CN116029749A - 一种基于事件相关电位技术的消费者服务偏好的预测方法 - Google Patents

Abstract

本发明公开了一种基于事件相关电位技术的消费者服务偏好的预测方法，包括如下步骤：S1、对受试者在人类服务或智能服务状态下分别施加实验刺激，并记录相应脑电波；S2、分别计算人类服务条件下和智能服务条件下所记录脑电波中P2成分、LPP成分、RewP成分和P300成分的多重方差；S3、通过对计算得到的P2成分、LPP成分、RewP成分和P300成分的多重方差进行分析对比；S4、利用P2成分、LPP成分、RewP成分和P300成分对服务偏好做混合回归。本发明通过计算对比分析和混合回归模型的结果证明了事件相关电位技术可以有效预测消费者服务偏好的选择，为在企业选择服务决策时提供精确的预判方法，为服务供应商的设计服务时，提供指导与检验预测的作用。

Description

一种基于事件相关电位技术的消费者服务偏好的预测方法

技术领域

本发明涉及电位技术领域，尤其涉及一种基于事件相关电位技术的消费者服务偏好的预测方法。

背景技术

消费者服务偏好和选择的研究方法总体上分为主观研究方法和客观研究方法。主观研究方法通常涉及服务偏好问卷。问卷内容一般包括服务满意度，消费者信任，使用意愿等，采用多级标尺进行测量。客观研究方法多以结合力学、生理物理、心理物理的测量方法进行研究。

在服务偏好客观预测方法中，心理上的客观预测是一个难题，服务偏好预测中问卷形式伴随的主观性和随意性问题，心理活动又有瞬时性和难以检测、评价等问题，这些使得服务偏好的客观心理预测，至今都少有研究涉足。在记忆、学习等问题愈发被高度重视的时代，脑认知也成为社会关注的热点，然而，服务偏好对于脑认知影响的研究非常少，只有几篇基于脑电技术进行消费者服务偏好预测的研究的报道。

之前金忠星学者基于消费者EEG数据进行脑电地形图视频的分析，来预测消费者偏好分类。在分析消费者脑电地形图视频的不稳定和非线性特性的基础上，提出了一种结合卷积神经网络和长短期记忆神经网络的消费者偏好预测模型。用于消费者脑电地形图视频处理的面膜层，并将其插入到卷积神经网络的卷积层和池化层之间。该学者使用脑电数据构建了模型反映消费者大脑活动时间、频率和空间信息的脑电地形视频处理。综述可知，脑电活动可以更精确的预测消费者偏好，我们的发明基于事件相关技术更好地丰富了在消费者服务偏好研究领域的预测方法。

对于理解心理及其相应的脑活动，探寻大脑认知活动与消费者服务偏好之间的交互关系，事件相关电位技术是一个非常好的工具。事件相关电位(Event-Related-Potentials)是基于脑电波提取的。与传统的心理学研究方法如行为观察、问卷、量表等不同，1965年Sutton开创的事件相关电位，为探究大脑功能提供了一个更为客观且简便可行的方法。所谓事件相关电位，即当外加一种特定的刺激，作用于感觉系统或脑的某一部位，在给予刺激或撤销刺激时，在脑区引起的电位变化。该技术因其具有潜伏期恒定、波形恒定、时间分辨率高、设备简单等优点，正被研究领域广泛使用，但是国内外尚无使用事件相关电位来进行服装压力舒适性评价的研究。

目前，事件相关电位的研究已经深入到心理学、生理学、医学、神经科学、人工智能等多个领域，发现了许多与认知活动过程密切相关的成分和构建了有效预测消费者偏好的神经模型。

LPP是事件相关电位经典成分，选择LPP成分为预测消费者服务偏好对脑认知影响的关键成分，原因如下：事件相关电位技术特别适合那些相对容易分离的成分，或者所提出的问题完全能避免识别某个特异性事件相关电位成分。但是有一些一般性原则可以参考，例如聚焦于特异性成分，使用已经成熟的试验操作，聚焦于大的成分，聚焦于容易分离的成分等。STEVEN J.LUCK在“事件相关电位基础”一书中也提到，不经常出现的刺激诱发出比一个频繁刺激大得多的LPP波。这就是过去数千个Oddball试验所发现的现象。如果刚刚涉足事件相关电位研究，那么可以做一个这样的Oddball试验作为第一次实践。这样做既简单又能够把结果与大量已经发表的试验参考和比较。鉴于本研究具有探索性，故选取了LPP成分作为预测性指标评估消费者服务偏好。

