汪 蕾，楊一愷，鄭杰慧,*，王小毅

基于消費者神經(jīng)科學(xué)視角預(yù)測消費者行為：現(xiàn)狀、挑戰(zhàn)與未來

汪 蕾1,2，楊一愷1,2，鄭杰慧1,2,*，王小毅1,2

（1.浙江大學(xué) 管理學(xué)院，浙江 杭州 310058；2.浙江大學(xué) 神經(jīng)管理實驗室，浙江 杭州 310027）

消費者神經(jīng)科學(xué)自出現(xiàn)至今已不再局限于探索與消費者行為相關(guān)的神經(jīng)機制，采用神經(jīng)科學(xué)技術(shù)理解并預(yù)測消費者行為已成為消費者神經(jīng)科學(xué)領(lǐng)域的一大研究熱點，正在推動消費決策研究范式的轉(zhuǎn)變。本文首先簡要回顧了消費者神經(jīng)科學(xué)的發(fā)展歷程，然后圍繞產(chǎn)品選擇、體驗偏好和廣告效果這三個主題，著重評述了將功能性磁共振成像、腦電和眼動追蹤技術(shù)應(yīng)用于消費者行為預(yù)測的最新研究成果，最后提出了該領(lǐng)域發(fā)展的局限性以及未來需要突破的方向。本文有助于加深廣大學(xué)者對國內(nèi)外利用神經(jīng)科學(xué)技術(shù)預(yù)測消費者行為研究的全面了解，從而拓展消費者行為學(xué)研究的深度和廣度。

消費者神經(jīng)科學(xué)；預(yù)測；消費者行為；消費者決策

0 引言

從亞當(dāng)·斯密到泰勒，管理學(xué)研究邁出了從經(jīng)驗傳授到“科學(xué)管理”的重要一步。由于研究范式和研究工具的局限性，僅僅依靠假設(shè)、建模、驗證的實證研究并沒能實現(xiàn)真正的科學(xué)有效[1]。大數(shù)據(jù)時代的到來，拓展了數(shù)據(jù)種類和數(shù)據(jù)來源，但數(shù)據(jù)客觀與否依然受到質(zhì)疑。21世紀是神經(jīng)科學(xué)的時代，在管理學(xué)研究中引入對大腦的探索是科技發(fā)展和管理進步的必然趨勢[2]，將助力管理學(xué)研究從主觀走向客觀。

管理就是決策[3]，對決策的研究一直是管理科學(xué)關(guān)注的焦點。長期以來，包括管理學(xué)、經(jīng)濟學(xué)和心理學(xué)等領(lǐng)域的學(xué)者們致力于消費者行為學(xué)的研究[4,5]，他們大多采用觀察調(diào)研、因果模型、實驗研究以及新興的大數(shù)據(jù)智能方法展開[6]，其中實驗研究已成為絕對的主導(dǎo)方法[7]。尤其是隨著認知神經(jīng)科學(xué)的快速發(fā)展，大量的腦活動測量儀器出現(xiàn)在人們的視野，這些工具可以直接測量消費者潛在的、無意識的神經(jīng)活動，對于打開消費者大腦中的“黑匣子”有重要的意義。于是，越來越多的學(xué)者開始采用行為實驗與神經(jīng)科學(xué)技術(shù)相結(jié)合的方式來挖掘消費者行為背后的機理[8,9]，推動了神經(jīng)科學(xué)技術(shù)與消費者決策研究的融合，促進了消費者決策研究范式的轉(zhuǎn)變。由此，一個新的跨學(xué)科領(lǐng)域應(yīng)運而生，通常稱其消費者神經(jīng)科學(xué)(Consumer Neuroscience[10]。作為神經(jīng)經(jīng)濟學(xué)(Neuroeconomics)和神經(jīng)管理學(xué)(Neuromangement)的一個分支[11]，消費者神經(jīng)科學(xué)關(guān)注的是消費者決策過程的大腦機制及行為后果，是決策神經(jīng)科學(xué)(Decision Neuroscience)領(lǐng)域廣泛研究的一部分[12]。

隨著學(xué)科的發(fā)展，消費者神經(jīng)科學(xué)的研究方法在管理決策領(lǐng)域被逐步接納和應(yīng)用，消費者行為與神經(jīng)科學(xué)融合的研究成果逐漸發(fā)表在營銷學(xué)頂級期刊[13-15]。在過去的十幾年中，相關(guān)研究集中于探索與消費者行為關(guān)聯(lián)的腦區(qū)及神經(jīng)機制，為消費者神經(jīng)科學(xué)的發(fā)展奠定了堅實的基礎(chǔ)[16-18]。近年來，由于神經(jīng)科學(xué)方法可以相對準確客觀地追蹤消費者行為的相關(guān)數(shù)據(jù)，使得國內(nèi)外學(xué)者開始結(jié)合神經(jīng)科學(xué)數(shù)據(jù)將現(xiàn)有理論和模型應(yīng)用于消費者行為的預(yù)測，從而將消費者神經(jīng)科學(xué)的發(fā)展推向新高度[19-23]。

我國學(xué)者馬慶國教授在2006年提出神經(jīng)管理學(xué)的概念[11,24]，梳理了神經(jīng)管理學(xué)的重要分支，并圍繞消費者神經(jīng)科學(xué)、神經(jīng)決策學(xué)、神經(jīng)營銷學(xué)等方面做了簡要綜述，指出利用神經(jīng)科學(xué)工具，從客觀的角度解釋消費者的決策行為具有重要價值。采用神經(jīng)科學(xué)工具預(yù)測消費者行為是未來研究的重要領(lǐng)域之一[25-27]。部分學(xué)者不僅從認知神經(jīng)科學(xué)的視角解讀消費者決策行為[28-31]，也開始引入神經(jīng)科學(xué)的數(shù)據(jù)對消費者行為進行預(yù)測。已有國內(nèi)學(xué)者結(jié)合大腦的功能連接數(shù)據(jù)對消費者的經(jīng)濟決策行為進行預(yù)測[32]，利用腦電數(shù)據(jù)預(yù)測消費者在眾籌市場中的行為變化[33]、預(yù)測消費者對產(chǎn)品的偏好[34,35]；利用眼動數(shù)據(jù)和腦電數(shù)據(jù)建立用戶情感預(yù)測模型[36]等。然而，國內(nèi)學(xué)者運用神經(jīng)科學(xué)工具預(yù)測消費者行為的研究仍處于起步階段，結(jié)合多維數(shù)據(jù)對消費者行為的預(yù)測還存在廣闊的研究空間。因此，通過系統(tǒng)性梳理神經(jīng)科學(xué)視角下的消費者行為預(yù)測研究將有助于加深廣大學(xué)者對國內(nèi)外相關(guān)研究的全面了解，從而拓展消費者行為學(xué)研究的深度和廣度。

基于此，本文將重點討論基于消費者神經(jīng)科學(xué)的視角如何預(yù)測消費者行為。首先，本文簡要回顧消費者神經(jīng)科學(xué)的產(chǎn)生與發(fā)展，闡述結(jié)合認知神經(jīng)科學(xué)技術(shù)來預(yù)測消費者行為的必要性。其次，本文系統(tǒng)性比較常規(guī)方法和神經(jīng)科學(xué)方法在預(yù)測消費者行為中的差異，重點介紹功能性核磁共振成像(functional magnetic resonance imaging, fMRI)、腦電圖(electroencephalography, EEG)、眼動追蹤(eye tracking)、功能性近紅外光譜(functional near-infrared spectroscopy, fNIRS)以及皮膚電反應(yīng)、心率、呼吸頻率等生理工具在預(yù)測消費者行為研究中的最新成果。之后，本文概括了當(dāng)前研究的挑戰(zhàn)和未來需要突破的方向。最后，本文總結(jié)了神經(jīng)科學(xué)視角下預(yù)測消費者行為的研究對營銷學(xué)乃至管理學(xué)研究的重要意義。

1 消費者神經(jīng)科學(xué)的產(chǎn)生與發(fā)展

2002年，Ale Smidts教授首次提出在市場營銷領(lǐng)域使用神經(jīng)科學(xué)工具以更好地理解消費者行為，從而改善營銷策略[37]。一直以來，神經(jīng)科學(xué)應(yīng)用于消費者研究領(lǐng)域涉及兩個概念，神經(jīng)營銷學(xué)(Neuromarketing)[38-40]和消費者神經(jīng)科學(xué)(Consumer Neuroscience)[5,10,41]。2008年，Hubert和Kenning對消費者神經(jīng)科學(xué)和神經(jīng)營銷學(xué)的概念進行了區(qū)分[41]，他們認為，消費者神經(jīng)科學(xué)或神經(jīng)營銷學(xué)是利用大腦研究的方法解決與營銷相關(guān)的問題。消費者神經(jīng)科學(xué)注重科學(xué)研究的過程，而神經(jīng)營銷學(xué)指消費者神經(jīng)科學(xué)的發(fā)現(xiàn)在管理實踐中的應(yīng)用。Plassmann等人2015年在上發(fā)表的消費者神經(jīng)科學(xué)研究綜述中評論到，消費者神經(jīng)科學(xué)更多強調(diào)使用神經(jīng)科學(xué)理論和方法來豐富消費者心理和行為的研究。而今，消費者神經(jīng)科學(xué)已開始為消費者行為的預(yù)測研究助力[5]。

作為最早將神經(jīng)科學(xué)與消費者決策結(jié)合的研究之一，McClure等人發(fā)現(xiàn)了品牌的秘密。他們的研究結(jié)果表明消費者在未觀察到可樂的品牌商標時，品嘗百事可樂時獎賞相關(guān)的腦區(qū)激活程度為品嘗可口可樂的5倍。然而在觀察到品牌商標時，與記憶過程相關(guān)的特定區(qū)域——海馬體(hippocampus)和背外側(cè)前額葉皮質(zhì)(dorsolateral prefrontal cortex; dlPFC)的神經(jīng)活動在品嘗可口可樂時更強，但在品嘗百事可樂時卻未發(fā)現(xiàn)相關(guān)活動[16]。此研究從認知科學(xué)的視角解釋了品牌對消費者購買產(chǎn)品的影響，這也促使學(xué)者們開始使用神經(jīng)科學(xué)技術(shù)研究營銷活動，開辟了消費者神經(jīng)科學(xué)的大門。

