挑戰您的記憶力!在Emotiv App中玩新的N-Back遊戲

  • 挑戰您的記憶力!在Emotiv App中玩新的N-Back遊戲

  • 挑戰您的記憶力!在Emotiv App中玩新的N-Back遊戲

科學購物:YSL的腦波香水體驗

Heidi Duran

分享:

L'Oréal and Emotiv 開發了 Scent-sation,這是一種互動購物體驗,可根據您的情緒反應來匹配產品。

顧客回答一系列有關他們從紡織品到環境偏好的問題,然後戴上 EMOTIV Insight EEG 耳機。顧客測試不同的香氣搭配,如“花香”或“木質”。同時,先進的算法將他們的腦電波轉化為實時的表現指標,如專注度、刺激度和壓力水平。Scent-sation 根據每個人的生物反應推薦三款Yves Saint Laurent (YSL) 的奢華香水。

Scent-sation 在 2021 年迪拜世博會的 YSL 技術創新實驗室首次亮相。參加者可以在時尚的環境中親自體驗這種互動購物體驗。成功展示後,他們將 Scent-sation 安裝在世界各地的精選 Yves Saint Laurent 旗艦店。L'Oréal 在 2024 年的消費電子展上展示了其創新的神經營銷方法,Scent-sation 因此獲得了一項著名的創新獎。

“通過這個身臨其境的系統,我們能夠滿足95% 的人對他們需求和願望的合適香水,這比沒有這項技術要高得多,” Yves Saint Laurent Beauté 的國際總經理 Stephan Bezy 對與 Emotiv 的合作夥伴關係發表了評論。“這是這類別的一個巨大的第一步。一旦我們知道哪些香味能讓人們感到快樂、充滿活力或其他情感,我們可以進一步定制香水——潛力是無限的。”

嗅覺與情緒之間的聯繫

人類的嗅覺與記憶和情緒的形成之間有著密切的關係。我們有大約 300 個基因幫助我們通過嗅覺受體檢測到許多不同的氣味[1]。研究表明,與其他感官引發的記憶相比,與嗅覺相關的記憶可以追溯到一個人生活的更久以前[2]。

根據 L'Oréal 的內部研究,77% 的消費者希望他們的香水給他們帶來情感上的好處。通過盲測,L'Oréal 還發現人們將各種情緒,包括快樂和放鬆,與他們的香味偏好聯繫起來。超過一半的 12-34 歲的消費者表示他們根據自己的心情選擇香水[3]。

現代科技向我們承諾效率,但往往過多的選擇會讓人不知所措。科技通過僅顯示重要選項來幫助我們做出更好的選擇。L'Oréal 和其他領先品牌轉向神經營銷以實現這一點。倫理神經營銷不告訴顧客什麼是想要的,但幫助他們發現他們真正想要的,從而增加顧客忠誠度。

Scent-sation 如何運作?



Scent-sation 體驗的核心是腦電圖(EEG)。可穿戴耳機測量您的大腦在神經元發射時產生的電活動。研究人員在頭皮上測量EEG,作為潛在腦活動的指標。

當您看著人的臉時,傳感器可以測量您大腦中的獨特電信號。類似地,當您聞到您喜愛或厭惡的東西時,研究人員可以觀察到可識別的電模式。研究人員可以測量和研究電活動的變化,以了解實時的腦功能和情感反應。

Emotiv 利用了我們多年研究專長和開發定製、複雜檢測算法的經驗來設計和交付一種定製的嗅覺檢測產品。與 L'Oréal 合作,我們從數百名接觸了一系列YSL香水和香氣的參與者那裡收集數據。參與者還根據不同的領域(喜歡度、熟悉度、購買可能性等)為每種香味提供主觀評分。

使用與嗅覺相關的 EEG,Emotiv 的數據科學家創建了一種新的檢測算法,捕捉每種香味相關的特定特徵。該算法被訓練用於預測每個人對每次曝光的自我報告“喜好/不喜好”反应。對少數香調的腦反應被組合成第二個模型,該模型預測參與者發現27種YSL香水中的每一種香水吸引力的可能性,然後推薦排名前三的香水。

搭配香水的獨特商店體驗可以創造持久的品牌美好記憶。在完成該體驗後,個人可以更有信心地做出購買決策。

您可以從 EEG 中學到什麼?

