Predicting Customer Perfection on Brands Functional Near-Infrared Spectroscopy Measurements

Abstract

Customer perception on the brands have importance to give strategic decisions by marketing professionals. In classical ways, customer perception on brands are researched through conducting field surveys. Similarly, neuromarketing discipline have studies on customer behaviors, their perceptions, communication techniques etc. under the frame of decision-making process of human. In neuromarketing, functional near-infrared spectroscopy (fNIRS) is a technology used to measure oxy and deoxy hemoglobin concentration in the tissues in order to enable to analyze hemodynamic responses of the brain activities. In this study, a group of participants’ activations of prefrontal cortex so the hemodynamic responses that were collected against a set of stimuli, which is a brand logo and adjective associated with the brand is used as dataset. Measured hemodynamic response metrics are oxygenated hemoglobin (HbO), deoxygenated hemoglobin (HbR), total hemoglobin (HbT) and Oxygenation (Oxy) and the dataset includes 168 participants’ measurements for 30 stimuli. In addition, the information regarding the responses of the participants and common perception of stimuli (field study results for same stimuli) are also exists in dataset. The aim of the project is to predict through machine learning algorithms whether relation between brand and the relevant adjective is Positive, Negative or Neutral using these feature set. As methodology of this study, fNIRS measurements in the data is cleaned and Null values are handled, measurements are consolidated per participant and stimuli with two different method as feature creation and classification algorithms are used as supervised learning to predict brand perception. In conclusion, performance of support vector classifier and XGBoosting algorithms are become very low, slightly over 50% accuracy despite the optimization with different classifier parameters. Further studies are addressed as performing feature engineering studies with different options.

Markalar üzerindeki tüketici algısı, pazarlama profesyonellerinin stratejik kararlar vermesi açısından önem kazanmaktadır. Klasik yöntemlerde, markalar üzerindeki tüketici algısı saha araştırmaları ile incelenmektedir. Benzer şekilde nöropazarlama disiplini de insanların karar alma süreci çerçevesinde tüketici davranışları, algıları, iletişim teknikleri vb. konularda çalışma yapmaktadır. Nöropazarlama alanında beyin aktivitelerinin hemodinamik karşılıklarını analiz edebilmek üzere dokulardaki oksijenleşen ve deoksijenleşen hemoglobin konsantrasyonunu ölçmek üzere fonksiyonel yakın kızılötesi spektroskopi (fNIRS) teknolojisi kullanılmaktadır. Bu projede, bir grup katılımcının, marka logosu ve bu markaya ithaf edilmiş sıfattan oluşan bir uyaran setine dayalı prefrontal korteks aktivasyonlarını, dolayısıyla hemodinamik sonuçları veri seti olarak kullanılmıştır. Veri seti 168 katılımcının maruz kaldıkları 30 uyaran neticesinde oksijenleşen hemoglobin (HbO), deoksijenleşen hemoglobin (HbR), toplam hemoglobin (HbT) ve oksijenlenme (Oxy) metriklerini içeren hemodinamik tepkileridir. Ek olarak katılımcıların verdiği cevaplara ilişkin bilgiler ve uyaran hakkında genel kabul görmüş algı da (aynı uyaranlar için saha çalışması sonuçları) veri setinde bulunmaktadır. Projenin amacı, makine öğrenmesi algoritmaları ile marka ve marka ile ilişkilendirilmiş sıfat arasındaki ilişkiyi Pozitif, Negatif ya da Nötr olarak sınıflandırarak tahminlenmesidir. Çalışma metodolojisi olarak veri setindeki fNIRS ölçümleri temizlenmiş, boş değerler ele alınmış, nitelik oluşturmak açısından katılımcı ve uyaran bazında ölçümler 2 farklı metot ile konsolide edilmiş ve marka algısını tahminlemek üzere güdümlü öğrenme ile sınıflandırma algoritmaları kullanılmıştır. Çalışma sonucu olarak, destek vektör sınıflandırıcı ve XGBoosting algoritmalarının performansı yapılan model optimizasyon çalışmalarına rağmen %50’nin çok az üzerinde doğruluk ile çok düşük belirmiştir. İlave çalışmalar olarak, farklı nitelik geliştirme işlemlerinin uygulanması gerekliliği adreslenmiştir.