A Gateway To Consumers' Minds - En.es

Recibido: 13 May 2018 Revisado: 21 Octubre 2018 Aceptado: 23 Octubre 2018
DOI: 10.1002 / wcs.1485
AVANZADA REV EW
Una puerta de entrada a la mente del consumidor: Logros, advertencias, y las
perspectivas de predicción basado en la electroencefalografía en neuromarketing
Adam Hakim 1 | Dino J. Levy 1,2
1 Escuela sagol de Neurociencias de la Universidad de Tel
Aviv, Tel Aviv, Israel En la última década, el campo de la neurociencia del consumidor, o neuromarketing, ha sido floreciente, con
2 Departamento de Marketing, Escuela de Coller de Gestión, numerosas publicaciones académicas, programas, iniciativas y empresas. La demanda de medidas neuronales
Universidad de Tel Aviv, Tel Aviv, Israel
objetivas para cuantificar las preferencias de los consumidores y predecir las respuestas a las campañas de
marketing está siempre en aumento, sobre todo debido a las limitaciones de las técnicas de marketing tradicionales,
Correspondencia
tales como cuestionarios, grupos focales y entrevistas. Sin embargo, la investigación aún tiene que converger en una
Dino J. Levy, Escuela Sagol de Neurociencias de la
Universidad de Tel Aviv, Tel Aviv, Israel. E-mail: metodología unificada o resultados concluyentes que puede ser aplicado en la industria. En esta revisión, se
dinolevy@post.tau.ac.il presentan el potencial de la electroencefalografía (EEG) basado en predicción preferencia. Resumimos la
investigación EEG anterior y proponemos características que se han mostrado prometedores en la captura de
proceso de evaluación de los consumidores, incluyendo componentes adquiridos a partir de un diseño de eventos
relacionados con el potencial, las correlaciones inter-sujetos, la asimetría hemisférica, y varias potencias de banda
espectral. A continuación, se revisan los hallazgos más recientes sobre los intentos de predecir las preferencias en
base a varias características de la señal del EEG. Por último, se concluye con una serie de pautas recomendadas
para la predicción. Principalmente, hacemos hincapié en la necesidad de demostrar que las medidas neuronales
contribuyen a la predicción de la preferencia más allá de lo que las medidas tradicionales ya ofrecen. En segundo
lugar, los estudios de predicción en neuromarketing deben adoptar las prácticas estándar y la metodología utilizados
en la ciencia de datos y modelos de predicción que es común en otros campos como la informática y la ingeniería. En
este artículo se clasifica en: Economía> Interactivo de toma de decisiones Economía> Psicología individual de toma
de decisiones>
PALABRAS CLAVE
neurociencia del consumidor, EEG, neuromarketing, la predicción
1| INTRODUCCIÓN
neurociencia del consumidor, o neuromarketing como se denomina fuera de la academia, es un campo relativamente nuevo. En la última década ha sido floreciente,
con mayor número de publicaciones que aparecen cada año y una creciente comunidad de científicos que realizan estudios en el campo. Esto ha dado lugar a una
gran cantidad de meta-análisis y revisiones (por ejemplo, Ariely y Berns, 2010; Fortunato, Giraldi, y Oliveira, 2014; Genevsky y Knutson, 2018; Harris, Ciorciari, y
Gountas, 2018; Hsu, 2017; Hsu y Yoon, 2015; Javor, Koller, Lee, Chamberlain, y Ransmayr, 2013; Karmarkar y Plassmann, 2017; Karmarkar y Yoon, 2016; Lee,
Brandes,
Cables Cogn sci. 2019; 10: e1485. wires.wiley.com/cogsci © 2018 Wiley publicaciones periódicas, Inc. 1 de 21
https://doi.org/10.1002/wcs.1485
2 de 21 HAKIM Y EXACCIÓN
Chamberlain, y Senior, 2017; MH Lin, Cruz, Jones, y Childers, 2018; Plassmann, Venkatraman, Huettel, y Yoon, 2015; Schneider & Woolgar, 2015; Smidts et al., 2014). En
los últimos 5 años, las escuelas de la parte superior de negocio (por ejemplo, la Escuela Wharton, Kellogg School of Management, Rotman School of Management, Escuela
Fox de Negocios, Gestión de MIT, RSM en el Erasmus, y más) han estado contratando un número cada vez mayor de los neurólogos y han puesto en marcha nuevos
programas e iniciativas en un intento de aplicar la neurociencia para las aplicaciones empresariales y teorías. Docenas de libros populares se han escrito sobre el tema
(véase la Búsqueda de Google), y las nuevas compañías están abriendo a un ritmo cada vez mayor (véase la lista en el sitio web o en NMSBA Hsu,
2017). empresas gigantes, como Nielsen y Ipsos, se han formado divisiones especiales dedicadas a la investigación de neuromarketing (véase Nielsen e Ipsos).
El campo ha surgido y desarrollado debido a dos fuerzas tanto no relacionados. En primer lugar, dentro de la industria del marketing clásico, hay una gran demanda de
métodos novedosos y superiores que pueden predecir el éxito de las campañas de marketing o nuevos productos. Es bien sabido que muchas campañas no alcanzan sus
objetivos, ya sea debajo de la reserva impacto deseado, el logro de rendimiento negativo de las inversiones o incluso fallar por completo (Stevens y Burley, 1997). Por ejemplo,
existe una amplia evidencia que muestra altas tasas de fracaso de nuevos productos - en cualquier lugar entre 40 y 80% (Castellion y Markham, 2013; Crawford, 1977). Tales
altas tasas de fracaso pueden llevar a consecuencias económicas muy severos, que asciende a mil millones de dólares (Clancy, Krieg, & Wolf, 2006), así como una pérdida de
reputación (Heidenreich y Spieth, 2013). De hecho, muchos de los comentarios relativos a la neurociencia del consumidor han discutido en la longitud de los problemas
actuales en la investigación de mercados y el papel que la neurociencia puede asumir en el alivio de ellos (Karmarkar y Plassmann, 2017; Karmarkar y Yoon, 2016; Plassmann
et al, 2015;. Smidts et al., 2014). Esta discusión importante no será el tema central de esta revisión, aunque se recomienda estas revisiones para lectura adicional.
En segundo lugar, dentro de la academia, expertos en marketing Gerald Zaltman y Stephen Kosslyn ya había desarrollado un gran interés en el empleo de métodos de
la neurociencia, la presentación de una patente en agosto de 2000 para “ neuroimagen como un medio para validar si un estímulo tales como publicidad, comunicación o
producto evoca una cierta respuesta mental, como la emoción, la preferencia o la memoria, para predecir las consecuencias de los estímulos sobre la conducta posterior
como el consumo o la compra. ” Pero incluso antes de esto, Krugman (1971) fue uno de los primeros estudiosos de marketing para utilizar la electroencefalografía (EEG) para
examinar la eficacia de la publicidad. Específicamente, se comparó entre la reacción de la actividad cerebral a comerciales de televisión y publicidad impresa (Krugman,
1971). Su clásico estudio incluyó un solo sujeto y un único electrodo; Recientemente se ha reproducido y ampliado por las normas modernas (Daugherty, Hoffman, Kennedy,
y Nolan, 2018). Varios años después de la investigación de Krugman, un equipo de investigadores de la comunicación estudió EEG respuestas a los anuncios de televisión
en una variedad de contextos, y presentó EEG características relacionadas con la atención, la memoria, la emoción, el reconocimiento, el aprendizaje, y verbal contra los
componentes no verbales de los anuncios (Reeves, Lang, Thorson, y Rothschild, 1989; Reeves et al, 1985;. Rothschild, Hyun, Reeves, Thorson, y Goldstein, 1988;
Rothschild, Thorson, Reeves, Hirsch, y Goldstein, 1986). Con el tiempo, la creciente y cada vez más influyente campo de la neuroeconomía dio lugar a un sub-campo
prometedor, neurociencia del consumidor, que se puede considerar su extensión natural en aplicaciones de la teoría de marketing y del mundo real.
2 | Aprovechar los conocimientos de las neurociencias a INFORM MARKETING
neurociencia del consumidor se refiere a diversos temas de investigación, desde el proceso de toma de decisiones y sus mecanismos neuronales complementarias, a través de los
correlatos neurales de la conducta de los consumidores, a preguntas de los consumidores más amplios (para una revisión de temas, ver Hsu y Yoon, 2015; Karmarkar y Plassmann ,
2017; Karmarkar y Yoon, 2016). En una importante vía de investigación, numerosos estudios han intentado aprovechar el conocimiento básico de cómo funciona el cerebro para
aplicaciones de marketing reales; esto, mediante el uso de los principios fundamentales y las leyes de nuestros sistemas cognitivos, y lo más importante, las limitaciones biológicas
del sistema nervioso. Estas aplicaciones pueden variar desde la comprensión cuales mensaje de marketing será el sucesor del, lo que los envases de usar, la mejor ubicación en el
estante más, o la estructura de color o texto a utilizar en un diseño de página web - para nombrar unos pocos. Hay abundantes ejemplos de cómo podemos aprovechar el
conocimiento neurocientífico del funcionamiento del sistema nervioso para ayudar a las campañas de marketing, packaging, diseño, etc.
Como un simple ejemplo, sabemos que la vista del ojo se deteriora a medida que envejecemos. Por lo tanto, los vendedores necesitan utilizar fuentes más grandes de
embalaje, páginas web y publicidad de productos dirigidos a los mayores. Además, sabemos que el tiempo mínimo requerido para permitir la presentación del sistema visual para
detectar y procesar la información (Bachmann, 1997; De Valois y de Valois, 1980; Schall, 1995; van der Helm, 2017; VanRullen y Thorpe, 2001). La presentación de los estímulos
más rápido o con una mayor frecuencia podría ser una pérdida de tiempo y dinero. Otro ejemplo de la aplicación del conocimiento en la comercialización neurocientífica arroja luz
sobre la eficacia (siendo controvertida) de subliminal anuncio. En presentaciones subliminales, hay que tener en cuenta que incluso si se ejerce alguna influencia sobre el
observador, activación y procesamiento neural está limitada (en comparación con las presentaciones supraliminales) y activará un menor número de regiones del cerebro durante
períodos de tiempo más cortos (King, Pescetelli, y Dehaene, 2016; Nakamura et al, 2018;. Van Opstal, de Lange, y Dehaene, 2011 ). Incluso si se obtiene un efecto de
comportamiento debido a las presentaciones subliminales, es muy corta duración y tiene que ser medido inmediatamente después de la presentación antes de que se disipa
(Charles, Van Opstal, Martí, y Dehaene,