混合回归方法是由Wedderburn，Robert发明的，是在因变量取值为特殊分布下的广义线性回归(GLM，Generalized Linear Model)。混合回归是总体服从于多个不同的条件分布的模型，它不仅可以估计出不同模型的参数，也可以估计出每个样本点应当属于哪类总体的问题。总之混合回归问题是一个回归与聚类混合的问题。同时此模型可以用于分析重复测量的数据。基于重复测量的脑电神经数据的特征，可以将神经数据应用于混合回归模型，构建神经混合回归模型分析消费服务偏好。

发明内容

本发明提出的一种基于事件相关电位技术的消费者服务偏好的预测方法，已解决背景技术提出的问题。

为了实现上述目的，本发明采用了如下技术方案：

一种基于事件相关电位技术的消费者服务偏好的预测方法，包括如下步骤：

S1、对受试者在人类服务或智能服务状态下分别施加实验刺激，并记录相应脑电波；

S2、分别计算人类服务条件下和智能服务条件下所记录脑电波中P2成分、LPP成分、RewP成分和P300成分的多重方差；

S3、通过对计算得到的P2成分、LPP成分、RewP成分和P300成分的多重方差进行分析对比，对感知服务过程进行客观评价；

S4、利用P2成分、LPP成分、RewP成分和P300成分对服务偏好做混合回归，神经成分对消费者服务偏好有客观的预测与评估。

优选地，S1中对受试者在人类服务或智能服务状态下采用真实的服务体验过程来设计实验程序过程。

优选地，所述受试者在真实服务参与情境下，受试者被动的所接受的服务所引发的受试者对服务客观的感知。

优选地，采用真实的服务材料作为实验设计的实验刺激。

优选地，所述消费者需要反馈对不同服务其真实的主观服务偏好。

优选地，所述服务偏好的主观评价等级分信任和不信任两种。

优选地，利用脑电数据构建神经混合回归模型，使用LPP成分可以真实精确预测消费者服务偏好。

与现有技术相比，本发明提出的一种基于事件相关电位技术的消费者服务偏好的预测方法，通过计算对比分析和混合回归模型的结果证明了事件相关电位技术可以有效预测消费者服务偏好的选择，为在企业选择服务决策时提供精确的预判方法，为服务供应商的设计服务时，提供指导与检验预测的作用。采用捕捉动态的心理活动和构建神经混合回归模型预测消费者服务选择偏好；随着智能服务、无人售货机的使用，越来越多的算法服务来取代人力劳动，这极大的为企业提供更多服务渠道和便利的同时，也各个行业、企业、以及经营者在为消费者提供怎样的服务决策时带来了困难，没有办法准确客观的评估服务决策。

本发明是运用生理心理学原理，通过事件相关电位系统来探索消费者在有不同服务条件下时，人脑的认知行为变化。发现事件相关电位与服务提供者环境之间相关联的指标以及构建神经混合回归预测模型诊断客户偏好；为服务选择决策时提供客观的评价标准和预测方法；检验并指导今后客户服务的战略选择。

本发明技术重点在于运用生理心理学，计算机科学，认知神经科学等多学科相结合的研究手段，以客观的脑电信息作为感知预测标准，研究客户服务类型的脑认知机制如何影响消费者偏好。本发明试图建立一个研究感知消费者服务偏好和客观预测的方法。

