科學購物：YSL的腦波香水體驗
尼古拉斯·S·威廉斯博士
更新於
2024年2月7日
科學購物：YSL的腦波香水體驗
尼古拉斯·S·威廉斯博士
更新於
2024年2月7日
科學購物：YSL的腦波香水體驗
尼古拉斯·S·威廉斯博士
更新於
2024年2月7日
L’Oréal 與 Emotiv 合作開發了 Scent-sation，這是一項能夠根據您的情感反應推薦合適產品的互動式購物體驗。
顧客先回答一系列有關個人偏好（從紡織品到周遭環境）的問題，接著戴上 Emotiv Insight EEG 頭戴式裝置。顧客隨後測試不同的香調，例如「花香調」或「木質調」。與此同時，精密的演算法會實時將他們的腦波轉化為專注力、興奮和壓力水平等 表現指標。Scent-sation 會根據每個人的生物辨識反應，推薦三款 Yves Saint Laurent (YSL) 的奢華香水。
Scent-sation 在 2021 年杜拜世博會的 YSL 科技創新實驗室首度亮相。與會者得以在時尚的環境中，親自體驗這項互動式購物流程。在這次成功展示後，他們在全球特定的 Yves Saint Laurent 旗艦店裝設了 Scent-sation。L’Oréal 在 2024 年的消費電子展 (CES) 上展示了其在神經行銷學領域的創新方案，Scent-sation 也因此榮獲了享譽盛名的創新獎。
「透過這套沉浸式系統，我們能夠為 95% 的人量身推薦符合其需求與渴望的合適香水，這比未使用此技術時的比例高出許多，」Yves Saint Laurent Beauté 的國際總經理 Stephan Bezy 在談到與 Emotiv 的合作時表示。「這是該領域中一個巨大的里程碑。一旦我們知道哪些氣味能讓人感到快樂、充滿活力或產生其他情緒，我們就能更進一步客製化香水 —— 其潛力是無限的。」
氣味與情緒之間的連結
人類的嗅覺與記憶、情感的形成有著密不可分的關係。我們擁有大約 300 個基因，可協助我們透過嗅覺受器偵測許多不同的氣味 [1]。研究顯示，與其他感官所觸發的記憶相比，與嗅覺相關的記憶在一個人的生命中能追溯得更深遠 [2]。
根據 L’Oréal 的內部研究，有 77% 的消費者希望他們的香水能為自己帶來情感上的益處。透過盲測，L’Oréal 還發現人們會將包含快樂與放鬆在內的多種情緒，與他們的氣味偏好相連結。有超過半數年齡介於 12 至 34 歲之間的消費者表示，他們會根據當下的心情來選擇香水 [3]。
現代科技為我們帶來了高效與便利，但選項一多往往也容易讓人無所適從。科技能篩選出真正重要的選項，幫助我們做出更好的決定。L’Oréal 與其他領導品牌便轉向利用神經行銷學來實現這一點。合乎道德的神經行銷並非告訴消費者他們應該想要什麼，而是幫助他們發掘自己真正想要的是什麼，進而提升顧客忠誠度。
Scent-sation 的運作原理為何？
Scent-sation 體驗的核心技術是腦電圖（Electroencephalography，簡稱 EEG）。 穿戴式頭戴裝置 能測量您的大腦神經元傳導時產生的電位活動。研究人員藉由測量大腦皮質上的 EEG 來作為底層大腦活動的指標。
當您看著一個人的臉孔時，感測器能測量到您大腦中獨特的電訊號。同理，當您聞到自己喜愛或討厭的氣味時，研究人員同樣能觀察到可辨識的電位模式。藉由測量與研究電位活動的變化，研究人員能實時了解大腦功能和情緒反應。
Emotiv 運用我們多年的研究專業以及在開發客製化精密偵測演算法方面的經驗，設計並交付了這款 客製化嗅覺偵測產品。我們與 L’Oréal 合作，收集了數百名受試者的數據，不論是 YSL 各款香水還是不同香調，受試者皆進行了體驗。此外，受試者還針對這些香味在多個維度（如喜愛度、熟悉感、購買意願等）給予主觀評分。
利用與嗅覺相關的 EEG，Emotiv 的數據科學家創建了全新的偵測演算法，能捕捉到與各類氣味關聯的特定特徵。該演算法經由訓練，可預測每個人對每次氣味體驗自我報告的「喜歡/不喜歡」反應。大腦對少數幾種香調的反應會被整合至第二個模型中，該模型可預測受試者會喜歡 27 款 YSL 香水之中哪些款式的機率，進而推薦最符合的前三款香水。
結合了香水與獨特店面體驗，能為品牌建立持久且美好的回憶。在完成這次體驗後，顧客在做購買決定時，也會更有信心。