HAKIM Y EXACCIÓN 3 de 21
2013; Dehaene, 2014; van Gaal et al., 2014). En última instancia, la investigación ha demostrado que el efecto subliminal sólo puede obtenerse de recompensas que uno
desea en el momento de la presentación, por ejemplo, un estímulo alimento o bebida cuando uno tiene hambre o sed (Winkielman, Berridge, y Wilbarger, 2005). Estos estudios
convergen a la conclusión de que la publicidad subliminal sólo puede inducir una cantidad muy limitada de influencia en el comportamiento del consumidor, y que los
vendedores podrían ser mejor buscar otro lugar. Dijksterhuis, Aarts, y Smith (2005) profundizan en esta cuestión en un capítulo titulado “ El poder de lo subliminal: En la
persuasión subliminal y otras aplicaciones potenciales ”( Hassin, Uleman, y Bargh, 2005). Ellos Visión general de la literatura relevante de la ciencia y la comercialización
concluyen que el efecto de la publicidad subliminal puede ser insignificante, pero que en las poblaciones más grandes se pueden acumular a las diferencias considerables que
podrían interesar a los anunciantes.
Otro ejemplo notable es la aplicación del conocimiento de los sistemas de percepción, la memoria, la atención y el procesamiento del lenguaje en el contexto de los
principios de la prominencia. El término prominencia se define como “ la cualidad de ser particularmente sensible o importante. ” Los anunciantes pueden emplear lo que
nuestro cerebro considera como relevante, según la investigación neuro-cognitivo. Por ejemplo, se sabe que la saliencia es relativa (Borji, Sihite, y Itti, 2013; Eckstein, 2011;
Evans et al, 2011;. Milosavljevic, Navalpakkam, Koch, y Rangel, 2012; Veale, Hafed, y Yoshida, 2017 ; Yarbus, 1967), que asistimos con más frecuencia a las partes de los
objetos que se encuentran en las esquinas superiores izquierda / derecha del nuestro campo visual (Chambers, McBeath, Schiano, y Metz, 1999), que contemplan las
fijaciones están sesgadas hacia el centro escena de estímulos naturales ( “ sesgo centro “) ( Manano, Wooding, y Ruddock, 1996; Manano, Ruddock, y Wooding, 1997;
Parkhurst, Derecho, y Niebur, 2002; Parkhurst y Niebur, 2003; Wooding, Ruddock, y Mannan,
1995), que a menudo nos dibujan observar caras (Becker, Anderson, Mortensen, Neufeld, y Neel, 2011; Frank, Vul, y Johnson, 2009; Langton, Derecho, Burton, y
Schweinberger, 2008), y que el desorden haremos por lo general eliminar la prominencia específica (Bialkova, Grunert, y van Trijp, 2013). Hay pruebas de que la formación de
valores y la elección se ven influidos por la cantidad, el tipo y calidad de la información que se percibe por el sistema visual (Wedel y Pieters, 2012b). Se ha demostrado que las
metas de los consumidores interactúan con sus movimientos oculares mientras ve los anuncios (Pieters y Wedel, 2007), y los efectos que los diferentes elementos de los
anuncios (texto, figuras, logotipo, tiempo de exposición) tienen sobre los movimientos de los ojos también han sido descritos (Wedel y Pieters, 2012a). Los anunciantes también
deben tener en cuenta el número de objetos o información que presentan en relación con la capacidad de memoria inherente de las personas (Luck y Vogel, 1997). Estas
nociones pueden conducir a ajustes ad que aumentan compromiso deseado, además de la manipulación de color, contraste, el movimiento, la orientación, intensidad y tamaño
de los objetos o imágenes. Con el tiempo, estas ideas maduradas en la noción de Los mapas de prominencia ( Itti & Koch, 2001; Koch y Ullman, 1987; Treisman y Gelade,
1980), y más tarde a los códigos de computadora que analizan automáticamente la prominencia de una imagen. Por otra parte, existen varias empresas comerciales que
ofrecen a utilizar el análisis de la prominencia de ruta para la investigación de mercados (EyeQuant, Neurosinc). Para una discusión adicional de esta línea de investigación, hay
algunos comentarios que demuestren la aplicación de los conocimientos de la neurociencia cognitiva para la mejora de los esfuerzos de marketing (Ariely y Berns, 2010;
Plassmann et al, 2015;. Plassmann, Ramsøy, y Milosavljevic, 2012).
3 | POTENCIAL de las predicciones neurocientífica BASADA
Otra importante vía de investigación, y de lo que habitualmente se entiende por el término neuromarketing, es la noción de que podemos emplear neural y otras mediciones
fisiológicas para mejorar la predicción del futuro éxito de marketing más allá de lo que se obtiene mediante mediciones no fisiológicas normales, tales como los cuestionarios ,
entrevistas, grupos de enfoque, y así sucesivamente. El énfasis de este esfuerzo no es reemplazar las mediciones actuales, que tienen sus ventajas, pero en lugar de introducir una
nueva capa de información predictiva que ha sido imposible de conseguir hasta ahora. En la revisión actual nos centramos en esta avenida: el uso de medidas neuronales para
mejorar la predicción de éxito de la comercialización. Nuestro objetivo es demostrar que se han realizado considerables progresos en la capacidad de predecir a partir de datos
neuronales, sino también que todavía hay un largo camino por recorrer para lograr resultados de la industria aplicables.
Varios métodos y señales neuronales pueden usarse hacia este objetivo. Revisamos brevemente las diferentes herramientas disponibles en la actualidad para los estudios de
neuromarketing, pero posteriormente centramos en uno solo, EEG, por sus ventajas relativas para los vendedores. A continuación, examinamos la literatura sobre las características
populares extraídos de los registros de EEG y su relación con los valores y las preferencias subjetivas. Seguimos este con tres distinciones importantes con respecto a los estudios de
predicción y continuar con una revisión exhaustiva de los últimos descubrimientos en las predicciones basadas en EEG de valores. Concluimos con una discusión de los desafíos del
campo y proporcionar sugerencias para el camino a seguir.
Otra revisión exhaustiva de la aplicación de EEG en la ciencia de los consumidores se ha publicado este año (MH Lin et al., 2018), por lo que
recomendamos su lectura junto a la nuestra. En su revisión, Lin et al. seguir el marco definido por Plassmann et al. (2015), que consta de cinco
aplicaciones de marketing generales de la investigación en neurociencias, de la siguiente manera: (a) los mecanismos de identificación; (B) medir los
procesos implícitos; (C) disociar entre procesos psicológicos; (D) la comprensión de las diferencias individuales; y (e) la mejora de las predicciones de
comportamientos (Plassmann et al., 2015). Si bien el examen por Lin et al. profundiza en cada punto de forma concisa, nuestro estudio puede ser visto
como un análisis y la expansión del punto 5 solos en profundidad, mientras discutimos varios temas relacionados específicamente con la predicción
basada en EEG y examinamos los estudios que hicieron tales intentos. Lin et al.
memoria, las actitudes, la toma de decisiones, las emociones y más, mientras se intenta establecer cómo EEG puede aplicarse expresamente a la predicción de las preferencias.
Particularmente, Lin et al. centrarse en un tipo específico de análisis del EEG, potenciales evocados (ERP), e incluir una revisión exhaustiva de las consideraciones de investigación y
metodológicos relacionados, mientras que presentamos varios candidatos a predictores de EEG, centrándose principalmente en el análisis espectral.
Ante todo, se presentan las razones que están impulsando los investigadores de neurociencia del consumidor para tratar de crear una metodología imparcial y objetiva para la
predicción de éxito en el mercado, y por qué esto podría beneficiarse en gran medida la investigación de mercados de consumo. A pesar de las medidas estándar de marketing tienen
cada uno sus propias ventajas y utilidad para la predicción, que contienen ciertos defectos fundamentales que en muchos casos conducen a conclusiones sesgadas. neurociencia del
consumidor tiene como objetivo superar estos defectos mediante mediciones neurofisiológicas menos sesgadas y para añadir una capa adicional de información que no se puede
obtener al utilizar medidas estándar. Como se ha mencionado, nos centraremos específicamente en EEG y hacer hincapié en sus logros, sino también llamar la atención sobre los retos a
los que aún no se han abordado en el campo.
4 | Las técnicas de marketing CLASSIC y sus limitaciones
Los cuestionarios son posiblemente el método más frecuentemente utilizado para obtener las preferencias individuales y evaluar el potencial de comercialización y el éxito comercial de
productos y anuncios. Son fáciles de distribuir, costo eficiente, práctico, rápido, escalable, y permiten el acceso a enormes cohortes de sujetos, en relación con los métodos de la
neurociencia (Birmingham y Wilkinson, 2003). De hecho, algunos estudios muestran que la neurociencia cuestionarios por sí mismos pueden explicar gran parte de la varianza en las
opciones del consumidor (Hakim et al, 2018;.. Venkatraman et al, 2015). Además, las entrevistas son una técnica cualitativa popular en la investigación de mercados que ofrece información
valiosa, sin embargo, se quedan cortos en la obtención de medidas cuantitativas y fiables para la predicción. Por otra parte, en lo que respecta a los cuestionarios y entrevistas, la
investigación ha demostrado que los diferentes métodos de obtención preferencia pueden resultar en diferentes respuestas (Fisher, 1993; Johansson, Hall, Sikström, Tärning, y Lind, 2006;
McDaniel, Verille, y Madden, 1985; Neeley y Cronley, 2004). Los cuestionarios pueden ser parciales o inexactos (Cummings, Harrison, y Rutström, 1995; Nisbett y Wilson, 1977), porque los
consumidores pueden o bien renunciar a exponer sus preferencias reales o que no pueden verbalizar una justificación para sus preferencias (Johannesson, Liljas, y Johansson, 1998 ; Lista
& Gallet, 2001). En teoría, es posible argumentar que los cuestionarios que refinan continuamente con el tiempo pueden resultar en una versión final que supera estos problemas y descubre
las preferencias precisas, imparciales y genuinos de los individuos. Sin embargo, creemos que esto es cierto sólo en teoría, como el Hall, Sikström, Tärning, y Lind, 2006; McDaniel, Verille, y
Madden, 1985; Neeley y Cronley, 2004). Los cuestionarios pueden ser parciales o inexactos (Cummings, Harrison, y Rutström, 1995; Nisbett y Wilson, 1977), porque los consumidores
pueden o bien renunciar a exponer sus preferencias reales o que no pueden verbalizar una justificación para sus preferencias (Johannesson, Liljas, y Johansson, 1998 ; Lista & Gallet,
2001). En teoría, es posible argumentar que los cuestionarios que refinan continuamente con el tiempo pueden resultar en una versión final que supera estos problemas y descubre las preferencias precisas,
cuestionario es inherentemente inalcanzable. De este modo, la puerta está abierta a la contribución de las medidas objetivas de la neurociencia.
El uso de grupos de enfoque, otra técnica clásica, puede proporcionar información valiosa sobre los procesos de elección dentro de un contexto social, que a veces no pueden ser
adquiridos con otros métodos, y estos grupos han sido realmente utilizadas para predecir el éxito en el mercado desde hace muchos años. Sin embargo, con respecto a las
predicciones del mercado exitosas, grupos de enfoque plantean algunas cuestiones que son difíciles de superar. Por ejemplo, tener uno o varios individuos dominantes dentro de un
grupo permite sólo una o unas pocas opiniones para ser escuchado, sesgar los resultados hacia las preferencias más abiertos. Las relaciones sociales también pueden interferir con los
resultados, como por ejemplo al usar grupos de enfoque que incluyen tanto grupos minoritarios y mayoritarios: miembros de la mayoría pueden construir los miembros de la minoría
informaron preferencias. Hay también una cierta probabilidad de que la dinámica de grupo que oscurecen algunos de los más controvertidos perspectivas debido a la tendencia de los
participantes para producir discursos normativos. Además, las conclusiones se basan fuertemente en el análisis y el juicio subjetivo del investigador en la comprensión de las
características interactivas de grupo (Smithson, 2000).
Por otra parte, el investigador o moderador tiene menos control sobre los datos producidos en grupos de enfoque que en los estudios cuantitativos, en la medida en investigación
de grupos focales es abierta y no se puede predeterminar o controlada en su totalidad. Esto es beneficioso en una variedad de contextos para la obtención de información valiosa,
pero es problemática en la obtención de información predictiva precisa, que podría alcanzarse en las estrictas y predefinidos configuración de experimentación neurocientífica
(Morgan, 1988). En una nota práctica, grupos de enfoque representativos pueden ser muy difíciles de montar, sobre todo por lo que desde los grupos de enfoque pueden desalentar
ciertas personas de participar, tales como aquellos que no son muy articulado o de confianza, y los que tienen problemas de comunicación o necesidades especiales. Por último, los
grupos focales no son totalmente confidencial o anónima, ya que el material es compartida con otros miembros del grupo. Por lo tanto, la discusión de grupo focal también puede
desalentar a algunas personas de confiar en los demás con la información confidencial o personal, dando sólo respuestas parciales y restringidos (Gibbs, 1997).
5 | A Comparativa de neural en la investigación de mercados
Varias herramientas neuronales están siendo utilizados en los intentos de predecir las preferencias del consumidor (para una revisión, ver Harris et al, 2018.), Tales
como fMRI (Berns y Moore, 2012; Couwenberg et al, 2017;. Falk, Berkman, y Lieberman 2012; Falk, Berkman, Mann, Harrison, y Lieberman, 2010; Falk et al, 2015;.
Falk, Morelli, Welborn, Dambacher, y Lieberman, 2013; Falk, O'Donnell, y Lieberman, 2012; Genevsky y Knutson , 2015, 2018; Helfinstein et al, 2014;. Kühn, Strelow,
y Gallinat, 2016; Lebreton, Jorge,
Michel, Thirion, y Pessiglione, 2009; Levy, Lazzaro, Rutledge, y Glimcher, 2011; Scholz et al, 2017.; A. Smith, Douglas Bernheim, Camerer, y Rangel,
2014; Tusche, Bode, y Haynes, 2010; Venkatraman et al, 2015.; ALABAMA. Wang et al, 2013.; Levy y Glimcher, 2012 para una revisión), MEG (Ambler,
Braeutigam, Stins, Rose, y Swithenby, 2004; Braeutigam, Stins, Rose, Swithenby, y Ambler, 2001), fNIRS (Cakir, Cakar, Girisken, y Yurdakul, 2018 ;
Krampe, Strelow, Haas, y Kenning, 2018;
CH Lin, Tuan, y Chiu, 2010), e incluso seguimiento de los ojos (Ramsøy, Jacobsen, Friis-Olivarius, Bagdziunaite, y Skov, 2017). En otros documentos se han centrado en las señales
fisiológicas y datos biométricos, principalmente la piel respuesta de conductancia / EDA, la frecuencia cardíaca, frecuencia respiratoria, dilatación de la pupila, la electromiografía facial, y
otros (Baraybar-Fernández, Baños-González, Barquero-Perez, Goya-Esteban, y de -la-Morena-Gómez, 2017; Gakhal y senior, 2008;. Petrescu et al, 2018). Sin embargo, en esta revisión
nos centramos sólo en los intentos utilizando EEG, ya que es la herramienta más común usado en la industria del marketing para medir las actividades del cerebro (véase la lista en la
página web NMSBA). Aunque la mayoría de los estudios pertinentes y revisadas por pares en el mundo académico utilizan resonancia magnética funcional, es menos probable que la
industria empleará fMRI debido a sus limitaciones prácticas.
Un escáner de resonancia magnética funcional tiene un componente muy grande, y el costo fijo es restrictivo e incómodo en la práctica, lo que limita seriamente la posibilidad de
generalizar y comerciales aplicaciones de los estudios de resonancia magnética funcional. Es caro para comprar ($ 1M PS 2M) y mantener ($ 100K PS 150K al año), se requiere una
instalación dedicada costoso, y es inmóvil. Por otra parte, el costo raya en el orden $ 500 PS 1000 por sujeto. Por último, también hay limitaciones técnicas de resonancia magnética funcional,
principalmente a una resolución temporal relativamente baja del orden de 2 s (Huettel, canción, y McCarthy, 2004). Esta resolución hace que sea difícil examinar las dinámicas rápidas de
señales neuronales que son relevantes para los mecanismos neurales que subyacen a la representación de valores. Por el contrario, los dispositivos más avanzados EEG costará alrededor
de $ 50K, requieren poco mantenimiento y soporte, y tienen un costo marginal muy bajo para llevar a cabo experimentos. Es importante destacar que, EEG también tiene una muy alta tasa
de muestreo, en el orden de 1 - 2 ms (Luck, 2014). Esto permite la identificación de cambios muy rápidos en la señal neuronal en escalas de tiempo cortas, del orden de 50 ms (Luck, 2014),
que pueden tener una fuerte información predictiva acerca de las preferencias de los consumidores y el comportamiento de elección.
Aunque el EEG tiene ventajas considerables para el uso comercial, que incluye también varios inconvenientes significativos. Más renombrado de ellos es la resolución espacial
pobres. Debido a la alta resistencia del cráneo, cualquier cambio de voltaje generada dentro del cerebro se distribuye ampliamente a través del cuero cabelludo (para más detalles, véase
el capítulo 2 en Luck, 2014). Por lo tanto, y debido a problemas adicionales con conductancia eléctrica, la resolución espacial de EEG es fundamentalmente indefinido, puesto
combinaciones ilimitadas de orígenes de señal pueden producir el mismo patrón grabado. Este inconveniente es particularmente problemático cuando se intenta comprender el mecanismo
neuronal de opciones, ya que es difícil relacionar los resultados a regiones específicas del cerebro. En segundo lugar, la señal de EEG es famoso por los altos niveles de ruido que
contiene. El ruido puede provenir de varias fuentes, incluyendo movimientos oculares (movimientos sacádicos y micro-movimientos sacádicos), el habla, la transpiración, parpadea, ajustes
de cabeza, cambios de postura, y la actividad eléctrica cercana. Por otra parte, los estados emocionales de los sujetos, nivel de estudios del desarrollo, la edad y las enfermedades
neurológicas y cognitivas también pueden afectar a la calidad de los registros de datos de EEG (Wood et al., 2012). Se han propuesto varias técnicas para reducir la contaminación de la
señal, tal como el uso de acelerómetros para corregir movimientos de la cabeza, análisis de componentes independientes para eliminar parpadea, electrooculograma para la eliminación de
los movimientos oculares, y especialmente construido habitaciones aisladas para proteger de la actividad eléctrica adyacente perjudicial. Sin embargo, aunque se han sugerido muchas
técnicas para mejorar la señal, EEG todavía se considera como tener una baja relación señal-ruido, y por lo tanto limitado en su aplicación e interpretación. Por último, los dispositivos de
EEG medir la actividad sólo desde el cuero cabelludo, y por lo tanto no pueden medir directamente la actividad de las estructuras profundas del cerebro (Luck, 2014) que pueden contener
información valiosa, como el cuerpo estriado ventral (Glimcher y Fehr, 2014). Parte de la actividad cortical registrada podría procesos en estructuras más profundas antirreflectante, pero
sería imposible discernir ellos y por lo tanto poco práctico a la dirección. Esto introduce un evidente perjuicio a las predicciones del mercado basados en EEG, como parte de la información
que se origina en las estructuras más profundas desde luego elude el dispositivo. Sin embargo, como vamos a demostrar en los siguientes pasajes, todavía hay mucha información que el
dispositivo puede capturar. En tono rimbombante, las desventajas mencionadas anteriormente acentúan el valor de utilizar múltiples métodos conjuntamente para la investigación
neuromarketing. Por ejemplo, la alta resolución espacial de la resonancia magnética funcional puede complementar la alta resolución temporal de los dispositivos de EEG (Reimann,
Schilke, Weber, Neuhaus, y Zaichkowsky, 2011). Además, las grabaciones biométricos pueden proporcionar acceso a las respuestas del sistema autónomo que son inalcanzables a través
de los registros de EEG (Ohme, Reykowska, Wiener, y Choromanska, 2009; Vecchiato, Astolfi, Fallani, et al., 2010). Y Choromanska, 2009; Vecchiato, Astolfi, Fallani, et al., 2010). Y
Choromanska, 2009; Vecchiato, Astolfi, Fallani, et al., 2010).
6| INTRODUCCIÓN A ELECTROENCEFALOGRAFIA
EEG es un método electrofisiológico para registrar la actividad eléctrica del cerebro uniendo varios electrodos (conductores eléctricos) a lo largo del cuero cabelludo (Haas,
2003). Cuando neurotransmisores se unen a receptores postsinápticos, se produce un cambio en el flujo de iones en las neuronas, causando fluctuaciones en los potenciales
postsinápticos (PSP). Estos PSP pueden ocurrir en varias neuronas, posiblemente relacionado con la misma funcionalidad o situado en las proximidades (para más detalles,
véase Buzsaki, Anastassiou, y Koch,

2012). Acto seguido, los PSP se suman y rápidamente llevaron a cabo a través del cerebro, cráneo y el cuero cabelludo, donde pueden ser medidos por los electrodos colocados en el
cuero cabelludo. De este modo, los registros de EEG proporcionan una aproximación de neurotransmisor mediadas-
la actividad neuronal, con una alta resolución temporal (milisegundos), pero pobre resolución espacial. Es decir, las grabaciones son precisos en su momento, pero es difícil
determinar su origen exacto dentro del cerebro, incluso cuando múltiples electrodos se colocan en el cuello cabelludo.
Los análisis de los registros de EEG se suelen dividir en dos tipos generales. La primera se denomina “ ERP, ” que se refiere a la serie temporal de voltaje registrado como
resultado de un evento en particular, tal como un inicio del estímulo o una prensa de botón. Esta forma de análisis es muy popular en los experimentos psicológicos y cognitivos,
donde múltiples respuestas corticales al mismo evento se promedian para obtener un tiempo de voltaje en serie más limpio, que puede contener componentes relevantes a una
pregunta de investigación, tales como picos positivos o negativos en el tiempo- serie. La segunda técnica de análisis se denomina “ análisis espectral ” y consiste en investigar el
espectro de frecuencias que componen la señal eléctrica. los “ espectro de potencia ” indica la potencia de cada componente de frecuencia presente en la señal de series de tiempo.
Muchos estudios informan sobre sus hallazgos en cuanto a la evolución de las competencias de determinadas frecuencias o bandas de frecuencias (un rango de frecuencias).
Proporcionamos más detalle de cada técnica de análisis y las características de predicción que suministran en la siguiente sección.
Antes de describir los intentos de las predicciones basadas en EEG, se presenta una breve y no exhaustivo examen de los estudios de EEG anteriores, con el fin de identificar las
señales neuronales candidatos que pueden ser utilizados para las mediciones y predicciones de valores. El objetivo de esta sección es tratar de consolidar una gran cantidad de literatura
para encontrar los candidatos que pueden representar mejor las valoraciones de los nervios y por lo tanto convertido en el foco de los estudios de predicción.
7 | CARACTERÍSTICAS DEL CANDIDATO EEG PROMINENTES
Varias características de la señal del EEG se han sugerido como la representación de algunos aspectos del proceso de valoración a través de muchos años de investigación y diversos
equipos y campos. Antes de detallar las características más destacadas, es importante ser consciente de una mala interpretación conocida de este cuerpo de trabajo denominado “ inferencia
inversa ”( Plassmann et al, 2015.; Poldrack, 2006). Se encontró que todas las características del EEG candidato mencionados en esta revisión se correlacionan con diferentes aspectos de
la valoración, pero no necesariamente han sido demostrado ser señales explícitas del proceso de valoración. En otras palabras, se trata de un reclamo legítimo que la obtención de
diversos comportamientos de evaluación o de decisión trae consigo ciertas respuestas en la señal del EEG. Sin embargo, es incorrecto afirmar que estas respuestas neuronales, vistos en
otro contexto, significa que el comportamiento de valoración se ha suscitado. Sin embargo, este problema no descalifica la contribución que estas características pueden tener para la
comprensión de los mecanismos neuronales de la toma de decisiones y la predicción de la preferencia.
7.1 | potenciales relacionados con eventos
Los principales candidatos relacionados con la valoración son los siguientes componentes de diseño del estudio ERP (para componentes adicionales, consulte
MH Lin et al, 2018):. Negatividad relacionados con el evento (ERN, a veces se denomina “ negatividad relacionada con retroalimentación ”, FRN), P300 y N200.
En primer lugar, los investigadores anteriores han propuesto la existencia de un sistema de procesamiento de error genérico, de alto nivel en seres humanos según los
ERN, que es una desviación negativa en un EEG en curso y se ve cuando los participantes humanos cometen errores en una amplia variedad de tareas psicológicas con
muchos tipos de estímulos y contextos (Holroyd y Coles, 2002). Se ha demostrado que el tamaño de la ERN es sensible al tamaño del error (Bernstein, Scheffers, y Coles,
1995) y para recompensas (Gehring, Goss, Coles, Meyer, y Donchin, 1993; Gehring, Gratton, Coles , y Donchin, 1992), y las señales de pérdidas monetarias (Gehring y
Willoughby,
2002). Finalmente, ERN se considera que refleja una señal similar al error de predicción recompensa (Holroyd, Coles, y Nieuwenhuis,
2002), que se refiere a la discrepancia entre un esperado y recibido recompensa, famoso demostrado ser codificados por las neuronas dopaminérgicas (Schultz, Dayan, y
Montague, 1997; Schultz, 2016). Esta función no debe ser visto como una estimación directa del valor subjetivo, sino más bien un colaborador preliminar al sistema de
valoración, que mide la retroalimentación negativa asociada con resultados desfavorables o el error de predicción de recompensa. Esto puede proporcionar información parcial
para las predicciones de valor, pero no toda la imagen. Es decir, la señal de error de predicción de recompensa puede ser utilizado como un sustituto de las expectativas del
consumidor con respecto a los estímulos o recompensas. En un contexto de comercialización, por ejemplo, se podría presentar un sujeto con un anuncio destinado a solicitar
altas expectativas hacia un producto y medir el ERN con respecto a la recepción del producto real. Mediante “ inferencia inversa ”
(Con precaución), una señal más fuerte ERN podría dar fe de la discrepancia entre las expectativas ad-solicitado y el propio producto. Los vendedores podrían interpretar más altas
expectativas de recompensa como la publicidad efectiva o productos como decepcionantes, dependiendo de su contexto. Bajo el supuesto de que las expectativas más altas indican
mayores posibilidades de compra o consumo del producto, la señal podría servir para predecir la valoración del producto o de la intención de compra.
A continuación, también hay un componente ERP positivo, denominado P300 (que aparecen aproximadamente 300 ms después del inicio del estímulo), que está provocada por la
retroalimentación positiva informar de una recompensa (Holroyd, Krigolson, y Lee, 2011; Mushtaq, Wilkie, de lunes a Williams, y Schaefer, 2016; Proudfit, 2015). Es considerado por algunos
como una señal de error de predicción recompensa positiva (Holroyd et al., 2011), lo que significa que es más fuerte cuando la recompensa recibida fue mayor de lo esperado. También se
ha demostrado que es más fuerte que para las ganancias