EEG 是研究研究中常用的數據收集方法。EEG 相對於 MRI 和 fMRI 的優勢在於它可以快速檢測大腦活動過程。而且與預訂 MRI 機器相比,它更便宜也更省時。

無線 EEG由 Emotiv 提出,允許在更自然的環境中實時收集腦數據——甚至是遠程收集的。這使其成為“在線”使用的獨特工具[4]。換句話說,可以實時生成見解,而不是在收集完所有數據後的晚些時候。

原始 EEG 類似於觀看聲波,很難有人能用肉眼識別出其含義。從“原始”EEG中識別的信息很少。通常,科學家會觀看多次接觸刺激的多個人中的平均 EEG。瞭解更多有關神經振盪的基礎知識。

必須處理EEG以清除“噪音”並經常進行數學轉換或以其他方式改變以推導出任何有意義的模式。通常在實際數據收集發生很久之後才完成這項工作。

flex saline


MN8 – 2 Channel EEG Earbuds - EMOTIV

生成實時 EEG 見解

如果必須清理和轉換 EEG 才有意義,那麼如何才能實時有用?通過使用先前收集的數據,我們可以生成機器學習算法來識別特定情況下的大腦活動的一般模式。然後,您可以調整這些算法以對其他情況敏感。

例如,我們在很多人執行幾項令人沮喪的任務時收集了 EEG。然後我們開發了一個數學模型,詮釋了這種沮喪狀態的 EEG 樣貌,並將沮喪水平量化為 0 到 100%。此模型可以集成到軟件中,以指示當新的人做某事令他們感到沮喪時。

Emotiv 在開發這些實時 EEG 見解方面已經努力了十多年。我們在受控實驗條件下從數千人那裡收集了 EEG。使用我們獨特的數據庫和方法,我們開發了幾個可以實時識別認知狀態的不同機器學習算法。

這些 Emotiv 的“檢測”,也就是表現指標,包括沮喪、興趣、放鬆、參與度、興奮、壓力和注意力。我們通過進一步測試對這些檢測進行微調和開發新檢測。



將實時檢測整合到消費者體驗中

在與 L'Oréal 的合作中,Emotiv 將我們的嗅覺檢測算法集成到無縫的基於應用的美容體驗中。與美容顧問一起,顧客首先回答八個情感特徵問題以確定哪些六個香調最有可能激發他們的感受。

確定了六個香調後,美容顧問將 EMOTIV 耳機配戴在顧客身上,並引導他們進行嗅覺體驗。顧客品嚐每款香調的同時,大腦反應會無線傳輸到移動設備。在此過程中,Emotiv 實時檢測會不斷調整顧客發現每種YSL香水具有吸引力的個人概率。

然後該體驗為顧客提供了個人資料。這條喜好曲線使顧客有機會將他們的資料與 YSL 美容社區的資料進行比較。



該體驗最終會提供三款 YSL 香水推薦。其中兩款預測與顧客個人的情感和大腦反應完美吻合。為了擴大顧客的感官選擇概況,第三個推薦是中性或性別相反的香水,與預測的大腦嗅覺算法仍然一致。

從顧客、美容顧問、L'Oréal 和 Emotiv 的角度來看,這次體驗取得了巨大成功。 

面向消費者的神經科學的未來

此合作展示了如何將 Emotiv 領先的硬件與我們的神經科學處理管道結合使用,以產生有效準確的預測應用。

隨著硬件和軟件技術的創新,我們進入了一個可以將神經科學應用於廣泛現實世界應用的時代。

無論公司是希望獲得有關顧客與產品互動的可行見解,還是希望通過對工作流程和環境的客觀評估來增強員工的福祉,現代神經技術現在都定位於成為未來的首選工具。它 很快取代了諸如調查和問卷之類的主觀量度,成為公司尋求更好地了解其員工、顧客、產品和市場的最有效方法。與 Emotiv 一起發展