附图说明

图1是本试验选取事件相关电位成分示意图；

图2是本试验过程示意图；

图3是刺激信息的呈现模式和受试者数据录入模式示意图；

图4是刺激材料和实验过程示意图；

图5是P2的Fz电极平均波形图和脑电地形图；

图6是LPP的Pz电极平均波形图和脑电地形图；

图7是RewP的Fz电极平均波形图和脑电地形图；

图8是P300的Pz电极平均波形图和脑电地形图；

图9是神经混合回归模型示意图；

图10是试验分析结果总示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

本发明提出的一种基于事件相关电位技术的消费者服务偏好的预测方法，包括如下步骤：

S1、对受试者在人类服务或智能服务状态下分别施加实验刺激，并记录相应脑电波；

S2、分别计算人类服务条件下和智能服务条件下所记录脑电波中P2成分、LPP成分、RewP成分和P300成分的多重方差；

S3、通过对计算得到的P2成分、LPP成分、RewP成分和P300成分的多重方差进行分析对比，对感知服务过程进行客观评价。

S4、利用P2成分、LPP成分、RewP成分和P300成分对服务偏好做混合回归，神经成分对消费者服务偏好有客观的预测与评估。

如图1所示，试验将以事件相关电位中的脑电波包括P2成分、LPP成分、RewP成分和P300成分为试验采集对象，同时通过图2所示的试验过程来进行具体试验操作。本发明的实施例中受试者为受教育水平相当的大学生，招录了49名受试，年龄范围19～25岁，均为右利手，视力或矫正视力正常，智力正常，无色盲色弱，无其他精神疾患。本领域技术人员可以理解，脑电实验本身对受试者样本数量要求不高，事件相关电位实验的叠加次数不仅仅取决于实验人数，还在于每个人参与的重复刺激数。在根据本发明的优选实施例中，对受试者施加两种刺激每位重复40次，40次*10人＝400次。因此，以这些受试者的叠加次数来说明本发明的技术方案和技术效果。

脑电波测试：

为了验证本发明技术方案的可行性，要求受试者在试验时在一定程度上主动参与认知活动，在本发明的实施例中，受试者静坐于电脑前以实验刺激的改变施加刺激的方式对受试者进行测量。并在不同服务条件下的反馈阶段完成偏好决策(1信任和3不信任)。在测试前，让受试者佩戴好电极帽，平静一段时间，待受试者进入安静状态后开始测试，这样能够得到平稳的脑电波。

脑电记录以FCz电极点作参考，带通0.1-100Hz，采样率为500hz。电极与皮肤接触阻抗小于10kΩ。本发明中采用国际脑电图学会标定的10-20电极导联定位标准放置电极。

图3是刺激的呈现模式和受试者数据录入模式示意图，表现为受试者佩戴电极帽坐于呈现刺激的计算机前，电极帽与放大器相连，放大器的另一端和数字化脑电图扫描器(EEG)的计算机连接。测试时呈现刺激的计算机向受试者呈现刺激，通过电极帽采集受试者的脑电信息，所采集到的信息经过放大器的放大，输出到数字化EEG的计算机中。与此同时，呈现刺激的计算机会记录呈现过程的标记码，标记码与各个电极的脑电数据相对应。

为了对本发明各实施例中的试验数据进行对比与评估，需要获取参考试验数据。参考试验需要在不同服务刺激条件下进行(在现实中的人类服务和智能服务)。让各受试者看实验刺激材料处于自然静坐全身放松的状态，获取并记录每一受试者该状态下的脑电波，将该脑电波作为参考数据，并在反馈界面获得主观偏好的数据。

每次试验开始时，固定交叉设置在灰色背景上400-600毫秒(图4实验过程)。接下来，消费者所需要服务的刺激出现1500毫秒如咨询问题，然后是400-600毫秒的空白屏幕。一个服务提供者(人类/智能服务)呈现了1500毫秒。然后，在400-600ms的随机持续时间之后，一个服务结果显示出来，直到参与者按下按钮做出服务偏好响应，该结果才消失。本实验共80个试验，分为4个组，每组20个试验。而且，参与者可以在每个组后休息几分钟。刺激呈现、触发和反应记录基于E-Prime 3.0软件。

重复检验结果分析：

根据从不同服务下脑电情况的变化，分析P2成分、LPP成分、RewP成分和P300成分的波幅图和脑电图图5至图8。有人类服务和智能服务情况下脑电曲线变化情况可以看出，其中P2成分、LPP成分、RewP成分和P300成分存在明显差异。通过额区和中央顶区的数据变化情况可以看出，产生了明显的额区和中央顶区分布的P2成分和RewP成分。并且能够从脑电波波形图上观察到，在中央区和顶区产生了LPP成分和P300成分。