para pérdidas (Kardos et al., 2016). Por otra parte, P300 se ha encontrado para ser influenciado por el valor de los resultados obtenidos, el valor de una opción
alternativa, y el valor relativo del resultado alternativo en comparación con el resultado elegido (Gehring y Willoughby, 2002; Holroyd y Coles, 2002 ; Miltner, Braun,
y Coles, 1997; Yeung y Sanfey, 2004). Un estudio ha demostrado que el P300 es sensible a la importancia de motivación del estímulo y de la cantidad de atención
gastado / invertido (Nieuwenhuis, Aston-Jones, y Cohen, 2005). Otro estudio encontró una P300 mayor cuando hubo un solapamiento similitud entre un producto y
la expectativa hacia ella (J. Wang y Han, 2014). Por último, se ha demostrado que el P300 se ve afectada de diversas tareas de toma de decisiones (Hajcak,
Holroyd, Moser, y Simons, 2005; Hajcak, Moser, Holroyd, Y Simons, 2007; Luu, Shane, Pratt, y Tucker, 2009; Sato et al., 2005; Toyomaki y Murohashi, 2005;
Yeung, Holroyd, y Cohen, 2005; Yeung y Sanfey, 2004).
Como se describió anteriormente, una amplia evidencia apoya la conclusión de que P300 se relaciona con la valoración. Sin embargo, también ha sido uno de los componentes más
estudiados desde que se informó por primera vez en la década de 1960 (DESMEDT, 1962; S. Sutton, Braren, Zubin, y John,
1965). Está implicado en un gran número de procesos cognitivos y afectivos, y es tradicionalmente asociado con la asignación de los recursos mentales y la
atención (Duncan-Johnson & Donchin, 1977; Polich, 2007; Polich & Kok, 1995; Squires, Squires, y Hillyard, 1975 ). Por lo tanto, sigue siendo controversia en
relación con los aspectos del proceso de valoración a la que el P300 es sensible, y si puede ser desenredada de otros procesos cognitivos y posteriormente
utilizada en la predicción de preferencia.
Hay otro componente relacionado con el evento que ha sido investigado en los últimos años en relación a la valoración. Telpaz, Webb, y
Levy (2015) encontraron que el componente N200, un pico de onda negativa entre 200 y 350 ms después del inicio del estímulo, puede
diferenciar entre bienes de alta y preferido de baja. Este hallazgo fue posteriormente replicado por un equipo de investigación independiente
(Goto y col., 2017). Por otra parte, Gajewski, Drizinsky, Zulch, y Falkenstein (2016) reportó un N200 fronto-centro mejorada durante las
decisiones de compra en relación con artículos caros y subvaluadas. Sin embargo, la mayoría de las investigaciones sobre este componente
se ha centrado en los mecanismos cognitivos relacionados con diferentes pero de valoración, tales como el control cognitivo, la atención, la
novedad o la coincidencia secuencial (Folstein y Van Petten, 2008).
Por último, otra metodología basada en el ERP vale la pena mencionar es “ la topografía del estado estacionario ”( SST), desarrollado por Silberstein, Ciorciari, y Pipingas
(1995). Este método único implica una adición clave para paradigma del experimentador: un continuo estímulo débil, oscilando visual que se presenta en el campo visual
periférico a lo largo de la tarea. Esto provoca una pequeña respuesta cerebral sinusoidal rítmica a la misma frecuencia, denominada “ En estado estacionario evocado visual
potencial ”( SSVEP). Después se registra la señal del EEG, una transformada de Fourier se lleva a cabo en la señal para extraer coeficientes alisados de la frecuencia de 13 Hz.
Estos coeficientes se transforman para representar la fase y la magnitud de la frecuencia. Los cambios en la diferencia de fase se dice para reflejar las variaciones en la
latencia entre la señal SSVEP y la tarea en sí, que a su vez se han conectado a los cambios excitatorios o inhibitorios en tiempo de transmisión sináptica. Una reducción de la
latencia se considera que refleja un aumento de la excitación sináptica o simplemente
“ actividad SST ” y viceversa. SST se ha investigado en relación con una gran variedad de funciones cognitivas, tales como la atención visual, la memoria de trabajo
(Ellis, Silberstein, y Nathan, 2006; Perlstein et al., 2003; Silberstein, Núñez, Pipingas, Harris, y Danieli,
2001) y las imágenes visuales (Silberstein, Danieli, y Núñez, 2003). En el contexto de la comercialización y la toma de decisiones, la actividad SST se ha estudiado como un
indicador de la codificación de la memoria a largo plazo de la información de la marca presentada en la publicidad televisiva, y por lo tanto de la efectividad de los anuncios (Pynta et
al, 2014;. Rossiter y Silberstein, 2001 ; Silberstein y Nield, 2008; Silberstein, Harris, Nield, y Pipingas, 2000). Silberstein más tarde tomó esta metodología para el mercado, la
fundación de una empresa de neuromarketing de su propia sobre la base de estas ideas (Neuro-Insight). Por otra parte, su técnica se ha popularizado en el cerebro - investigación de
interfaz de la computadora como un método para el control del motor (Amiri, Fazel-Rezai, y Asadpour, 2013; Zhu, Bieger, García Molina, y Aarts, 2010). No estamos seguros de la
validez exacta de esta medida, sin embargo, parece que la mayoría de las pruebas, incluso en los últimos años, sugiere una bastante fuerte conexión con la memoria de trabajo
(Camfield et al, 2012;. Macpherson et al, 2014;. Peterson et al., 2014).
En conclusión, para los diseños relacionados con el evento, los vendedores pueden utilizar los componentes N200 y P300 para medir el grado de atención de los espectadores a
un anuncio, pero no su eficacia en la obtención de la intención de compra o directamente favorabilidad producto. Los espectadores podrían ser totalmente atento a un anuncio debido
a su contenido llamativo (aunque podría ser negativo), que a su vez podría ser capturado por los componentes neurales mencionados, pero sus preferencias todavía pueden
permanecer sin cambios. La señal ERN se puede aplicar para examinar las diferencias en las expectativas provocadas por la publicidad hacia el producto en sí, y las expectativas más
altas puede reflejar la intención de compra. Por último, constancia de SST muestra que es más probable una medida de la memoria y puede informar a los vendedores como a la
retención de los anuncios.
7.2 | poderes espectrales
Los componentes antes mencionados sólo están disponibles en un diseño ERP, que requiere estímulos estáticos presentados en varias ocasiones en un período de tiempo fijo. Son
difíciles de emplear en los diseños experimentales que involucran estímulos continuos, tales como videos, canciones o discursos con una duración de más de 1 - 2 s (Luck, 2014). Esto
es particularmente inconveniente para investigación de mercados, que en su mayoría examina de larga duración estímulos dinámicos tales como TV o radio comerciales, remolques,
lemas, etc. Por lo tanto, los estudios de EEG