消費者神經(jīng)科學(xué)早期的研究集中于探索與消費者行為相關(guān)的神經(jīng)關(guān)聯(lián)[42]，如表1所示。大量研究發(fā)現(xiàn)，紋狀體(striatum)、伏隔核(nucleus accumbens; NAcc)與“獎賞”相關(guān)[43-46]，前額葉皮質(zhì)(prefrontal cortex; PFC)與“主觀價值”相關(guān)[47-51]。除此之外，研究還發(fā)現(xiàn)中腦邊緣系統(tǒng)與個體價值感知密切相關(guān)[13,52]。上述研究揭示了消費者行為背后的腦機制，為神經(jīng)科學(xué)與消費者行為融合發(fā)展奠定了堅實的基礎(chǔ)。一直以來，社會心理學(xué)家認為消費者的偏好是無意識形成的[53]，而神經(jīng)科學(xué)方法對這一觀點做了強有力的支撐。已有fMRI實驗表明，當(dāng)被試不知道或不在意是否需要做決定時，其偏好已經(jīng)在大腦中形成，且可以預(yù)測其后續(xù)的決策[54,55]。Knutson等人率先使用認知科學(xué)數(shù)據(jù)來對消費者后續(xù)行為進行預(yù)測，研究發(fā)現(xiàn)產(chǎn)品偏好與伏隔核(NAcc)有關(guān)，產(chǎn)品價格與腦島(insula)和內(nèi)側(cè)前額葉皮質(zhì)(medial prefrontal cortex; MPFC)相關(guān)，這些神經(jīng)回路的激活預(yù)測了隨后的消費者購買選擇[45]。相較于以往的自我報告數(shù)據(jù)，神經(jīng)科學(xué)工具可以實時動態(tài)地跟蹤消費者決策過程，為研究提供多維度較難觀測的精細數(shù)據(jù)，因此可以更準確地用以預(yù)測消費者的行為[55-59]，甚至使用實驗室中被試的認知活動便可以預(yù)測一個較大人群或市場的行為[20,21,60-62]。

神經(jīng)科學(xué)方法在消費者決策現(xiàn)存概念和研究主題方面的發(fā)展經(jīng)歷了近20年，一方面找到了與消費者行為相關(guān)的認知指標，幫助我們更加精確地解讀和剖析消費者行為，豐富了現(xiàn)有的消費行為研究和決策理論；另一方面，還揭示了神經(jīng)數(shù)據(jù)具有直接預(yù)測消費者個人及市場行為的能力，使得現(xiàn)有的理論研究更好地運用于實踐當(dāng)中，提高社會的經(jīng)濟效益。

表1 與消費者行為相關(guān)的大腦區(qū)域

資料來源：Karmarkar和Plassmann，2019

2 預(yù)測消費者行為的方法

預(yù)測是消費者行為研究的重要課題之一，精準預(yù)測消費者行為可以帶來巨大的經(jīng)濟效益。然而，前期研究發(fā)現(xiàn)，由于缺乏對消費者偏好的感知和預(yù)測，新產(chǎn)品的銷量通常達不到預(yù)期效果，面臨著經(jīng)濟和名譽的雙重損失[63,64]。為改變這一困境，研究者們采用多種方法預(yù)測消費者行為，以期解決上述問題。如：以訪談法和焦點小組為代表的定性研究方法，以問卷調(diào)研、實驗研究、大數(shù)據(jù)智能方法為代表的定量研究方法。近年來，作為傳統(tǒng)研究方法的補充，神經(jīng)科學(xué)方法逐漸興起，在預(yù)測消費者行為方面展現(xiàn)出巨大優(yōu)勢，僅使用實驗室樣本便可達到預(yù)測整體市場消費的效果，引起了學(xué)者們的廣泛關(guān)注[5,10]。

2.1 傳統(tǒng)方法

訪談法作為定性研究的方法，可以幫助研究者發(fā)現(xiàn)新問題，對于理解消費者行為提供新見解，但由于其無法提供準確的定量資料，在預(yù)測消費者行為時存在不足。焦點小組雖然可以同時訪問多個被調(diào)查者，但研究者的主觀判斷會對結(jié)果產(chǎn)生影響[65]，與此同時，作為定性研究技術(shù)，其在預(yù)測行為時同樣無法提供定量解釋。

通過問卷調(diào)查消費者喜好，進而評估產(chǎn)品或營銷策略是普遍采用的方法之一。研究者大多運用統(tǒng)計學(xué)、計量經(jīng)濟學(xué)、數(shù)據(jù)挖掘等方法建模，來預(yù)測消費者行為。如：Chong等人采用問卷的方式找到了影響馬來西亞和中國消費者使用移動商務(wù)(mobile commerce)的預(yù)測因子[66]；申相德等人通過問卷調(diào)查的實證研究，提出并驗證了電子商務(wù)臨界交易期內(nèi)客戶交易決策行為的預(yù)測模型[67]。事實上，采用問卷調(diào)查具有方便、快速、成本低、可覆蓋面廣等多個優(yōu)點[68]。盡管問卷的設(shè)計耗時耗力，但經(jīng)過不斷完善且效度良好的問卷可以準確地發(fā)掘消費者真實的偏好。然而，有研究發(fā)現(xiàn)，通過問卷或自我報告的方式測量出來的被試態(tài)度與其實際行為之間的一致性較低[69]，即消費者態(tài)度對其行為的預(yù)測效果不佳。

通過實驗室行為實驗的方法預(yù)測消費者行為同樣是一種有效的途徑，但也有研究表明通過消費者在實驗室中的假設(shè)選擇來預(yù)測其在實際情景下的真實選擇會存在較大偏差[70]。同時，實驗室的小樣本數(shù)據(jù)能否推廣到市場中解讀大樣本的行為規(guī)律也還受到挑戰(zhàn)[5]。此外，有研究采用大數(shù)據(jù)智能方法預(yù)測消費者行為，如：Bag等人基于消費者在亞馬遜平臺的實時搜索和評論的大數(shù)據(jù)，預(yù)測了消費者對耐用品的購買偏好[71]。王煉等人的研究發(fā)現(xiàn)，網(wǎng)絡(luò)搜索數(shù)據(jù)能夠預(yù)測汽車銷量和市場份額[72]。大數(shù)據(jù)技術(shù)通過精準捕捉消費者搜索記錄和全方位實時分析消費者行為，可以達到“讓消費者自己告訴你”的目標[6]，對消費者行為的預(yù)測研究有重要價值。然而，對于沒有搜索和銷售記錄的新產(chǎn)品，大數(shù)據(jù)技術(shù)難以實現(xiàn)上述目的。

2.2 神經(jīng)科學(xué)新視角

為了解決上述研究方法的弊端，一種新興的方法是測量消費者在假設(shè)選擇時的神經(jīng)指標，并使用這些認知指標來預(yù)測實際行為[73]。研究者們希望借助功能性磁共振成像(fMRI)、腦電圖(EEG)、功能性近紅外光譜(fNIRS)、眼動追蹤(eye tracking)及一些生理信號和生物學(xué)特征，如皮膚電反應(yīng)、心率、呼吸頻率等更加準確客觀的測量技術(shù)來預(yù)測實驗室內(nèi)甚至市場上的消費者行為[21]。其中，fMRI和fNIRS可以定位與特定功能相關(guān)的腦區(qū)，而EEG記錄的是大腦從事特定任務(wù)時的皮層電位，眼動追蹤技術(shù)主要用來記錄視覺信息的眼動軌跡，皮膚電反應(yīng)、心率、呼吸頻率等生理指標能夠反應(yīng)情緒情感等心理活動水平。表2展示了不同研究工具的原理、優(yōu)缺點及應(yīng)用場景。

引入神經(jīng)科學(xué)的數(shù)據(jù)，可以提高對消費行為的預(yù)測精度[19,56,62]。有研究希望通過預(yù)測消費者偏好以幫助商家選擇銷售消費者喜歡的產(chǎn)品從而提高利潤，該研究同時采用問卷和神經(jīng)科學(xué)的方法預(yù)測消費者行為。結(jié)果表明，結(jié)合EEG數(shù)據(jù)比問卷調(diào)查的數(shù)據(jù)更準確地預(yù)測了消費者的偏好，商家據(jù)此調(diào)整銷售品類，從而售出了更多消費者喜愛的產(chǎn)品。與未進行預(yù)測相比，基于自我報告數(shù)據(jù)預(yù)測的產(chǎn)品銷售帶來了12.1%的利潤增長，而基于EEG數(shù)據(jù)的預(yù)測則使利潤增長了36.4%[74]。在Falk、Berns和Moore以及Kühn等的研究中[19,56,62]，同樣證實了神經(jīng)數(shù)據(jù)比自我報告數(shù)據(jù)能更好地預(yù)測消費者行為。

表2 不同研究工具的原理、優(yōu)缺點及應(yīng)用場景

3 消費者神經(jīng)科學(xué)視角下預(yù)測消費者行為的研究現(xiàn)狀

消費者神經(jīng)科學(xué)逐步從認知活動與決策行為的相關(guān)性研究跨度到使用認知指標來預(yù)測消費者即將發(fā)生的決策行為。近年來，大量的學(xué)者在此新興領(lǐng)域進行耕耘，產(chǎn)生了一系列有趣且實用的研究成果。

本文分析了2002年至2019年，消費者神經(jīng)科學(xué)以及消費者神經(jīng)科學(xué)視角下預(yù)測消費者行為的研究發(fā)展趨勢。在Web of Science數(shù)據(jù)庫中以消費者神經(jīng)科學(xué)(consumer neuroscience)、消費者行為預(yù)測(consumer behavior prediction/forecast)等為關(guān)鍵詞，共檢索到消費者神經(jīng)科學(xué)相關(guān)文獻437篇，其中，消費者神經(jīng)科學(xué)視角下預(yù)測消費者行為的相關(guān)文獻65篇（見圖1）。從圖2展示的發(fā)展趨勢圖可以看出，在消費者神經(jīng)科學(xué)研究快速發(fā)展的趨勢下，預(yù)測消費者行為的相關(guān)研究在近十年開始出現(xiàn)并呈現(xiàn)波動式增長，已經(jīng)成為消費者神經(jīng)科學(xué)關(guān)注的前沿領(lǐng)域。

