1. Come misurare le preferenze estetiche implicite? Con l\u2019EEG!<\/a><\/p>\n\n\n\n 2. Lo studio di Wang e colleghi<\/a><\/p>\n\n\n\n 3. I risultati?<\/a> <\/p>\n\n\n\n 4. Conclusioni<\/a><\/p>\n\n\n\n Ma in che modo una o pi\u00f9 caratteristiche estetiche legate al layout di alcune pubblicit\u00e0 appositamente pensate per i dispositivi mobili potrebbe influenzare le scelte dei consumatori? La preferenza estetica \u00e8 un particolare processo cognitivo che elabora gli stimoli visivi e che riflette l\u2019attivit\u00e0 di alcune aree cerebrali. Quale strumento migliore per rispondere a domande di questo tipo, se non l\u2019EEG?<\/p>\n\n\n\n L\u2019EEG consiste in una cuffia elastica, su cui sono presenti degli elettrodi, che viene posizionata sul cuoio capelluto dei partecipanti. Questi elettrodi sono collocati in corrispondenza di determinate aree cerebrali in modo da indagare la loro funzionalit\u00e0 elettrica. I sistemi EEG tradizionali richiedono lunghi tempi di assemblaggio e applicazione, che in genere comportano l\u2019abrasione del cuoio capelluto del paziente. Tuttavia, diversi sistemi wireless attualmente disponibili possono essere applicati in 20 minuti o meno senza alcun disagio durante l\u2019applicazione (LaRocco et al., 2020).<\/p>\n\n\n\n Questo strumento \u00e8 dunque assolutamente non invasivo e ci permette di capire, ad esempio, quali sono le sezioni del sito, della pagina web o del contenuto pubblicitario che attivano maggiormente il consumatore dal punto di vista dell\u2019attenzione e dell\u2019interesse. Una delle metodologie pi\u00f9 comunemente usata negli studi di neuromarketing con EEG \u00e8 quella dei potenziali correlati ad eventi (ERP). Ma a differenza dell\u2019EEG, il cui scopo \u00e8 quello di registrare l\u2019attivit\u00e0 elettrica spontanea del cervello, lo scopo degli ERP \u00e8 quello di registrare invece cosa accade quando l\u2019individuo processa uno specifico stimolo. In questo caso, dunque, lo strumento registra le variazioni delle onde cerebrali provocati da specifici eventi interni o esterni. <\/p>\n\n\n\n Uno degli svantaggi dello strumento EEG \u00e8 che la risoluzione spaziale non \u00e8 ottimale; infatti, non \u00e8 possibile associare gli ERP al singolo elettrodo presente sulla cuffia, ma solo a gruppi di elettrodi vicini fra loro, mediando la loro attivit\u00e0 elettrica. Al contrario, il grande vantaggio dell\u2019EEG \u00e8 la risoluzione temporale. Questo vuol dire che i partecipanti possono svolgere compiti anche molto lunghi ed interagire anche con un grande numero di stimoli per sessione senza che ci sia alcuna conseguenza. Gli ERP possono emergere alcun ms dopo la presentazione dello stimolo e, in base al tempo trascorso, possono essere associati a diverse aree cerebrali.<\/p>\n\n\n\n Nello studio che vogliamo prendere come esempio, realizzato da Wang e colleghi nel 2021, gli eventi esterni erano rappresentati da alcuni stimoli legati ad immagini di interfacce pubblicitarie di mobile marketing. Gli ERP venivano quindi registrati nel mentre i partecipanti osservavano gli stimoli. Lo scopo \u00e8 quello di capire quali siano gli specifici elementi del layout che pi\u00f9 di tutti riescono ad attivare le preferenze estetiche dei consumatori.<\/p>\n\n\n\n I partecipanti coinvolti nello studio sono stati 19 in totale. A questi consumatori \u00e8 stato chiesto di giudicare una campagna pubblicitaria mobile che prometteva pi\u00f9 traffico dati per il proprio smartphone ad offerte vantaggiose. Per evitare che ci fossero delle influenze dovute all\u2019interesse personale, la campagna \u00e8 stata proposta solo a studenti universitari che, tramite il proprio istituto, avevano gi\u00e0 accesso ad un piano di traffico dati illimitato. <\/p>\n\n\n\n Questo ha permesso di controllare entro certi limiti che le offerte presentate non avessero poi cos\u00ec tanta presa dal punto di vista dell\u2019offerta in s\u00e9 e che fossero giudicate esclusivamente dal punto di vista estetico.<\/p>\n\n\n\n Le immagini da giudicare erano 30 e differivano solo ed esclusivamente per alcuni elementi legati al layout (Figura 1). Avevano quindi gli stessi colori, le stesse immagini, gli stessi testi e, come accennato, si riferivano tutte alla medesima campagna per telefonia mobile. <\/p>\n\n\n\n In alcune prove, oltre ai 30 stimoli, era inoltre presente un elemento bersaglio (detto stimolo target, immagine D, Figura1), composto solo da figure geometriche.<\/p>\n\n\n\n Figura 1 <\/strong>Le immagini A, B e C illustrano alcune variazioni nel layout degli stimoli visivi della campagna pubblicitaria. L\u2019immagine D illustra lo \u201cstimolo target\u201d.