一种混合神经营销方法,利用EEG图形信号处理和目光动态模式

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 数据科学数据科学数据科学

背景情况:

• 消费者意图分类对于营销至关重要.
• 现有的方法经常与不平衡的数据集和个体变异性作斗争.
• 结合神经生理学和眼睛跟踪数据,可以更丰富地了解决策.

研究的目的:

• 开发和评估用于二进制消费者意图分类 (买与不买) 的混合解码方案.
• 为了提高分类准确性,利用同步的脑电图 (EEG) 和眼睛跟踪数据.
• 评估方案在个体主体层面的表现,使用不平衡数据的适当指标.

主要方法:

• 一个混合解码框架,结合了EEG功能连接和眼睛运动模式统计的图形信号处理特征.
• 在不平衡的数据集上使用科恩的kappa和F1得分指标进行性能评估.
• 对个体水平的分析,以解释神经和行为模式的个体差异.

主要成果:

• 拟议的混合方案在统计学上显示出明显的优势,而不是竞争的方法.
• 平均科恩的卡帕和F1分数分别超过了0.08-0.30和0.06-0.23的基准值.
• 连接性分析显示,不同大脑区域之间的连接是一致的,功能连接的个体变化也很大.

结论:

• 集成多式联运数据的混合解码方法显示了推进消费者决策行为分类的巨大潜力.
• 主题特定的连接模式是理解和预测个人消费者意图的关键.
• 开发的框架为分析复杂的消费者选择提供了一个强大的方法.