• Machine learning

Anche se l’intelligenza artificiale (AI) esiste da 3 decenni (il termine fu coniato da John McCarthy nel 1956), è solo dalla fine del 2010 che si è visto un book nel mainstream.

La quantità di dati e informazioni prodotte e disponibili è così grande che è diventato impossibile per le nostre limitate capacità di elaborazione cognitiva vagliare tutto e fare stime significative.

Questo è particolarmente vero per la ricerca di mercato ed economica – e con i grandi set di dati biometrici e di neurofeedback che si hanno con il neuromarketing, non è diverso.

Sempre più spesso, abbiamo bisogno di affidarci ad algoritmi e/o macchine che imparano a vagliare questi dati e ad estrarre modelli significativi. I metodi e i mezzi in cui questi sistemi di intelligenza artificiale a macchina rendono queste informazioni significative variano considerevolmente, dall’analisi semantica, all’analisi del sentimento, alla frequenza e alla stima degli eventi.

  • VR e AR

Il 2018 è stato definito l’anno della Realtà Aumentata (AR) e della Realtà Virtuale (VR), ma la VR non è così avanzata come era stato previsto. Tuttavia, questo non significa che ci sia meno interesse di prima.

Quello che molti sospettano è che l’avvento di VR e AR non è ancora fiorito. Alcuni hanno suggerito che anche se la VR è stato suggerito essere il KingMaker dell’interazione uomo-macchina, è possibile che la AR cominci a superare la VR.

Mentre la AR (e la VR) continua ad avanzare, permetterà al Neuromarketing di ampliare il modo in cui possiamo ottimizzare le esperienze dei consumatori.

Ad esempio, se volessimo testare un planogramma per uno scaffale di un negozio di alimentari, potremmo sovrapporre diverse opzioni di progettazione dello scaffale usando l’AR, o costruirle in VR, e utilizzare la tecnologia di eye-tracking per valutare come una persona potrebbe navigare visivamente nello stesso spazio nel mondo reale.

I vantaggi di questo tipo di test ci permette di abbattere i costi testando ambienti virtuali e aumentati per applicazioni nel mondo reale.

  • Accesso a studi a basso costo e di alta qualità

Grazie alla riduzione del costo dell’hardware – dalla tecnologia cellulare ai dispositivi di neuroscienze – insieme al miglioramento della potenza di calcolo nei dispositivi mobili, i ricercatori possono scalare i loro studi senza sacrificare la qualità dei loro dati. Questo può essere visto soprattutto nei campi dell’elettroencefalografia e del eye-tracking.

Questo sta cominciando ad avere un impatto anche sulla ricerca funzionale di imaging cerebrale (fMRI) nelle neuroscienze.

  • Migliore analisi dei dati per una migliore comprensione

Gli strumenti analitici sono migliorati.

In generale, a causa della maggiore potenza di calcolo disponibile con costi inferiori per l’acquisto di hardware; pacchetti software statistici meno costosi; l’emergere di analisi bayesiane (e l’abbandono dei test a zero ipotesi); l’introduzione di intelligenza artificiale, reti neurali e altre forme di apprendimento automatico nei processi di analisi dei dati.

Le intuizioni prodotte nel campo del neuromarketing sono ora più scalabili, robuste e hanno una maggiore fedeltà.

  • Trasparenza

Adottando l’approccio e la filosofia scientifica, il neuromarketing è diventato molto più trasparente per quanto riguarda il processo e le metodologie di reporting.

Le società di neuromarketing rispettabili sono oggi alla base di principi etici rigorosi, di cui la divulgazione e la trasparenza del processo di ricerca sono di fondamentale importanza.

Sono finiti i tempi delle metodologie proprietarie e delle tecniche delle scatole nere.

Le metodologie proprietarie servono solo a proteggere gli interessi del fornitore di servizi, ma non servono in alcun modo al cliente o all’industria nel suo complesso. Questo ha anche spianato la strada per l’accelerazione, lo sviluppo e la crescita delle metodologie attuali.