對上述65篇論文中發(fā)表在Q1區(qū)的36篇論文進行了統(tǒng)計分析，發(fā)現(xiàn)：

（1）功能性磁共振成像（fMRI）、腦電圖(EEG)和眼動追蹤(eye tracking)是研究者最廣泛使用的3個工具，其中使用fMRI的研究有17篇、使用EEG的研究有11篇、使用眼動追蹤的研究有9篇（注：Venkatraman等的研究中同時使用了上述3個工具）；

（2）根據(jù)盛峰和徐菁[25]的研究，可將預(yù)測消費者行為的研究分為產(chǎn)品、體驗和廣告，這些主題是當(dāng)今消費者行為的重要研究領(lǐng)域。本文所檢索的文獻中涉及產(chǎn)品選擇的有21篇，廣告效果6篇，體驗偏好6篇，其他3篇；

（3）相關(guān)成果發(fā)表在以Proceedings of the National Academy of Sciences (PNAS)、Nature Communications為代表的綜合類期刊、以Journal of Consumer Research (JCR)、Journal of Marketing Research (JMR)為代表的營銷類期刊、以Journal of Neuroscience、NeuroImage為代表的神經(jīng)科學(xué)期刊、以Psychological Science為代表的心理學(xué)期刊等。為了進一步厘清神經(jīng)科學(xué)視角下預(yù)測消費者行為的研究現(xiàn)狀，本文從研究工具、研究主題、測量指標、發(fā)表期刊等維度將18篇代表性文獻進行歸納分析，具體內(nèi)容如表3所示。

以下，本文將以研究工具為分類視角，詳細闡述消費者神經(jīng)科學(xué)視角下預(yù)測消費者行為的研究現(xiàn)狀。

圖1 消費者神經(jīng)科學(xué)視角下預(yù)測消費者行為研究的期刊論文分區(qū)統(tǒng)計

Figure 1 Statistics of journal papers on consumer behavior prediction based on consumer neuroscience perspective

圖2 消費者神經(jīng)科學(xué)以及消費者神經(jīng)科學(xué)視角下預(yù)測消費者行為的研究發(fā)展趨勢

Figure 2 Research Trends of consumer neuroscience and consumer behavior prediction based on the consumer neuroscience perspective

表3 代表性文獻（發(fā)表在領(lǐng)域內(nèi)頂級期刊）的研究梳理

表3 （續(xù)） 代表性文獻（發(fā)表在領(lǐng)域內(nèi)頂級期刊）的研究梳理

3.1 使用fMRI預(yù)測消費者行為

fMRI作為預(yù)測消費者行為最常用的神經(jīng)科學(xué)工具之一，最大優(yōu)勢是其較高的空間分辨率，可以準確定位腦區(qū)。研究者大多采用前額葉皮質(zhì)、紋狀體、伏隔核、腦島等區(qū)域作為特征性預(yù)測指標。已有研究利用fMRI技術(shù)，從體驗偏好、產(chǎn)品選擇與廣告效果等方面對消費者行為進行預(yù)測，這些研究不僅預(yù)測了實驗室小樣本的行為，而且對市場上的大樣本行為預(yù)測進行了探討。

Berns和Moore采用fMRI技術(shù)用小樣本成功預(yù)測了音樂的市場表現(xiàn)[19]。在研究中，他們記錄了27名被試聆聽20首音樂片段時的大腦活動，并讓其報告對每一首音樂的喜愛程度。結(jié)果發(fā)現(xiàn)，與獎勵相關(guān)的大腦區(qū)域——伏隔核的神經(jīng)信號是該音樂三年下載量的重要預(yù)測指標，而被試對音樂喜愛程度的主觀評分卻無法對下載量進行準確預(yù)測。該研究一方面體現(xiàn)了大腦數(shù)據(jù)在預(yù)測消費者偏好的獨特貢獻，另一方面肯定了小樣本預(yù)測市場反應(yīng)的能力。另一項2020年最新發(fā)表在PNAS上的研究也成功預(yù)測了實驗室個體水平和整體市場水平的視頻偏好[81]。研究者采用伏隔核和內(nèi)側(cè)前額葉皮質(zhì)作為正向預(yù)測指標，采用前腦島作為負向預(yù)測指標預(yù)測了個體觀看視頻的時間分配。此外，伏隔核的正向活動和前腦島的負向活動還預(yù)測了互聯(lián)網(wǎng)(Youtube)該視頻的觀看頻率和持續(xù)時長，而行為實驗數(shù)據(jù)則無法完成以上預(yù)測。

Lawrence等人使用fMRI數(shù)據(jù)預(yù)測健康女性對健康食品的選擇行為。該研究發(fā)現(xiàn)，食物線索誘發(fā)的伏隔核活動可以預(yù)測消費者后期的零食消費行為[57]。除此之外，斯坦福大學(xué)的Genevsky和Knutson在預(yù)測互聯(lián)網(wǎng)貸款能否成功時，也顯示出神經(jīng)科學(xué)數(shù)據(jù)的獨特優(yōu)勢[61]。在實驗室研究(N=28)中，他們使用fMRI記錄了被試觀看貸款者請求信息時的神經(jīng)活動，并讓被試選擇是否投資該項目。結(jié)果表明，伏隔核的激活程度不僅可以預(yù)測被試在實驗室中的貸款產(chǎn)品選擇行為，還可以預(yù)測這些貸款項目在互聯(lián)網(wǎng)市場中真實的獲貸情況。

除了預(yù)測消費者對產(chǎn)品的偏好及選擇，fMRI還可以預(yù)測廣告對消費者決策的影響。在一項最新研究中，Gearhardt等人讓171名被試觀看快餐廣告并獲取fMRI數(shù)據(jù)作為神經(jīng)反應(yīng)指標，隨后讓被試在模擬的快餐餐廳用餐。結(jié)果發(fā)現(xiàn)，在觀看不健康食品的廣告時，與獎賞相關(guān)腦區(qū)（伏隔核和尾狀核）的神經(jīng)活動增強，并可以預(yù)測消費者隨后的食物攝入量[82]。而另外兩項研究則進一步完成了廣告效果在市場上的檢驗。Falk等人采集了30位吸煙者在觀看不同控?zé)煆V告時前額葉皮質(zhì)的神經(jīng)活動，并讓被試報告廣告的勸誡效果[60]。研究表明，與自我報告結(jié)果相比，前額葉皮質(zhì)的激活程度很好地預(yù)測了控?zé)煆V告的市場反應(yīng)，即讓被試前額葉皮質(zhì)激活程度越高的控?zé)煆V告，其控?zé)煙峋€咨詢的通話量越高；相比之下，被試對戒煙廣告勸誡效果的自我報告數(shù)據(jù)則無法預(yù)測控?zé)煙峋€的通話量。另一項研究用18名被試觀看同款巧克力的6種不同宣傳海報時的fMRI數(shù)據(jù)成功預(yù)測了該巧克力的市場反應(yīng)。研究者選取了消費者觀察海報時多個腦區(qū)的活動作為預(yù)測指標，他們假設(shè)伏隔核、眶額內(nèi)側(cè)皮質(zhì)、杏仁核、海馬體、額下回、背內(nèi)側(cè)前額葉皮質(zhì)的激活程度可對銷量有正性預(yù)測，而背外側(cè)前額葉皮質(zhì)和腦島的激活程度則對銷量有負性預(yù)測，并建立模型預(yù)測消費者購買行為。結(jié)果發(fā)現(xiàn)，該模型成功預(yù)測了60000多家超市中不同海報對應(yīng)巧克力購買率的排名，而被試對這6種海報喜愛程度排序的自我報告卻無法預(yù)測其所對應(yīng)銷量的排名[62]。

fMRI憑借其高空間分辨率的優(yōu)點，深受研究者的青睞，自2009年至今，每年都有相關(guān)研究成果發(fā)表。通過特定腦區(qū)指標可以更加準確地預(yù)測消費者在實驗室以及現(xiàn)實市場的效應(yīng)，比如伏隔核活動可以預(yù)測體驗偏好[19,81]、產(chǎn)品選擇[57,61]、廣告效果[62,82]，前額葉皮質(zhì)活動可以預(yù)測廣告效果[60,62]。

3.2 使用EEG預(yù)測消費者行為

EEG具有較高的時間分辨率，能夠預(yù)測消費者在體驗偏好和產(chǎn)品選擇上的行為。近年來，很多研究者應(yīng)用腦電指標預(yù)測了市場層面的電影或電視節(jié)目偏好。不僅是單一的腦電信號，雙人以及多人腦電信號的一致性的方法均證明了神經(jīng)科學(xué)指標的納入可以提高對市場上消費者行為的預(yù)測精度。Boksem 和Smidts發(fā)表在JMR的研究中，在被試觀看了多個電影預(yù)告片的同時記錄其腦電活動，并在觀看結(jié)束后，讓被試報告對不同電影預(yù)告片的喜好程度。在數(shù)據(jù)分析時，他們選取了特征性腦電頻譜——β波和γ波作為預(yù)測指標，結(jié)果發(fā)現(xiàn)，β波可以很好地預(yù)測個體對于不同電影的偏好，而加入γ波的行為預(yù)測模型提高了對市場上電影真實票房的預(yù)測效度[20]。其次，Dmochowski等人使用被試間相關(guān)性(inter-subject correlation; ISC) 的測量方法預(yù)測了電視節(jié)目偏好的市場效應(yīng)[76]。ISC的測量方法用于分析兩個被試在接受視聽刺激時神經(jīng)數(shù)據(jù)的相似性[83]。該研究讓被試同時觀看某節(jié)目片段，并記錄被試的腦電活動，同時，研究者還收集了該節(jié)目在播放期間社交媒體Twitter上與之相關(guān)的發(fā)帖數(shù)，以及該節(jié)目播放期間的實時收視率。結(jié)果發(fā)現(xiàn)，誘發(fā)腦電反應(yīng)的ISC水平可以預(yù)測以上兩個市場反應(yīng)。此外，另一種類似于ISC的測量方法為跨腦關(guān)聯(lián)(cross-brain correlation; CBC)，即基于多個大腦數(shù)據(jù)的一致性來研究組間對復(fù)雜刺激（如電影或廣告）的反應(yīng)[84]。與ISC相比，其更強調(diào)多個大腦間的神經(jīng)數(shù)據(jù)關(guān)聯(lián)。一項發(fā)表在JCR的研究采用了田野實驗的方法，他們使用便攜式EEG記錄了電影院58位觀眾的大腦活動，并分析計算了13部電影預(yù)告片中觀眾的CBC相對水平。結(jié)果發(fā)現(xiàn)，電影預(yù)告片引發(fā)不同觀眾的腦活動相似程度越高，電影的票房收入越高。且CBC指標對電影的市場收入要顯著好于觀眾自我報告的對電影的喜愛程度和支付意愿[22]。