您可以從 EEG 中了解到什麼？
EEG 是研究調查中一種常見的數據收集方法。EEG 相比於 MRI 和 fMRI 具有一項優勢：它能迅速探測大腦活動的過程。此外，相較於預約 MRI 儀器，EEG 的成本明顯較低且更為省時。
無線 EEG 由 Emotiv 先行開創，它允許我們在更自然的環境（甚至是遠端環境）中收集實時大腦數據。這使得它成為非常適合運用在「即時線上」用途的工具 [4]。換句話說，它是在實時產生洞察，而非等到所有數據收集完後的稍晚時間才進行分析。
原始的 EEG 與看著聲波圖十分相似，一般人很難只用肉眼看出其中的意義。直接觀察「原始」EEG 能看出的資訊微乎其微。通常，科學家會去研究多位反覆接受某項刺激的受試者，其平均下來的 EEG 結果。進一步了解 神經震盪基礎。
EEG 必須經過處理以清除其中的「雜訊」，且通常需要進行轉換或其他數學計算轉換，才能推導出有意義的模式。這通常是在實際數據收集完成後的一段時間，才進行的後續處理。
產生實時 EEG 洞察
如果 EEG 的數據必須經過清理與轉換才有意義，那它要如何在實時中發揮作用呢？透過使用先前收集的數據，我們可以建立機器學習演算法，以識別與特定情境相關聯的大腦活動一般模式。您隨後可以調整這些演算法，使其亦對其他情境產生敏感度。
例如，我們收集了多人在進行令其氣餒的任務時的 EEG。接著，我們建立了一個數學模型，用來描繪人在感到氣餒時 EEG 會呈現的樣貌，並將該氣餒程度量化在 0 到 100% 之間。此模型可集成至軟體中，以分析新探測的人在做哪些事時，會讓他們感到氣餒。
Emotiv 已耗費超過十年的時間來開發這些實時 EEG 洞察。我們在受控的實驗環境下，收集了數千人的 EEG。利用我們獨特的數據庫與方法，我們開發了幾種不同的機器學習演算法，能在實時中識別認知狀態。
這些 Emotiv 的「偵測方法」（即表現指標）包括：沮喪感、興趣、放鬆度、參與度、興奮度、壓力和專注力。我們持續微調這些偵測技術，並透過進一步的測試開發出新的探測技術。
將實時偵測整合至消費者體驗中
在與 L’Oréal 的合作中，Emotiv 將我們的嗅覺偵測演算法無縫整合到了一款以應用程式為基礎的美妝體驗中。在美妝顧問的協助下，顧客會先回答八個情感側寫問題，以確定哪六種香調最有可能激發他們的喜愛。
確定這六種香調後，美妝顧問會引導顧客配戴 Emotiv 頭戴式裝置並開始體驗香氣。在顧客試聞每種香調的同時，大腦反應會透過無線方式傳輸到行動裝置上。在此過程中，Emotiv 的實時偵測技術會不斷調整，推算出顧客會對各款 YSL 香水產生好感的個人機率。
隨後，這套體驗會為顧客提供一份個人報表。這條喜好度曲線讓顧客有機會將自己的分析報表與 YSL 美妝社群進行對比。
整個體驗在推薦三款 YSL 香水時達到高潮。其中兩款預計與顧客個人的情緒及大腦反應完美契合。為了拓展顧客的情感選擇範圍，第三款推薦若非中性香水，就是性別相對應的香水，但仍舊符合大腦預測的嗅覺演算法。
從消費者、美妝顧問、L’Oréal 到 Emotiv 各方的角度來看，這次的合作體驗獲得了巨大的成功。
面向消費者的神經科學未來前景
這次的合作向我們展示了如何將 Emotiv 領先業界的硬體與我們的神經科學處理流程相結合，以打造出高效且精準的預測型應用程式。
隨著硬體與軟體技術的不斷創新，我們已步入一個能將神經科學廣泛應用於現實世界的崭新時代。
不論企業是希望透過具體行動去洞察消費者如何體驗其產品，還是尋求透過對工作流程與環境進行客觀評估，來提升員工的福祉，現代神經技術都已做好了準備，且必將成為未來的首選工具。它正 迅速取代諸如調查與問卷等主觀評估方式，成為旨在 深入了解其員工、顧客、產品與 市場的企業，最為有效的評估方法。 與 Emotiv 共同開發
* 2024 年 8 月 21 日更新 *
* H.B. Duran 對此報導亦有貢獻。*
您可能也會感興趣：
參考文獻