que incorporan estímulos de larga duración a menudo utilizan marcadores y características de dominio de frecuencia de la señal (que también puede ser utilizado en
un diseño de tipo ERP). El análisis más común de espectro de frecuencia del EEG es dividir la señal en las siguientes bandas de frecuencia: delta (1 - 3,5 Hz), theta (4 - 7,5
Hz), alfa (8 - 12 Hz), beta (13 - 25 Hz), y gamma (26 - 40 Hz).
Muchos investigadores han estudiado la relación de estas bandas a la conducta de elección y las preferencias subjetivas. Por ejemplo, tanto las oscilaciones de la
banda gamma y alfa se han correlacionado con las opciones de los sujetos de bienes de consumo en épocas de tiempo y los lugares del cerebro (Braeutigam, Rose,
Swithenby, y Ambler, 2004) específico. En un estudio más reciente, Ravaja, Somervuori, y Salminen (2013) encontró que una mayor activación frontal izquierda en la banda
alfa, mide tan sólo unos segundos antes de la elección, predijo la decisión afirmativa para la compra de un bien de consumo. Superior necesidad percibida de un producto y
una mayor calidad percibida del producto también se han asociado con una mayor activación frontal izquierda relativa en la banda alfa. ME Smith & Guevins (2004)
encontraron que un componente frontal en la parte de frecuencia inferior de la banda alfa fue atenuada durante los comerciales que provocaban alto interés subjetiva.
Además, Khushaba et al. (Khushaba, Greenacre, et al, 2012;. Khushaba, Kodagoda, et al, 2012;.. Khushaba et al, 2013) demostraron que varias bandas de frecuencia
estaban relacionadas con preferencias de los participantes, y Astolfi et al. (2008) encontraron que la actividad en cuatro de las bandas, provocada por la visualización de
anuncios de televisión, fue significativamente diferente para los anuncios que fueron recordados que para los olvidados.
7.3 | asimetría hemisférica
Desde finales de 1970, la asimetría hemisférica en la señal del EEG se ha demostrado estar relacionada a acercarse a los comportamientos / abstinencia, y más tarde también a
la emoción y la depresión (Davidson, 1998) o la motivación y afectar (Harmon-Jones, Aguilón, y Peterson,
2010). Esto, de acuerdo con la primera hipótesis de que el hemisferio derecho está más inclinado a pensamiento emocional y abstracto, mientras que el hemisferio
izquierdo es más analítico. Sobre esta base, cuando se registra la activación asimétrica entre los hemisferios, en particular en regiones anteriores, la implicación de dos
sistemas posibles puede ser sugerido, cada uno representado en los circuitos neurales separadas. Davidson propone que una mayor activación en el hemisferio izquierdo
significa la activación de una “ sistema de enfoque ” que facilita la estimulación del apetito y el afecto positivo. Por el contrario, una mayor activación en el hemisferio
derecho puede indicar el estado de alerta más emocional, dando lugar a lo que llamó la “ Sistema de toma, ” que facilita la evitación de la estimulación aversiva y afecto
negativo (Davidson, 1998).
Además, varios estudios han demostrado que la asimetría frontal también está relacionado con la modulación de valor. Por ejemplo, los sujetos con una mayor actividad de descanso
alfa en electrodos izquierda-frontal seleccionan estímulos más agradable en una tarea de comportamiento posterior (SK Sutton y Davidson, 2000). Pizzagalli, Sherwood, Henriques, y
Davidson (2005) encontró evidencia de apoyo adicional para la conexión entre el comportamiento de acercamiento y valoración. Un estudio relacionado también demostró la relación entre la
asimetría hemisférica y la aversión al riesgo (Gianotti et al., 2009). Ohme et al. (2009) demostraron que existen diferencias significativas en la asimetría alfa frontal entre dos versiones de un
comercial con una escena alterado. Después de eso, el mismo equipo probó dominancia hemisférica izquierda en tres comerciales de televisión y se encontró que las reacciones dominantes
estaban presentes sólo en respuesta a uno de los anuncios analizados. Según su investigación, los encuestados reaccionaron a la parte emocional de la publicidad, así como a su parte
informativo, lo que lleva a la conclusión de que la medida de la asimetría frontal puede ser considerada como una herramienta de diagnóstico para examinar el potencial de la publicidad para
generar tendencias relacionadas enfoque (Ohme, Reykowska, Wiener, y Choromanska, 2010). Otro equipo de investigación encontró que la relación entre la asimetría y el enfoque de
anuncios de televisión se modula por edad y sexo (Cartocci et al., 2016), demostrando que esta medida es complejo y sensible. así como a su parte informativo, lo que lleva a la conclusión
de que la medida de la asimetría frontal puede ser considerada como una herramienta de diagnóstico para examinar el potencial de la publicidad para generar tendencias relacionadas
enfoque (Ohme, Reykowska, Wiener, y Choromanska, 2010). Otro equipo de investigación encontró que la relación entre la asimetría y el enfoque de anuncios de televisión se modula por
edad y sexo (Cartocci et al., 2016), demostrando que esta medida es complejo y sensible. así como a su parte informativo, lo que lleva a la conclusión de que la medida de la asimetría frontal puede ser consi
Mientras que la asimetría se encuentra más comúnmente en la banda alfa, se ha demostrado que la asimetría en las bandas theta y gamma están relacionados con la retención entre
comerciales, que es un elemento que afecta preferencias. Vecchiato et al. encontró que la actividad cortical provocada durante la observación de los anuncios de televisión que fueron
recordaba era superior y localizada en las áreas del cerebro frontal izquierdo, en comparación con la actividad cortical suscitó durante la presentación de los anuncios de televisión que
fueron olvidados después (Vecchiato, Astolfi, Cincotti, et al ., 2010;. Vecchiato, Astolfi, Fallani, et al, 2010). En un estudio posterior, el grupo encontró un aumento asimétrico de theta y la
actividad alfa en el hemisferio izquierdo (a la derecha) en relación con la observación de anuncios agradables (y desagradables) de vídeo (Vecchiato et al., 2011). Además, otro estudio por
este grupo encontró un aumento significativo de la densidad espectral de potencia cortical a través de las áreas frontales que quedan en la banda alfa durante la observación de los anuncios
de televisión que había sido juzgado como agradable (Vecchiato et al., 2014). En conclusión, no existe evidencia que vincula a esta medida a la emoción, la motivación, la modulación de
valor y, posiblemente, la retención. Aunque éstos no confirman una asociación directa entre el valor y la asimetría hemisférica, que son conceptualmente muy relacionadas con valor
subjetivo y puede considerarse un aspecto del proceso de valoración. Por lo tanto, creemos que la medida tiene mérito en términos de predicción preferencia. hay evidencia que vincula esta
medida a la emoción, la motivación, la modulación valor y, posiblemente, la retención. Aunque éstos no confirman una asociación directa entre el valor y la asimetría hemisférica, que son
conceptualmente muy relacionadas con valor subjetivo y puede considerarse un aspecto del proceso de valoración. Por lo tanto, creemos que la medida tiene mérito en términos de
predicción preferencia. hay evidencia que vincula esta medida a la emoción, la motivación, la modulación valor y, posiblemente, la retención. Aunque éstos no confirman una asociación directa entre el valor y
7.4 | correlación entre sujetos
Por último, EEG entre sujeto-correlación (ISC o una sincronización, o coherencia) es una medida relativamente nueva que es más adecuado para diseños de los estudios que
incluyen estímulos de larga duración. Los resultados sugieren que la sincronización entre los sujetos en EEG
la actividad se puede utilizar como una medida de los niveles generales de acoplamiento con un estímulo de vídeo. La idea original fue demostrado por primera vez en los estudios de
neurociencia de la visión. Hasson, Nir, Levy, Fuhrmann, y Malach (2004) colocó cinco sujetos en un escáner de resonancia magnética funcional para ver libremente de una media hora de
una película popular. Mediante el uso de patrones de actividad espacio-temporales en un cerebro a “ modelo ” actividad en otro cerebro, encontraron alta sincronización entre los sujetos en, y
áreas de asociación primarios, secundarios en los sistemas visuales y auditivos. Llegaron a la conclusión de que durante la visión natural, los patrones de actividad de los sujetos tienden a
sincronizar durante las escenas emocionalmente de acoplamiento (Hasson et al., 2004). Dmochowski, Sajda, Dias, y Parra (2012) llevaron a este concepto EEG y la actividad evocada por
múltiples presentaciones de fragmentos de películas cortas examinados, con el fin de localizar los eventos con alta correlación entre los sujetos. Encontraron que la ocurrencia de
correlaciones pico de actividad neuronal a través de visionados correspondió con despertando momentos en una película. Por otra parte, la visualización de la película de una segunda vez o
con escenas fuera de ISC reducida de secuencia (Dmochowski et al., 2012). Como se acostumbra más a menudo esta medida, la evidencia está convergiendo en su conexión a despertar
estímulos de vídeo, por lo que es un candidato prometedor para medir el compromiso. Es importante tener en cuenta que muchos investigadores utilizan el término de marketing “ compromiso ”
de varias maneras. Encontramos que para nuestros propósitos, la siguiente definición abarca lo mejor: la ocupación de la atención o los esfuerzos de una persona mediante la atracción o
estímulos agradables, a veces conduce a una interacción explícita o implícita la respuesta.
8 | Tres aspectos de NEURO-PREDICCIÓN
Ahora que hemos estudiado diversas señales candidatas, continuaremos con una revisión de estudios que han aplicado algunas de estas mediciones de EEG, y algunas
otras nuevas, con el fin de realizar predicciones. Resumimos nuestra revisión de la literatura sobre la predicción usando señales de EEG en la Tabla 1. Pero antes de
describir los diversos estudios, es esencial para hacer tres distinciones con respecto a predicciones, al agregar los resultados de diferentes estudios.
8.1 | Dentro de la muestra frente fuera de la muestra
En primer lugar, algunos estudios intentan predecir dentro de la muestra solamente, lo que significa que grabar y medidas de extracto de su grupo de sujetos y los utilizan para predecir los
mismos sujetos futuras elecciones, preferencias o clasificaciones. Otros estudios intentan predecir fuera de la muestra, es decir, que utilizan medidas de su grupo de sujetos para predecir el
éxito general de los estímulos de marketing a nivel de población, medida por indicadores de YouTube (vistas, gustos, etc.), a unos metros de anuncios, tweets, las ventas reales, o de otro
modo. Es importante distinguir entre estos dos tipos de predicciones, ya que sugieren diferentes aplicaciones e implicaciones. La predicción dentro de la muestra puede enseñarnos más
acerca de los factores determinantes y las bases neuronales de la valoración subjetiva, y por lo tanto responde a las preguntas desde la perspectiva de la ciencia más básica. Sin embargo,
fuera de la muestra predicciones, mientras que es menos informativo en cuanto a los mecanismos de valoración, son mucho más aplicable a la industria de la comercialización y ofrecer
medidas de predicción y técnicas que pueden mejorar la efectividad del marketing, reducir las incertidumbres del mercado, aumentar la obtención de beneficios, mejorar la imagen de marca
y añadir valor a los accionistas, así como los consumidores . Fuera de la muestra de predicciones nos pueden informar acerca de la relación entre un grupo de sujetos y el éxito global de un
producto o un anuncio. Un modelo que fue eficaz en las predicciones fuera de la muestra se pudo demostrar los datos de sujetos que vieron nuevos productos y anuncios y podría estimar su
éxito global de mercado basada en una generalización del modelo a partir de los datos anteriores. son mucho más aplicable a la industria del marketing y ofrecer medidas de predicción y
técnicas que pueden mejorar la efectividad del marketing, menores incertidumbres del mercado, aumentar la ganancia de beneficios, mejorar la imagen de marca y añadir valor a los
accionistas, así como a los consumidores. Fuera de la muestra de predicciones nos pueden informar acerca de la relación entre un grupo de sujetos y el éxito global de un producto o un
anuncio. Un modelo que fue eficaz en las predicciones fuera de la muestra se pudo demostrar los datos de sujetos que vieron nuevos productos y anuncios y podría estimar su éxito global de mercado basad
8.2 | Montaje contra las pruebas
La segunda distinción crítica que hacer es si se hacen predicciones mediante el ajuste de un modelo de predicción a todos los datos muestreados y notificación de la varianza explicada
(como es habitual en los análisis de regresión), o por la formación de un modelo sobre un subconjunto de los datos (conjunto de entrenamiento) y realizar predicciones sobre el
subconjunto complementario de los datos (conjunto de prueba). Ajuste de un modelo a todo el conjunto de datos y elaboración de informes sobre los coeficientes y la varianza explicada no
es tan generalizable como la predicción basado en el modelo de datos no ha visto, y podría ser propenso a sobreajuste. Un modelo de todo el conjunto de datos puede ayudar a
comprender la relación entre las características y la variable predicha (explicación), pero resultar inútil cuando se trata de utilizar el modelo para evaluar los nuevos datos que no ha visto
antes (predicción) - que es a menudo el requisito establecido en la investigación de mercados. Los estudios que sostienen algunos de sus datos como un conjunto de prueba independiente
e informarán de los resultados de la predicción en ese conjunto de pruebas son más prácticos y útiles para su aplicación en el mundo real. Sus resultados reflejan el grado en que su
modelo será capaz de hacer inferencias con nuevos datos, es decir, estimar el éxito o el valor de mercado de un nuevo producto o un anuncio.
8.3 | Autónomo frente allá
Tercera y última, como neuro-predicción aspira a beneficiar a los vendedores y gerentes, no es suficiente para demostrar la capacidad de predecir las preferencias de las
señales neurales solos. Aunque hay muchos estudios que hacerlo y que han contribuido en gran medida a nuestra comprensión de las predicciones basadas en los nervios, sólo
hay unos pocos que han examinado si las señales neuronales contribuyen a
Predicción por encima y más allá de las técnicas de predicción de marketing tradicionales que se detallan anteriormente en esta revisión. Para la industria para aceptar neural
predicción como una herramienta práctica, los estudios sobre las predicciones basadas en los nervios también deben investigar si sus resultados mejoran en lo que ya se puede
conseguir con cuestionarios o grupos de enfoque. Los estudios deben investigar si las señales neuronales que investigaron contienen nueva información sobre los valores o
preferencias que no se explica por las técnicas tradicionales. Vamos a describir estas tres distinciones que se revisan los siguientes estudios.
9 | Los resultados actuales en la predicción de preferencia basada en el EEG
9.1 | Montaje sin medidas estándar
Los artículos de esta sección, aunque muy influyente, no llevaron a cabo una prueba de retención de salida ni tampoco intento de predecir allá de las medidas de marketing
estándar. Uno de los estudios de EEG importantes en el campo de neuromarketing se llevó a cabo por Dmochowski et al. (2014). Se emplean una medición de tipo ISC, que
ellos llamaron neuronal fiabilidad temporal, sobre la base de sus trabajos anteriores se ha mencionado anteriormente en esta revisión (Dmochowski et al., 2012). En primer lugar,
se calcula el ISC de señales de EEG registrados a partir de un pequeño grupo de sujetos de ver un episodio de Los muertos vivientes. A continuación, a través de regresión,
mostraron una correlación significativa entre las mediciones de CAI y (a) el número de tweets relacionados durante el episodio en la población general y (b) la audiencia real del
episodio en la población general (estimado por Nielsen) . A partir de entonces, demostraron que las mediciones ISC de un pequeño grupo diferente, de los sujetos que miran
comerciales del Super Bowl correlacionaron significativamente con las calificaciones dentro de la muestra y las clasificaciones de población de los mismos comerciales del Super
Bowl. Su papel proporciona una fuerte evidencia de que la medida ISC a base de EEG puede servir como un proxy para el compromiso global con un estímulo continuo. Por otra
parte, el estudio muestra que las mediciones del cuero cabelludo pueden ser capaces de predecir comportamientos de la audiencia de origen natural a gran escala.
Uno de los primeros ejemplos de éxito de este tipo de estudio fue realizado por Vecchiato et al. (2011), que trató de basar sus predicciones en una medida diferente: cortical
asimetría hemisférica. Demostraron que las asimetrías alfa y theta medidos mientras los sujetos observaban se correlacionaron significativamente con puntuaciones agradabilidad de
los sujetos 18 comerciales de televisión informaron de 2 horas después de ver los anuncios. En contraste con la investigación de Dmochowski et al. (2014), que no se relacionaban
sus resultados a nivel de la población, pero sólo predijeron dentro de la muestra, ya que su objetivo era predecir medidas que son similares a las mediciones de marketing estándar
(notas agradabilidad) pero no para predecir más allá de ellos. Sin embargo, este fue uno de los primeros estudios que demostraron la capacidad de utilizar las señales de EEG para
predecir el futuro comportamiento relacionada con el consumidor. Otro estudio realizado por Ravaja et al. (2013) utilizaron una medida alpha asimetría extraída mientras que los
participantes observaron 14 productos. En cada ensayo, los participantes tuvieron que elegir si desean comprar el producto o no, mientras que los precios variaron entre los ensayos.
Sus resultados mostraron que un número relativamente mayor activación frontal izquierda (es decir, mayor enfoque motivación, como se detalla anteriormente) durante un período de
pre-decisión en cada ensayo predijo una decisión de compra positiva para el mismo ensayo. Esta medida también se asoció con una mayor necesidad percibida de un producto y la
calidad del producto percibido más alto, como se obtiene de los participantes responder a una encuesta después del experimento. Cabe destacar, que predijeron las decisiones de
compra positivas sobre la base de datos de EEG que estaba al lado de la proximidad temporal a la elección misma. En otras palabras, podría ser que algunas de las señales que se
utilizan para la predicción no eran una señal de valor per se pero las señales de motor preparatorias que se confunde en el diseño. Sin embargo, este estudio demostró la capacidad
de utilizar la asimetría cortical como un predictor válido de elección.
Sin embargo, otro estudio, publicado como un papel blanco por Laurence y Gerhold (2016) de espacio de cabeza Neuromarketing, fue capaz de arrojar más luz sobre la
asimetría alfa como un predictor temporal sensible. Su estudio incluyó 42 masiva comerciales de televisión vistos por 20 - 30 sujetos cada uno, para un total de 520 participantes
(algunos participantes observaron dos o más de los anuncios), cuya actividad cortical se registró. Los sujetos también respondieron un cuestionario después de obtener su intención
de compra de cada producto anunciado. Su mejor modelo de regresión, de los cinco modelos de intentos, se encontró que una mayor intención de compra autopercepción se asoció
significativamente con una combinación más alta de activación frontal izquierda (enfoque) durante los últimos 10 s de la activación frontal derecho comercial y superior (abstinencia)
durante los primeros 10 s de los comerciales, que explican el 35,7% de la varianza. Tenga en cuenta, sin embargo, que ninguno de estos estudios utilizaron un equipo de prueba de
retención de salida, ni tampoco intento de predecir fuera de la muestra (a nivel de población) o más allá de las medidas de marketing estándar.
9.2 | Montaje allá de las medidas estándar
Varios estudios lo intentaron demostrar que el uso de diversas medidas neuronales mejora la predicción más allá de las medidas tradicionales, pero también lo hicieron
sin un equipo de prueba de retención de salida. Venkatraman et al. (2015) recoge datos de EEG (junto con muchos otros datos) a partir de 29 sujetos mientras veían 30
anuncios. Se extrajeron dos medidas de la actividad EEG, alfa alfa occipital y la asimetría, e intentaron predecir la elasticidad comercial, una medida de la respuesta a
nivel de mercado para los comerciales.
Cuando predecir con EEG datos por sí solo llegaron a un adjusted- R 2 de 0.338; cuando se añade a las medidas tradicionales, los estimadores de las características del EEG
ya no fueron significativas (aunque el uso de la actividad fMRI dió un pequeño aumento en la varianza explicada). Es posible que por promover el análisis y extracción de
características adicionales del EEG, se podría hacer una contribución más grande, generando de este modo una predicción más allá de medidas estándar. Otro análisis que
realizan examinó la relación entre las variables modeladas, que puede ser pensado como una predicción dentro de la muestra a partir de sus variables de EEG a las
características tradicionales. Sin embargo, este análisis no dió coeficientes significativos.
Barnett y Cerf (2017) fortalecer aún más la noción de que las características del EEG pueden contribuir más allá de las medidas estándar. Se
registró la actividad cortical de 58 aficionados al cine mientras veían avances de películas en un teatro real, y también recogieron su disposición a
pagar (DAP) y las clasificaciones subjetivas para el cine. Su investigación mostró que la correlación cruzada del cerebro (CBC), una medida
extraída del EEG grabaciones similares a los CAI, fue altamente correlacionada con la capacidad de los sujetos para recordar las películas más
tarde ( r = 0,66, p = 0,01) y con las ventas reales del cine en la población general ( r = 0,68, p = 0,01). Por otra parte, la correlación entre la DAP o
valoraciones subjetivas y el recuerdo o ventas fue menor que el CBC métrica y no significativa. Esto demuestra la robustez de su medida neuronal
contra las medidas estándar, aunque no proporcionan ninguna medida de la varianza explicada. Para nuestro conocimiento, este es uno de los
pocos intentos que se han hecho en un diseño tan ecológica, registro de EEG en un lugar de negocio real en un entorno auténtico. Sin embargo,
hay que tratar a estos resultados con precaución. Aunque alta validez ecológica fue adquirida, movimientos motores sujetos son más difíciles de
controlar y control, y la abundante actividad eléctrica circundante es probable que perturbe la grabación sensible de la actividad cortical, la
disminución de la relación señal a ruido sustancialmente. El análisis adicional de estos datos,
Otro estudio influyente, por Boksem y Smidts (2015), presentó 29 sujetos con varios avances de películas durante la grabación de su actividad EEG, y se recoge su Gusto y WTP
puntuaciones de cada trailer de la película. Después de extraer poderes espectrales, que utilizan estas medidas para predecir la preferencia de los sujetos ordenada, las
clasificaciones de las películas que vieron, y también caja de ingreso de oficina, como una métrica de preferencias de la población. Es importante destacar que sus resultados
mostraron éxito predicción significativo para las bandas beta y gamma, incluso más allá de la predicción de la medida de la DAP. Aunque impresionante, su técnica de análisis
proporciona solamente una pseudo R 2 medida (y no una exactitud de predicción fuera de muestra) para el éxito de su modelo, que era entre 1 y 2%.
9.3 | Pruebas sin medidas estándar
En algunos estudios se hicieron llevar a cabo algún tipo de prueba de retención de salida, pero no intentaron predicción allá de las medidas de marketing estándar. Uno de
estos estudios se llevó a cabo en nuestro laboratorio (Telpaz et al., 2015). Tuvimos 15 sujetos Imágenes de Productos de consumo 10, mientras que se registró la actividad
cortical. Más tarde, los sujetos realizaron una tarea de elección binaria, donde tuvieron que elegir su producto favorito de todos los pares posibles. A partir de esta tarea, se
determinaron las calificaciones de los productos sujetos individuales y se utilizan como respuestas. Utilización del componente N200 y la banda de potencia theta a partir de
los registros de EEG de visualización de productos, hemos sido capaces de predecir opciones posteriores sujetos a diversos grados con un modelo de utilidad aleatoria
neuronal. Sin embargo, no se ha intentado predecir las métricas de población, y todas nuestras predicciones se opera en el tema,
Otro estudio vale la pena mencionar dentro de esta categoría realiza la predicción basada en EEG de un concepto relacionado de valor. El estudio de Koelstra et al.
(2012) investigaron la respuesta de 40 videos, mientras que registra la actividad del EEG, las señales fisiológicas periféricas, y las expresiones faciales. Los investigadores
plantearon tres problemas de clasificación binaria diferentes: la predicción de baja alta excitación /, bajo alta valencia / y bajo alta gusto /, como se obtiene de calificaciones los
mismos sujetos. Sus resultados variaron entre el nivel de azar y 62% de precisión cuando se prueban sus características EEG, pero fueron capaces de mejorar esto cuando se
combinan estas características con las de otras modalidades, particularmente auditiva básica y características basadas visualmente, que se denominan análisis de contenido
multimedia. Sin embargo, no se realizan las pruebas en las métricas de población ni tampoco intento de predecir más allá de las medidas tradicionales.
También hay dos estudios en esta categoría que emplearon modelos innovadores de aprendizaje automático para realizar predicciones. Por ejemplo, Yadava, Kumar, Saini,
Roy, y PROSAD Dogra (2017) aplicó un modelo de Markov oculto en las señales EEG de 40 participantes mientras observaban imágenes de 14 productos diferentes, para
predecir su gusta / disgusta de los productos. También probaron varios otros modelos, tales como máquinas de vectores soporte, bosque aleatorio, y el vecino más cercano, con
resultados variables. Usando la metodología propuesta, que fueron capaces de llegar a 63,5 - 70,3% precisión de la predicción en una prueba de dejar uno fuera. modelos de
aprendizaje automático están en uso cada vez mayor en todo el mercado y el mundo académico, y su utilización representa una estrategia muy prometedora, aunque todavía se
encuentra en sus primeras etapas. Un estudio de alguna manera relacionado fue realizado por Murugappan, Murugappan, Balaganapathy, y Gerard (2014), que aplicó una red
neuronal probabilística y k-vecino más cercano ' modelos de predicción s en su experimento. Tenían participantes ven cuatro comerciales por cuatro marcas de vehículos
diferentes, y se extrajeron de energía espectral (SE), densidad espectral de potencia (PSD), y centroide espectral (SC) de la banda alfa como predictores, y autoevaluaciones de
los participantes como una respuesta. Usando una técnica de validación cruzada de 10 veces que fueron capaces de alcanzar una tasa de precisión 96,62% en su más alto
(Que es extremadamente alta en comparación con todos los otros estudios, y por lo tanto susceptible a overfitting). Sin embargo, de manera importante, la interpretación de
estas precisiones alta de predicción es problemática y muy limitada ya que se logró cuando la predicción de una sola marca vehículo (Toyota) con una sola característica
(PSD) y no todo el conjunto de datos. La marca Toyota fue la marca global más popular en su experimento, por lo tanto, es muy posible que fueron capaces de predecir la
respuesta general a sus comerciales en lugar de su favorabilidad o simpatía. Además, en estos dos estudios, los autores no examinaron predicción sobre cualquier métrica de
la población, ni tampoco tratan de predecir más allá de las medidas tradicionales.
9.4 | Realizar ensayos adicionales a las medidas estándar
Hay sólo unos pocos estudios que predicen tanto el uso de un conjunto de pruebas de retención y tratar de predecir más allá de las medidas tradicionales. Un estudio reciente, por
Guixeres et al. (2017), intentado predecir la efectividad de los anuncios de Super Bowl en base a las señales de EEG, utilizando una medida denomina el poder campo global (GFP)
para cuantificar la actividad cerebral en cada banda (Wackermann et al.,
1993). Además de Z- puntuación de GFP para cada banda de EEG, también extrajo dos medidas: un índice de agrado, que se basa en asimetría
hemisférica, y un índice de interés, que considera el número relativo de los picos en beta y theta bandas durante un determinado comercial
(Colomer Granero et al., 2016). Junto con los datos de seguimiento de los ojos y la frecuencia cardíaca, se utilizó un modelo de red neuronal y
lograron una precisión promedio de 82,9% en la predicción del número de visualizaciones de YouTube para cada comercial. Su modelo también
incluye las respuestas del cuestionario, que se mostraron a hacer una pequeña contribución a la predicción, en relación con sus medidas de
EEG. Entre las medidas de EEG, el índice theta agradabilidad mostró la mayor contribución. Sin embargo, no examinaban su precisión con y sin
sus medidas tradicionales, y por lo tanto,
Un estudio que se llevó a cabo en nuestro laboratorio emplea una multitud de medidas de EEG para la predicción de preferencia: ISC, la asimetría hemisférica, y las
bandas espectrales de potencia (Hakim et al, 2018).. Los sujetos observaron seis comerciales de productos diferentes, mientras que su EEG se registró. Posteriormente,
completaron una tarea de elección binaria entre los productos que veían, como una medida de su preferencia individual, y completaron un cuestionario de marketing, como una
medida de marketing tradicional. métricas de YouTube y un cuestionario contestado por una cohorte de línea se recogieron como una medida del éxito de los anuncios en la
población general. Hemos utilizado diversos modelos de aprendizaje automático, tales como máquinas de soporte vectorial, árboles de decisión, núcleo de análisis
discriminante, y mucho más. Por lo tanto, hemos sido capaces de alcanzar 68. 5% de precisión en la predicción de los productos MOST y leastpreferred en la piscina motivo
cuando se utiliza tanto EEG y medidas del cuestionario. Esto, mientras que el cuestionario alcanzó el 64,2% en el mejor, lo que demuestra la contribución de las medidas de
EEG en la predicción de las preferencias individuales, por encima y más allá de las medidas tradicionales. Cuando la predicción de la métrica de éxito población, nuestro mejor
modelo predijo preferencias de la población producto con un error cuadrático medio de 1,78, basándose tanto en EEG y medidas tradicionales por sí solas, lo que refleja la
misma conclusión.
Algunos equipos de investigación intentaron hacer predicciones basadas en los índices internos extraídos de los datos de EEG. Sin embargo, es difícil determinar la
validez de estas medidas en la empresa, ya que no habían sido probados o validados en la literatura previa, ni era la robustez de los resultados reportados. Por ejemplo,
Baldo, Parikh, Piu, y Müller (2015), un equipo de Neuromarketing Labs, informó que fueron capaces de predecir, utilizando señales de EEG, ventas exitosos y no exitosos
de zapatos, usando su encargo hecho “ índice de preferencia calcula mediante un algoritmo desarrollado internamente estrechamente asociados con los parámetros de la
neurociencia básica emocional ”. Llegaron 80% de precisión con su procedimiento de prueba, utilizando un clasificador lineal unidimensional, que era más alto que su
precisión de la predicción de un cuestionario, que alcanzó sólo el 60% de precisión. Por otra parte, las arenas de Investigación produjo otro ejemplo de un estudio de este
tipo, aunque sin resultados de la prueba, cuando se extraen de su propiedad índice de neuro-compromiso de la actividad EEG de los sujetos que miran comerciales del
Super Bowl, con el fin de predecir diferentes métricas de YouTube de estos comerciales (Deitz, Royne, Peasley, Huang, y Coleman, 2016). No podemos dar fe de la validez
de dichos informes, como los modelos de predicción actuales no se proporcionan y los datos no pudieron ser examinados en los artículos publicados. Notablemente, estos
tres estudios no incluyen las predicciones basadas en su propio conjunto de muestras.
10 | PERSPECTIVAS Y Retos para el futuro
Con base en la revisión de la literatura actual, nos gustaría destacar varios puntos importantes, con la esperanza de que informar a la comunidad y ayudar a
neuromarketing aplicabilidad avance y el éxito del campo:
10.1 | valor Predecir allá de las características específicas de los estímulos
El primero se refiere punto de predicción de la métrica de la población de una pequeña muestra de los sujetos, que generalmente se considera uno de los principales
objetivos de neuromarketing. El problema es que si tenemos un buen grupo muestra representativa de la
la población con el fin de señales neuronales de grabación y la clasificación general de los anuncios o productos están altamente correlacionadas dentro del grupo de
muestra, a continuación, la predicción del éxito población se vuelve una trivialidad. En otras palabras, si la mayoría o todos los sujetos del grupo de muestra como un producto
en particular los más, y ese mismo producto también es el más preferido en la población, entonces la predicción basada en EEG podría no predice basada en la preferencia
real o relacionada con el valor señales neuronales, sino más bien basándose en una señal en general específica para ese / producto comercial, que simplemente se podría
atribuir a cualquier número de características del comercial / de productos. Por ejemplo, Telpaz et al. (2015) intentó una forma de predicción fuera de muestra: se utilizan la
mitad de los datos de cada participante para predecir sus opciones restantes. Sin embargo, Sus resultados muestran que sólo un producto de los 10 pusieron a prueba se
eligió un total de 605 veces en su tarea de elección binaria, mientras que otro fue elegido 225 veces, en todas las materias. Los otros ocho productos variaron en el medio.
Esto da lugar a la posibilidad de que su modelo identificó alguna respuesta a la MOST y productos menos preferidos - una respuesta que podría ser totalmente no relacionada
con una señal de valor - y alcanzado un resultado positivo reportable simplemente mediante la predicción de estos productos como MOST y menos preferido-por sujeto. Sin
embargo, también llevaron a cabo un análisis adicional en el que se predijo con éxito elecciones a modo de prueba por título de prueba para cada sujeto.
Este problema pone de relieve la contribución de llevar a cabo el juicio por el juicio predicciones, tratando de predecir las preferencias futuras de
cada sujeto de su señal neuronal, y no sólo de la población o las métricas de fuera de la muestra. Por lo tanto, instamos a los investigadores a
combinar sus esfuerzos para predecir las preferencias de la población de un grupo de sujetos con las predicciones modeladas en el propio grupo de
sujetos. Esta práctica será mejor informar sobre la validez de las características y los resultados reportados. Además, con el fin de aumentar la
robustez y generalización de un modelo de predicción basado en características de EEG registrados previamente tomadas de un grupo de muestra,
es importante tener una alta variabilidad en las preferencias personales entre productos en el grupo de muestra, de modo que, en promedio, todos
los productos se preferido de manera similar.
10.2 | La predicción es mejor para estímulos claramente preferidas
Se ha demostrado previamente que la precisión de la predicción es mucho mejor para los productos que son distantes en sus preferencias, mientras que la precisión de
predicción es a nivel de probabilidad para los productos que los sujetos son indiferentes a (Hakim et al, 2018;. Levy et al, 2011;. Telpaz et al., 2015). Otro estudio ha
demostrado que es más difícil de discriminar entre la activación neural de marcas similares (Chen, Nelson, y Hsu, 2015). Estos resultados pueden explicarse por la noción
de distancia neural (Levy et al., 2011), que establece que las preferencias dispares también están representados en la actividad neural más divergentes, lo que permite los
modelos para separar más fácilmente. Por lo tanto, debemos tener en cuenta que es mucho más difícil hacer predicciones acertadas en base a estímulos muy similares.
Casi todos los estudios que hemos revisado se utiliza muy a diferentes estímulos para la demostración de predicciones acertadas. Esto presenta un problema importante
para las aplicaciones del mundo real en cualquier metodología. Por ejemplo, en muchos casos, los vendedores tienen que elegir entre los anuncios que son muy similares y
contienen sólo pequeñas variaciones. El desafío de los estudios futuros es desarrollar métodos basados en neural y otras señales fisiológicas que demuestran predicciones
exitosas para estímulos muy similares.
10.3 | EEG características prominentes son concluyentes todavía
Una impresión que se destaca en la revisión es la falta de convergencia en las características del EEG predictivos. Como se puede deducir de la tabla 1, el resumen
de los papeles de predicción no concluyente dió características que los investigadores deben centrarse. Varios estudios se basan en medidas de ERP, pero son
difíciles de extraer de larga duración diseños experimentales del mundo real. Una medida más popular para la predicción es la asimetría frontal alfa, que parece
centrarse en la idea de aproximación / retirada, en lugar de en una señal de valor puro. Aunque se trata de una aproximación decente de valor, ya que los estudios
revisados demuestran, no es el Santo Grial a la que aspiran neuromarketing. No obstante, los diversos estudios que utilizan medidas ISC muestran relativamente
mayor promesa. La suposición de que la actividad cortical converge a patrones similares cuando las mentes están enganchados con los mismos estímulos parece
ser bien establecida en principios neurológicos y podría servir como una valiosa pieza del rompecabezas en la determinación de la valoración (principalmente
compromiso), bajo diseños experimentales relevantes. Por último, las bandas espectrales más predictivos aún no se han determinado, ya que los resultados mixtos
han surgido a partir de los documentos revisados. Es probable que un procedimiento automatizado para la extracción de características, que determinará las
características de predicción mediante el aprendizaje algorítmico, nos podría informar mejor en cuanto a que las bandas de frecuencia contienen información de
valor. Por lo tanto, se necesita más investigación sistemática con el fin de identificar mejor las características más destacadas de la señal del EEG que se podría
utilizar para predecir las preferencias futuras y el éxito de marketing a nivel de población.
14 de 21
TABLA 1 La suma de los hallazgos actuales en la predicción de preferencia basada en EEG
autores Año predictores de EEG los factores predictivos modelo de predicción Los estímulos Respuesta (dentro / población) Asignaturas El éxito (ajuste / prueba)
Vecchiato et al. 2011 alfa y theta asimetría Ninguna Correlación 18 anuncios de televisión Dentro de: calificaciones agradabilidad 11 Poner: coeficientes significativos
Koelstra et al. 2012 Theta, lento alfa, alfa, Ninguna Gaussiano de Bayes ingenuo 40 videos Dentro de: excitación, valencia, gusto 32 Prueba: 50 - 62% de precisión
beta y gamma espectrales clasificador
poderes y asimetría
Ravaja et al. 2013 Alfa asimetría Ninguna estimación generalizadas 14 productos comestibles Dentro de: decisión de compra; 33 Poner: coeficientes significativos
ecuaciones necesidad de productos; calidad
del producto
Dmochowski et al. 2014 Neural fiabilidad (ISC) Ninguna Regresión episodio de “ el caminante Pop: tasa Tweet | emergente: la audiencia | dieciséis Ajuste: el 16% de la varianza explicada |
muerto ” dentro: Valoración 36% varianza explicada | 26% de