除了預(yù)測消費者對電影、電視節(jié)目等的喜愛，研究者還采用腦電指標預(yù)測了消費者對產(chǎn)品的選擇。如：Ravaja等人采用前額葉皮質(zhì)的腦電不對稱性預(yù)測了消費者的購買選擇[85]。在該研究中，被試需要完成對14種產(chǎn)品的購買選擇實驗，結(jié)果發(fā)現(xiàn)，左額葉皮質(zhì)的激活可以預(yù)測消費者購買行為。Wang 等人利用腦電實驗對消費者在眾籌市場上對產(chǎn)品投資意愿的改變進行了預(yù)測，研究發(fā)現(xiàn)，消費者在觀察到社會信息時的P300振幅可以很好地預(yù)測隨后的從眾行為[33]。還有研究基于EEG綜合分析了消費者對產(chǎn)品、廣告、品牌等的反應(yīng)，提出了一種基于深度學(xué)習(xí)方法的消費者對產(chǎn)品的偏好預(yù)測系統(tǒng)。該研究采用短時傅里葉變換與雙調(diào)和樣條插值，從多通道腦電信號中得到了5個不同頻帶的EEG 形圖視頻，結(jié)合三維卷積神經(jīng)網(wǎng)絡(luò)與多層長短期記憶神經(jīng)網(wǎng)絡(luò)構(gòu)建了消費者偏好預(yù)測模型。之后，研究者使用EEG數(shù)據(jù)集評估了該預(yù)測模型的性能，該預(yù)測模型的性能在消費者依賴模式和消費者獨立模式下的平均正確度約為80%[34,35]。

綜上，研究者可以采用單一的特征性腦電成分或波段預(yù)測消費者行為[20,33]，也開始使用多指標聯(lián)合提高預(yù)測效度[22,34,35,76]。EEG對于動態(tài)刺激物具有較高的適用性，成本較低且可以進行大規(guī)模的現(xiàn)場實驗。尤其適用于預(yù)測電影、電視節(jié)目的體驗偏好及視頻類廣告等對消費者行為的影響，對于電影制片公司、視頻剪輯行業(yè)具有較大的商業(yè)價值。

3.3 使用眼動追蹤預(yù)測消費者行為

眼動追蹤可以記錄消費者的注意力分配，刻畫消費者的視覺信息加工過程，同樣是預(yù)測消費者行為的重要工具。研究者大多集中于探索首次注視點、總注視時長、最后注視點、瞳孔大小等指標對消費者產(chǎn)品選擇的預(yù)測。如：Jantathai等人研究了消費者選擇食物的眼動指標。在該研究中，被試觀看完三種食物后需要做出選擇，結(jié)果發(fā)現(xiàn)，注視次數(shù)和注視時長均與最終選擇之間存在顯著的正相關(guān)關(guān)系，該研究為注視次數(shù)和注視時長可以用來預(yù)測消費者行為的可能性提供了重要參考[86]。Goyal等人同樣使用眼動技術(shù)記錄了被試觀看不同食物時的相關(guān)數(shù)據(jù)，并著重分析了注視次數(shù)和總注視時長與被試選擇食物之間的關(guān)系，結(jié)果發(fā)現(xiàn)，這兩個指標與被試的選擇行為高度相關(guān)，可以作為消費者決策的預(yù)測因子[87]。該研究的缺陷在于研究者只分析了12名被試的眼動指標與其在實驗室中的產(chǎn)品選擇之間的關(guān)系，缺乏市場拓展效度。以上兩個研究均選取了比較常見的眼動指標來分析其與消費者選擇之間的關(guān)系，也有研究者分析了其他預(yù)測指標。如：Ramsoy等人采用高分辨率眼動追蹤儀，將瞳孔大小和身體姿勢作為預(yù)測消費者行為的重要因素。在研究中，他們通過被試與屏幕之間的距離及傾角確定身體姿勢。結(jié)果表明，身體姿勢和瞳孔擴張的程度可以獨立作為預(yù)測消費者選擇行為的指標，若將二者結(jié)合共同作為預(yù)測指標，則有更好的預(yù)測效力[88]。

上述研究僅分析了眼動指標與消費者行為之間的相關(guān)性，有研究者將決策過程的眼動指標納入預(yù)測模型，從而實現(xiàn)更好的預(yù)測效度。Krajbich等人長期致力于收集視覺注意力等信息，以更好地構(gòu)建預(yù)測消費者行為的模型，其成果發(fā)表在Nature Neuroscience、PNAS等期刊[78,79]。他們提出了注意力漂移擴散模型(attentional drift-diffusion model; aDDM)，將眼動指標納入模型后，預(yù)測的準確度有所提高，證實了注視時間和注視次序是預(yù)測消費者行為的關(guān)鍵因子。在此基礎(chǔ)上，Towal等人提出，納入視覺顯著性和價值計算這兩個指標可以改進上述預(yù)測模型的預(yù)測效度[80]。Cavanagh等人證實了消費者的眼動數(shù)據(jù)可以預(yù)測其決策過程中的行為選擇偏差。他們將注視時長、瞳孔大小納入DDM模型，發(fā)現(xiàn)注視時長可以預(yù)測特定選項的漂移率(drift-rate)，瞳孔放大可以預(yù)測決策沖突時決策閾值(decision-threshold)的增加[89]。

綜上，若要預(yù)測視覺注意力對消費者行為的影響，首選工具是眼動追蹤。當(dāng)前，采用眼動指標預(yù)測消費者行為已從單純的相關(guān)性研究拓展至與決策模型（以DDM為代表）的結(jié)合，但相關(guān)研究多為實驗室內(nèi)個人行為的預(yù)測，缺乏外部有效性的檢驗。未來，便攜式眼動追蹤將發(fā)揮更大優(yōu)勢，對于理解并預(yù)測現(xiàn)實情境下的消費者行為有較大幫助。

3.4 使用其他工具預(yù)測消費者行為

除了被廣泛使用的功能性磁共振成像(fMRI)、腦電圖(EEG)和眼動追蹤(eye tracking)之外，其他工具也能夠預(yù)測消費者行為。如：有研究表明，fNIRS可用于監(jiān)測消費者購買決策過程中前額葉皮質(zhì)的活動，并可作為預(yù)測消費者行為的有效工具，準確率達71%-85%[90]。此外，也有研究使用fNIRS工具預(yù)測了品牌忠誠的顧客對奢侈品和有吸引力的產(chǎn)品更敏感，具體表現(xiàn)為內(nèi)額葉皮質(zhì)(medial frontal cortex; MFC)中相對較大的信號變化[91]。這兩項研究采用fNIRS工具預(yù)測了消費者的產(chǎn)品選擇行為，但僅僅只進行了樣本內(nèi)預(yù)測。采用皮膚電反應(yīng)、心率、呼吸頻率等生理測量工具同樣可以預(yù)測消費者行為，但其效果不及上述其他工具。一項發(fā)表在JMR的研究采用了包含生理測量工具、fMRI、EEG、眼動追蹤等在內(nèi)的多個研究工具進行了廣告效果的預(yù)測。結(jié)果表明，皮膚電反應(yīng)、心跳、呼吸頻率均不能作為預(yù)測指標，相反，fMRI在該研究中被證明是預(yù)測廣告效果的最優(yōu)工具[21]。

綜合現(xiàn)有的消費者神經(jīng)科學(xué)視角下的消費者行為預(yù)測研究，不難發(fā)現(xiàn)，研究者們在預(yù)測消費者行為時，有些僅預(yù)測了相同被試在實驗任務(wù)中的行為選擇，而有些還預(yù)測了大規(guī)模人群的消費行為或整個市場反應(yīng)，這兩種方法分別為樣本內(nèi)(within-sample)預(yù)測和樣本外(out-of-sample)預(yù)測[73]。樣本內(nèi)預(yù)測即研究者通過提取、記錄被試的數(shù)據(jù)，分析預(yù)測被試之后的選擇。而樣本外預(yù)測則指研究者提取、記錄的被試數(shù)據(jù)可以預(yù)測市場消費的整體水平，如實際銷售額、廣告閱讀量、音樂下載量等。二者的區(qū)別在于，樣本內(nèi)預(yù)測可以更好地理解影響選擇的決定因素和神經(jīng)機制，是從更底層理解消費者行為；而樣本外預(yù)測更強調(diào)應(yīng)用價值，可以協(xié)助企業(yè)設(shè)計更符合消費者內(nèi)心期望的產(chǎn)品，幫助商家增強營銷有效性、改善品牌形象等。

4 挑戰(zhàn)與未來

神經(jīng)管理學(xué)是神經(jīng)科學(xué)與社會科學(xué)交叉的新興領(lǐng)域，催生了包括消費者神經(jīng)科學(xué)、神經(jīng)營銷學(xué)、神經(jīng)信息系統(tǒng)、神經(jīng)組織學(xué)等在內(nèi)的多個前沿跨學(xué)科領(lǐng)域的縱深發(fā)展，推動管理學(xué)研究從主觀走向客觀。為了更好地理解消費者行為，更有效地幫助企業(yè)設(shè)計產(chǎn)品并制定營銷策略，越來越多的研究者開始采用行為實驗與神經(jīng)科學(xué)技術(shù)相結(jié)合的方式來挖掘消費者行為背后的機理以更好地預(yù)測消費者行為，推動揭開消費者行為背后的“黑箱”，促進了消費者行為研究范式的轉(zhuǎn)變，取得了顯著的進展。