K. Sowndhararajan 與 S. Kim，「氣味對人類心理生理活動的影響：特別提及人類腦電圖的反應」（Influence of fragrances on human psychophysiological activity: with special reference to human electroencephalographic response），收錄於酒精藥理學雜誌 *Scientia Pharmaceutica*，第 84 卷、第 4 期，第 724–751 頁，2016 年 11 月年，doi: 10.3390/scipharm84040724。連結位置： https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5198031/
A. N. Miles 與 D. Berntsen，「氣味引起的過去與未來的心理時間旅行：氣味線索是否與我們遙遠的過去保持獨特聯繫？」（Odour-induced mental time travel into the past and future: Do odour cues retain a unique link to our distant past?），收錄於記憶雜誌 *Memory*，第 19 卷、第 8 期，第 930–940 頁，2011 年 11 月，doi: 10.1080/09658211.2011.613847。連結位置： https://www.tandfonline.com/doi/abs/10.1080/09658211.2011.613847
L’Oréal，「L'ORÉAL USA 宣佈 2024 年包容性美妝基金獲獎名單」（L’ORÉAL USA ANNOUNCES 2024 INCLUSIVE BEAUTY FUND RECIPIENTS），*L’Oréal*，2024 年 6 月 25 日。連結位置： https://www.loreal.com/en/press-release/group/press-release-scent--sation/
N. S. Williams、W. King、G. Mackellar、R. Randeniya、A. McCormick、以及 N. A. Badcock，眾包 EEG 實驗：「使用 EmotivPRO Builder 和 EmotivLABS 進行遠端 EEG 擷取的概念驗證」（Crowdsourced EEG experiments: A proof of concept for remote EEG acquisition using EmotivPRO Builder and EmotivLABS），收錄於系統科學雜誌 *Heliyon*，第 9 卷、第 8 期，p. e18433，2023 年 8 月，doi: 10.1016/j.heliyon.2023.e18433。連結位置： https://www.cell.com/heliyon/fulltext/S2405-8440(23)05641-4?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2405844023056414%3Fshowall%3Dtrue
L’Oréal 與 Emotiv 合作開發了 Scent-sation，這是一項能夠根據您的情感反應推薦合適產品的互動式購物體驗。
顧客先回答一系列有關個人偏好（從紡織品到周遭環境）的問題，接著戴上 Emotiv Insight EEG 頭戴式裝置。顧客隨後測試不同的香調，例如「花香調」或「木質調」。與此同時，精密的演算法會實時將他們的腦波轉化為專注力、興奮和壓力水平等 表現指標。Scent-sation 會根據每個人的生物辨識反應，推薦三款 Yves Saint Laurent (YSL) 的奢華香水。
Scent-sation 在 2021 年杜拜世博會的 YSL 科技創新實驗室首度亮相。與會者得以在時尚的環境中，親自體驗這項互動式購物流程。在這次成功展示後，他們在全球特定的 Yves Saint Laurent 旗艦店裝設了 Scent-sation。L’Oréal 在 2024 年的消費電子展 (CES) 上展示了其在神經行銷學領域的創新方案，Scent-sation 也因此榮獲了享譽盛名的創新獎。