根据所挑选受影响最大的脑部区域相对应电极的实验数据进行重复测量方差分析(ANOVA)，其中P值皆用Greenhouse—Geisser法校正。重复测量方差分析可直接在例如SPSS软件中运用并可以直接对相应的方差F和显著性Р值进行计算分析，其中P>0.05说明不显著，P<0.05说明显著。

根据从相应电极上采集得到的实验数据进行统计分析，分析结果如下：

(1)、P2平均波幅重复测量方差分析

不同服务条件下的主效应显著：通过对数据的分析可以得到方差为F(1，48)＝39.436，p＝0.000<0.05，因此，可以表明人类和智能服务两个条件下，诱发的P2波幅有显著差异。智能服务诱发的P2平均波幅(均值M＝2.540μV，方差MSE＝0.598)比人类服务时诱发的P2平均波幅(均值M＝0.478μV，方差MSE＝0.571)更大。

(2)、LPP平均波幅重复测量方差分析

不同服务条件下的主效应显著：通过对数据的分析可以得到方差为F(1，48)＝31.876，p＝0.000<0.05，因此，可以表明人类和智能服务两个条件下，诱发的LPP波幅有显著差异。智能服务诱发的LPP平均波幅(均值M＝2.697μV，方差MSE＝0.390)比人类服务时诱发的LPP平均波幅(均值M＝0.618μV，方差MSE＝0.485)更大。

(3)、RewP平均波幅重复测量方差分析

不同服务条件下的主效应显著：通过对数据的分析可以得到方差为F(1，48)＝9.569，p＝0.003<0.05，因此，可以表明人类和智能服务两个条件下，诱发的RewP波幅有显著差异。智能服务诱发的RewP平均波幅(均值M＝2.545μV，方差MSE＝0.453)比人类服务时诱发的RewP平均波幅(均值M＝1.544μV，方差MSE＝0.400)更大。

(4)、P300平均波幅重复测量方差分析

不同服务条件下的主效应显著：通过对数据的分析可以得到方差为F(1，48)＝4.686，p＝0.035<0.05，因此，可以表明人类和智能服务两个条件下，诱发的P300波幅有显著差异。智能服务诱发的P300平均波幅(均值M＝4.204μV，方差MSE＝0.515)比人类服务时诱发的P300平均波幅(均值M＝3.374μV，方差MSE＝0.473)更大。

总结以上方差分析结果得出:P2成分、LPP成分、RewP成分和P300成分平均波幅存在不同服务条件下主效应；智能服务比人类服务需要更多认知资源参与服务评估。

通过以上结果我们发现消费者在智能服务环境下认知资源的反应更显著。更大P2成分表明对刺激的自动注意越强，较大的LPP成分往往与较高阶的消极情绪唤醒程度相关，RewP振幅越大，说明期望与实际结果之间的奖励不一致程度越大，同时P300振幅也与预期结果与实际结果不一致时的注意力分布有关。因此，可以说明消费者对不同服务的评价存在显著的差异，智能服务一定程度上影响了消费者的注意力保持能力、消费者消极情绪的唤起、预期不一致性的奖赏意义以及对其持续的关注。

混合回归结果分析：

主体数据集总共49×2＝98条记录，由重复测量数据组成，采用单因素(服务提供者:人类vs.智能服务)被试内设计。将受试者作为随机效应的广义线性混合效应模型(GLMM)可以应用在脑电波数据中。因此，在考虑重复测量的情况下，我们采用GLMM分析服务过程中神经成分与消费者服务偏好之间的预测效应。以服务偏好为因变量如信任，以P2、LPP、RewP、P300为自变量进行检验，建立神经混合回归模型见图9。

P2成分的固定效应不显著：神经混合回归结果显示平均P2分量的参数b＝0.006，p＝0.543>0.05，因此，P2成分的振幅不可以预测消费者服务偏好。

LPP成分的固定效应显著：神经混合回归结果显示平均LPP分量的参数b＝-0.030，p＝0.013<0.05，因此，LPP成分的振幅可以显著预测消费者服务偏好，同时呈显著负相关。