消費者神經(jīng)科學(xué)不僅推動了學(xué)術(shù)研究的發(fā)展，還重構(gòu)了營銷行業(yè)的格局?；谏窠?jīng)科學(xué)的方法吸引了國內(nèi)外主流營銷研究行業(yè)的關(guān)注。益普索(Ipsos)在全球成立的全新機構(gòu)——Ipsos GSO，從神經(jīng)科學(xué)、行為科學(xué)和數(shù)據(jù)科學(xué)三個方面為客戶提供解決方案①https://www.ipsos.com/zh-cn/ipsos；尼爾森(Nielsen)分別于2011年和2015年收購Neurofocus和Innerscope Research，成立相關(guān)部門專門從事神經(jīng)營銷研究，取得了顯著的商業(yè)效益。2017年，尼爾森幫助唯品會提升了30秒視頻廣告的效果。在尼爾森消費者神經(jīng)科學(xué)全球廣告評估數(shù)據(jù)庫中，唯品會2017年的廣告整體有效性表現(xiàn)優(yōu)于其中80%的廣告②https://www.digitaling.com/articles/45856.html；北京視友科技的“腦電波電影測評系統(tǒng)”為電影上映前的市場調(diào)研、剪輯優(yōu)化以及市場預(yù)測提供了可靠的實證依據(jù)，對神經(jīng)營銷在戰(zhàn)略決策中的應(yīng)用和普及具有引領(lǐng)意義③http://www.cusoft.com.cn/neuromarketing.html。

4.1 研究發(fā)展的局限性

盡管神經(jīng)科學(xué)方法在消費行為理論和應(yīng)用的發(fā)展中產(chǎn)生了較大價值，鑒于不同神經(jīng)科學(xué)工具的特點及應(yīng)用場景的差異，該領(lǐng)域的研究仍然存在以下的局限性。

首先，部分認知神經(jīng)科學(xué)研究的反向推理問題可能會被一些學(xué)者質(zhì)疑。即一個認知過程可能涉及多個腦區(qū)的活動，一個特定的腦區(qū)也可能被多種認知活動激活。那么，在一些研究中，消費行為與特定的神經(jīng)信號便不能完全形成一對一的關(guān)系，某個特定腦區(qū)可能與多種消費行為有關(guān)，某種行為也可能涉及多個腦區(qū)活動。因此在研究中，我們發(fā)現(xiàn)腦區(qū)A的激活與某行為相關(guān)，但不能盲目地認為腦區(qū)A的激活便可以預(yù)測該行為的發(fā)生。從發(fā)現(xiàn)與消費者行為的神經(jīng)關(guān)聯(lián)到預(yù)測消費者行為的發(fā)生，還需要不斷重復(fù)并完善實驗，綜合多種認知指標、考慮其他神經(jīng)信號的中間機制，進而更精準地預(yù)測消費者行為。

其次，現(xiàn)有的研究樣本較少且集中于實驗室研究。鑒于部分工具價格昂貴，設(shè)備維護費用較高，有較高的使用成本，故樣本量較少。此外，大多數(shù)神經(jīng)科學(xué)工具無法帶至現(xiàn)場，很難開展田野研究，因此多數(shù)研究采用了實驗室研究的方法。雖然實驗室少量樣本可以預(yù)測市場反應(yīng)，但其效度仍然存在質(zhì)疑[26]，即實驗環(huán)境與現(xiàn)實環(huán)境存在差異。盡管Kang等人證實了，在假設(shè)情景和真實情景下大腦激活區(qū)域是一致的，但他們也發(fā)現(xiàn)，真實情景下的腦區(qū)激活程度要高于假設(shè)情景[92]。因此，獲取被試在真實消費環(huán)境中的認知數(shù)據(jù)，捕捉被試真實的消費決策過程，將有助于我們更好地理解及預(yù)測消費者的行為。

盡管現(xiàn)有研究表明，神經(jīng)科學(xué)方法可以獲取消費者客觀的神經(jīng)生理指標，能夠提高預(yù)測消費者行為的精準度，然而該過程能否被消費者接受有待進一步探討。研究者借助影響個體行為傾向的認知神經(jīng)指標，制定消費者易于接受的廣告營銷策略，這可能存在消費者思想行為被控制的問題[93]。因而，在使用神經(jīng)科學(xué)工具研究消費者行為時，保護被試的隱私、消費意志以及消費自主性都是未來值得深究的倫理問題。

此外，我國使用神經(jīng)科學(xué)工具預(yù)測消費者行為的相關(guān)研究還處于起步階段。鑒于不同文化背景下的消費者行為存在差異，是否可以將國外的研究結(jié)論應(yīng)用于我國營銷市場尚有待檢驗。近年來，國內(nèi)電子商務(wù)市場迅速發(fā)展，催生了一大批新興的消費場景，如直播營銷、網(wǎng)紅帶貨等聚集了大批量消費者的消費環(huán)境。數(shù)字經(jīng)濟時代，在我國開展利用神經(jīng)科學(xué)技術(shù)預(yù)測消費者行為的研究還有很大空間。

4.2 未來的研究方向

4.2.1 結(jié)合多模態(tài)數(shù)據(jù)，豐富預(yù)測消費者行為的特征性指標

神經(jīng)科學(xué)工具測量提供了更多實時動態(tài)的數(shù)據(jù)，利用多模態(tài)生理-心理-行為等信號數(shù)據(jù)的組合作為預(yù)測指標，可觀察消費者決策行為各階段的相關(guān)數(shù)據(jù)，從而更好地刻畫消費者的行為模式。此外，多種研究方法的結(jié)合和多個認知指標的引入可提高對消費者行為的預(yù)測效度。如：Chan Hang-Yee等人將行為數(shù)據(jù)與神經(jīng)指標結(jié)合提高了模型的預(yù)測性能[75]；Kühn采用多個腦區(qū)的激活程度作為預(yù)測指標，顯著地預(yù)測了巧克力的市場銷量[62]；Shestyuk等人采用EEG預(yù)測電視節(jié)目收視率時，將α/β不對稱性、α/θ波、θ/γ波作為混合預(yù)測指標，取得了顯著的預(yù)測效力[94]。多個認知指標的綜合使用，將有助于我們在個體和市場水平上更準確地預(yù)測消費者的特異性行為。尤其是在消費方式不斷升級優(yōu)化的環(huán)境下，消費群體越來越多樣化，面對龐大且差異化的消費者，可以借助神經(jīng)科學(xué)方法更好地理解消費者行為的個體差異，從而為預(yù)測消費者行為提供新思路。

4.2.2 以現(xiàn)實需求為導(dǎo)向，從消費者購買決策的多階段預(yù)測消費者行為

數(shù)字經(jīng)濟的發(fā)展使得消費方式不斷改變，從電商到新零售再到直播營銷，線上購物愈加普及，如何更好地預(yù)測消費者行為從而為消費者帶來更優(yōu)體驗、為商家?guī)砀嗍找?，是未來消費決策研究的挑戰(zhàn)。相較于模擬線下購物的假設(shè)情境，對于線上的網(wǎng)絡(luò)購物，在實驗室開展的研究能更好地貼合虛擬的購物環(huán)境，神經(jīng)生理工具可在這一領(lǐng)域研究中發(fā)揮重要價值。以直播營銷為例，作為動態(tài)刺激物，其與普通視頻廣告的區(qū)別在于直播者與消費者的線上互動，線上互動對消費者購買決策不同階段如何影響，這一影響是否帶來消費行為的改變，未來可以采用EEG預(yù)測直播營銷對消費者購買行為、再購買行為以及推薦他人購買行為的影響；又如新零售背景下的線上線下營銷，無論是消費者走進實體店購買產(chǎn)品還是在線上瀏覽網(wǎng)頁進行購買甚至是虛擬體驗的購物，未來研究均可以采用神經(jīng)生理工具對消費者進行追蹤觀察，收集消費者購買決策的全階段信息，預(yù)測其消費行為，促進商家消費服務(wù)、營銷模式的不斷升級。

4.2.3 優(yōu)化數(shù)據(jù)采集及分析方法，提高預(yù)測消費者行為的外部有效性

為提高實驗研究的真實性，研究應(yīng)充分發(fā)揮便捷式研究工具（如：便攜式眼動追蹤儀、fNIRS等）的特點，走進現(xiàn)實情境，開展田野實驗。一方面，友好且人性化的研究工具，可以更準確地跟蹤消費者真實狀態(tài)，確保數(shù)據(jù)的準確性。另一方面，成本的降低可以使研究容量提升，促使實驗設(shè)計更加合理化，增加實驗的可信度。

此外，提高數(shù)據(jù)分析方法的效率也是提高預(yù)測精度的有效方法之一。當(dāng)前，研究者們在預(yù)測消費者行為時，多采用兩種數(shù)據(jù)分析方法。一種是將實驗室所測數(shù)據(jù)與后期消費者行為數(shù)據(jù)進行相關(guān)分析，報告相關(guān)系數(shù)及顯著性；另一種是運用人工智能、機器學(xué)習(xí)等算法進行數(shù)據(jù)建模，通過測試集進行預(yù)測。相比之下，后者的分析方法更加實用且具有說服力。有研究將機器學(xué)習(xí)技術(shù)與眼動追蹤數(shù)據(jù)結(jié)合來預(yù)測學(xué)生在MOOC平臺學(xué)習(xí)時的行為表現(xiàn)，此方法對學(xué)生成績的預(yù)測誤差小于5%[95]。盡管該研究并未著眼于消費行為，但未來可以通過機器學(xué)習(xí)的方法構(gòu)建消費行為的預(yù)測模型，從而為新產(chǎn)品、新廣告在消費市場的表現(xiàn)提供預(yù)測。在研究初期，研究者可以采用樣本內(nèi)預(yù)測的方法，以更好地理解消費者行為的影響因素和神經(jīng)機制，為預(yù)測消費者行為的市場反應(yīng)奠定好基礎(chǔ)，后期采用樣本外預(yù)測的方法，拓展研究的應(yīng)用價值，以更好地解決基于神經(jīng)科學(xué)實驗測量的外部有效性問題。隨著社會科學(xué)與腦科學(xué)、計算機科學(xué)的不斷融合，如何將fMRI、EEG、眼動追蹤甚至生理心理數(shù)據(jù)與行為數(shù)據(jù)結(jié)合，建立數(shù)據(jù)驅(qū)動的消費者決策計算模型，也是未來研究的重要方向與挑戰(zhàn)。