  • Strumenti migliori

Ci sono una serie di nuovi sviluppi tecnologici nelle neuroscienze applicate.

Questi includono:

  • Nuove metodologie EEG

Nuove metodologie EEG come le variazioni nel rilevamento della motivazione, l’esame del funzionamento della corteccia visiva, le applicazioni su sistemi sensoriali multipli e il miglioramento degli algoritmi di artefatto EEG e post-elaborazione. Ciò significa mantenere l’EEG ed affermarlo come una metodologia robusta e importante.

  • fMRI meno costose (fMRI 2.0)

Esistono strategie per rendere meno costose le macchine fMRI e l’obiettivo sarà quello di sviluppare una risonanza magnetica funzionale scalabile, mobile e ancora meno costosa.

Gli operatori del settore della fMRI sperano di rendere la tecnologia ancora più accessibile nei prossimi anni. Questo significa una scansione cerebrale più funzionale e tecniche migliori.

  • NIRS

La spettroscopia a risonanza a infrarossi (NIRS, Near Infrared Resonance Spectroscopy) esiste ormai da alcuni anni. Questa tecnologia permette ai neuroscienziati di esaminare il funzionamento del cervello, principalmente dell’attività corticale (prevalentemente del lobo frontale).

Questi dispositivi sono robusti, nel senso che possono essere utilizzati per rilevare i cambiamenti cerebrali e l’elaborazione cognitiva/emotiva in una vasta gamma di ambienti ed in mobilità.

Essi forniscono una migliore risoluzione spaziale di attivazione cerebrale rispetto all’EEG in generale, ma non ancora a livello della fMRI (anche se nel tempo è probabile che corrispondano ad alcuni studi fMRI).

  • Test impliciti

Il test dei tempi di risposta è diventata una metodologia consolidata della scienza comportamentale e del neuromarketing.

Il test del tempo di risposta misura la risposta motoria implicita dei consumatori che scelgono consapevolmente parole o frasi che corrispondono a categorie chiave del marchio o a specifici stimoli di marketing in esame.

I test impliciti che utilizzano i tempi di risposta, permettono ai neuromarketer di scalare i loro studi, ridurre la loro dipendenza dall’hardware fisico e ridurre massicciamente i tempi di risposta alla ricerca.

  • L’internet degli oggetti (IOT)

L’internet delle cose è ancora agli inizi, ma molti sostengono che è solo una questione di tempo prima che quasi tutti gli elettrodomestici, l’elettronica, molti articoli per la casa e i trasporti, ad esempio, siano collegati in rete e in comunicazione tra loro.

L’internet degli oggetti contribuirà in modo massiccio ai Big Data, poiché l’informazione continua a crescere in modo esponenziale. Offrirà nuovi livelli di comprensione del comportamento, del pensiero e delle emozioni dei consumatori.

  • Biometria integrata (entro il 2020)

La biometria incorporata coinvolge sia gli oggetti da indossare che la tecnologia che è integrata biologicamente come parte del nostro corpo o risiede all’interno del nostro corpo.

Attualmente, alcuni di questi strumenti di cibernetica biologica incorporata includono dispositivi quali lenti AR, dispositivi di monitoraggio GIT all’interno del nostro apparato digestivo, dispositivi medici impiantati in capillari / vasi sanguigni, neurostimolatori e dispositivi specializzati di monitoraggio cardiaco (spesso come parte di un dispositivo pacemaker). C’è anche un piccolo gruppo di individui che hanno iniziato a impiantare minuscole CPU e computer nei loro corpi.

Altri elementi biometrici incorporati includono probabilmente oggetti unici e di uso quotidiano come indumenti, dispositivi da polso, occhiali e possibilmente qualsiasi altro tipo di abbigliamento.

Questi possono monitorare qualsiasi cosa: la posizione, i movimenti del corpo, la frequenza cardiaca, la pressione sanguigna, l’utilizzo dell’ossigeno e persino l’elaborazione metabolica generale del corpo. Questo probabilmente offrirà una serie di nuove informazioni per aiutare a comprendere il comportamento dei consumatori.