「透過這套沉浸式系統，我們能夠為 95% 的人量身推薦符合其需求與渴望的合適香水，這比未使用此技術時的比例高出許多，」Yves Saint Laurent Beauté 的國際總經理 Stephan Bezy 在談到與 Emotiv 的合作時表示。「這是該領域中一個巨大的里程碑。一旦我們知道哪些氣味能讓人感到快樂、充滿活力或產生其他情緒，我們就能更進一步客製化香水 —— 其潛力是無限的。」
氣味與情緒之間的連結
人類的嗅覺與記憶、情感的形成有著密不可分的關係。我們擁有大約 300 個基因，可協助我們透過嗅覺受器偵測許多不同的氣味 [1]。研究顯示，與其他感官所觸發的記憶相比，與嗅覺相關的記憶在一個人的生命中能追溯得更深遠 [2]。
根據 L’Oréal 的內部研究，有 77% 的消費者希望他們的香水能為自己帶來情感上的益處。透過盲測，L’Oréal 還發現人們會將包含快樂與放鬆在內的多種情緒，與他們的氣味偏好相連結。有超過半數年齡介於 12 至 34 歲之間的消費者表示，他們會根據當下的心情來選擇香水 [3]。
現代科技為我們帶來了高效與便利，但選項一多往往也容易讓人無所適從。科技能篩選出真正重要的選項，幫助我們做出更好的決定。L’Oréal 與其他領導品牌便轉向利用神經行銷學來實現這一點。合乎道德的神經行銷並非告訴消費者他們應該想要什麼，而是幫助他們發掘自己真正想要的是什麼，進而提升顧客忠誠度。
Scent-sation 的運作原理為何？
Scent-sation 體驗的核心技術是腦電圖（Electroencephalography，簡稱 EEG）。 穿戴式頭戴裝置 能測量您的大腦神經元傳導時產生的電位活動。研究人員藉由測量大腦皮質上的 EEG 來作為底層大腦活動的指標。
當您看著一個人的臉孔時，感測器能測量到您大腦中獨特的電訊號。同理，當您聞到自己喜愛或討厭的氣味時，研究人員同樣能觀察到可辨識的電位模式。藉由測量與研究電位活動的變化，研究人員能實時了解大腦功能和情緒反應。
Emotiv 運用我們多年的研究專業以及在開發客製化精密偵測演算法方面的經驗，設計並交付了這款 客製化嗅覺偵測產品。我們與 L’Oréal 合作，收集了數百名受試者的數據，不論是 YSL 各款香水還是不同香調，受試者皆進行了體驗。此外，受試者還針對這些香味在多個維度（如喜愛度、熟悉感、購買意願等）給予主觀評分。
利用與嗅覺相關的 EEG，Emotiv 的數據科學家創建了全新的偵測演算法，能捕捉到與各類氣味關聯的特定特徵。該演算法經由訓練，可預測每個人對每次氣味體驗自我報告的「喜歡/不喜歡」反應。大腦對少數幾種香調的反應會被整合至第二個模型中，該模型可預測受試者會喜歡 27 款 YSL 香水之中哪些款式的機率，進而推薦最符合的前三款香水。
結合了香水與獨特店面體驗，能為品牌建立持久且美好的回憶。在完成這次體驗後，顧客在做購買決定時，也會更有信心。
您可以從 EEG 中了解到什麼？
EEG 是研究調查中一種常見的數據收集方法。EEG 相比於 MRI 和 fMRI 具有一項優勢：它能迅速探測大腦活動的過程。此外，相較於預約 MRI 儀器，EEG 的成本明顯較低且更為省時。
無線 EEG 由 Emotiv 先行開創，它允許我們在更自然的環境（甚至是遠端環境）中收集實時大腦數據。這使得它成為非常適合運用在「即時線上」用途的工具 [4]。換句話說，它是在實時產生洞察，而非等到所有數據收集完後的稍晚時間才進行分析。
原始的 EEG 與看著聲波圖十分相似，一般人很難只用肉眼看出其中的意義。直接觀察「原始」EEG 能看出的資訊微乎其微。通常，科學家會去研究多位反覆接受某項刺激的受試者，其平均下來的 EEG 結果。進一步了解 神經震盪基礎。
EEG 必須經過處理以清除其中的「雜訊」，且通常需要進行轉換或其他數學計算轉換，才能推導出有意義的模式。這通常是在實際數據收集完成後的一段時間，才進行的後續處理。
產生實時 EEG 洞察
如果 EEG 的數據必須經過清理與轉換才有意義，那它要如何在實時中發揮作用呢？透過使用先前收集的數據，我們可以建立機器學習演算法，以識別與特定情境相關聯的大腦活動一般模式。您隨後可以調整這些演算法，使其亦對其他情境產生敏感度。
例如，我們收集了多人在進行令其氣餒的任務時的 EEG。接著，我們建立了一個數學模型，用來描繪人在感到氣餒時 EEG 會呈現的樣貌，並將該氣餒程度量化在 0 到 100% 之間。此模型可集成至軟體中，以分析新探測的人在做哪些事時，會讓他們感到氣餒。