la varianza explicada
Dmochowski et al. 2014 Neural fiabilidad (ISC) Ninguna Regresión comerciales del Super Bowl Pop: Facebook-EE.UU. hoy anuncio 12 Ajuste: el 66% varianza explicada
metro
Murugappan et al. 2014 banda alfa SE, PSD y Ninguna K-NN, PNN 16 comerciales de vehículos Dentro de: autoevaluación 12 Prueba: 96,62% de precisión más alto
CAROLINA DEL SUR
Telpaz et al. 2015 N200, el poder de la banda theta Ninguna utilidad aleatoria Neural 10 productos Dentro de: ranking de elección binaria 15 Prueba: 59 - 60% de precisión
modelo
Boksem y Smidts 2015 Beta y la banda gamma WTP, gusto Mezclar-modelos 56 acoplados de la película Dentro de: ordenada preferencia | emergente: 29 Poner: resultados significativos
potestades regresión taquilla de EE.UU.
Baldo et al. 2015 El índice de preferencia Cuestionario 1D clasificador lineal 30 productos de calzado Pop: éxito / sin éxito 40 De prueba: 80% de precisión
ventas
Venkatraman et al. 2015 Alfa asimetría, occipital IAT, cuestionario Regresión 30 anuncios de televisión Pop: la elasticidad de la publicidad 29 Ajuste: adjusted- R 2 = 0,338 | ningún
alfa dentro: cuestionario significado
Deitz et al. 2016 puntuación Neuro-compromiso EE.UU. hoy anuncio metros Regresión comerciales del Super Bowl Pop: métricas de YouTube 30 - 35 Ajuste: R 2 = 0.28 - 0.46
2008-2013
Laurence y Gerhold 2016 Alfa asimetría Ninguna Lineales de efectos mixtos 42 comerciales de televisión Dentro de: la intención de compra 20 - 30 Ajuste: R 2 = 0,357
* papel blanco regresión
Yadava et al. 2017 coeficientes de tren de ondas DB4 Ninguna HMM (SVM, RF, NN) 14 productos de imagen * 3 Dentro de: gustos / disgustos 40 Prueba: 63.5 - 70,3% de precisión
(bandas de potencia) variaciones cada
Guixeres et al. 2017 GFP por banda Gusto, el recuerdo red neuronal 8 TV Super Bowl Pop: vistas en línea en YouTube 35 Prueba: precisión media del 82,9%
comerciales
Barnett y Cerf 2017 correlación Cross-cerebro WTP, calificación Correlación 13 trailers de películas Dentro de: pop recuerdo libre: cine 58 Ajuste: r = 0.66 | ajuste: r = 0.68
(ISC) ventas
Hakim et al. 2018 ISC, bandas de energía, Cuestionario SVM, regresión, 6 anuncios de productos Dentro de: ranking de elección binaria | 31 Prueba: 68,5% de precisión | prueba:
asimetría hemisférica árboles de decisión, KNN, KDL pop: métricas de YouTube / cuestionario 1,78 RMSE
en línea
Nota. fMRI: imágenes de resonancia magnética funcional; fNIRS: espectroscopia de infrarrojo cercano funcional; EEG: electroencefalograma; GFP: alimentación de campo a nivel mundial; HMM: hidden Markov model; IAT: Test de Asociación Implícita; ISC: correlación entre sujetos; KDL: núcleo de aprendizaje
discriminante; K-NN: k-vecinos más cercanos; KNN: k vecinos más cercanos; MEG: magnetoencefalografía; NN: red neuronal; PNN: red neuronal probabilística; PSD: densidad espectral de potencia; SC: centroide espectral; SE: energía espectral; SVM: máquinas de vectores soporte; RF: Bosque de azar; RMSE: error
cuadrático medio; DAP: la disposición a pagar.
HAKIM Y EXACCIÓN
10.4 | Alinearse con la metodología de la ciencia de datos
Como esta revisión demuestra, ahora hay varios estudios que han intentado, con diversos grados de éxito, para utilizar las señales de EEG para la predicción. Sin embargo, muchos de ellos
carecen de un enfoque metodológico unificado o una orientación clara sobre las buenas prácticas de investigación, mientras que algunas de ellas en revistas de menor rango, por lo que los
nuevos investigadores en el campo pueden recibir una visión sesgada de las normas de investigación aceptables en el campo, como se ha mencionado en un comentario anterior en el
campo (Lee, Chamberlain, y Brandes, 2018). Proponemos que si uno de los principales objetivos en el neuromarketing es el uso de EEG (o cualquier otra señal) para la predicción, el campo
debe adoptar metodologías ampliamente utilizadas en los datos y las ciencias de predicción, que se ocupan de problemas muy similares en otros dominios (Jordan & Mitchell , 2015). Es
decir, en el esfuerzo para la predicción mejorada y precisa que deberíamos extraer una multitud de características de EEG, lleve a cabo la selección de variables, y predecir en un conjunto
de datos de prueba celebrada-out. Independientemente del enfoque mencionado que descarta la necesidad de extracción de características, si la extracción ya se intentó, se propone extraer
una gran cantidad de características de las señales EEG. Casi todos los periódicos que revisamos extrajeron sólo una única función. Dado que las características neural más predictivos son
aún desconocidas, es difícil saber de antemano qué medidas se centran en, y cuáles de sus combinaciones aumentaría precisión de la predicción a través de sus interacciones. se propone
extraer una gran cantidad de características de las señales EEG. Casi todos los periódicos que revisamos extrajeron sólo una única función. Dado que las características neural más
predictivos son aún desconocidas, es difícil saber de antemano qué medidas se centran en, y cuáles de sus combinaciones aumentaría precisión de la predicción a través de sus
interacciones. se propone extraer una gran cantidad de características de las señales EEG. Casi todos los periódicos que revisamos extrajeron sólo una única función. Dado que las características neural más
Por lo tanto, después de múltiples funciones de EEG han sido extraídos, deben ser reducidos a los más predictivos para evitar
innecesariamente alta dimensionalidad. Esto puede lograrse a través de diversas técnicas de selección de variable y dimensionalidad de reducción,
como el análisis de componentes principales, paso a paso (hacia atrás o hacia delante) procedimientos, validaciones de subconjunto, la regresión
lazo, y más. Estas técnicas implican generalmente mira a escondidas en la variable de respuesta para evaluar la contribución de la función para la
predicción, y por lo tanto, requieren que los ensayos finales del modelo se realizó en un conjunto de datos portátil que no se ha utilizado en el
procedimiento de selección de variables, a fin de evitar precisiones inflados. Fuera de muchas métricas de informe posibles para la predicción,
Por último, muchos avances exitosos en aplicaciones de modelado de predicción, como la visión artificial, procesamiento del lenguaje natural,
y más, se basan en grandes conjuntos de datos de referencia accesibles a todos los investigadores. Estos conjuntos de datos contribuyen
sustancialmente a sus respectivos campos de investigación, ya que permiten la obtención de un gran número de muestras que suelen ser
inalcanzable por un solo laboratorio. Esto proporciona a los investigadores una mayor potencia y robustez en sus propios intentos de modelado y
cuentan con enfoques de extracción. Además, la construcción de un conjunto de datos de referencia permite a los equipos de investigación para
comparar sus resultados de modelos con sensatez, de manera que se hace posible determinar con seguridad qué características o enfoques dan
mejores tasas de predicción en el mismo conjunto de datos. Por lo tanto,
10.5 | Beneficio más allá de las medidas tradicionales
Sólo varios de los estudios revisados aquí examinado la contribución de las señales de EEG a la predicción más allá de las medidas de marketing estándar, tales como
cuestionarios, grupos focales o entrevistas. Es posible que un esfuerzo continuo y gradual para mejorar y perfeccionar la capacidad predictiva de los cuestionarios el que las
acciones neuronales redundante. Sin embargo, la elaboración del cuestionario perfecta podría tomar una cantidad inmaterial de ensayos y errores, mientras que recoge
medidas de EEG es relativamente barato, y sus concomitantes diseños experimentales son en su mayoría económica en coste y tiempo. medidas neuronales todavía tienen
la mayor probabilidad de producir predictores imparciales y concretas, libre de las limitaciones de las medidas subjetivas tradicionales.
En resumen, el campo de neuromarketing es relativamente nuevo, y la primera ola de intentos de predicción ha mostrado algunos resultados
prometedores y abierto nuevas vías para futuros estudios. Sin embargo, todavía no hay suficientes estudios que demuestran la capacidad de predecir
lo que los vendedores realmente desean: ¿cuál de dos o tres versiones de un mensaje de marketing con variaciones muy similares de un estímulo
sería el más exitoso. Por otra parte, incluso cuando hacemos lograr predicciones acertadas, estamos todavía lejos de deconstruir el mensaje
publicitario en sus diversos componentes y entender por qué algunos tienen éxito mientras otros fracasan. Es de suma importancia para obtener más
información sobre esto, tanto con el fin de construir reglas o directrices que podrían ayudar a los vendedores a construir sus futuras campañas,
CONFLICTO DE INTERESES
Los autores han declarado no tener ningún conflicto de interés para este artículo.
ORCID
Adam Hakim https://orcid.org/0000-0003-4172-0867
Dino J. Levy https://orcid.org/0000-0003-4290-7762

Referencias
Ambler, T., Braeutigam, S., Stins, J., Rose, S., y Swithenby, S. (2004). Prominencia y la elección: correlatos neurales de decisiones de compra. Psicología y Marketing, 21 ( 4), 247 - 261.
https://doi.org/10.1002/mar.20004
Amiri, S., Fazel-Rezai, R., y Asadpour, V. (2013). Una revisión de cerebro híbrido - sistemas de interfaz de ordenador. Los avances en Humano - Computer Interaction, 2013, 1 - 8. https://doi.org/10.1155/2013/187024
Ariely, D., y Berns, SG (2010). El Neuromarketing: La esperanza y el bombo de la neuroimagen en los negocios. Nature Reviews Neuroscience, 11 ( 4), 284 - 292. https://doi.org/
10.1038 / nrn2795
Astolfi, L., De Vico Fallani, F., Cincotti, F., Mattia, D., Bianchi, L., Marciani, MG, ... Babiloni, F. (2008). bases neuronales de las respuestas del cerebro a los comerciales de televisión: Un
de alta resolución estudio EEG. IEEE Transactions on Neural Systems y Rehabilitación de Ingeniería, 16 ( 6), 522 - 531. https://doi.org/10.1109/TNSRE.2008.2009784
Bachmann, T. (1997). Visibilidad de breves imágenes: El enfoque de doble proceso. La conciencia y la cognición, 6 ( 4), 491 - 518. https://doi.org/10.1006/ccog.1997.0320 Baldo, D., Parikh, H., Piu, Y., & Müller, K.-M. (2015). Las
ondas cerebrales predicen el éxito de los nuevos productos de moda: Una aplicación práctica para la industria del calzado al por menor.
Revista de Creación de Valor, 1 ( 1), 61 - 71. https://doi.org/10.1177/2394964315569625

Baraybar-Fernández, A., Baños-González, M., Barquero-Pérez, Ó., Goya-Esteban, R., y de-la-Morena-Gómez, A. (2017). Evaluación de las respuestas emocionales de tele-
sión de publicidad a través de neuromarketing. Comunicar, XXV ( 52), 19 - 28. https://doi.org/10.3916/C52-2017-02
Barnett, SB, y Cerf, M. (2017). Un billete para sus pensamientos: Método para predecir la memorización de contenidos y las ventas mediante la similitud de los nervios de los espectadores. Diario del Consumidor
Investigación, 44 ( 1), 160 - 181. https://doi.org/10.1093/jcr/ucw083

Becker, DV, Anderson, Estados Unidos, Mortensen, CR, Neufeld, SL, y Neel, R. (2011). El rostro en la multitud efecto sin factores de confusión: Las caras felices, no los rostros enojados, son más
detectado de manera eficiente en las tareas de búsqueda visual de uno y múltiples destinatarios. Journal of Experimental Psychology, 140 ( 4), 637 - 659. https://doi.org/10.1037/a0024060
Berns, GS, y Moore, SE (2012). Un predictor de los nervios de la popularidad cultural. Journal of Consumer Psychology, 22 ( 1), 154 - 160. https://doi.org/10.1016/j.jcps.2011.
05,001
Bernstein, PS, Scheffers, MK, y Coles, MGH (1995). ' ¿Qué hice mal? ' Un análisis psicofisiológico de detección de errores. Journal of Experimental PSY-
logía: la percepción humana y rendimiento, 21 ( 6), 1312 - 1322. https://doi.org/10.1037/0096-1523.21.6.1312
Bialkova, S., Grunert, KG, y van Trijp, H. (2013). Destacándose en la multitud: El efecto de desorden información sobre la atención del consumidor para la nutrición frontal de los envases
etiquetas. Políticas Alimentarias, 41, sesenta y cinco - 74. https://doi.org/10.1016/J.FOODPOL.2013.04.010
Birmingham, P., y Wilkinson, D. (2003). El uso de instrumentos de investigación: Una guía para los investigadores. Obtenido de https://content.taylorfrancis.com/books/download?dac=
C2012-0-02781-8 y isbn = 9781134483464 y format = googlePreviewPdf

Boksem, el MAS, y Smidts, A. (2015). las respuestas del cerebro a trailers de películas predecir las preferencias individuales para películas y su éxito comercial en toda la población.
Journal of Marketing Research, 52 ( 4), 482 - 492. https://doi.org/10.1509/jmr.13.0572