4.2.4 開展跨文化研究，揭示本國情境下的消費預(yù)測

在不同文化背景和不同選擇情境下，消費者的決策行為和認知機制存在差異。Wang等人比較了電商情境下中美兩國消費者視覺加工機制的差異，研究發(fā)現(xiàn)模特的直視目光與微笑表情增強了消費者的喚醒度，與美國消費者相比，這一效應(yīng)在中國消費者中表現(xiàn)得更強烈。此研究還發(fā)現(xiàn)了中美兩國消費者在品牌加工方面的顯著差異[96]。因此，未來研究應(yīng)進一步探索在不同文化背景下，消費者行為的認知神經(jīng)指標異同，為預(yù)測消費者的決策行為提供證據(jù)支撐。當(dāng)前，運用神經(jīng)科學(xué)工具預(yù)測消費者行為的研究在歐美國家大量興起，但國內(nèi)研究相對薄弱。為更好地了解國內(nèi)消費者需求，促進國內(nèi)營銷行業(yè)的健康發(fā)展，應(yīng)著眼于探究在國內(nèi)消費情境下，如何運用神經(jīng)科學(xué)指標預(yù)測消費者行為。此外，在開展相關(guān)研究時，應(yīng)增加對倫理問題的關(guān)注。鑒于國內(nèi)研究仍處于起步階段，應(yīng)及早開展調(diào)研，了解消費者對使用神經(jīng)科學(xué)方法來觀察他們行為的接受意愿、風(fēng)險感知、隱私考慮等問題；更重要的是建立完備的實驗倫理審查機制，規(guī)范神經(jīng)科學(xué)工具的使用，在符合法律和倫理的條件下促使研究成果的效用最大化。

5 結(jié)語

自消費者神經(jīng)科學(xué)發(fā)展至今，我們可以清楚地看到其從探索與消費者行為的神經(jīng)關(guān)聯(lián)，到借助神經(jīng)科學(xué)工具尋找消費者行為的影響因素，延伸至借助神經(jīng)科學(xué)工具預(yù)測消費者行為、拓展神經(jīng)科學(xué)預(yù)測消費者行為的外部有效性……消費者神經(jīng)科學(xué)的發(fā)展過程，不僅僅表明了學(xué)科交叉融合發(fā)展帶來的研究視角、工具、范式的變化，更意味著一個新興領(lǐng)域的形成和開啟。

消費者神經(jīng)科學(xué)的時代已經(jīng)到來，它為研究人員提供了更加客觀的途徑研究消費者行為，對前期存在爭議的研究問題進行了補充解答，為后期開拓研究領(lǐng)域提供了無限可能。其發(fā)展還遠不止于此，我們可以借助神經(jīng)科學(xué)工具了解更多消費者有趣的行為：如何抓住消費者的內(nèi)心，從而實現(xiàn)精準營銷；怎樣提高消費者購買健康食品的意識，為國民健康保駕護航等等。

未來，消費者神經(jīng)科學(xué)將與大數(shù)據(jù)、人工智能、機器學(xué)習(xí)等新興學(xué)科緊密結(jié)合，發(fā)展更豐富的研究領(lǐng)域、吸納更專業(yè)的研究人員、應(yīng)用更人性化的研究工具，在消費升級、市場變革的營銷行業(yè)浪潮中蓬勃發(fā)展，為消費者行為研究提供更加具有現(xiàn)實意義的理論價值和商業(yè)價值。

[1] 潘煜, 萬巖, 陳國青, et al. 神經(jīng)信息系統(tǒng)研究: 現(xiàn)狀與展望[J]. 管理科學(xué)學(xué)報, 2018,21(05):1-21.

Pan Y, Wan Y, Chen G Q, et al. Current situation and prospects of neuro information systems[J]. Journal of Management Sciences in China, 2018,21(05):1-21.

[2] 李浩, 馬慶國, 董欣. 神經(jīng)組織學(xué): 概念解析, 理論發(fā)展和研究展望[J]. 管理世界, 2016(08):164-173.

Li H, Ma Q G, Dong X. Organizational neuroscience: Conceptual analysis, theoretical development and research prospects[J]. Management World, 2016(08):164-173.

[3] Simon HA. The New Science of Management Decision[M]. New Jersey: Prentice Hall PTR, 1977.

[4] Yoon C, Gonzalez R, Bechara A, et al. Decision neuroscience and consumer decision making[J]. Marketing Letters, 2012,23(2):473-485.

[5] Plassmann H, Venkatraman V, Huettel S, et al. Consumer Neuroscience: Applications, Challenges, and Possible Solutions[J]. Journal of Marketing Research, 2015,52(4):427-435.

[6] 盧泰宏. 消費者行為學(xué)50年:演化與顛覆[J]. 外國經(jīng)濟與管理, 2017,39(06):23-38.

Lu T H. 50 Years of Consumer Behavior: Evolution and Overthrow[J]. Foreign Economics & Management, 2017,39(06):23-38.

[7] Wang X, Bendle N T, Mai F, et al. The Journal of Consumer Research at 40: A Historical Analysis[J]. Journal of Consumer Research, 2015,42(1):5-18.

[8] Plassmann H, Ramsoy T Z, Milosavljevic M. Branding the brain: A critical review and outlook[J]. Journal of Consumer Psychology, 2012,22(1):18-36.

[9] Venkatraman V, Clithero J A, Fitzsimons G J, et al. New scanner data for brand marketers: How neuroscience can help better understand differences in brand preferences[J]. Journal of Consumer Psychology, 2012,22(1):143-153.

[10] Smidts A, Hsu M, Sanfey A G, et al. Advancing consumer neuroscience[J]. Marketing Letters, 2014,25(3):257-267.

[11] 馬慶國, 王小毅. 認知神經(jīng)科學(xué)、神經(jīng)經(jīng)濟學(xué)與神經(jīng)管理學(xué)[J]. 管理世界, 2006(10):147-157.

Ma Q G, Wang X Y. Cognitive neuroscience, neuroeconomics and neuromanagement[J]. Management World, 2006(10):147-157.

[12] Reimann M, Schilke O, Weber B, et al. Functional Magnetic Resonance Imaging in Consumer Research: A Review and Application[J]. Psychology & Marketing, 2011,28(6):608-637.

[13] Reimann M, Zaichkowsky J, Neuhaus C, et al. Aesthetic package design: A behavioral, neural, and psychological investigation[J]. Journal of Consumer Psychology, 2010,20(4):431-441.

[14] Plassmann H, Weber B. Individual Differences in Marketing Placebo Effects: Evidence from Brain Imaging and Behavioral Experiments[J]. Journal of Marketing Research, 2015,52(4):493-510.

[15] Karmarkar U R, Shiv B, Knutson B. Cost Conscious? The Neural and Behavioral Impact of Price Primacy on Decision Making[J]. Journal of Marketing Research, 2015,52(4):467-481.

[16] McClure SM, L J, Tomlin D, et al. Neural correlates of behavioral preference for culturally familiar drinks[J]. Neuron, 2004,44(2): 379-387.

[17] Plassmann H, O'Doherty J, Shiv B, et al. Marketing actions can modulate neural representations of experienced pleasantness[J]. Proceedings of the National Academy of Sciences, 2008,105(3): 1050-1054.

[18] Esch F R, Moell T, Schmitt B, et al. Brands on the brain: Do consumers use declarative information or experienced emotions to evaluate brands?[J]. Journal of Consumer Psychology, 2012,22(1): 75-85.

[19] Berns G S, Moore S E. A neural predictor of cultural popularity[J]. Journal of Consumer Psychology, 2012,22(1):154-160.

[20] Boksem MAS, Smidts A. Brain Responses to Movie Trailers Predict Individual Preferences for Movies and Their Population-Wide Commercial Success[J]. Journal of Marketing Research, 2015,52(4): 482-492.

[21] Venkatraman V, Dimoka A, Pavlou P A, et al. Predicting Advertising Success Beyond Traditional Measures: New Insights from Neurophysiological Methods and Market Response Modeling[J]. Journal of Marketing Research, 2015,52(4):436-452.

[22] Barnett S B, Cerf M. A Ticket for Your Thoughts: Method for Predicting Content Recall and Sales Using Neural Similarity of Moviegoers[J]. Journal of Consumer Research, 2017,44(1):160-181.

[23] 黃建平, 趙平, 宛小昂. 靜息態(tài)功能連接預(yù)測虛擬購物下色味一致性效應(yīng): 第二十二屆全國心理學(xué)學(xué)術(shù)會議摘要集[C].中國心理學(xué)會: 中國心理學(xué)會,2019:85.

Huang J P, Zhao P, Wan X A. Resting-state functional connectivity predict color-flavor congruency effect in virtual shopping: Proceedings of the 22nd national conference on psychology[C]. Chinese Psychological Society: Chinese Psychological Society, 2019:85.

[24] 馬慶國, 王小毅. 從神經(jīng)經(jīng)濟學(xué)和神經(jīng)營銷學(xué)到神經(jīng)管理學(xué)[J]. 管理工程學(xué)報, 2006,20(3):129-132.

Ma Q G, Wang X Y. From Neuroeconomics and Neuromarketing to Neuromanagement[J]. Journal of Industrial Engineering and Engineering Management, 2006,20(3):129-132.

[25] 盛峰, 徐菁. 神經(jīng)營銷:解密消費者的大腦[J]. 營銷科學(xué)學(xué)報, 2013,9(01):1-17.

Sheng F, Xu J. Neuromarketing: Decode Consumer’s Brain. Journal of Marketing Science, 2013,9(01):1-17.

[26] 顏立. 神經(jīng)營銷學(xué)研究現(xiàn)狀探析[J]. 外國經(jīng)濟與管理, 2011,33(5):25-32.

Yan L. An Analysis of the Current Research Situation of Neuromarketing[J]. Foreign Economics&Management, 2011,33(5): 25-32.

[27] 艾春娣, 汪宇, 孟現(xiàn)鑫, et al. 消費者心理神經(jīng)科學(xué)研究簡介[J]. 心理科學(xué)進展, 2013,21(11):2006-2015.

Ai C D, Wang Y, Meng X X, et al. A Brief Introduction about Consumer Psychology Neuroscience[J]. Advances in Psychological Science, 2013,21(11):2006-2015.

[28] 汪蕾, 陸強, 沈翔宇. 情緒喚醒度如何影響不確定性決策——基于決策偏好的視角[J]. 管理工程學(xué)報, 2013,27(04):16-21.

Wang L, Lu Q, Shen X Y. How Can Emotional Arousal Affect Decisions under Uncertainty? From the Perspective of Decision Preferences[J]. Journal of Industrial Engineering and Engineering Management, 2013,27(04):16-21.

