Cognitive Neuroscience of Consumer Behavior講座心得分享
Published At:2019-01-07 
Views:858
 2019-01-07 updated

        Professor Ming Hsu 的研究領域,是結合基因、腦神經、及行為實驗等數據,使用Computational Modeling分析的方式(例如:機器學習、深度學習、人工智慧等),來了解人類決策的生理機制,並把模型分析得到的結果應用到真實世界中,期望能夠對廠商在品牌及行銷等方面有所幫助。在這場聚集了上百位師生的演講中,Professor Ming Hsu分享了他最近關於腦神經行銷學的研究。他應用了神經科學的人腦記憶迴路模型,結合消費者的選擇及記憶資料,預測品牌的市佔率。

  首先,講者利用傳統消費者心理學的知曉集合、考慮集合以及決策選擇的概念,分別發展出兩套截然不同的機制運算模型,分別是記憶存取以及偏好選擇。講者特別強調,大腦在運行這兩套機制時,是分別由不同的腦區所負責的。因此我們曾聽說,有的人雖然記憶力超凡,但卻常常在日常生活中,面臨選擇上的障礙,其實就是因為兩個腦區是獨立運作的。而過去的研究,常常為了簡化實驗過程,而將這兩種截然不同的運作機制混為一談,而根據這樣的做法,預測結果也相對不夠準確。因此講者在他的研究中強調,兩個機制必須先分開探討後,再行合流,才能真正提高模型的預測能力。最終,經過一連串的實驗證實,並以消費者的真實行為資料來進行比對,發現其模型的預測準確率高達為99%,實為驚人!

  其次,講者在演講中也提到,Word embedding是近年來文字探勘非常熱門的技術,主要是用來將文字轉換成向量,透過向量化可進行大量運算。好的Word embedding,是可以將「類似的」字詞在向量空間上是靠近彼此的,實務上,可以使用神經網路學習權重,以得到量化這些文字的方法。因此,類神經網路便是透過這樣的技術,提出一套新的演算方法,使每個字詞與前後字詞的向量相近,來訓練出含有每個字詞語義的字詞向量。最後,透過消費者問卷的填寫內容,可以將填答者記憶中的品牌,轉化為可以分析的數量資料,供後續的量化分析處理使用。

  講演內容雖然短暫,只有一個小時,但此講座帶給我們一個啟發,那就是透過更新穎的科學方法來對舊的理論進行重新考證,讓真理可以禁得起考驗,這則完全符合我們的科學研究精神。



                                                                                                                                                                                                                                                                                                                               撰文者/國際企業學系暨研究所博士生