Emotiv 已耗費超過十年的時間來開發這些實時 EEG 洞察。我們在受控的實驗環境下，收集了數千人的 EEG。利用我們獨特的數據庫與方法，我們開發了幾種不同的機器學習演算法，能在實時中識別認知狀態。
這些 Emotiv 的「偵測方法」（即表現指標）包括：沮喪感、興趣、放鬆度、參與度、興奮度、壓力和專注力。我們持續微調這些偵測技術，並透過進一步的測試開發出新的探測技術。
將實時偵測整合至消費者體驗中
在與 L’Oréal 的合作中，Emotiv 將我們的嗅覺偵測演算法無縫整合到了一款以應用程式為基礎的美妝體驗中。在美妝顧問的協助下，顧客會先回答八個情感側寫問題，以確定哪六種香調最有可能激發他們的喜愛。
確定這六種香調後，美妝顧問會引導顧客配戴 Emotiv 頭戴式裝置並開始體驗香氣。在顧客試聞每種香調的同時，大腦反應會透過無線方式傳輸到行動裝置上。在此過程中，Emotiv 的實時偵測技術會不斷調整，推算出顧客會對各款 YSL 香水產生好感的個人機率。
隨後，這套體驗會為顧客提供一份個人報表。這條喜好度曲線讓顧客有機會將自己的分析報表與 YSL 美妝社群進行對比。
整個體驗在推薦三款 YSL 香水時達到高潮。其中兩款預計與顧客個人的情緒及大腦反應完美契合。為了拓展顧客的情感選擇範圍，第三款推薦若非中性香水，就是性別相對應的香水，但仍舊符合大腦預測的嗅覺演算法。
從消費者、美妝顧問、L’Oréal 到 Emotiv 各方的角度來看，這次的合作體驗獲得了巨大的成功。
面向消費者的神經科學未來前景
這次的合作向我們展示了如何將 Emotiv 領先業界的硬體與我們的神經科學處理流程相結合，以打造出高效且精準的預測型應用程式。
隨著硬體與軟體技術的不斷創新，我們已步入一個能將神經科學廣泛應用於現實世界的崭新時代。
不論企業是希望透過具體行動去洞察消費者如何體驗其產品，還是尋求透過對工作流程與環境進行客觀評估，來提升員工的福祉，現代神經技術都已做好了準備，且必將成為未來的首選工具。它正 迅速取代諸如調查與問卷等主觀評估方式，成為旨在 深入了解其員工、顧客、產品與 市場的企業，最為有效的評估方法。 與 Emotiv 共同開發
* 2024 年 8 月 21 日更新 *
* H.B. Duran 對此報導亦有貢獻。*
您可能也會感興趣：
參考文獻
K. Sowndhararajan 與 S. Kim，「氣味對人類心理生理活動的影響：特別提及人類腦電圖的反應」（Influence of fragrances on human psychophysiological activity: with special reference to human electroencephalographic response），收錄於酒精藥理學雜誌 *Scientia Pharmaceutica*，第 84 卷、第 4 期，第 724–751 頁，2016 年 11 月年，doi: 10.3390/scipharm84040724。連結位置： https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5198031/
A. N. Miles 與 D. Berntsen，「氣味引起的過去與未來的心理時間旅行：氣味線索是否與我們遙遠的過去保持獨特聯繫？」（Odour-induced mental time travel into the past and future: Do odour cues retain a unique link to our distant past?），收錄於記憶雜誌 *Memory*，第 19 卷、第 8 期，第 930–940 頁，2011 年 11 月，doi: 10.1080/09658211.2011.613847。連結位置： https://www.tandfonline.com/doi/abs/10.1080/09658211.2011.613847