[29] 王求真, 姚倩, 葉盈. 網(wǎng)絡(luò)團購情景下價格折扣與購買人數(shù)對消費者沖動購買意愿的影響機制研究[J]. 管理工程學(xué)報, 2014,28(04):37-47.

Wang Q Z, Yao Q, Ye Y. The Influence of Price Discount and Sales Volume on Impulse Purchase Intention of Online Group-buying[J]. Journal of Industrial Engineering and Engineering Management, 2014,28(04):37-47.

[30] 鄭杰慧, 汪蕾, 陸強, et al. 信息過濾與不確定決策:基于認知加工視角[J]. 管理工程學(xué)報, 2016,30(01):205-211.

Zheng J H, Wang L, Lu Q, et al. Information Filtering and Decision-making: in the View of Cognitive Processing[J]. Journal of Industrial Engineering and Engineering Management, 2016,30(01): 205-211.

[31] 葉許紅, 韓芳芳, 翁挺婷. 網(wǎng)購平臺產(chǎn)品圖片視覺特征的影響作用研究[J]. 管理工程學(xué)報, 2019,33(02):84-91.

Ye X H, Han F F, Weng T T. The effects of product pictures’ visual features in the context of online purchasing[J]. Journal of Industrial Engineering and Engineering Management, 2019,33(02):84-91.

[32] Li N, Ma N, Liu Y, et al. Resting-State Functional Connectivity Predicts Impulsivity in Economic Decision-Making[J]. Journal of Neuroscience, 2013,33(11):4886-4895.

[33] Wang L, Li L, Shen Q, et al. To run with the herd or not: Electrophysiological dynamics are associated with preference change in crowdfunding[J]. Neuropsychologia, 2019,134.

[34] 金忠星, 李東. 消費者偏好預(yù)測的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型[J]. 計算機應(yīng)用, 2019,39(7):1888-1893.

Kim C S, Li D. Deep learning neural network model for consumer preference prediction[J]. Journal of Computer Applications, 2019, 39(7): 1888-1893.

[35] 金忠星. 神經(jīng)營銷的消費者偏好預(yù)測系統(tǒng)研究, 哈爾濱工業(yè)大學(xué); 2019.

Kim C S. Research on the consumer preference prediction system in neuromarketing, Harbin Institute of Technology; 2019.

[36] 李森, 李明明, 郭伏, et al. 基于眼動追蹤和腦電技術(shù)的多維設(shè)計特征產(chǎn)品外觀的用戶情感預(yù)測模型[J]. 人類工效學(xué), 2019,25(05): 26-33.

Li S, Li M M, Guo F, et al. The Prediction Model of Users’ Emotion toward Product Appearance with Multiple Design Features based on Eye-Tracking and EEG Technologies[J]. Chinese Journal of Ergonomics, 2019,25(05):26-33.

[37] Smidts A. Kijken in het brein: Over de mogelijkheden van neuromarketing[M]. Netherlands: Erasmus University Rotterdam, 2002.

[38] Lee N, Broderick A J, Chamberlain L. What is ‘neuromarketing’? A discussion and agenda for future research[J]. International Journal of Psychophysiology, 2007,63(2):199-204.

[39] Fisher C E, Chin L, Klitzman R. Defining neuromarketing: Practices and professional challenges[J]. Harvard review of psychiatry, 2010, 18(4):230-237.

[40] Hsu M. Neuromarketing: inside the mind of the consumer[J]. California Management Review, 2017,59(4):5-22.

[41] Hubert M, Kenning P. A current overview of consumer neuroscience[J]. Journal of Consumer Behaviour, 2008,7(4‐5):272- 292.

[42] Karmarkar U R, Plassmann H. Consumer Neuroscience: Past, Present, and Future[J]. Organizational Research Methods, 2019,22(1):174-195.

[43] Erk S, Spitzer M, Wunderlich AP, et al. Cultural objects modulate reward circuitry[J]. Neuroreport, 2002,13(18):2499-2503.

[44] Pagnoni G, Zink C F, Montague P R, et al. Activity in human ventral striatum locked to errors of reward prediction[J]. Nature neuroscience, 2002,5(2):97-98.

[45] Knutson B, Rick S, Wirnmer G E, et al. Neural predictors of purchases[J]. Neuron, 2007,53(1):147-156.

[46] Carlson J M, Foti D, Mujica-Parodi L R, et al. Ventral striatal and medial prefrontal BOLD activation is correlated with reward-related electrocortical activity: a combined ERP and fMRI study[J]. NeuroImage, 2011,57(4):1608-1616.

[47] Deppe M, Schwindt W, Kugel H, et al. Nonlinear responses within the medial prefrontal cortex reveal when specific implicit information influences economic decision making[J]. Journal of Neuroimaging, 2005,15(2):171-182.

[48] Plassmann H, O'Doherty J, Rangel A. Orbitofrontal cortex encodes willingness to pay in everyday economic transactions[J]. Journal of Neuroscience, 2007,27(37):9984-9988.

[49] Hare T A, Camerer C F, Rangel A. Self-control in decision-making involves modulation of the vmPFC valuation system[J]. Science, 2009,324(5927):646-648.

[50] Plassmann H, O'Doherty J P, Rangel A. Appetitive and Aversive Goal Values Are Encoded in the Medial Orbitofrontal Cortex at the Time of Decision Making[J]. Journal of Neuroscience, 2010,30(32):10799- 10808.

[51] Basten U, Biele G, Heekeren H R, et al. How the brain integrates costs and benefits during decision making[J]. Proceedings of the National Academy of Sciences, 2010,107(50):21767-21772.

[52] Schaefer M, Rotte M. Favorite brands as cultural objects modulate reward circuit[J]. Neuroreport, 2007,18(2):141-145.

[53] Duckworth K L, Bargh J A, Garcia M, et al. The automatic evaluation of novel stimuli[J]. Psychological Science, 2002,13(6):513-519.

[54] Lebreton M, Jorge S, Michel V, et al. An Automatic Valuation System in the Human Brain: Evidence from Functional Neuroimaging[J]. Neuron, 2009,64(3):431-439.

[55] Tusche A, Bode S, Haynes J-D. Neural Responses to Unattended Products Predict Later Consumer Choices[J]. Journal of Neuroscience, 2010,30(23):8024-8031.

[56] Falk E B, Berkman E T, Mann T, et al. Predicting Persuasion-Induced Behavior Change from the Brain[J]. Journal of Neuroscience, 2010,30(25):8421-8424.

[57] Lawrence N S, Hinton E C, Parkinson JA, et al. Nucleus accumbens response to food cues predicts subsequent snack consumption in women and increased body mass index in those with reduced self-control[J]. NeuroImage, 2012,63(1):415-422.

[58] Mehta S, Melhorn S J, Smeraglio A, et al. Regional brain response to visual food cues is a marker of satiety that predicts food choice[J]. American Journal of Clinical Nutrition, 2012,96(5):989-999.

[59] Telpaz A, Webb R, Levy D J. Using EEG to Predict Consumers' Future Choices[J]. Journal of Marketing Research, 2015,52(4): 511-529.

[60] Falk E B, Berkman E T, Lieberman M D. From Neural Responses to Population Behavior: Neural Focus Group Predicts Population-Level Media Effects[J]. Psychological Science, 2012,23(5):439-445.

[61] Genevsky A, Knutson B. Neural Affective Mechanisms Predict Market-Level Microlending[J]. Psychological Science, 2015,26(9): 1411-1422.

[62] Kühn S, Strelow E, Gallinat J. Multiple “buy buttons” in the brain: Forecasting chocolate sales at point-of-sale based on functional brain activation using fMRI[J]. NeuroImage, 2016,136:122-128.

[63] Castellion G, Markham S K. Perspective: New Product Failure Rates: Influence of Argumentum ad Populum and Self-Interest[J]. Journal of Product Innovation Management, 2013,30(5):976-979.

[64] Heidenreich S, Spieth P. Why innovations fail—The case of passive and active innovation resistance[J]. International Journal of Innovation Management, 2013,17(5):1350021.

[65] Smithson, Janet. Using and analysing focus groups: Limitations and possibilities[J]. International Journal of Social Research Methodology, 2000,3(2):103-119.

[66] Chong AY-L, Chan F T, Ooi K-B. Predicting consumer decisions to adopt mobile commerce: Cross country empirical examination between China and Malaysia[J]. Decision support systems, 2012, 53(1):34-43.

[67] 申相德, 盧致杰, 盧致烽. 電子商務(wù)中的臨界交易決策行為預(yù)測研究[J]. 管理工程學(xué)報, 2006(01):94-98.

Shen X D, Lu Z J, Lu Z F. The Research of Decision-Behavior Predicting on Critical Trade-off of E-Commerce[J]. Journal of Industrial Engineering and Engineering Management, 2006(01):94-98.

[68] Birmingham P, Wilkinson D. Using research instruments: A guide for researchers[M]. London: Routledge, 2003.

[69] Hofmann W, Gawronski B, Gschwendner T, et al. A meta-analysis on the correlation between the Implicit Association Test and explicit self-report measures[J]. Personality and Social Psychology Bulletin, 2005,31(10):1369-1385.

[70] Mai T, Kang M J, Camerer C F. When the eyes say buy: visual fixations during hypothetical consumer choice improve prediction of actual purchases[J]. Journal of the Economic Science Association-Jesa, 2019,5(1):112-122.

[71] Bag S, Tiwari M K, Chan FTS. Predicting the consumer's purchase intention of durable goods: An attribute-level analysis[J]. Journal of Business Research, 2019,94:408-419.

[72] 王煉, 寧一鑒, 賈建民. 基于網(wǎng)絡(luò)搜索的銷量與市場份額預(yù)測:來自中國汽車市場的證據(jù)[J]. 管理工程學(xué)報, 2015,29(04):56-64.

Wang L, Ning Y J, Jia J M. Predicting Sales and Market Share with Online Search: Evidence from Chinese Automobile Market[J]. Journal of Industrial Engineering and Engineering Management, 2015,29(04):56-64.

[73] Hakim A, Levy D J. A gateway to consumers' minds: Achievements, caveats, and prospects of electroencephalography-based prediction in neuromarketing[J]. Wiley Interdisciplinary Reviews: Cognitive Science, 2019,10(2):e1485.

[74] Baldo D, Parikh H, Piu Y, et al. Brain waves predict success of new fashion products: a practical application for the footwear retailing industry[J]. Journal of Creating Value, 2015,1(1):61-71.