更新於2024年8月21日

作者 Dr. Nikolas S. Williams

H.B. Duran 亦為本故事做出貢獻。

您可能還會喜歡:

參考文献

  1. K. Sowndhararajan 和 S. Kim,“氣味對人體心理生理活動的影響:特別參考於人體腦電波反應,”Scientia Pharmaceutica,vol. 84, no. 4, 頁面 724–751, 2016 年 11 月, doi: 10.3390/scipharm84040724. Available: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5198031/

  2. A. N. Miles 和 D. Berntsen,“氣味引發的精神時間旅行到過去和未來:氣味提示是否保留著我們遙遠過去的獨特聯繫?”,記憶(Memory),vol. 19,no. 8,頁面 930–940,2011 年 11 月,doi: 10.1080/09658211.2011.613847. Available: https://www.tandfonline.com/doi/abs/10.1080/09658211.2011.613847

  3. L'Oréal,“L’ORÉAL USA 宣布 2024 年具包容性的美容基金獲獎者,”L’Oréal,2024 年 6 月 25 日. Available: https://www.loreal.com/en/press-release/group/press-release-scent--sation/

  4. N. S. Williams、W. King、G. Mackellar、R. Randeniya、A. McCormick 和 N. A. Badcock,“群眾外包的 EEG 實驗:使用 EmotivPRO Builder 和 EmotivLABS 進行遠程 EEG 獲取的概念驗證,”Heliyon,vol. 9,no. 8,頁面 e18433,2023 年 8 月,doi: 10.1016/j.heliyon.2023.e18433. Available: 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 and Emotiv 開發了 Scent-sation,這是一種互動購物體驗,可根據您的情緒反應來匹配產品。

顧客回答一系列有關他們從紡織品到環境偏好的問題,然後戴上 EMOTIV Insight EEG 耳機。顧客測試不同的香氣搭配,如“花香”或“木質”。同時,先進的算法將他們的腦電波轉化為實時的表現指標,如專注度、刺激度和壓力水平。Scent-sation 根據每個人的生物反應推薦三款Yves Saint Laurent (YSL) 的奢華香水。

Scent-sation 在 2021 年迪拜世博會的 YSL 技術創新實驗室首次亮相。參加者可以在時尚的環境中親自體驗這種互動購物體驗。成功展示後,他們將 Scent-sation 安裝在世界各地的精選 Yves Saint Laurent 旗艦店。L'Oréal 在 2024 年的消費電子展上展示了其創新的神經營銷方法,Scent-sation 因此獲得了一項著名的創新獎。

“通過這個身臨其境的系統,我們能夠滿足95% 的人對他們需求和願望的合適香水,這比沒有這項技術要高得多,” Yves Saint Laurent Beauté 的國際總經理 Stephan Bezy 對與 Emotiv 的合作夥伴關係發表了評論。“這是這類別的一個巨大的第一步。一旦我們知道哪些香味能讓人們感到快樂、充滿活力或其他情感,我們可以進一步定制香水——潛力是無限的。”

嗅覺與情緒之間的聯繫

人類的嗅覺與記憶和情緒的形成之間有著密切的關係。我們有大約 300 個基因幫助我們通過嗅覺受體檢測到許多不同的氣味[1]。研究表明,與其他感官引發的記憶相比,與嗅覺相關的記憶可以追溯到一個人生活的更久以前[2]。

根據 L'Oréal 的內部研究,77% 的消費者希望他們的香水給他們帶來情感上的好處。通過盲測,L'Oréal 還發現人們將各種情緒,包括快樂和放鬆,與他們的香味偏好聯繫起來。超過一半的 12-34 歲的消費者表示他們根據自己的心情選擇香水[3]。

現代科技向我們承諾效率,但往往過多的選擇會讓人不知所措。科技通過僅顯示重要選項來幫助我們做出更好的選擇。L'Oréal 和其他領先品牌轉向神經營銷以實現這一點。倫理神經營銷不告訴顧客什麼是想要的,但幫助他們發現他們真正想要的,從而增加顧客忠誠度。

Scent-sation 如何運作?



