体验分析,消费者研究

撰文:正经体验爱好者


顾客是否在体验过程中体验到了快乐?是否产生了长久而深刻的记忆?快乐是否分享给了更多的人?

 

这些信息是体验设计者需要知道的。那么,怎样的设计和方法可以帮助企业更好、更准确地掌握这些信息呢?

 

既然是消费者调研,首先要注意的是,常规对消费者研究的态度评价在这里并不适用。因为消费者并不是很理性的,而且人也不会总是自知个体的消费行为和决策过程。

 

本文综述营销学和心理学在情感研究较为前沿的三类研究方法或思路,希望为实践中创造性的设计和实施体验测量提供思路。

 

首先,认知神经科学常用的脑电和心电的测量。

 

认知神经科学由认知科学和神经科学发展融合形成,在营销领域主要是神经营销(neuromarketing)。从概念上,神经营销研究的是从神经生理层面的营销刺激对消费者感知、行为和情绪所产生的效应,主要目标在于提高营销策略的效率和有效性;同时,将神经科学的方法与理论和消费行为的理论、模型相结合,以发展出理解消费者心理和行为的神经心理理论,探索和理解消费者心理和行为的深层机制。

 

在人类认知自我的探索发展中,已经对大脑皮层的基本功能区和作用有了一定的认识和结论,这为神经营销的探索验证研究提供了基础。

 


神经营销的基本研究方式是采取实验室模拟的方法,借助核磁共振(FMRI)、脑电记录仪(ERP/EEG)或其他生理记录仪,给研究对象呈现经过设计的刺激物(例如商标、广告等),同时记录大脑活动信号,然后分析刺激物的特征属性和不同区域大脑活动之间的关系。


图:连接生理多导仪,利用近红外前额叶成像技术记录脑电活动

 

目前,神经营销已经为传统消费行为研究提出较多的补充和完善。例如,对“喜欢”(liking)和“想要”(wanting) 的区别,以往的消费行为研究很难对二者进行区分,也有理论将二者默认为同一种心理构建的不同阶段。但是,近年来神经科学研究却表明,想要(欲求)和喜好是两种情感,其相关的神经活动是相互分离的。

 

受益于此,有学者也证实了消费行为上欲求和喜好的分离。研究发现,当个体在追求某个目标的过程中受挫时,对目标的欲求会升高,但喜好却会降低。在其实验中,未能赢得奖品的人相比于赢得奖品的人对奖品有更高的支付意愿(欲求),但更可能在得到奖品之后将其置换(喜好)。

 

使用脑电仪对人们观看不同广告时的大脑活动和生理反应进行测量发现,当人们觉得广告很愉悦时,其大脑左侧前额叶区域的活动会显著增强。对不同类型广告加工过程的比较发现,大脑眶额叶、前部扣带回、杏仁核以及海马区域对逻辑劝说型的广告加工程度高于非理性影响的广告刺激。

 

虽然,这些神经营销的研究目前还主要是在实验室里进行,但其更精细、更准确地量化了结果,为我们更好地设计和实施体验测量提供了思路和参考。

 

其次,表情编码。

 

国际上对人脸表情的分析与识别的研究工作可分为基于心理学和计算机两类。早在1872年,生物学家达尔文所做的心理实验就表明,面部表情的含义不会随着国家、种族、性别的不同而不同。1978年美国心理学家Ekman和Friesen开发了面部动作编码系统(Facial Action coding system,FACS),以此来检测面部表情的细微变化。在这个系统中,他将表情分为六个基本类别:悲伤、高兴、恐惧、厌恶、愤怒和惊奇,说明了与无表情人脸特征相比,这六种表情的人脸特征具有相对独特的肌肉运动规律。

 

 

计算机方面,最初对表情识别做了尝试的是Suwa和Sugie等人。1978年,他们对选定的连续图像序列中脸部固定的20个点进行跟踪识别,并与原型模式(Prototype pattern)进行比较以实现识别。

 

近40年来,心理学和计算机专家们在表情编码和识别方向不断尝试,也有在营销中的实践应用。比如,在广告测试中,通过观看记录广告人群的面部表情和基本情绪的变化,在广告片段和表情变化之间建立模型,分析广告的作用。

 

最后,语言识别与分析。

 

体验过程中顾客参与和沟通的语言,以及体验结束后的交流与评价的语言,都为评价体验设计和效果提供了有效测量信息和数据。

 

目前,语言识别与分析是计算机科学领域与人工智能领域中的一个重要方向。其中,自然语言处理(Natural Language Processing, NLP)技术相对成熟且被广泛应用,已经能够有效地识别文本语义并应用于实际工作中,并更好更高效地应用于体验后的各项特定工作指导,如顾客体验设计的改进和优化,以及后续可持续判别和不断提升。

 

 

另一方面,自然语言中的情绪识别也成为NLP技术不断完善后,亟待持续完善的重要领域。目前,语言情绪识别已从传统的实验室分析方式,如能量分析、基频分析、共振峰分析等方式,向着深度学习模式转变,以便能够更好地满足日益丰富的语言情绪表达和应用复杂程度激增的体验场景和工作中。

 

 

再者,所有顾客语言都是发生在特定的情境中,如体验现场或体验后的交流中。基于特定场景中顾客所表述的语言内容和情绪的识别与分析,都不能脱离情境自有条件的限制。因此,情境识别与分析也成为自然语言识别和分析中不可缺少的组成部分,并可作用于后续顾客体验的设计和提升。

 

目前适用于顾客体验的情境分析法可对应调整为:要素拆解、场景定义、诉求分析、行为路径和问题定位,从而为更好地进行顾问体验分析提供支撑。

 


因此,语言识别与分析需要综合考虑语义、情绪和情境三个方面的识别与分析结果,基于三方相互制约和支持的客观规律,才能有效实现对顾客体验的真实测量。