[75] Chan H-Y, Smidts A, Schoots V C, et al. Neural similarity at temporal lobe and cerebellum predicts out-of-sample preference and recall for video stimuli[J]. NeuroImage, 2019,197:391-401.

[76] Dmochowski J P, Bezdek M A, Abelson B P, et al. Audience preferences are predicted by temporal reliability of neural processing[J]. Nature Communications, 2014,5:1-9.

[77] Koelstra S, Muhl C, Soleymani M, et al. DEAP: A Database for Emotion Analysis Using Physiological Signals[J]. IEEE Transactions on Affective Computing, 2012,3(1):18-31.

[78] Krajbich I, Armel C, Rangel A. Visual fixations and the computation and comparison of value in simple choice[J]. Nature neuroscience, 2010,13(10):1292-1298.

[79] Krajbich I, Rangel A. Multialternative drift-diffusion model predicts the relationship between visual fixations and choice in value-based decisions[J]. Proceedings of the National Academy of Sciences, 2011,108(33):13852-13857.

[80] Towal R B, Mormann M, Koch C. Simultaneous modeling of visual saliency and value computation improves predictions of economic choice[J]. Proceedings of the National Academy of Sciences, 2013,110(40):E3858-E3867.

[81] Tong L C, Acikalin M Y, Genevsky A, et al. Brain activity forecasts video engagement in an internet attention market[J]. Proceedings of the National Academy of Sciences, 2020,117(12):6936-6941.

[82] Gearhardt A N, Yokum S, Harris J L, et al. Neural response to fast food commercials in adolescents predicts intake[J]. The American Journal of Clinical Nutrition, 2020,111(3):493-502.

[83] Hasson U, Nir Y, Levy I, et al. Intersubject synchronization of cortical activity during natural vision[J]. Science, 2004,303(5664):1634-1640.

[84] Barnett S B, Cerf M. Connecting on movie night? Neural measures of engagement differ by gender[J]. ACR North American Advances, 2015.

[85] Ravaja N, Somervuori O, Salminen M. Predicting Purchase Decision: The Role of Hemispheric Asymmetry Over the Frontal Cortex[J]. Journal of Neuroscience Psychology and Economics, 2013,6(1):1-13.

[86] Jantathai S, Danner L, Joechl M, et al. Gazing behavior, choice and color of food: Does gazing behavior predict choice?[J]. Food Research International, 2013,54(2):1621-1626.

[87] Goyal S, Miyapuram KP, Lahiri U. Predicting consumer's behavior using eye tracking data: 2015 Second International Conference on Soft Computing and Machine Intelligence (ISCMI)[C]. NW Washington, DC: IEEE Computer Society, 2015.

[88] Ramsoy TZ, Jacobsen C, Friis-Olivarius M, et al. Predictive Value of Body Posture and Pupil Dilation in Assessing Consumer Preference and Choice[J]. Journal of Neuroscience Psychology and Economics, 2017,10(2-3):95-110.

[89] Cavanagh J F, Wiecki T V, Kochar A, et al. Eye tracking and pupillometry are indicators of dissociable latent decision processes[J]. Journal of Experimental Psychology: General, 2014,143(4): 1476-1488.

[90] Cakir M P, ?akar T, Girisken Y, et al. An investigation of the neural correlates of purchase behavior through fNIRS[J]. European Journal of Marketing, 2018,52(1-2):224-243.

[91] Lin C H, Tuan H P, Chiu Y C. Medial frontal activity in brand-loyal consumers: A behavior and near-infrared ray study[J]. Journal of Neuroscience, Psychology, and Economics, 2010,3(2):59-73.

[92] Kang M J, Rangel A, Camus M, et al. Hypothetical and Real Choice Differentially Activate Common Valuation Areas[J]. Journal of Neuroscience, 2011,31(2):461-468.

[93] 林玲, 張新慶, 黃小茹. 神經(jīng)科學(xué)數(shù)據(jù)應(yīng)用引發(fā)的隱私問題探討[J]. 中國醫(yī)學(xué)倫理學(xué), 2020,33(03):294-303.

Lin L, Zhang X Q, Huang X R. The Discussion of Privacy Issues in the Application of Neuroscience Data[J]. Chinese Medical Ethics, 2020,33(03):294-303.

[94] Shestyuk A Y, Kasinathan K, Karapoondinott V, et al. Individual EEG measures of attention, memory, and motivation predict population level TV viewership and Twitter engagement[J]. PloS one, 2019, 14(3):e0214507.

[95] Sharma K, Giannakos M, Dillenbourg P. Eye-tracking and artificial intelligence to enhance motivation and learning[J]. Smart Learning Environments, 2020,7:13.

[96] Wang Q Z, Wedelb M, Huang L Q, et al. Effects of model eye gaze direction on consumer visual processing: Evidence from China and America[J]. Information & Management, 2018,55(5):588-597.

Predicting consumer behavior in the perspective of consumer neuroscience: Status, challenge, and future

WANG Lei1,2, YANG Yikai1,2, ZHENG Jiehui1,2*, WANG Xiaoyi1,2

(1. School of Management, Zhejiang University, Hangzhou 310058, China; 2.Neuromanagement Laboratory, Zhejiang University, Hangzhou 310027, China)

Neuromanagement is an emerging interdisciplinary subject that intersects neuroscience and social science. It has spawned new insights in multiple cutting-edge fields, such as consumer neuroscience, neuromarketing, neuroIS, and organizational neuroscience, thereby promoting the paradigm of management science from subjective to objective. Among these fields, consumer neuroscience can better understand consumer behavior and the motivations behind it. This article reviews the latest progresses pertaining to consumer behavior prediction in the perspective of consumer neuroscience. Specifically, it summarizes how neuroscience can be implemented in forecasting consumer behavior, as well as limitations and future research potentials.

The article sets out from a brief introduction of the theoretically basis of consumer behavior prediction – the discovery of neural correlates that relates to consumer behavior. For example, the striatum and nucleus accumbens (NAcc) are related to “reward”; the prefrontal cortex (PFC) is related to “subjective value”; and the mesencephalic limbic system is closely related to individual value perception. These findings unveil the neural “black box” behind consumer behavior, thereby laying a solid foundation for consumer behavior prediction. Consequently, they shed lights on the neural indicators that relate to consumer behavior, which help to interpret consumer behavior more accurately. Moreover, they also reveal that neural data can be the viable predictor for consumers’ individual and market behaviors. Thus, consumer neuroscience not only enriches the decision theory, but also promotes the application of theory.

Next, the article moves on to illustrate the methods in consumer behavior prediction with traditional methods and neuroscience tools. Traditional methods include qualitative methods like interviews and focus groups, quantitative methods like surveys, experimental studies, big data and artificial intelligence. Neuroscience tools include functional magnetic resonance imaging (fMRI), electroencephalography (EEG), functional near-infrared spectroscopy (fNIRS), eye tracking, and some physiological and biological metrics like skin electrical response, heart rate, respiratory rate, etc. Among them, fMRI and fNIRS can locate brain regions related to specific functions; EEG records cortical potential when engaged in specific tasks; eye tracking is mainly used to record the eye movement; skin electrical response, heart rate, and respiratory rate can reflect the level of affect and emotion. Compared with traditional methods, neuroscience tools complement their alternatives such as predicting with laboratory behavioral data and show superiority to predict the overall market consumption.

Then, this article demonstrates the recent trends of consumer behavior prediction research based on consumer neuroscience perspective. With the rapid development of consumer neuroscience, the research trend of consumer behavior prediction emerged and fluctuated in the last decade. Currently, it pioneers in consumer neuroscience. We summarize 18 representative researches regarding to their research tools, topics, measurement indicators, published journals, and then detail the research status of predicting consumer behavior. In related researches, fMRI predicts for consumer behavior at individual and market level in terms of experience preference, product selection and advertising performance. It usually applies to occasions where the brain area has been clearly associated with specific behaviors; EEG is mostly used to predict consumer behavior at individual and market level in terms of experience preference and product selection. It applies to occasions where the stimuli is time-dynamic (e.g., video ads, movies, TV programs, etc.); eye tracking is mostly used to predict product selection behavior when studying consumer behavior related to visual attention; and other neuroscience tools for consumer behavior predication is also introduced.

Lastly, this article points out the limitations in this vein of research based on the summary of previous studies. It states that a lack of specific cognitive indicators to predict consumer behavior, rare measure in real scenes, ethical issues need further discussion. In particular, domestic research is in its infancy and still has a large space for development. Then we put forward the directions that need to be broken in the future based on the current bottlenecks. (1) Combine multi-modal data to enrich unique indicators for predicting consumer behavior; (2) Predict consumer behavior from multiple stages of purchase decisions based on real-life needs; (3) Optimize data collection and analysis methods to improve the external validity; (4) Conduct cross-cultural research to reveal consumption forecast in domestic context.

The rapid growth of neuroscience tools ushers in an era of consumer neuroscience. Consumer neuroscience researches are then equipped with more objective metrics to advance research in marketing researches. It supplements the earlier controversial researches and provides unlimited possibilities for the future development. In the future, the strand of consumer neuroscience will be closely integrated with emerging disciplines such as big data, artificial intelligence, and machine learning to develop richer research fields, attract more professional researchers, and apply more humane research tools, thereby providing more theoretical and pragmatic values for consumer behavior research.

Consumer neuroscience; Prediction; Consumer behavior; Consumer decision-making

F273；B845

A

1004-6062(2020)06-0001-012

10.13587/j.cnki.jieem.2020.06.001

2020-03-04

2020-06-30

Supported by the National Natural Science Foundation of China(71871199, 71572176), the Ministry of Education of Humanities and Social Science Foundation (20YJC630228) and the Philosophy and Social Science Planning Project of ZheJiang Province (16ZJQN030YB)

2020-03-04

2020-06-30

國家自然科學(xué)基金資助項目（71871199、71572176）；教育部人文社會科學(xué)基金資助青年項目（20YJC630228）；浙江省哲學(xué)社會科學(xué)基金資助項目（16ZJQN030YB）

鄭杰慧（1991—），女，江西玉山人；浙江大學(xué)管理學(xué)院助理研究員，博士；研究方向：消費者神經(jīng)科學(xué)和決策科學(xué)。

中文編輯：杜 ??；英文編輯：Boping Yan