Borji, A., Sihite, DN, y Itti, L. (2013). Lo que se destaca en una escena? Un estudio del juicio prominencia explícita humano. Vision Research, 91, 62 - 77. https://doi.org/10.1016/
J.VISRES.2013.07.016
Braeutigam, S., Rosa, SPR, Swithenby, SJ, y Ambler, T. (2004). Los sistemas neuronales distribuidos que apoyan la elección de decisiones en situaciones de la vida real: Diferencias
entre hombres y mujeres al elegir las tiendas de comestibles detectados mediante magnetoencefalografía. European Journal of Neuroscience, 20 ( 1), 293 - 302. https://doi.org/
10.1111 / j.1460-9568.2004.03467.x
Braeutigam, S., Stins, JF, Rose, SP, Swithenby, SJ, y Ambler, T. (2001). magnetoencefalográficos señales identifican etapas en los procesos de toma de la vida real. Neural
Plasticidad, 8 ( 4), 241 - 254. https://doi.org/10.1155/NP.2001.241
Buzsaki, G., Anastassiou, CA, y Koch, C. (2012). El origen de los campos y corrientes extracelulares - EEG, ECoG, LFP y espigas. Nature Reviews Neuroscience, 13 ( 6), 407 - 420. https://doi.org/10.1038/nrn3241
Çakir, MP, Çakar, T., Girisken, Y., y Yurdakul, D. (2018). Una investigación de la correlación neural de la conducta de compra a través fNIRS. European Journal of Mar-
KETING, 52 ( 1/2), 224 - 243. https://doi.org/10.1108/EJM-12-2016-0864
Camfield, DA, Scholey, A., Pipingas, A., Silberstein, R., Kras, M., Nolidin, K., ... Stough, C. (2012). El estado estable evocado visual potencial topografía (SSVEP)
cambios asociados con el consumo de cacao flavanol. Fisiología y el comportamiento, 105 ( 4), 948 - 957. https://doi.org/10.1016/j.physbeh.2011.11.013
Cartocci, G., Cherubino, P., Rossi, D., Modica, E., Maglione, AG, Di Flumeri, G., y Babiloni, F. (2016). Género y efectos relacionados con la edad mientras se ve la televisión advertise-
mentos: un estudio EEG. Inteligencia Computacional y Neurociencia, 2016, 1 - 11. https://doi.org/10.1155/2016/3795325

Castellion, G., y Markham, SK (2013). Perspectiva: Nuevas tasas de fracaso del producto: Influencia de Argumento ad populum y el interés propio. Diario de Innovación de Productos
Gestión, 30 ( 5), 976 - 979. https://doi.org/10.1111/j.1540-5885.2012.01009.x

Cámaras, KW, McBeath, MK, Schiano, DJ, y Metz, EG (1999). Tapas son más salientes que fondos. Percepción y psicofísica, 61 ( 4), 625 - 635. https: // doi.org/10.3758/BF03205535
Charles, L., Van Opstal, F., Martí, S., y Dehaene, S. (2013). mecanismos cerebrales distintas para consciente frente a la detección de errores subliminal. NeuroImage, 73, 80 - 94. https: //
doi.org/10.1016/j.neuroimage.2013.01.054 Chen, Y.-P., Nelson, LD, y Hsu, M. (2015). Desde “ Dónde ” a “ Qué “: representaciones distribuidas de asociaciones de marca en el cerebro humano. Journal of Marketing
Investigación, 52 ( 4), 453 - 466. https://doi.org/10.1509/jmr.14.0606

Clancy, KJ, Krieg, PC, y Wolf, MM (2006). Mercado nuevos productos con éxito. Lanham, MD: Lexington Books. Obtenido de https://books.google.co.il/books?
hl = es & lr = & id = VzEVAgAAQBAJ y OI = FND y pg = PP1 y dq = Clancy, + Krieg, +% 26 + Wolf, + 2006 y ots = rWttvMtKyn y sig = cEO4oGt7zqa1sase34sCgNrJq_U y redir_esc = y # v = OnePage y q = Clancy%
2C Krieg% 2C% 26 Lobo% 2C 2006 & f = falso
Colomer Granero, A., Fuentes-Hurtado, F., Naranjo Ornedo, V., Guixeres Provinciale, J., Ausín, JM, y Alcañiz Raya, M. (2016). Una comparación de sig- fisiológico
técnicas de análisis de NAL y clasificadores para la evaluación emocional automática de contenidos audiovisuales. Frontiers in Computational Neuroscience, 10, 74. https: // doi.org/10.3389/fncom.2016.00074
Couwenberg, LE, Boksem, el MAS, Dietvorst, RC, Gusano, L., Verbeke, WJMI, y Smidts, A. (2017). las respuestas neuronales a ad funcional y experiencial
apelaciones: Explicando efectividad de los anuncios. Revista Internacional de Investigación en Marketing, 34 ( 2), 355 - 366. https://doi.org/10.1016/j.ijresmar.2016.10.005
Crawford, CM (1977). La investigación de mercados y la nueva tasa de falla del producto. Journal of Marketing, 41 ( 2), 51. https://doi.org/10.2307/1250634 Cummings, RG, Harrison, GW, y Rutström, EE (1995). Los
valores de cosecha propia y encuestas hipotéticas: ¿Es el enfoque dicotómico incentivo-compatible?
American Economic Review, 85 ( 1), 260 - 266. https://doi.org/10.2307/2118008
Daugherty, T., Hoffman, E., Kennedy, K., y Nolan, M. (2018). Medir la activación neuronal del consumidor a diferenciar el procesamiento cognitivo de la publicidad. europeo
Journal of Marketing, 52 ( 1/2), 182 - 198. https://doi.org/10.1108/EJM-10-2017-0657
Davidson, RJ (1998). asimetrías anteriores electrofisiológicos, las emociones y la depresión: acertijos conceptuales y metodológicas. Psicofisiología, 35 ( 5), 607 - 614.
https://doi.org/10.1017/S0048577298000134
De Valois, RL, y de Valois, KK (1980). Visión espacial. Annual Review of Psychology, 31 ( 1), 309 - 341. https://doi.org/10.1146/annurev.ps.31.020180.001521 Dehaene, S. (2014). Conciencia y el cerebro. Nueva York,
NY: Viking. Obtenido de http://psycnet.apa.org/record/2014-19569-000 Deitz, GD, Royne, MB, Peasley, MC, Huang, JC, y Coleman, JT (2016). La predicción del comportamiento basado en las redes sociales:
medidas frente a calificaciones del panel EEG basada
respuesta a anuncios del Super Bowl. Journal of Advertising Research, 56 ( 2), 217 - 227. https://doi.org/10.2501/JAR-2016-030
Desmedt, JE (1962). Auditivo-potenciales evocados de cóclea a la corteza como la influencia de la activación de la eferente haz Olivo-coclear. Revista de la Acoustical
Society of America, 34 ( 9B), 1478 - 1496. https://doi.org/10.1121/1.1918374
Dijksterhuis, A., Aarts, H., & Smith, PK (2005). El poder de lo subliminal: En la persuasión subliminal y otras aplicaciones potenciales. En RR Hassin, JS Ule-
hombre, y JA Bargh (Eds.), serie de Oxford en la cognición social y la neurociencia social. El nuevo inconsciente ( pp. 77 - 106). Nueva York, Nueva York: Oxford University Press.
Dmochowski, JP, Bezdek, MA, Abelson, BP, Johnson, JS, Schumacher, EH, y Parra, LC (2014). preferencias de la audiencia se predice por la fiabilidad temporal
de procesamiento neural. Nature Communications, 5, 1 - 9. https://doi.org/10.1038/ncomms5567
Dmochowski, JP, Sajda, P., Dias, J., y Parra, LC (2012). componentes correlacionados en curso de punto de atención emocionalmente cargado de EEG - Una posible marcador de
¿compromiso? Frontiers in Human Neurociencia, 6, 1 - 9. https://doi.org/10.3389/fnhum.2012.00112

Duncan-Johnson, CC, y Donchin, E. (1977). En la cuantificación de sorpresa: La variación de los potenciales relacionados con eventos con probabilidad subjetiva. Psicofisiología, 14 ( 5), 456 - 467.
https://doi.org/10.1111/j.1469-8986.1977.tb01312.x
Eckstein, MP (2011). Búsqueda visual: Una retrospectiva. Journal of Vision, 11 ( 5), 14. https://doi.org/10.1167/11.5.14
Ellis, KA, Silberstein, RB, y Nathan, PJ (2006). Explorar la dinámica temporal de la tarea de memoria de trabajo n-back espacial utilizando estado estacionario evocados visuales
potenciales (SSVEP). NeuroImage, 31 ( 4), 1741 - 1751. https://doi.org/10.1016/j.neuroimage.2006.02.014

Evans, KK, Horowitz, TS, Howe, P., Pedersini, R., Reijnen, E., Pinto, Y., ... Wolfe, JM (2011). Atención visual. Cables Cognitive Science, 2 ( 5), 503 - 514. https://doi.org/10.1002/wcs.127
Falk, EB, Berkman, ET, y Lieberman, MD (2012). A partir de las respuestas neuronales a comportamiento de la población: grupo focal neuronal predice efectos de los medios a nivel de población.
Psychological Science, 23 ( 5), 439 - 445. https://doi.org/10.1177/0956797611434964

Falk, EB, Berkman, ET, Mann, T., Harrison, B., y Lieberman, MD (2010). La predicción de cambio de comportamiento persuasión inducida desde el cerebro. Journal of el neurocientífico
ENCE, 30 ( 25), 8421 - 8424. https://doi.org/10.1523/JNEUROSCI.0063-10.2010

Falk, EB, Morelli, SA, Welborn, BL, Dambacher, K., y Lieberman, MD (2013). La creación de zumbido: Los correlatos neurales de propagación mensaje efectivo. Psicópata-
Ciencia lógico, 24 ( 7), 1234 - 1242. https://doi.org/10.1177/0956797612474670
Falk, EB, O'Donnell, MB, Cascio, CN, Tinney, F., Kang, Y., Lieberman, MD, ... Strecher, VJ (2015). Autoafirmación altera la respuesta del cerebro a la salud
mensajes y posterior cambio de comportamiento. Actas de la Academia Nacional de Ciencias, 112 ( 7), 1977 - 1982. https://doi.org/10.1073/pnas.1500247112
Falk, EB, O'Donnell, MB, y Lieberman, MD (2012). Hacer correr la voz: correlatos neurales de propagación mensaje entusiasta. Fronteras en el neurocientífico Humano
cia, 6, 1 - 14. https://doi.org/10.3389/fnhum.2012.00313
Fisher, RJ (1993). sesgo de deseabilidad social y la validez de cuestionamiento indirecto. Journal of Consumer Research, 20 ( 2), 303. https://doi.org/10.1086/209351 Folstein, JR, & Van Petten, C. (2008). Influencia de
control cognitivo y la falta de coincidencia en el componente N2 de la ERP: Una revisión. Psicofisiología, 45 ( 1), 152 - 170. https://doi.org/10.1111/j.1469-8986.2007.00602.x
Fortunato, V., Giraldi, J., y Oliveira, J. (2014). Una revisión de estudios sobre neuromarketing: resultados prácticos, técnicas, contribuciones y limitaciones. Journal of Manage-
ment Research, 6 ( 2), 201.
Frank, MC, Vul, E., & Johnson, SP (2009). Desarrollo de la atención de los bebés a las caras durante el primer año. Cognición, 110 ( 2), 160 - 170. https://doi.org/10.1016/
J.COGNITION.2008.11.010
Gajewski, PD, Drizinsky, J., Zulch, J., y Falkenstein, M. (2016). ERP se correlaciona de las decisiones de compra simuladas. Frontiers in Neuroscience, 10, 1 - 13. https: // doi.org/10.3389/fnins.2016.00360
Gakhal, B., y Senior, C. (2008). El examen de la influencia de la fama en presencia de la belleza: Un electrodermal ' neuromarketing ' estudiar. Diario del comportamiento del consumidor,
7 ( 4 - 5), 331 - 341. https://doi.org/10.1002/cb.255

Gehring, WJ, Goss, B., Coles, MGH, Meyer, DE, y Donchin, E. (1993). Un sistema neural para la detección de errores y compensación. Psychological Science, 4 ( 6), 385 - 390.
Gehring, WJ, Gratton, G., Coles, MGH, y Donchin, E. (1992). efectos de probabilidad en procesos de evaluación de estímulo y respuesta. Journal of Experimental PSY-
logía: la percepción humana y rendimiento, 18 ( 1), 198 - 216. https://doi.org/10.1037/0096-1523.18.1.198
Gehring, WJ, y Willoughby, AR (2002). La corteza frontal medial y el rápido procesamiento de las ganancias y pérdidas monetarias. Ciencia, 295 ( 5563), 2279 - 2282. https: // doi.org/10.1126/science.1066893
Genevsky, A., y Knutson, B. (2015). mecanismos afectivos neuronales predicen microcréditos a nivel de mercado. Psychological Science, 26 ( 9), 1411 - 1422. https://doi.org/
10.1177 / 0956797615588467
Genevsky, A., y Knutson, B. (2018). Neuroforecasting elección agregado. Current Directions in Psychological Science, 27 ( 2), 110 - 115. Gianotti, LRR, Knoch, D., Faber, PL, Lehmann, D., Pascual-Marqui, RD,
Diezi, C., ... Fehr, E. (2009). nivel de actividad tónica en la corteza prefrontal derecha predice
riesgo de los individuos de tomar. Psychological Science, 20 ( 1), 33 - 38. https://doi.org/10.1111/j.1467-9280.2008.02260.x
Gibbs, A. (1997). Grupos de enfoque. Obtenido de http://sru.soc.surrey.ac.uk/SRU19.html Glimcher, P., y Fehr, E. (2014). Neuroeconomía: La toma de decisiones
y el cerebro. Cambridge, MA: Elsevier Academic Press.
Goto, N., Mushtaq, F., Shee, D., Lim, XL, Mortazavi, M., Watabe, M., y Schaefer, A. (2017). señales neurales de la atención selectiva son modulados por preferible subjetiva
cias y decisiones de compra en una tarea de la compra virtual. Psicología Biológica, 128, 11 - 20. https://doi.org/10.1016/j.biopsycho.2017.06.004
Guixeres, J., BIGNE, E., Azofra, JMA, Raya, MA, Granero, AC, Hurtado, FF, y Ornedo, VN (2017). la métrica basada en la neurociencia de consumo predicen el recuerdo, lik-
ing y la visualización de las tasas de publicidad en línea. Frontiers in Psychology, 8, 1 - 14. https://doi.org/10.3389/fpsyg.2017.01808
Haas, LF (2003). Hans Berger (1873 - 1941), Richard Caton (1842 - 1926), y electroencefalografía. Journal of Neurology, Neurocirugía, y Psychiatry, 74 ( 1), 9. https://doi.org/10.1136/JNNP.74.1.9
Hajcak, G., Holroyd, CB, Moser, JS, y Simons, RF (2005). potenciales cerebrales asociados con resultados buenos y malos esperados e inesperados. psicofisiología,
42 ( 2), 161 - 170. https://doi.org/10.1111/j.1469-8986.2005.00278.x
Hajcak, G., Moser, JS, Holroyd, CB, y Simons, RF (2007). Es peor de lo que pensaba: la negatividad retroalimentación y violaciónes de predicción de recompensa en los juegos de azar
Tareas. Psicofisiología, 44 ( 6), 905 - 912. https://doi.org/10.1111/j.1469-8986.2007.00567.x

Hakim, A., Klorfeld, S., Sela, T., Friedman, D., Shabat-Simon, M., y Levy, DJ (2018). Caminos a la mente de los consumidores: El uso de la máquina de aprendizaje y múltiples Met-EEG
RICS para aumentar la predicción de preferencia por encima y más allá de las mediciones tradicionales. bioRxiv 317073. https://doi.org/10.1101/317073 Harmon-Jones, E., Aguilón, PA, y Peterson, CK (2010). El papel de la actividad cortical
frontal asimétrica en los fenómenos relacionados con la emoción: Una revisión y actualización. biológicamente
Psicología cal, 84 ( 3), 451 - 462. https://doi.org/10.1016/j.biopsycho.2009.08.010

Harris, JM, Ciorciari, J., y Gountas, J. (2018). neurociencia del consumidor para los investigadores de marketing. Diario del comportamiento del consumidor, 17 ( 3), 239 - 252. https://doi.org/
10.1002 / cb.1710
Hassin, RR, Uleman, JS, y Bargh, JA (2005). El nuevo inconsciente. Oxford, Inglaterra, Reino Unido: Oxford University Press. Obtenido de https://books.google.co.il/
libros? id = HgdAqhh7U3gC y dq = subliminal + persuasión + en + Publicidad y LR = & fuente = gbs_navlinks_s Hasson, U., Nir, Y., Levy, I., Fuhrmann, G., y Malach, R. (2004). la visión natural. Ciencia, 303, 1634 - 1640.
https://doi.org/10.1126/science.1089506~~V~~3rd Heidenreich, S., y Spieth, P. (2013). ¿Por qué fracasan las innovaciones - El caso de la resistencia a la innovación pasiva y activa. Revista Internacional de Gestión de la
Innovación,
17 ( 05), 1350021. https://doi.org/10.1142/S1363919613500217

Helfinstein, SM, Schonberg, T., Congdon, E., Karlsgodt, KH, Mumford, JA, Sabb, FW, ... Poldrack, RA (2014). La predicción de opciones de riesgo de la actividad cerebral
patrones. Actas de la Academia Nacional de Ciencias, 111 ( 7), 2470 - 2475. https://doi.org/10.1073/pnas.1321728111
Holroyd, CB, y Coles, MGH (2002). La base neural de procesamiento humano error: el aprendizaje de refuerzo, la dopamina y la negatividad relacionada con los errores. psicológicamente
cal Review, 109 ( 4), 679 - 709. https://doi.org/10.1037/0033-295X.109.4.679

Holroyd, CB, Coles, MGH, y Nieuwenhuis, S. (2002). Medial de la corteza y de error potenciales prefrontal. Ciencia, 296 ( 5573), 1610 - 1611. https://doi.org/10.1126/ SCIENCE.296.5573.1610
Holroyd, CB, Krigolson, OE, y Lee, S. (2011). Recompensar positividad provocada por las señales de predicción. Neuroreport, 22 ( 5), 249 - 252. https://doi.org/10.1097/WNR. 0b013e328345441d
Hsu, M. (2017). El Neuromarketing: Dentro de la mente del consumidor. California Management Review, 59 ( 4), 5 - 22. https://doi.org/10.1177/0008125617720208 Hsu, M., y Yoon, C. (2015). La neurociencia
de la elección del consumidor. Current Opinion in Ciencias de la Conducta, 5, 116 - 121. https://doi.org/10.1016/
J.COBEHA.2015.09.005
Huettel, S., Song, A., y McCarthy, G. (2004). La resonancia magnética funcional. Obtenido de https://pdfs.semanticscholar.org/b917/
f1d5f55a44446d45a14f2f0192375108aa0e.pdf
Itti, L., & Koch, C. (2001). modelado computacional de la atención visual. Nature Reviews Neuroscience, 2 ( 3), 194 - 203. https://doi.org/10.1038/35058500 Javor, A., Koller, M., Lee, N., Chamberlain, L., y Ransmayr, G.
(2013). El Neuromarketing y el consumidor neurociencia: Las contribuciones a la neurología. BMC Neurology, 13,
1 - 12. https://doi.org/10.1186/1471-2377-13-13
Johannesson, M., Liljas, B., y Johansson, P.-O. (1998). Una comparación experimental de elección dicotómica preguntas de valoración contingente y las decisiones de compra real.
Economía Aplicada, 30 ( 5), 643 - 647. https://doi.org/10.1080/000368498325633