Scent-sation 體驗的核心是腦電圖(EEG)。可穿戴耳機測量您的大腦在神經元發射時產生的電活動。研究人員在頭皮上測量EEG,作為潛在腦活動的指標。

當您看著人的臉時,傳感器可以測量您大腦中的獨特電信號。類似地,當您聞到您喜愛或厭惡的東西時,研究人員可以觀察到可識別的電模式。研究人員可以測量和研究電活動的變化,以了解實時的腦功能和情感反應。

Emotiv 利用了我們多年研究專長和開發定製、複雜檢測算法的經驗來設計和交付一種定製的嗅覺檢測產品。與 L'Oréal 合作,我們從數百名接觸了一系列YSL香水和香氣的參與者那裡收集數據。參與者還根據不同的領域(喜歡度、熟悉度、購買可能性等)為每種香味提供主觀評分。

使用與嗅覺相關的 EEG,Emotiv 的數據科學家創建了一種新的檢測算法,捕捉每種香味相關的特定特徵。該算法被訓練用於預測每個人對每次曝光的自我報告“喜好/不喜好”反应。對少數香調的腦反應被組合成第二個模型,該模型預測參與者發現27種YSL香水中的每一種香水吸引力的可能性,然後推薦排名前三的香水。

搭配香水的獨特商店體驗可以創造持久的品牌美好記憶。在完成該體驗後,個人可以更有信心地做出購買決策。

您可以從 EEG 中學到什麼?

EEG 是研究研究中常用的數據收集方法。EEG 相對於 MRI 和 fMRI 的優勢在於它可以快速檢測大腦活動過程。而且與預訂 MRI 機器相比,它更便宜也更省時。

無線 EEG由 Emotiv 提出,允許在更自然的環境中實時收集腦數據——甚至是遠程收集的。這使其成為“在線”使用的獨特工具[4]。換句話說,可以實時生成見解,而不是在收集完所有數據後的晚些時候。

原始 EEG 類似於觀看聲波,很難有人能用肉眼識別出其含義。從“原始”EEG中識別的信息很少。通常,科學家會觀看多次接觸刺激的多個人中的平均 EEG。瞭解更多有關神經振盪的基礎知識。

必須處理EEG以清除“噪音”並經常進行數學轉換或以其他方式改變以推導出任何有意義的模式。通常在實際數據收集發生很久之後才完成這項工作。

flex saline


MN8 – 2 Channel EEG Earbuds - EMOTIV

生成實時 EEG 見解

如果必須清理和轉換 EEG 才有意義,那麼如何才能實時有用?通過使用先前收集的數據,我們可以生成機器學習算法來識別特定情況下的大腦活動的一般模式。然後,您可以調整這些算法以對其他情況敏感。

例如,我們在很多人執行幾項令人沮喪的任務時收集了 EEG。然後我們開發了一個數學模型,詮釋了這種沮喪狀態的 EEG 樣貌,並將沮喪水平量化為 0 到 100%。此模型可以集成到軟件中,以指示當新的人做某事令他們感到沮喪時。

Emotiv 在開發這些實時 EEG 見解方面已經努力了十多年。我們在受控實驗條件下從數千人那裡收集了 EEG。使用我們獨特的數據庫和方法,我們開發了幾個可以實時識別認知狀態的不同機器學習算法。

這些 Emotiv 的“檢測”,也就是表現指標,包括沮喪、興趣、放鬆、參與度、興奮、壓力和注意力。我們通過進一步測試對這些檢測進行微調和開發新檢測。



將實時檢測整合到消費者體驗中

在與 L'Oréal 的合作中,Emotiv 將我們的嗅覺檢測算法集成到無縫的基於應用的美容體驗中。與美容顧問一起,顧客首先回答八個情感特徵問題以確定哪些六個香調最有可能激發他們的感受。

確定了六個香調後,美容顧問將 EMOTIV 耳機配戴在顧客身上,並引導他們進行嗅覺體驗。顧客品嚐每款香調的同時,大腦反應會無線傳輸到移動設備。在此過程中,Emotiv 實時檢測會不斷調整顧客發現每種YSL香水具有吸引力的個人概率。

