تشخیص ترجیحات مصرف‎ کننده از سیگنال‎های EEG به کمک تبدیل موجک گسسته، پیچیدگی لمپل زیو و شبکه عصبی عمیق

بازاریابی عصبی به کارگیری عصب روان‎شناسی در پژوهش‎های بازاریابی است تا به کمک فناوری‎های نوین به مطالعه حسی حرکتی رفتار مصرف کننده مانند پاسخ های شناختی و احساسی به محرک های بازاریابی بپردازد. عملکرد سیستم های تشخیص اولویت مبتنی بر سیگنال های مغزی (EEG) به انتخاب مناسب روش های استخراج ویژگی و الگوریتم های یادگیری ماشین بستگی دارند. در این مقاله از سیگنال‎های EEG 25 شرکت کننده در زمان مشاهده 14 محصول مختلف استفاده شده است. در اینجا ابتدا سیگنال های EEG توسط پالایه های میان گذر و ساویتزکی گولای پیش پردازش می شوند و ویژگی های تبدیل موجک گسسته (DWT) و پیچیدگی لمپل زیو (LZC) از آنها استخراج می شود. سپس ویژگی‎های بهنجارشده به دو بخش آموزش و آزمون تقسیم می شوند. سپس ویژگی های بهنجارشده به شبکه عصبی عمیق (DNN) چهار لایه برای پیش بینی نتیجه آموزش داده می شوند و درنهایت پس از انجام آموزش، مدل پیشنهادی آماده پیش بینی است. برای ارزیابی عملکرد مدل پیشنهادی از مولفه های دقت، فراخوانی و صحت استفاده شده است. نتایج نشان می دهد مقدار مولفه های دقت 82درصد، فراخوانی 5/87درصد و صحت 5/87درصد برای تشخیص دو دسته پسندیدن و نپسندیدن پس از پنج بار متوسط گیری حاصل شده است. در این پژوهش اثر تبلیغات بر فعالیت مغز مصرف‎کنندگان با تحلیل سیگنال های EEG بررسی شد. نتایج تجربی بر روی مدل پیشنهادی نشان می دهد که مطالعات دراین زمینه می تواند باعث تغییر و بهبود راهبردهای بازاریابی برای بهبود عملکرد تولیدکننده و رضایت مصرف کننده شود و درنهایت، به منفعت متقابل منجر شود.