<\/p>\n\n\n\n Nel corso dell\u2019esperimento, ai partecipanti veniva semplicemente detto di osservare gli stimoli sullo schermo di un computer mentre veniva registrata la loro attivit\u00e0 elettrica cerebrale. <\/p>\n\n\n\n Le immagini apparivano in ordine casuale e l\u2019unico compito del consumatore era quello di cliccare il tasto destro del mouse il pi\u00f9 velocemente possibile ogni qual volta vedevano apparire lo stimolo target. In ciascuna prova, quindi, i partecipanti aveva il compito di decidere il pi\u00f9 rapidamente possibile se lo stimolo che appariva sullo schermo era uno stimolo target oppure no. Questo serve per assicurarsi che egli presti sempre attenzione allo stimolo visivo e che non lasci semplicemente scorrere le immagini sul monitor senza osservarle realmente.<\/p>\n\n\n\n Alla fine dell\u2019esperimento, i partecipanti hanno nuovamente visualizzato tutti e 30 gli stimoli, per poi selezionare i 5 preferiti e i 5 piaciuti meno.<\/p>\n\n\n\n L\u2019analisi delle onde ERP ha evidenziato delle oscillazioni che potrebbero dipendere dal fatto che il layout delle interfacce piaciute meno genererebbe un maggior livello di attenzione e un arousal emotivo pi\u00f9 forte (in questo caso negativo) rispetto alle interfacce piaciute di pi\u00f9. Questo perch\u00e9 durante il compito i partecipanti riescono ad acquisire una crescente familiarit\u00e0 con gli stimoli man mano che questi appaiono, di conseguenza gli stimoli che hanno una valenza emotiva minore (in questo caso quelli che piacciono di pi\u00f9) ottengono anche livelli di attenzione pi\u00f9 bassi.<\/p>\n\n\n\n I risultati descritti dimostrano che le preferenze estetiche per i layout delle interfacce mobile sono del tutto implicite e sono legate ad un fattore emotivo che va ad influenzare l\u2019attenzione. Fortunatamente sappiamo anche che c\u2019\u00e8 uno strumento molto utile che ci viene in soccorso per analizzare le differenze nell\u2019elaborazione cognitiva degli stimoli: la misurazione degli ERP tramite EEG.<\/p>\n\n\n\n Immagina di dover lanciare una campagna di mobile marketing e di voler far valutare il layout di alcuni prototipi. I nostri ricercatori noteranno che i layout che i consumatori giudicheranno (implicitamente) meno gradevoli saranno anche quelli che causeranno maggiori differenze negli ERP. In questo modo, i risultati dello studio potrebbero aiutarti a scartare le proposte non valide, prima del lancio della campagna, e a strutturare il layout delle interfacce mobili in modo strategico.<\/p>\n\n\n\n Balinsky, H. (2006). \u201cEvaluating interface aesthetics: measure of symmetry,\u201d in Digital Publishing<\/a> (San Jose, CA: International Society for Optics and Photonics). doi: 10.1117\/12.642120<\/p>\n\n\n\n Constantine, L. (1996). \u201cVisual coherence and usability: a cohesion metric for assessing the quality of dialogue and screen designs,\u201d in Proceedings Sixth Australian Conference on Computer-Human Interaction (Hamilton), 115\u2013121<\/p>\n\n\n\n Deng, L., and Wang, G. (2020). Quantitative evaluation of visual aesthetics of human-machine interaction interface layout.<\/a> Comput. Intell. Neurosci. 2020:9815937. doi: 10.1155\/2020\/9815937<\/p>\n\n\n\n Laarni, J., Ravaja, N., and Saari, T. (2005). \u201cAesthetic and emotional evaluations of computer interfaces,\u201d in Human-computer Interaction International Conference (HCI) (Las Vegas, NV).<\/p>\n\n\n\n LaRocco, J., Le, M. D., & Paeng, D. G. (2020). A systemic review of available low-cost EEG headsets used for drowsiness detection. <\/a>Frontiers in neuroinformatics<\/em>, 42.<\/p>\n\n\n\n Moshagen, M., and Thielsch, M. T. (2010). Facets of visual aesthetics<\/a>. Int. J. Hum. Comput. Stud. 68, 689\u2013709. doi: 10.1016\/j.ijhcs.2010.05.006<\/p>\n\n\n\n Sheedy, J. E., Subbaram, M. V., Zimmerman, A. B., and Hayes, J. R. (2005). Text legibility and the letter superiority effect.<\/a> Human Factors 47, 797\u2013815. doi: 10.1518\/001872005775570998<\/p>\n\n\n\n Tullis, T. S. (1983). The formatting of alphanumeric displays: a review and analysis.<\/a> Hum. Fact. 25, 657\u2013682. doi: 10.1177\/001872088302500604<\/p>\n\n\n\nCome misurare le preferenze estetiche implicite? Con l\u2019EEG!<\/strong><\/h2>\n\n\n\n
Lo studio di Wang e colleghi<\/strong><\/h2>\n\n\n\n
![\"Lo](\"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2023\/04\/Immagine-2022-12-02-130201-1024x423.png\")
<\/figure>\n\n\n\nI risultati?<\/strong><\/h2>\n\n\n\n
Conclusioni<\/h2>\n\n\n\n
Bibliografia<\/strong><\/h2>\n\n\n\n