然後該體驗為顧客提供了個人資料。這條喜好曲線使顧客有機會將他們的資料與 YSL 美容社區的資料進行比較。



該體驗最終會提供三款 YSL 香水推薦。其中兩款預測與顧客個人的情感和大腦反應完美吻合。為了擴大顧客的感官選擇概況,第三個推薦是中性或性別相反的香水,與預測的大腦嗅覺算法仍然一致。

從顧客、美容顧問、L'Oréal 和 Emotiv 的角度來看,這次體驗取得了巨大成功。 

面向消費者的神經科學的未來

此合作展示了如何將 Emotiv 領先的硬件與我們的神經科學處理管道結合使用,以產生有效準確的預測應用。

隨著硬件和軟件技術的創新,我們進入了一個可以將神經科學應用於廣泛現實世界應用的時代。

無論公司是希望獲得有關顧客與產品互動的可行見解,還是希望通過對工作流程和環境的客觀評估來增強員工的福祉,現代神經技術現在都定位於成為未來的首選工具。它 很快取代了諸如調查和問卷之類的主觀量度,成為公司尋求更好地了解其員工、顧客、產品和市場的最有效方法。與 Emotiv 一起發展

更新於2024年8月21日

作者 Dr. Nikolas S. Williams

H.B. Duran 亦為本故事做出貢獻。

您可能還會喜歡:

參考文献

  1. K. Sowndhararajan 和 S. Kim,“氣味對人體心理生理活動的影響:特別參考於人體腦電波反應,”Scientia Pharmaceutica,vol. 84, no. 4, 頁面 724–751, 2016 年 11 月, doi: 10.3390/scipharm84040724. Available: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5198031/

  2. A. N. Miles 和 D. Berntsen,“氣味引發的精神時間旅行到過去和未來:氣味提示是否保留著我們遙遠過去的獨特聯繫?”,記憶(Memory),vol. 19,no. 8,頁面 930–940,2011 年 11 月,doi: 10.1080/09658211.2011.613847. Available: https://www.tandfonline.com/doi/abs/10.1080/09658211.2011.613847

  3. L'Oréal,“L’ORÉAL USA 宣布 2024 年具包容性的美容基金獲獎者,”L’Oréal,2024 年 6 月 25 日. Available: https://www.loreal.com/en/press-release/group/press-release-scent--sation/

  4. N. S. Williams、W. King、G. Mackellar、R. Randeniya、A. McCormick 和 N. A. Badcock,“群眾外包的 EEG 實驗:使用 EmotivPRO Builder 和 EmotivLABS 進行遠程 EEG 獲取的概念驗證,”Heliyon,vol. 9,no. 8,頁面 e18433,2023 年 8 月,doi: 10.1016/j.heliyon.2023.e18433. Available: 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 and Emotiv 開發了 Scent-sation,這是一種互動購物體驗,可根據您的情緒反應來匹配產品。

顧客回答一系列有關他們從紡織品到環境偏好的問題,然後戴上 EMOTIV Insight EEG 耳機。顧客測試不同的香氣搭配,如“花香”或“木質”。同時,先進的算法將他們的腦電波轉化為實時的表現指標,如專注度、刺激度和壓力水平。Scent-sation 根據每個人的生物反應推薦三款Yves Saint Laurent (YSL) 的奢華香水。

Scent-sation 在 2021 年迪拜世博會的 YSL 技術創新實驗室首次亮相。參加者可以在時尚的環境中親自體驗這種互動購物體驗。成功展示後,他們將 Scent-sation 安裝在世界各地的精選 Yves Saint Laurent 旗艦店。L'Oréal 在 2024 年的消費電子展上展示了其創新的神經營銷方法,Scent-sation 因此獲得了一項著名的創新獎。

“通過這個身臨其境的系統,我們能夠滿足95% 的人對他們需求和願望的合適香水,這比沒有這項技術要高得多,” Yves Saint Laurent Beauté 的國際總經理 Stephan Bezy 對與 Emotiv 的合作夥伴關係發表了評論。“這是這類別的一個巨大的第一步。一旦我們知道哪些香味能讓人們感到快樂、充滿活力或其他情感,我們可以進一步定制香水——潛力是無限的。”