Johansson, P., Hall, L., Sikström, S., Tärning, B., y Lind, A. (2006). ¿Cómo se puede decir algo sobre decir más de lo que podemos saber: En la ceguera elección y la intro-
pección. La conciencia y la cognición, 15 ( 4), 673 - 692. https://doi.org/10.1016/J.CONCOG.2006.09.004
Jordan, MI, y Mitchell, TM (2015). El aprendizaje automático: Tendencias, perspectivas y perspectivas. Ciencia, 349 ( 6245), 255 - 260. https://doi.org/10.1126/science.aaa8415 Kardos, Z., Kobor, A., Takács, A., Tóth, B., Boha,
R., File, B., y Molnár, M. (2016). características relacionadas con la edad de la toma de decisiones de riesgo y la formación de expectativas progresiva. Behavioural Brain Research, 312, 405 - 414.
https://doi.org/10.1016/j.bbr.2016.07.003
Karmarkar, UR, y Plassmann, H. (2017). neurociencia del consumidor: pasado, presente y futuro. Métodos de investigación de la organización. https://doi.org/10.1177/
1094428117730598
Karmarkar, UR, y Yoon, C. (2016). neurociencia del consumidor: Los avances en la comprensión de la psicología del consumidor. Current Opinion in Psicología, 10, 160 - 165. https://doi.org/10.1016/j.copsyc.2016.01.010
Khushaba, RN, Greenacre, L., Kodagoda, S., Louviere, J., Burke, S., y Dissanayake, G. (2012). modelos de elección y el cerebro: Un estudio sobre el electroencefalograma
(EEG) de preferencias. Los sistemas expertos con Aplicaciones, 39 ( 16), 12378 - 12388. https://doi.org/10.1016/j.eswa.2012.04.084
Khushaba, RN, Kodagoda, S., Dissanayake, G., Greenacre, L., Burke, S., y Louviere, J. (2012). Una aproximación a los modelos de elección neurocientífica: electroencefalograma
gram (EEG) y las preferencias del usuario. En D. Essam, y R. Sarker (Eds.), La Conferencia Internacional 2012 Conjunta de las Redes Neuronales (IJCNN) ( pp. 10 - 15), Piscataway, Nueva Jersey: Instituto de Ingenieros
Eléctricos y Electrónicos. https://doi.org/10.1109/IJCNN.2012.6252561
Khushaba, RN, Wise, C., Kodagoda, S., Louviere, J., Kahn, BE, y Townsend, C. (2013). neurociencia del consumidor: La evaluación de la respuesta del cerebro a los estímulos de marketing
utilizando el electroencefalograma (EEG) y seguimiento de los ojos. Los sistemas expertos con Aplicaciones, 40 ( 9), 3803 - 3812. https://doi.org/10.1016/j.eswa.2012.12.095
Rey, el Sr. R., Pescetelli, N., y Dehaene, S. (2016). mecanismos cerebrales que subyacen a la breve mantenimiento de la información sensorial visto y no visto. Neuron, 92 ( 5), 1122 - 1134.
https://doi.org/10.1016/j.neuron.2016.10.051
Koch, C., y Ullman, S. (1987). Los cambios en la atención visual selectiva: hacia la circuitería neural subyacente. En LM Vaina (Ed.), Asuntos de inteligencia ( pp. 115 - 141). Dordrecht, Países Bajos: Springer.
https://doi.org/10.1007/978-94-009-3833-5_5 Koelstra, S., Mühl, C., Soleymani, M., Lee, JS, Yazdani, A., Ebrahimi, T., ... Patras, I. (2012). DEAP: Una base de datos para el análisis de la emoción; utilizando señales
fisiológicas.
IEEE Transactions on Affective Computing, 3 ( 1), 18 - 31. https://doi.org/10.1109/T-AFFC.2011.15
Krampe, C., Strelow, E., Haas, A., y Kenning, P. (2018). La aplicación de fNIRS móviles a “ neurociencia comprador “- Las primeras ideas de una comuni- merchandising
estudio de cationes. European Journal of Marketing, 52 ( 1/2), 244 - 259. https://doi.org/10.1108/EJM-12-2016-0727
Krugman, HE (1971). medidas de las ondas cerebrales de la participación de los medios de comunicación. Journal of Advertising, 11 ( 1), 3 - 9. Obtenido de http://www.academia.edu/download/32944363/
Brin_Wave_Measures_of_Media_Involvement _-_ Herbert_E._Krugman.pdf Kühn, S., Strelow, E., y Gallinat, J. (2016). Múltiple “ botones de compra ” en el cerebro: la previsión de ventas de chocolate en el punto de venta basado en la
activación cerebral funcional utilizando
fMRI. NeuroImage, 136, 122 - 128. https://doi.org/10.1016/j.neuroimage.2016.05.021

Langton, SSR, Derecho, AS, Burton, AM, y Schweinberger, SR (2008). captar la atención por caras. Cognición, 107 ( 1), 330 - 342. https://doi.org/10.1016/
j.cognition.2007.07.012
Laurence, JA, y Gerhold, MM (2016). Ahorro del día: La relación entre la emoción y la intención de compra en la publicidad televisiva, 1 - 12. Obtenido de http: //
www.head-space.biz/LiteratureRetrieve.aspx?ID=187596
Lebreton, M., Jorge, S., Michel, V., Thirion, B., y Pessiglione, M. (2009). Un sistema de valoración automático en el cerebro humano: Evidencia de neuroimagen funcional.
Neuron, 64 ( 3), 431 - 439. https://doi.org/10.1016/j.neuron.2009.09.040
Lee, N., Brandes, L., Chamberlain, L., y Senior, C. (2017). Este es su cerebro en neuromarketing: Reflexiones sobre una década de investigación. Journal of Marketing Manage-
ment, 33 ( 11 - 12), 878 - 892. https://doi.org/10.1080/0267257X.2017.1327249

Lee, N., Chamberlain, L., y Brandes, L. (2018). ¡Bienvenido a la jungla! La literatura neuromarketing a través de los ojos de un recién llegado. Revista Europea de Mercado-
ING, 52 ( 1 - 2), 4 - 38. https://doi.org/10.1108/EJM-02-2017-0122
Levy, DJ, y Glimcher, PW (2012). La raíz de todo valor: Una moneda común neuronal para la elección. Current Opinion in Neurobiología, 22 ( 6), 1027 - 1038. Levy, I., Lazzaro, Carolina del Sur, Rutledge, RB, y Glimcher, PW (2011).
Choice de la no elección: La predicción de las preferencias del consumidor de oxigenación de la sangre dependiente del nivel de
señales obtenidas durante la visualización pasiva. Journal of Neuroscience, 31 ( 1), 118 - 125. https://doi.org/10.1523/JNEUROSCI.3214-10.2011
Lin, CH, Tuan, HP, y Chiu, TA (2010). actividad frontal medial de los consumidores fieles a una marca: Un estudio de la conducta y rayos infrarrojo cercano. Journal of Neuroscience, PSY-
logía, y Economía, 3 ( 2), 59 - 73. https://doi.org/10.1037/a0015461

Lin, MH, Cruz, SNN, Jones, WJ, y Childers, TL (2018). La aplicación de EEG en la neurociencia del consumidor. European Journal of Marketing, 52 ( 1 - 2), 66 - 91. https: // doi.org/10.1108/EJM-12-2016-0805
Lista, JA, & Gallet, CA (2001). Lo experimentales disparidades influencia protocolo entre los valores reales y teóricos establecidos? Eco-Ambiental y de Recursos
nomics, 20 ( 3), 241 - 254. https://doi.org/10.1023/A:1012791822804
Luck, SJ (2014). Una introducción a la técnica de potencial relacionados con el evento ( Segunda ed.). Cambridge, MA: MIT Press. Obtenido de http://www.worldcat.org/title/
introducción a la relacionada con el evento de-potencial-técnica / oclc / 861671073
Suerte, SJ, y Vogel, EK (1997). La capacidad de memoria de trabajo visual de características y conjunciones. Naturaleza, 390 ( 6657), 279 - 281. https://doi.org/10.1038/36846 Luu, P., Shane, M., Pratt, NL, y Tucker,
DM (2009). mecanismos corticolímbica en el control de aprendizaje por ensayo y error. Brain Research, 1247, 100 - 113. https: // doi.org/10.1016/J.BRAINRES.2008.09.084
Macpherson, HN, White, DJ, Ellis, KA, Stough, C., Camfield, D., Silberstein, R., y Pipingas, A. (2014). cambios relacionados con la edad a los correlatos neurales de trabajo
memoria que surgen después de la mediana edad. Frontiers in Aging Neuroscience, 6, 70. https://doi.org/10.3389/fnagi.2014.00070
Manano, SK, Ruddock, KH, y Wooding, DS (1997). los patrones de fijación realizadas durante breve examen de imágenes bidimensionales. Percepción, 26 ( 8), 1059 - 1072. https://doi.org/10.1068/p261059
Manano, SK, Wooding, DS, y Ruddock, KH (1996). La relación entre las ubicaciones de las características espaciales y los de las fijaciones hechas durante examina- visual
ción de una breve presentación de imágenes. Visión espacial, 10 ( 3), 165 - 188. https://doi.org/10.1163/156856896X00123
McDaniel, SW, Verille, P., y Madden, CS (1985). Las amenazas a la investigación de mercados: Una nueva estimación empírica. Journal of Marketing Research, 22 ( 1), 74. https: // doi.org/10.2307/3151552
Milosavljevic, M., Navalpakkam, V., Koch, C., y Rangel, A. (2012). Relativas diferencias visuales prominencia inducir sesgo considerable en la elección del consumidor. Diario del Consumidor
Psicología, 22 ( 1), 67 - 74. https://doi.org/10.1016/j.jcps.2011.10.002

Miltner, RHO, Braun, CH, y Coles, MGH (1997). potenciales cerebrales relacionados con eventos siguientes retroalimentación incorrecta en una tarea de estimación de tiempo: La evidencia de una
“ genérico ” sistema neural para la detección de error. Journal of Cognitive Neuroscience, 9 ( 6), 788 - 798. https://doi.org/10.1162/jocn.1997.9.6.788
Morgan, DL (1988). Grupos focales como la investigación cualitativa. Thousand Oaks, CA: Sage Publications. Obtenido de https://books.google.co.il/books/about/Focus_
groups_as_qualitative_research.html? id = 8dJ8AAAAIAAJ y redir_esc = y
Murugappan, M., Murugappan, S., y Gerard, C. (2014). señales de EEG inalámbricos sistema neuromarketing base utilizando la transformada rápida de Fourier (FFT). En 2014 IEEE 10a
Coloquio Internacional sobre Procesamiento de Señales y sus Aplicaciones (CSPA) ( pp. 25 - 30). Kuala Lumpur, Malasia: IEEE.
Mushtaq, F., Wilkie, RM, Mon-Williams, MA, y Schaefer, A. (2016). retroalimentación antes aleatorio modula las señales neurales de la vigilancia de los resultados. NeuroImage,
125, 868 - 879. https://doi.org/10.1016/J.NEUROIMAGE.2015.10.046

Nakamura, K., Makuuchi, M., Oga, T., Mizuochi-Endo, T., Iwabuchi, T., Nakajima, Y., y Dehaene, S. (2018). límites de capacidad neural durante el pro-semántico inconsciente
cessing. European Journal of Neuroscience, 47 ( 8), 929 - 937. https://doi.org/10.1111/ejn.13890
Neeley, SM, y Cronley, ML (2004). Cuando participantes en la investigación no dicen las cosas como son: la localización de los efectos del sesgo de deseabilidad social mediante la auto-vs indirecta cues-
namiento. En BE Kahn, y ML Luce (Eds.), NA - Los avances en la investigación del consumidor ( Vol. 31, pp. 432 - 433). Valdosta, GA: Asociación para la Investigación del Consumidor. Obtenido de
http://www.acrwebsite.org/volumes/8930/volumes/v31/NA-31
Nieuwenhuis, S., Aston-Jones, G., y Cohen, JD (2005). La toma de decisiones, la P3, y el locus coeruleus - sistema de la norepinefrina. Psychological Bulletin, 131 ( 4), 510 - 532.
https://doi.org/10.1037/0033-2909.131.4.510
Nisbett, RE, y Wilson, TD (1977). Diciendo más de lo que podemos saber: informes verbales sobre los procesos mentales. Psychological Review, 84 ( 3), 231 - 259. https://doi.org/
10.1037 / 0033-295X.84.3.231
Ohme, R., Reykowska, D., Wiener, D., y Choromanska, A. (2009). El análisis de las reacciones neurofisiológicas a los estímulos publicitarios a través de EEG y galvánica de la piel
las medidas de respuesta. Journal of Neuroscience, Psicología y Economía, 2 ( 1), 21 - 31. https://doi.org/10.1037/a0015462
Ohme, R., Reykowska, D., Wiener, D., y Choromanska, A. (2010). La aplicación de la asimetría EEG frontal a la investigación publicitaria. Revista de Psicología Económica,
31 ( 5), 785 - 793. https://doi.org/10.1016/j.joep.2010.03.008
Parkhurst, D., Derecho, K., y Niebur, E. (2002). Modelando el papel de relevancia en la asignación de la atención visual manifiesta. Vision Research, 42 ( 1), 107 - 123. https: // doi.org/10.1016/S0042-6989(01)00250-4
Parkhurst, D., y Niebur, E. (2003). contenido de la escena seleccionada por visión activa. Visión espacial, 16 ( 2), 125 - 154. https://doi.org/10.1163/15685680360511645 Perlstein, WM, Cole, MA, Larson, M., Kelly, K., Seignourel, P., y
Keil, A. (2003). El estado de equilibrio los potenciales evocados visuales revelan la memoria de trabajo mediada frontalmente
la actividad en seres humanos. Neuroscience Letters, 342 ( 3), 191 - 195. https://doi.org/10.1016/S0304-3940(03)00226-X
Peterson, DJ, Gurariy, G., Dimotsantos, GG, Arciniega, H., Berryhill, ME, y Caplovitz, GP (2014). El estado estacionario potencial evocado visual revela cor- neuronal
se refiere de los elementos codificados en la memoria de trabajo visual. Neuropsychologia, 63, 145 - 153. https://doi.org/10.1016/J.NEUROPSYCHOLOGIA.2014.08.020
Petrescu, L., Beciu, A., Al Hadeethi, S., Ionescu-Tirgoviste, C., Ih ailescu, DM, y Petrescu, C.-D. (2018). biométrico de estimación de la respuesta emocional como método de
estudiar en neuromarketing. Actas de la Academia Rumana, 20 ( 1), 3 - 12. Obtenido de http://www.acad.ro/sectii2002/proceedingsChemistry/doc20181/art01.pdf
Pieters, R., y Wedel, M. (2007). el control objetivo de la atención a la publicidad: La implicación Yarbus. Journal of Consumer Research, 34 ( 2), 224 - 233. https://doi.org/
10.1086 / 519150
Pizzagalli, DA, Sherwood, RJ, Henriques, JB, y Davidson, RJ (2005). Frontal asimetría del cerebro y la recompensa de respuesta: Un estudio fuente-localización. Psicópata-
Ciencia lógico, 16 ( 10), 805 - 813. https://doi.org/10.1111/j.1467-9280.2005.01618.x
Plassmann, H., Ramsøy, TZ, y Milosavljevic, M. (2012). Branding el cerebro: Una revisión crítica y perspectiva. Journal of Consumer Psychology, 22 ( 1), 18 - 36. https: // doi.org/10.1016/j.jcps.2011.11.010
Plassmann, H., Venkatraman, V., Huettel, S., y Yoon, C. (2015). neurociencia del consumidor: Aplicaciones, desafíos y posibles soluciones. Journal of Marketing
Investigación, 52 ( 4), 427 - 435. https://doi.org/10.1509/jmr.14.0048
Poldrack, R. (2006). Procesos cognitivos pueden ser inferidas a partir de datos de neuroimagen? Tendencias en las ciencias cognitivas, 10 ( 2), 59 - 63. https://doi.org/10.1016/
j.tics.2005.12.004
Polich, J. (2007). Actualizando P300: Una teoría integradora de P3a y P3b. Neurofisiología Clínica, 118 ( 10), 2128 - 2148. https://doi.org/10.1016/j.clinph.2007.04.019 Polich, J., & Kok, A. (1995).
determinantes cognitivos y biológicos de la P300: una revisión integradora. Biological Psychology, 41 ( 2), 103 - 146. https://doi.org/
10,1016 / 0301-0511 (95) 05130-9
Proudfit, GH (2015). La positividad recompensa: A partir de la investigación básica en la recompensa a un biomarcador de la depresión. Psicofisiología, 52 ( 4), 449 - 459. https://doi.org/10.1111/ psyp.12370
Pynta, P., Seixas, SAS, Nield, GE, Hier, J., Millward, E., y Silberstein, RB (2014). El poder de la televisión social: ¿Pueden los medios sociales acumulación participación de los espectadores?
Journal of Advertising Research, 54 ( 1), 71 - 80. https://doi.org/10.2501/JAR-54-1-071-080

Ramsøy, TZ, Jacobsen, C., Friis-Olivarius, M., Bagdziunaite, D., y Skov, M. (2017). Valor predictivo de la postura del cuerpo y dilatación de la pupila en la evaluación preferible consumidor
rencia y la elección. Journal of Neuroscience, Psicología y Economía, 10 ( 2 - 3), 95 - 110. https://doi.org/10.1037/npe0000073

Ravaja, N., Somervuori, O., y Salminen, M. (2013). La predicción de decisión de compra: El papel de la asimetría hemisférica sobre la corteza frontal. Journal of Neuroscience,
Psicología y Economía, 6 ( 1), 1 - 13. https://doi.org/10.1037/a0029949
Reeves, B., Lang, A., Thorson, E., y Rothschild, ML (1989). escenas de televisión emocionales y especialización hemisférica. Human Communication Research, 15 ( 4), 493 - 508.
Reeves, B., Thorson, E., Rothschild, ML, McDonald, D., Hirsch, J., y Goldstein, R. (1985). Atención a la televisión: efectos Intrastimulus de movimiento y la escena
cambios en la variación de alfa en el tiempo. International Journal of Neuroscience, 27 ( 3 - 4), 241 - 255. https://doi.org/10.3109/00207458509149770
Reimann, M., Schilke, O., Weber, B., Neuhaus, C., y Zaichkowsky, J. (2011). imagen funcional por resonancia magnética en la investigación del consumidor: Una revisión y aplicación.
Psicología y Marketing, 28 ( 6), 608 - 637. https://doi.org/10.1002/mar.20403

