不同条件之间的比较结果。我们比较了百事可乐(C2.5)、Topstar(C2.8)的口味及其品牌线索(百事可乐=C2.1,Topstar=C2.4) 的结果:90%的受试者在查看百事可乐图片时表现出比Topstar更强的PFC活动(见表1:C2.1>C2.4),但这在味觉测试中仅适用于77%的受试者(见表1:C2.5>C2.8)。
可口可乐在排名、口味方面与Vita Cola进行比较。可口可乐被大多数受试者评为最喜欢的,但Vita Cola有不同的评价:84%的受试者在查看可口可乐品牌提示(C2.2)时表现出PFC活动强于Vita Cola(C2.3)(见表1:C2.2>C2.3),而在口味测试(可口可乐=C2.6,Vita Cola=C2.7)中90%的受试者表现出PFC活动加强。可口可乐和百事可乐都被认为是强品牌,可口可乐被大多数人选为最喜欢的品牌。因此,可口可乐(C2.2)和百事可乐(C2.1)之间的比较也有可能出现显著差异:与查看百事可乐图片相比,95%的被试在查看可口可乐图片时表现PFC活动的增加(见表1:C2.2>C2.1)。百事可乐的口味评价是最令人愉悦的,其次是可口可乐,因此也对两者的口味测试进行了分析,结果显示,与饮用可口可乐相比,饮用百事可乐导致87%受试者的PFC活动增加(见表1:C2.5>C2.6)。 
本研究对可乐口味测试实验也进行了二阶分析,但没有产生支持假设的任何显著结果。需要提到的是,本文除口味之外未讨论强品牌和弱品牌之间的其他主观差异,而这些在比较强、弱品牌时也起着重要的作用,且可能发挥更大的作用。由于实验的两个部分都缺乏二阶分析的结果,因此无法将个体结果转移到组水平,因此只能对个体被试进行陈述。结果表明,食品标签或强品牌对大多数受试者的PFC活动有显著影响。但是只有在组水平得出显著结果时,才能得到一般性结论。
表1.不同条件间的SPMt Level 1阈值(氧合血红蛋白,Hboxy)结果

在0.10的水平上显著。n.s.=该情况下未测量到神经激活的显著差异。每一行是一个被试,每一列是一个条件比较。

C1.1=有机标签,C1.2=无标签,C1.3=地区标签,C2.1=百事可乐,C2.2=可口可乐,C2.3=Vita Cola,2.4=Topstar,C2.5=百事可乐饮用说明,C2.6=可口可乐饮用说明,C2.7=Vita Cola饮用说明,C2.8=Topstar饮用说明。由于结果中仅包含正t统计值,因此只能比较0(绿色)到+10(红色)的值。

 

结论
神经营销、神经影像学这类技术,如本研究中使用的fNIRS的持续发展表明,神经营销很快将能揭示消费者对产品特征(如标签、品牌)的偏好的隐藏数据。尽管这些数据可能促进设计后的销售工作,但其真正的潜力在于在设计过程中使用神经成像技术可能影响到包括食品在内的各种商品。总而言之,本研究率先使用 fNIRS技术来测量品牌、标签对前额叶皮质活动的影响。与没有标签的相同产品相比,有标签的产品会导致PFC的神经活动显著加强。此外,与弱品牌可乐Topstar和Vita Cola相比,被试消耗、观看强品牌可口可乐、百事可乐的品牌提示时PFC的激活显著增强。品牌的影响看起来如此之大,以至于被试没有注意到他们所喝的四种饮料实际上都是一样的。由于无法生成组数据来比较结果,因而无法对不同的PFC区域进行分类。因此,我们建议在未来的实验中使用更多通道的fNIRS设备。      
尽管如此,本研究显示了fNIRS应用于神经营销研究的可行性。移动式fNIRS是一种创新工具,可以深入了解人们的大脑活动,与fMRI相比具有显著优势。它在神经营销、经济学研究方面具有相当大的潜力。在未来研究中,可以应用于更贴近现实生活的环境,提高信号质量、生成标准化的大脑映射来比较实验结果。
 

如需原文及补充材料请添加思影科技微信:siyingyxf18983979082获取,如对思影课程及服务感兴趣也可加此微信号咨询。另思影提供免费文献下载服务,如需要也可添加此微信号入群,原文也会在群里发布,如果我们的解读对您的研究有帮助,请给个转发支持以及右下角点击一下在看,是对思影科技的支持,感谢!

 

微信扫码或者长按选择识别关注思影
非常感谢转发支持与推荐
 

欢迎浏览思影的数据处理业务及课程介绍。(请直接点击下文文字即可浏览思影科技所有的课程,欢迎添加微信号siyingyxf18983979082进行咨询,所有课程均开放报名,报名后我们会第一时间联系,并保留已报名学员名额):

脑电及红外、眼动:

北京:

 

第十六届近红外脑功能数据处理班(北京,10.28-11.2)

 

第十九届脑电入门班(北京,10.10-15)

 

第十届脑电信号提高班(北京,10.16-21)

 

第三十三届脑电中级班(北京,11.3-8)

 

第四届脑电机器学习班(A版本,北京,11.17-22)

 

 

南京:

 

第十七届近红外脑功能班(南京,11.19-24)

 

上海:
 

第三十二届脑电中级班(上海,10.20-25)

 

第一届脑电机器学习班(B版本,上海,10.27-11.1)

 

第十一届眼动数据处理班(上海,11.9-14) 

 

重庆:

 

第二十届脑电入门班(重庆,11.8-13) 

 

第十八届近红外脑功能数据处理班(重庆,12.7-12)

 

核磁:

北京:

 

第四十七届脑影像基础班(北京,10.22-27)

 

第十六届脑影像结构班(北京,11.11-16) 

 

第五十一届磁共振脑影像基础班(北京,11.25-30)

 

第二十一届DTI数据处理班(北京,12.2-7)

 

南京:

 

第四十八届脑影像基础班(南京,10.10-15) 

 

第九届ASL数据处理班(南京,10.17-20)

 

第二十届DTI数据处理班(南京,10.21-26)

 

第二届任务态功能磁共振提高班(南京,11.30-12.5)

 

重庆:
 

第二十四届脑网络数据处理班(重庆,10.16-21)

 

第五十届脑影像基础班(重庆,11.19-24)

 

上海:
 

第三届脑网络数据处理提高班(上海,10.12-17)

 

第十届任务态功能磁共振数据处理班(上海,11.2-7)

 

第四十九届脑影像基础班(上海,11.16-21) 

 

第十九届脑影像机器学习班(上海,11.23-28)

 

第二十五届磁共振脑网络数据处理班(上海,12.3-8) 

 

数据处理业务介绍:

 

思影科技功能磁共振(fMRI)数据处理业务

 

思影科技弥散加权成像(DWI/dMRI)数据处理

 

思影科技脑结构磁共振成像数据处理业务(T1)

 

思影科技啮齿类动物(大小鼠)神经影像数据处理业务

 

思影数据处理业务三:ASL数据处理

 

思影科技脑影像机器学习数据处理业务介绍
 
思影科技EEG/ERP数据处理业务

 

思影科技脑电机器学习数据处理业务
 

思影科技近红外脑功能数据处理服务

 

思影数据处理服务六:脑磁图(MEG)数据处理

 

思影科技眼动数据处理服务
 
招聘及产品:

 

招聘:脑影像数据处理工程师(上海,北京)

 

BIOSEMI脑电系统介绍
 
目镜式功能磁共振刺激系统介绍
 

 

此处给个“在看”及“点赞”,让更多朋友关注思影