嗅覺與情緒之間的聯繫

人類的嗅覺與記憶和情緒的形成之間有著密切的關係。我們有大約 300 個基因幫助我們通過嗅覺受體檢測到許多不同的氣味[1]。研究表明,與其他感官引發的記憶相比,與嗅覺相關的記憶可以追溯到一個人生活的更久以前[2]。

根據 L'Oréal 的內部研究,77% 的消費者希望他們的香水給他們帶來情感上的好處。通過盲測,L'Oréal 還發現人們將各種情緒,包括快樂和放鬆,與他們的香味偏好聯繫起來。超過一半的 12-34 歲的消費者表示他們根據自己的心情選擇香水[3]。

現代科技向我們承諾效率,但往往過多的選擇會讓人不知所措。科技通過僅顯示重要選項來幫助我們做出更好的選擇。L'Oréal 和其他領先品牌轉向神經營銷以實現這一點。倫理神經營銷不告訴顧客什麼是想要的,但幫助他們發現他們真正想要的,從而增加顧客忠誠度。

Scent-sation 如何運作?



Scent-sation 體驗的核心是腦電圖(EEG)。可穿戴耳機測量您的大腦在神經元發射時產生的電活動。研究人員在頭皮上測量EEG,作為潛在腦活動的指標。

當您看著人的臉時,傳感器可以測量您大腦中的獨特電信號。類似地,當您聞到您喜愛或厭惡的東西時,研究人員可以觀察到可識別的電模式。研究人員可以測量和研究電活動的變化,以了解實時的腦功能和情感反應。

Emotiv 利用了我們多年研究專長和開發定製、複雜檢測算法的經驗來設計和交付一種定製的嗅覺檢測產品。與 L'Oréal 合作,我們從數百名接觸了一系列YSL香水和香氣的參與者那裡收集數據。參與者還根據不同的領域(喜歡度、熟悉度、購買可能性等)為每種香味提供主觀評分。

使用與嗅覺相關的 EEG,Emotiv 的數據科學家創建了一種新的檢測算法,捕捉每種香味相關的特定特徵。該算法被訓練用於預測每個人對每次曝光的自我報告“喜好/不喜好”反应。對少數香調的腦反應被組合成第二個模型,該模型預測參與者發現27種YSL香水中的每一種香水吸引力的可能性,然後推薦排名前三的香水。

搭配香水的獨特商店體驗可以創造持久的品牌美好記憶。在完成該體驗後,個人可以更有信心地做出購買決策。

您可以從 EEG 中學到什麼?

EEG 是研究研究中常用的數據收集方法。EEG 相對於 MRI 和 fMRI 的優勢在於它可以快速檢測大腦活動過程。而且與預訂 MRI 機器相比,它更便宜也更省時。

無線 EEG由 Emotiv 提出,允許在更自然的環境中實時收集腦數據——甚至是遠程收集的。這使其成為“在線”使用的獨特工具[4]。換句話說,可以實時生成見解,而不是在收集完所有數據後的晚些時候。

原始 EEG 類似於觀看聲波,很難有人能用肉眼識別出其含義。從“原始”EEG中識別的信息很少。通常,科學家會觀看多次接觸刺激的多個人中的平均 EEG。瞭解更多有關神經振盪的基礎知識。

必須處理EEG以清除“噪音”並經常進行數學轉換或以其他方式改變以推導出任何有意義的模式。通常在實際數據收集發生很久之後才完成這項工作。

flex saline


MN8 – 2 Channel EEG Earbuds - EMOTIV

生成實時 EEG 見解

如果必須清理和轉換 EEG 才有意義,那麼如何才能實時有用?通過使用先前收集的數據,我們可以生成機器學習算法來識別特定情況下的大腦活動的一般模式。然後,您可以調整這些算法以對其他情況敏感。

例如,我們在很多人執行幾項令人沮喪的任務時收集了 EEG。然後我們開發了一個數學模型,詮釋了這種沮喪狀態的 EEG 樣貌,並將沮喪水平量化為 0 到 100%。此模型可以集成到軟件中,以指示當新的人做某事令他們感到沮喪時。