Rossiter, JR, y Silberstein, RB (2001). detección de imagen cerebral de la escena de codificación visual en la memoria a largo plazo para comerciales de televisión. Diario de la Publicidad
Investigación, 41 ( 2), 13 - 21. https://doi.org/10.2501/JAR-41-2-13-21

Rothschild, ML, Hyun, YJ, Reeves, B., Thorson, E., y Goldstein, R. (1988). Hemisférica lateralizado EEG como una respuesta a los anuncios de televisión. Diario de
Consumer Research, 15 ( 2), 185. https://doi.org/10.1086/209156
Rothschild, ML, Thorson, E., Reeves, B., Hirsch, J., y Goldstein, R. (1986). la actividad del EEG y el procesamiento de los anuncios de televisión. Investigación de la Comunicación,
13 ( 2), 182 - 220. https://doi.org/10.1177/009365086013002003
Sato, A., Yasuda, A., Ohira, H., Miyawaki, K., Nishikawa, M., Kumano, H., y Kuboki, T. (2005). Efectos del valor y la recompensa magnitud en la negatividad y la retroalimentación
P300. Neuroreport, 16 ( 4), 407 - 411. https://doi.org/10.1097/00001756-200503150-00020
Schall, JD (1995). bases neuronales de la selección de objetivos sacada. Opiniones en las Neurociencias, 6 ( 1), 63 - 85. Schneider, T., y Woolgar, S. (2015). Neuromarketing en la fabricación: La promulgación y el entrelazamiento
reflexivo en un campo emergente. BioSocieties, 10 ( 4), 400 - 421. https: // doi.org/10.1057/biosoc.2015.37
Scholz, C., Baek, CE, O'Donnell, MB, Kim, SA, Cappella, JN, y Falk, EB (2017). Un modelo neuronal de valoración y viralidad información. Actas de la
Academia Nacional de Ciencias, 114 ( 11), 2881 - 2886. https://doi.org/10.1073/pnas.1615259114
Schultz, W. (2016). La dopamina recompensa de codificación de error de predicción. Diálogos en Neurociencia Clínica, 18 ( 1), 23 - 32. Schultz, W., Dayan, P., y Montague, PR (1997). Un sustrato neural de la predicción y la
recompensa. Science, 275 ( 5306), 1593 - 1599. https://doi.org/10.1126/SCIENCE.275.
5306.1593
Silberstein, RB, Ciorciari, j., Y Pipingas, A. (1995). El estado de equilibrio evocado visual potencial topografía durante la prueba de clasificación de cartas de Wisconsin. electroencefalografía
y Clinical Neurophysiology / evocados Sección Potenciales, 96 ( 1), 24 - 35. https://doi.org/10.1016/0013-4694(94)00189-R

Silberstein, RB, Danieli, F., & Núñez, PL (2003). Frontoparietal evocó la sincronización potencial se incrementa durante la rotación mental. Neuroreport, 14 ( 1), 67 - 71.
https://doi.org/10.1097/01.wnr.0000050980.57500.aa
Silberstein, RB, Harris, PG, Nield, GA, y Pipingas, A. (2000). los posibles cambios de estado estacionario frontales predecir el rendimiento de memoria de reconocimiento a largo plazo. interna-
cional Journal of Psicofisiología, 39 ( 1), 79 - 85. https://doi.org/10.1016/S0167-8760(00)00118-5

Silberstein, RB, y Nield, GE (2008). La actividad cerebral se correlaciona de cambio de marca de consumo opción asociada con la publicidad televisiva. Revista Internacional de adver-
tising, 27 ( 3), 359 - 380. https://doi.org/10.2501/S0265048708080025

Silberstein, RB, Núñez, PL, Pipingas, A., Harris, P., y Danieli, F. (2001). El estado estable evocado visual potencial topografía (SSVEP) en una memoria de trabajo calificado
tarea. Revista Internacional de Psicofisiología, 42 ( 2), 219 - 232. https://doi.org/10.1016/S0167-8760(01)00167-2
Smidts, A., Hsu, M., Sanfey, AG, Boksem, MAS, Ebstein, RB, Huettel, SA, ... Yoon, C. (2014). Avanzando en la neurociencia del consumidor. Las cartas de marketing, 25 ( 3), 257 - 267.
https://doi.org/10.1007/s11002-014-9306-1
Smith, A., Douglas Bernheim, B., Camerer, CF, y Rangel, A. (2014). La actividad neuronal revela las preferencias y sin opciones. American Journal económica: Microeco-
nomics, 6 ( 2), 1 - 36. https://doi.org/10.1257/mic.6.2.1
Smith, ME, y guevins, A. (2004). La atención y la actividad cerebral mientras se ve la televisión: Componentes de la participación de los espectadores. Medios Psicología, 6 ( 3), 285 - 305.
https://doi.org/10.1207/s1532785xmep0603_3
Smithson, J. (2000). El uso y el análisis de grupos de enfoque: limitaciones y posibilidades. Revista Internacional de Metodología de la Investigación Social, 3 ( 2), 103 - 119. https: // doi.org/10.1080/136455700405172
Squires, NK, Squires, KC, y Hillyard, SA (1975). Dos variedades de ondas positivas latencia larga evocadas por estímulos auditivos impredecibles en el hombre. Electroencepha-
lography y Clinical Neurophysiology, 38 ( 4), 387 - 401. https://doi.org/10.1016/0013-4694(75)90263-1
Stevens, GA, y Burley, J. (1997). 3.000 ideas en bruto 1 = éxito comercial! Investigación-Management Technology, 40 ( 3), 16 - 27. https://doi.org/10.1080/08956308.
1997.11671126
Sutton, S., Braren, M., Zubin, J., & John, ER (1965). Evocado-posibles correlaciones de estímulo incertidumbre. Science, 150 ( 3700), 1187 - 1188. https://doi.org/10.1126/ SCIENCE.150.3700.1187
Sutton, SK, y Davidson, RJ (2000). Cerebral prefrontal asimetría eléctrica predice la evaluación de los estímulos afectivos. Neuropsychologia, 38 ( 13), 1723 - 1733.
https://doi.org/10.1016/S0028-3932(00)00076-2
Telpaz, A., Webb, R., y Levy, DJ (2015). El uso de EEG para predecir futuras decisiones de los consumidores. Journal of Marketing Research, 52 ( 4), 511 - 529. https://doi.org/10.1509/ jmr.13.0564
Toyomaki, A., y Murohashi, H. (2005). El ERP de realimentación que indica la pérdida monetaria y la ganancia en el juego de la modificación “ rock - papel - tijeras ”. Con- Internacional
Serie Gress, 1278, 381 - 384. https://doi.org/10.1016/J.ICS.2004.11.032
Treisman, AM, y Gelade, G. (1980). Una característica de la teoría de integración de la atención. Psicología cognitiva, 12 ( 1), 97 - 136. https://doi.org/10.1016/0010-0285(80)90005-5 Tusche, A., Bode, S., y Haynes, J.-D. (2010). las
respuestas neuronales a los productos sin supervisión predicen posteriores decisiones de los consumidores. Journal of Neuroscience, 30 ( 23), 8024 - 8031. https://doi.org/10.1523/JNEUROSCI.0064-10.2010
van der Helm, PA (2017). organización perceptiva visual humano mejor que pensar en la velocidad. Atención, la percepción, y psicofísica, 79 ( 4), 1227 - 1238. https: // doi.org/10.3758/s13414-017-1281-1
Van Gaal, S., Naccache, L., Meuwese, JDI, van Loon, AM, Leighton, AH, Cohen, L., y Dehaene, S. (2014). Se puede integrar el significado de varias palabras
¿inconscientemente? Philosophical Transactions of the Royal Society, B: Ciencias Biológicas, 369 ( 1641), 20130212. https://doi.org/10.1098/rstb.2013.0212
Van Opstal, F., de Lange, FP, y Dehaene, S. (2011). El rápido procesamiento semántico paralela de números sin conciencia. Cognición, 120 ( 1), 136 - 147. https: // doi.org/10.1016/j.cognition.2011.03.005
VanRullen, R., y Thorpe, SJ (2001). El curso del tiempo de procesamiento visual: De la percepción temprano para la toma de decisiones. Journal of Cognitive Neuroscience, 13 ( 4), 454 - 461.
https://doi.org/10.1162/08989290152001880
Veale, R., Hafed, ZM, y Yoshida, M. (2017). ¿Cómo se calcula la relevancia visual en el cerebro? Puntos de vista de la conducta, la neurobiología y el modelado. Filosófico
Transacciones de la Royal Society, B: Ciencias Biológicas, 372 ( 1714), 20160113. https://doi.org/10.1098/rstb.2016.0113
Vecchiato, G., Astolfi, L., Cincotti, F., De Vico Fallani, F., Sorrentino, DM, Mattia, D., ... Babiloni, F. (2010). Los patrones de actividad cortical durante la observación de
anuncios de servicio público y publicidades comerciales. Nonlinear Biomedical Physics, 4 ( Supl. 1), 1 - 9. https://doi.org/10.1186/1753-4631-4-3
Vecchiato, G., Astolfi, L., Fallani, FDV, Cincotti, F., Mattia, D., Salinari, S., ... Babiloni, F. (2010). Los cambios en la actividad cerebral durante la observación de la televisión comercialmente
CIAL mediante el uso de EEG, GSR y mediciones de recursos humanos. Cerebro Topografía, 23 ( 2), 165 - 179. https://doi.org/10.1007/s10548-009-0127-0
Vecchiato, G., Cherubino, P., Maglione, AG, Ezquierro, MTH, Marinozzi, F., Bini, F., ... Babiloni, F. (2014). ¿Cómo medir los correlatos cerebrales de las emociones en
la comercialización de las tareas pertinentes. Computación cognitiva, 6 ( 4), 856 - 871. https://doi.org/10.1007/s12559-014-9304-x
Vecchiato, G., Toppi, J., Astolfi, L., De Vico Fallani, F., Cincotti, F., Mattia, D., ... Babiloni, F. (2011). asimetrías frontales espectral del EEG se correlacionan con el experimento
agradabilidad mentado de anuncios comerciales de televisión. Ingeniería Médica y Biológica y Computación, 49 ( 5), 579 - 583. https://doi.org/10.1007/ s11517-011-0747-x
Venkatraman, V., Dimoka, A., Pavlou, PA, Vo, K., Hampton, W., Bollinger, B., ... Winer, RS (2015). Predecir el éxito de publicidad más allá de las medidas tradicionales:
Nuevos puntos de vista de los métodos neurofisiológicos y modelado de respuesta del mercado. Journal of Marketing Research, 52 ( 4), 436 - 452. https://doi.org/10.1509/ jmr.13.0593
Wackermann, J., Lehmann, D., Michel, CM, y Strik, WK (1993). segmentación adaptativa de la serie de mapas EEG espontánea en microestados espacialmente definidos. interna-
cional Journal of Psicofisiología, 14 ( 3), 269 - 283.
Wang, A.-L., Ruparel, K., Loughead, JW, Strasser, AA, Blady, SJ, Lynch, KG, ... Langleben, DD (2013). El contenido importa: la investigación de neuroimagen
cerebro y el impacto en el comportamiento de los anuncios de servicio público antitabaco televisados. Journal of Neuroscience, 33 ( 17), 7420 - 7427. https://doi.org/10.1523/ JNEUROSCI.3840-12.2013
Wang, J., y Han, W. (2014). El impacto de la calidad percibida en las decisiones de compra en línea. Neuroreport, 25 ( 14), 1091 - 1098. https://doi.org/10.1097/ WNR.0000000000000233
Wedel, M., y Pieters, R. (2012a). Capacidad informativa de los movimientos oculares para la comercialización visual. Seis pilares (55 pp - 84). Obtenido de https://doi.org/10.4324/ 9780203809617-8
Wedel, M., y Pieters, R. (2012b). Visual Marketing: de la atención a la acción. Obtenido de https://www.google.com/books?hl=en&lr=&id=0yaRWQGabQ0C&oi=
FND y PG = PT15 y dq = Visual + Marketing + de + atención + a + + Acción y ots = BzYFXVJeDl y sig = BtVkX1-92gJeoNxqlBGt0x7BdQ4 Winkielman, P., Berridge, KC, y Wilbarger, JL (2005). reacciones afectivas
inconscientes a enmascarados feliz frente a rostros enojados influyen en el comportamiento de consumo y
juicios de valor. Personalidad y Psicología Social Boletín, 31 ( 1), 121 - 135. https://doi.org/10.1177/0146167204271309
Wood, AW, Bartel, A., Cadusch, P., Ciorciari, J., Crewther, D., Patterson, J., ... Thompson, B. (2012). Fisiología, física e ingeniería biomédica. Obtenido de
https://s3.amazonaws.com/academia.edu.documents/52459454/AW_Woods_biomedical_engingeering.pdf?AWSAccessKeyId=AKIAIWOWYYGZ2Y53UL3A& Expires = 1534692756 y Signature = lhBDGCkUuX%
2FBh2dHzNMMk95% 2FlEE% 3D y respuesta-content-disposition = inline% 3Bfilename% 3DPHYSIOLOG Wooding, DS, Ruddock, KH, y Mannan, S. (1995). El control automático de los movimientos oculares
sacádicos realizados en la inspección visual de una breve presentación de imágenes 2-D.
Visión espacial, 9 ( 3), 363 - 386. https://doi.org/10.1163/156856895X00052
Yadava, M., Kumar, P., Saini, R., Roy, PP, y PROSAD Dogra, D. (2017). Análisis de señales de EEG y su aplicación al neuromarketing. Herramientas multimedia y apli-
cationes, 76 ( 18), 19087 - 19111. https://doi.org/10.1007/s11042-017-4580-6
Yarbus, AL (1967). Los movimientos oculares durante la percepción de los objetos complejos. En Los movimientos del ojo y la visión ( pp. 171 - 211). Boston, MA: Springer. https://doi.org/
10.1007 / 978-1-4899-5379-7_8
Yeung, N., Holroyd, CB, y Cohen, JD (2005). ERP se correlaciona de retroalimentación y procesamiento de la recompensa en la presencia y ausencia de elección de respuesta. Corteza cerebral,
15( 5), 535 - 544. https://doi.org/10.1093/cercor/bhh153

Yeung, N., y Sanfey, AG (2004). codificación independiente de la magnitud de la recompensa y de valencia en el cerebro humano. Journal of Neuroscience, 24 ( 28), 6258 - 6264. https: //
doi.org/10.1523/JNEUROSCI.4537-03.2004
Zhu, D., Bieger, J., García Molina, G., y Aarts, RM (2010). Un estudio de métodos de estimulación utilizados en BCI basados en SSVEP. Inteligencia Computacional y el neurocientífico
cia, 2010, 1 - 12. https://doi.org/10.1155/2010/702357
Cómo citar este artículo: Hakim A, Levy DJ. Una puerta de entrada a la mente del consumidor: logros, advertencias, y las perspectivas de predicción basado en la
electroencefalografía en neuromarketing. Cables Cogn sci. 2019; 10: e1485. https://doi.org/10. 1002 / wcs.1485

A Gateway To Consumers' Minds - En.es

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

A Gateway To Consumers' Minds - En.es

Încărcat de

Drepturi de autor:

Formate disponibile

Recibido: 13 May 2018 Revisado: 21 Octubre 2018 Aceptado: 23 Octubre 2018

DOI: 10.1002 / wcs.1485

Una puerta de entrada a la mente del consumidor: Logros, advertencias, y las

perspectivas de predicción basado en la electroencefalografía en neuromarketing

Adam Hakim 1 | Dino J. Levy 1,2

1 Escuela sagol de Neurociencias de la Universidad de Tel

neurociencia del consumidor, EEG, neuromarketing, la predicción

2 | Aprovechar los conocimientos de las neurociencias a INFORM MARKETING

(Charles, Van Opstal, Martí, y Dehaene,

podrían interesar a los anunciantes.

Plassmann et al, 2015;. Plassmann, Ramsøy, y Milosavljevic, 2012).

3 | POTENCIAL de las predicciones neurocientífica BASADA

campo y proporcionar sugerencias para el camino a seguir.

los que aún no se han abordado en el campo.

4 | Las técnicas de marketing CLASSIC y sus limitaciones

características interactivas de grupo (Smithson, 2000).

5 | A Comparativa de neural en la investigación de mercados

industria empleará fMRI debido a sus limitaciones prácticas.

Choromanska, 2009; Vecchiato, Astolfi, Fallani, et al., 2010).

véase Buzsaki, Anastassiou, y Koch,

7 | CARACTERÍSTICAS DEL CANDIDATO EEG PROMINENTES

comprensión de los mecanismos neuronales de la toma de decisiones y la predicción de la preferencia.

7.1 | potenciales relacionados con eventos

ha demostrado que es más fuerte que para las ganancias

latencia se considera que refleja un aumento de la excitación sináptica o simplemente

(Camfield et al, 2012;. Macpherson et al, 2014;. Peterson et al., 2014).

retención de los anuncios.

7.2 | poderes espectrales

lemas, etc. Por lo tanto, los estudios de EEG

7.3 | asimetría hemisférica

la emoción y la depresión (Davidson, 1998) o la motivación y afectar (Harmon-Jones, Aguilón, y Peterson,

7.4 | correlación entre sujetos

estímulos agradables, a veces conduce a una interacción explícita o implícita la respuesta.

8 | Tres aspectos de NEURO-PREDICCIÓN

8.1 | Dentro de la muestra frente fuera de la muestra

8.2 | Montaje contra las pruebas

8.3 | Autónomo frente allá

9 | Los resultados actuales en la predicción de preferencia basada en el EEG

9.1 | Montaje sin medidas estándar

de utilizar la asimetría cortical como un predictor válido de elección.

9.2 | Montaje allá de las medidas estándar

características tradicionales. Sin embargo, este análisis no dió coeficientes significativos.

9.3 | Pruebas sin medidas estándar

la población, ni tampoco tratan de predecir más allá de las medidas tradicionales.

9.4 | Realizar ensayos adicionales a las medidas estándar

para cuantificar la actividad cerebral en cada banda (Wackermann et al.,

tres estudios no incluyen las predicciones basadas en su propio conjunto de muestras.

10 | PERSPECTIVAS Y Retos para el futuro

10.1 | valor Predecir allá de las características específicas de los estímulos

10.2 | La predicción es mejor para estímulos claramente preferidas

exitosas para estímulos muy similares.

10.3 | EEG características prominentes son concluyentes todavía

TABLA 1 La suma de los hallazgos actuales en la predicción de preferencia basada en EEG

beta y gamma espectrales clasificador

ecuaciones necesidad de productos; calidad

muerto ” dentro: Valoración 36% varianza explicada | 26% de

CAROLINA DEL SUR

potestades regresión taquilla de EE.UU.

(bandas de potencia) variaciones cada

10.4 | Alinearse con la metodología de la ciencia de datos

10.5 | Beneficio más allá de las medidas tradicionales

Adam Hakim https://orcid.org/0000-0003-4172-0867

Dino J. Levy https://orcid.org/0000-0003-4290-7762