L’Oréal，「L'ORÉAL USA 宣佈 2024 年包容性美妝基金獲獎名單」（L’ORÉAL USA ANNOUNCES 2024 INCLUSIVE BEAUTY FUND RECIPIENTS），*L’Oréal*，2024 年 6 月 25 日。連結位置： https://www.loreal.com/en/press-release/group/press-release-scent--sation/
N. S. Williams、W. King、G. Mackellar、R. Randeniya、A. McCormick、以及 N. A. Badcock，眾包 EEG 實驗：「使用 EmotivPRO Builder 和 EmotivLABS 進行遠端 EEG 擷取的概念驗證」（Crowdsourced EEG experiments: A proof of concept for remote EEG acquisition using EmotivPRO Builder and EmotivLABS），收錄於系統科學雜誌 *Heliyon*，第 9 卷、第 8 期，p. e18433，2023 年 8 月，doi: 10.1016/j.heliyon.2023.e18433。連結位置： https://www.cell.com/heliyon/fulltext/S2405-8440(23)05641-4?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2405844023056414%3Fshowall%3Dtrue
L’Oréal 與 Emotiv 合作開發了 Scent-sation，這是一項能夠根據您的情感反應推薦合適產品的互動式購物體驗。
顧客先回答一系列有關個人偏好（從紡織品到周遭環境）的問題，接著戴上 Emotiv Insight EEG 頭戴式裝置。顧客隨後測試不同的香調，例如「花香調」或「木質調」。與此同時，精密的演算法會實時將他們的腦波轉化為專注力、興奮和壓力水平等 表現指標。Scent-sation 會根據每個人的生物辨識反應，推薦三款 Yves Saint Laurent (YSL) 的奢華香水。
Scent-sation 在 2021 年杜拜世博會的 YSL 科技創新實驗室首度亮相。與會者得以在時尚的環境中，親自體驗這項互動式購物流程。在這次成功展示後，他們在全球特定的 Yves Saint Laurent 旗艦店裝設了 Scent-sation。L’Oréal 在 2024 年的消費電子展 (CES) 上展示了其在神經行銷學領域的創新方案，Scent-sation 也因此榮獲了享譽盛名的創新獎。
「透過這套沉浸式系統，我們能夠為 95% 的人量身推薦符合其需求與渴望的合適香水，這比未使用此技術時的比例高出許多，」Yves Saint Laurent Beauté 的國際總經理 Stephan Bezy 在談到與 Emotiv 的合作時表示。「這是該領域中一個巨大的里程碑。一旦我們知道哪些氣味能讓人感到快樂、充滿活力或產生其他情緒，我們就能更進一步客製化香水 —— 其潛力是無限的。」
氣味與情緒之間的連結
人類的嗅覺與記憶、情感的形成有著密不可分的關係。我們擁有大約 300 個基因，可協助我們透過嗅覺受器偵測許多不同的氣味 [1]。研究顯示，與其他感官所觸發的記憶相比，與嗅覺相關的記憶在一個人的生命中能追溯得更深遠 [2]。
根據 L’Oréal 的內部研究，有 77% 的消費者希望他們的香水能為自己帶來情感上的益處。透過盲測，L’Oréal 還發現人們會將包含快樂與放鬆在內的多種情緒，與他們的氣味偏好相連結。有超過半數年齡介於 12 至 34 歲之間的消費者表示，他們會根據當下的心情來選擇香水 [3]。
現代科技為我們帶來了高效與便利，但選項一多往往也容易讓人無所適從。科技能篩選出真正重要的選項，幫助我們做出更好的決定。L’Oréal 與其他領導品牌便轉向利用神經行銷學來實現這一點。合乎道德的神經行銷並非告訴消費者他們應該想要什麼，而是幫助他們發掘自己真正想要的是什麼，進而提升顧客忠誠度。
Scent-sation 的運作原理為何？
Scent-sation 體驗的核心技術是腦電圖（Electroencephalography，簡稱 EEG）。 穿戴式頭戴裝置 能測量您的大腦神經元傳導時產生的電位活動。研究人員藉由測量大腦皮質上的 EEG 來作為底層大腦活動的指標。