Emotiv 在開發這些實時 EEG 見解方面已經努力了十多年。我們在受控實驗條件下從數千人那裡收集了 EEG。使用我們獨特的數據庫和方法,我們開發了幾個可以實時識別認知狀態的不同機器學習算法。

這些 Emotiv 的“檢測”,也就是表現指標,包括沮喪、興趣、放鬆、參與度、興奮、壓力和注意力。我們通過進一步測試對這些檢測進行微調和開發新檢測。



將實時檢測整合到消費者體驗中

在與 L'Oréal 的合作中,Emotiv 將我們的嗅覺檢測算法集成到無縫的基於應用的美容體驗中。與美容顧問一起,顧客首先回答八個情感特徵問題以確定哪些六個香調最有可能激發他們的感受。

確定了六個香調後,美容顧問將 EMOTIV 耳機配戴在顧客身上,並引導他們進行嗅覺體驗。顧客品嚐每款香調的同時,大腦反應會無線傳輸到移動設備。在此過程中,Emotiv 實時檢測會不斷調整顧客發現每種YSL香水具有吸引力的個人概率。

然後該體驗為顧客提供了個人資料。這條喜好曲線使顧客有機會將他們的資料與 YSL 美容社區的資料進行比較。



該體驗最終會提供三款 YSL 香水推薦。其中兩款預測與顧客個人的情感和大腦反應完美吻合。為了擴大顧客的感官選擇概況,第三個推薦是中性或性別相反的香水,與預測的大腦嗅覺算法仍然一致。

從顧客、美容顧問、L'Oréal 和 Emotiv 的角度來看,這次體驗取得了巨大成功。 

面向消費者的神經科學的未來

此合作展示了如何將 Emotiv 領先的硬件與我們的神經科學處理管道結合使用,以產生有效準確的預測應用。

隨著硬件和軟件技術的創新,我們進入了一個可以將神經科學應用於廣泛現實世界應用的時代。

無論公司是希望獲得有關顧客與產品互動的可行見解,還是希望通過對工作流程和環境的客觀評估來增強員工的福祉,現代神經技術現在都定位於成為未來的首選工具。它 很快取代了諸如調查和問卷之類的主觀量度,成為公司尋求更好地了解其員工、顧客、產品和市場的最有效方法。與 Emotiv 一起發展

更新於2024年8月21日

作者 Dr. Nikolas S. Williams

H.B. Duran 亦為本故事做出貢獻。

您可能還會喜歡:

參考文献

  1. K. Sowndhararajan 和 S. Kim,“氣味對人體心理生理活動的影響:特別參考於人體腦電波反應,”Scientia Pharmaceutica,vol. 84, no. 4, 頁面 724–751, 2016 年 11 月, doi: 10.3390/scipharm84040724. Available: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5198031/

  2. A. N. Miles 和 D. Berntsen,“氣味引發的精神時間旅行到過去和未來:氣味提示是否保留著我們遙遠過去的獨特聯繫?”,記憶(Memory),vol. 19,no. 8,頁面 930–940,2011 年 11 月,doi: 10.1080/09658211.2011.613847. Available: https://www.tandfonline.com/doi/abs/10.1080/09658211.2011.613847

  3. L'Oréal,“L’ORÉAL USA 宣布 2024 年具包容性的美容基金獲獎者,”L’Oréal,2024 年 6 月 25 日. Available: https://www.loreal.com/en/press-release/group/press-release-scent--sation/

  4. N. S. Williams、W. King、G. Mackellar、R. Randeniya、A. McCormick 和 N. A. Badcock,“群眾外包的 EEG 實驗:使用 EmotivPRO Builder 和 EmotivLABS 進行遠程 EEG 獲取的概念驗證,”Heliyon,vol. 9,no. 8,頁面 e18433,2023 年 8 月,doi: 10.1016/j.heliyon.2023.e18433. Available: https://www.cell.com/heliyon/fulltext/S2405-8440(23)05641-4?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2405844023056414%3Fshowall%3Dtrue