RewP成分的固定效应不显著：神经混合回归结果显示平均RewP分量的参数b＝-0.020，p＝0.112>0.05，因此，RewP成分的振幅不可以预测消费者服务偏好。

P300成分的固定效应不显著：神经混合回归结果显示平均P300分量的参数b＝-0.004，p＝0.700>0.05，因此，P300成分的振幅不可以预测消费者服务偏好。

总结以上混合回归结果得出：LPP成分对消费者服务偏好有显著的固定效应，在神经混合回归模型中LPP成分可以有效预测消费者服务偏好。

通过以上结果我们发现LPP振幅与消费者服务偏好呈现显著负相关。LPP作为情绪觉醒驱动行为倾向的神经标记物，可以用来预测消费者的行为偏好反应。因此，可以说明当消费者知道他们得到智能服务时，对智能服务的负面情绪会产生较大的LPP，进而导致对智能服务的较低的服务偏好与对人类服务相比。

实验结论：

(1)在神经混合回归模型中，LPP成分的固定效应显著，对消费者服务偏好存在显著的预测作用。验证了事件相关电位技术作为消费者服务偏好的客观预测方法的可行性。

(2)消费者对不同服务评价存在差异，当他们得知智能服务时，会对智能服务唤起负面情绪产生较大的LPP成分，进而导致对智能服务有较低的服务偏好，而对人类服务则相反。

在消费者评估服务时会参与到个人情感以及过去的一些经验和习惯。一方面，智能服务作为数字转型和代理革命的产物，被评价与人类不同，由于物种主义，消费者对其产生了偏见或不习惯。另一方面，智能服务被认为是感到冷漠的，没有感知情感的能力或提供独特的服务，在消费者中没有获得情绪价值。因此，在本发明中，使用反应情绪唤起的LPP成分来预测消费者服务偏好是有效的，准确的心理机制更能反应消费者服务偏好变化。即消费者会对智能服务产生负面偏见，从而吸引更多的注意力，引发更大的情绪唤醒，这直接影响了对消费者服务偏好。

图10为试验结果分析总结图，通过图10可以直观的了解整个试验。本发明所述技术方案，证明了事件相关电位技术可有效的预测消费者服务偏好，并为市场服务策略研发和市场服务管理中消费者偏好提供客观评估方法，为服务供应商的设计与选取消费者服务时提供指导与检查的作用。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于事件相关电位技术的消费者服务偏好的预测方法，其特征在于；包括如下步骤：

S1、对受试者在人类服务或智能服务状态下分别施加实验刺激，并记录相应脑电波；

S2、分别计算人类服务条件下和智能服务条件下所记录脑电波中P2成分、LPP成分、RewP成分和P300成分的多重方差；

S3、通过对计算得到的P2成分、LPP成分、RewP成分和P300成分的多重方差进行分析对比，对感知服务过程进行客观评价；

S4、利用P2成分、LPP成分、RewP成分和P300成分对服务偏好做混合回归，神经成分对消费者服务偏好有客观的预测与评估。

2.根据权利要求1所述的一种基于事件相关电位技术的消费者服务偏好的预测方法，其特征在于，S1中对受试者在人类服务或智能服务状态下采用真实的服务体验过程来设计实验程序过程。

3.根据权利要求1所述的一种基于事件相关电位技术的消费者服务偏好的预测方法，其特征在于，所述受试者在真实服务参与情境下，受试者被动的所接受的服务所引发的受试者对服务客观的感知。

4.根据权利要求1所述的一种基于事件相关电位技术的消费者服务偏好的预测方法，其特征在于，采用真实的服务材料作为实验设计的实验刺激。

5.根据权利要求1所述的一种基于事件相关电位技术的消费者服务偏好的预测方法，其特征在于，所述消费者需要反馈对不同服务其真实的主观服务偏好。

6.根据权利要求5所述的一种基于事件相关电位技术的消费者服务偏好的预测方法，其特征在于，所述服务偏好的主观评价等级分信任和不信任两种。

7.根据权利要求1所述的一种基于事件相关电位技术的消费者服务偏好的预测方法，其特征在于，利用脑电数据构建神经混合回归模型，使用LPP成分可以真实精确预测消费者服务偏好。

Images