當您看著一個人的臉孔時，感測器能測量到您大腦中獨特的電訊號。同理，當您聞到自己喜愛或討厭的氣味時，研究人員同樣能觀察到可辨識的電位模式。藉由測量與研究電位活動的變化，研究人員能實時了解大腦功能和情緒反應。
Emotiv 運用我們多年的研究專業以及在開發客製化精密偵測演算法方面的經驗，設計並交付了這款 客製化嗅覺偵測產品。我們與 L’Oréal 合作，收集了數百名受試者的數據，不論是 YSL 各款香水還是不同香調，受試者皆進行了體驗。此外，受試者還針對這些香味在多個維度（如喜愛度、熟悉感、購買意願等）給予主觀評分。
利用與嗅覺相關的 EEG，Emotiv 的數據科學家創建了全新的偵測演算法，能捕捉到與各類氣味關聯的特定特徵。該演算法經由訓練，可預測每個人對每次氣味體驗自我報告的「喜歡/不喜歡」反應。大腦對少數幾種香調的反應會被整合至第二個模型中，該模型可預測受試者會喜歡 27 款 YSL 香水之中哪些款式的機率，進而推薦最符合的前三款香水。
結合了香水與獨特店面體驗，能為品牌建立持久且美好的回憶。在完成這次體驗後，顧客在做購買決定時，也會更有信心。
您可以從 EEG 中了解到什麼？
EEG 是研究調查中一種常見的數據收集方法。EEG 相比於 MRI 和 fMRI 具有一項優勢：它能迅速探測大腦活動的過程。此外，相較於預約 MRI 儀器，EEG 的成本明顯較低且更為省時。
無線 EEG 由 Emotiv 先行開創，它允許我們在更自然的環境（甚至是遠端環境）中收集實時大腦數據。這使得它成為非常適合運用在「即時線上」用途的工具 [4]。換句話說，它是在實時產生洞察，而非等到所有數據收集完後的稍晚時間才進行分析。
原始的 EEG 與看著聲波圖十分相似，一般人很難只用肉眼看出其中的意義。直接觀察「原始」EEG 能看出的資訊微乎其微。通常，科學家會去研究多位反覆接受某項刺激的受試者，其平均下來的 EEG 結果。進一步了解 神經震盪基礎。
EEG 必須經過處理以清除其中的「雜訊」，且通常需要進行轉換或其他數學計算轉換，才能推導出有意義的模式。這通常是在實際數據收集完成後的一段時間，才進行的後續處理。
產生實時 EEG 洞察
如果 EEG 的數據必須經過清理與轉換才有意義，那它要如何在實時中發揮作用呢？透過使用先前收集的數據，我們可以建立機器學習演算法，以識別與特定情境相關聯的大腦活動一般模式。您隨後可以調整這些演算法，使其亦對其他情境產生敏感度。
例如，我們收集了多人在進行令其氣餒的任務時的 EEG。接著，我們建立了一個數學模型，用來描繪人在感到氣餒時 EEG 會呈現的樣貌，並將該氣餒程度量化在 0 到 100% 之間。此模型可集成至軟體中，以分析新探測的人在做哪些事時，會讓他們感到氣餒。
Emotiv 已耗費超過十年的時間來開發這些實時 EEG 洞察。我們在受控的實驗環境下，收集了數千人的 EEG。利用我們獨特的數據庫與方法，我們開發了幾種不同的機器學習演算法，能在實時中識別認知狀態。
這些 Emotiv 的「偵測方法」（即表現指標）包括：沮喪感、興趣、放鬆度、參與度、興奮度、壓力和專注力。我們持續微調這些偵測技術，並透過進一步的測試開發出新的探測技術。
將實時偵測整合至消費者體驗中
在與 L’Oréal 的合作中，Emotiv 將我們的嗅覺偵測演算法無縫整合到了一款以應用程式為基礎的美妝體驗中。在美妝顧問的協助下，顧客會先回答八個情感側寫問題，以確定哪六種香調最有可能激發他們的喜愛。
確定這六種香調後，美妝顧問會引導顧客配戴 Emotiv 頭戴式裝置並開始體驗香氣。在顧客試聞每種香調的同時，大腦反應會透過無線方式傳輸到行動裝置上。在此過程中，Emotiv 的實時偵測技術會不斷調整，推算出顧客會對各款 YSL 香水產生好感的個人機率。
隨後，這套體驗會為顧客提供一份個人報表。這條喜好度曲線讓顧客有機會將自己的分析報表與 YSL 美妝社群進行對比。
整個體驗在推薦三款 YSL 香水時達到高潮。其中兩款預計與顧客個人的情緒及大腦反應完美契合。為了拓展顧客的情感選擇範圍，第三款推薦若非中性香水，就是性別相對應的香水，但仍舊符合大腦預測的嗅覺演算法。
從消費者、美妝顧問、L’Oréal 到 Emotiv 各方的角度來看，這次的合作體驗獲得了巨大的成功。
面向消費者的神經科學未來前景
這次的合作向我們展示了如何將 Emotiv 領先業界的硬體與我們的神經科學處理流程相結合，以打造出高效且精準的預測型應用程式。
隨著硬體與軟體技術的不斷創新，我們已步入一個能將神經科學廣泛應用於現實世界的崭新時代。
不論企業是希望透過具體行動去洞察消費者如何體驗其產品，還是尋求透過對工作流程與環境進行客觀評估，來提升員工的福祉，現代神經技術都已做好了準備，且必將成為未來的首選工具。它正 迅速取代諸如調查與問卷等主觀評估方式，成為旨在 深入了解其員工、顧客、產品與 市場的企業，最為有效的評估方法。 與 Emotiv 共同開發
* 2024 年 8 月 21 日更新 *
* H.B. Duran 對此報導亦有貢獻。*
您可能也會感興趣：
參考文獻
K. Sowndhararajan 與 S. Kim，「氣味對人類心理生理活動的影響：特別提及人類腦電圖的反應」（Influence of fragrances on human psychophysiological activity: with special reference to human electroencephalographic response），收錄於酒精藥理學雜誌 *Scientia Pharmaceutica*，第 84 卷、第 4 期，第 724–751 頁，2016 年 11 月年，doi: 10.3390/scipharm84040724。連結位置： https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5198031/
A. N. Miles 與 D. Berntsen，「氣味引起的過去與未來的心理時間旅行：氣味線索是否與我們遙遠的過去保持獨特聯繫？」（Odour-induced mental time travel into the past and future: Do odour cues retain a unique link to our distant past?），收錄於記憶雜誌 *Memory*，第 19 卷、第 8 期，第 930–940 頁，2011 年 11 月，doi: 10.1080/09658211.2011.613847。連結位置： https://www.tandfonline.com/doi/abs/10.1080/09658211.2011.613847
L’Oréal，「L'ORÉAL USA 宣佈 2024 年包容性美妝基金獲獎名單」（L’ORÉAL USA ANNOUNCES 2024 INCLUSIVE BEAUTY FUND RECIPIENTS），*L’Oréal*，2024 年 6 月 25 日。連結位置： https://www.loreal.com/en/press-release/group/press-release-scent--sation/
N. S. Williams、W. King、G. Mackellar、R. Randeniya、A. McCormick、以及 N. A. Badcock，眾包 EEG 實驗：「使用 EmotivPRO Builder 和 EmotivLABS 進行遠端 EEG 擷取的概念驗證」（Crowdsourced EEG experiments: A proof of concept for remote EEG acquisition using EmotivPRO Builder and EmotivLABS），收錄於系統科學雜誌 *Heliyon*，第 9 卷、第 8 期，p. e18433，2023 年 8 月，doi: 10.1016/j.heliyon.2023.e18433。連結位置： https://www.cell.com/heliyon/fulltext/S2405-8440(23)05641-4?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2405844023056414%3Fshowall%3Dtrue
