2026年5月6日上午9：00，中国营销工程与创新研究中心(以下简称“MEI”)2025-2026年第二学期第10次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师及MEI各位成员。

　　本次Seminar由王紫灵研读文章《Neural Signals of Video Advertisement Liking: Insights into Psychological Processes and TheirTemporal Dynamics》。

　　一、 研究背景

　　随着营销格局日益向互联网和移动设备倾斜，视频广告已成为广告媒介的支柱。数字视频广告占据了广告预算的最大份额，高达19%(Interactive Advertising Bureau 2021)。

　　消费者无论在线上还是线下，都持续接触到视频广告。视频广告的效果在一定程度上取决于观众是否喜欢它们(MacKenzie,Lutz, and Belch 1986)。

　　进而引出了这样一个问题：

　　观众在观看广告的过程中是如何形成其看法的。

　　要明确广告受欢迎背后的心理过程面临着方法上的挑战:

　　• 自我报告需要进行详细阐述和反思，会干扰信息处理或记忆形成等自主心理过程。

　　• 问卷调查之类的工具难以记录广告展示过程中的即时反应——这一数据对于精确研究这些心理过程在广告中的具体发生时间至关重要。

　　因此，本研究旨在探讨：在音乐、短视频等娱乐领域中，消费个性化内容是否会影响消费者对该领域整体的讨论意愿，以及这一影响在不同身份认同强度的个体之间是否存在差异。

　　神经生理学测量为传统的自我报告评估提供了一种补充手段，可用于对自动或潜意识反应进行非侵入性且持续性的测量(Plassmann et al. 2015)。

　　本研究旨在利用神经科学领域的最新进展，通过功能性磁共振成像扫描期间的大脑反应，来识别视频广告受欢迎程度背后的心理过程及其时间动态。

　　1. 利用一个公开可用的现有神经科学文献的元分析数据库(Neurosynth; Yarkoni et al. 2011)，将原始的神经成像数据转化为基于大脑的多种心理过程的衡量指标，使得可以研究哪些心理过程会导致对广告的喜爱，并且确定这些过程在时间上的发生点。

　　2. 这些神经信号与视频广告样本外总体喜好度之间的关联。

　　3. 哪些神经信号能够提供超越自我报告测量结果的额外信息，用于预测广告样本外的总体喜好度。

　　二、 文献综述

　　通过脑部测量来探究广告曝光过程中的心理活动

　　人类心智的复杂性决定了，在大脑层面上如何划分各种心理过程，目前尚无统一的共识(Mesulam，2000年)。在本研究中，我们采用了基于神经心理学原理而发展起来的通用框架(DSM-5;Sachdev等人，2014年)。该框架将认知功能划分为六个领域：感知、语言、注意力、执行功能、记忆以及社会认知。

　　研究神经系统有助于我们了解各种消费行为背后所隐藏的、有意识的或无意识的心理过程。大量关于消费者偏好背后的神经机制的研究表明，与认知、情感以及价值判断相关的几个大脑区域起着至关重要的作用。

　　以往研究关于：背外侧前额叶皮层与品牌选择密切相关。杏仁核的皮下结构能够感知情感强度，并能反映奖赏信号。积极的情感反应与伏隔核的活动有关，而这些反应又与消费者的偏好紧密相连。腹内侧前额叶皮层长期以来被视为消费者进行价值判断的神经中枢。

　　通过研究在这些感兴趣的脑区中，消费者反应与神经活动之间的关联，我们获得了广告所引发的心理学过程的生物学证据。同时，这也让我们能够更深入地理解感知、认知和情感之间的相互作用关系。

　　近期，神经影像分析技术取得了显著进展，这些进展进一步发展了以“感兴趣区域”为基础的分析方法。研究人员不再将各种解剖结构视为独立的信息来源，而是将整个大脑中的神经信号结合起来，从而得出综合性的分析结果。这些结果既可以用于训练预测模型，也有助于我们更深入地理解人类的心理活动。

　　利用神经科学元分析数据库解读大脑测量数据

　　消费者神经科学的主要目标之一，就是深入理解消费者的心理活动。不过，解读神经信号的过程面临着诸多哲学和方法论上的挑战(Bennett和Hacker，2022年)。

　　神经科学领域的一个最新趋势是：利用诸如Neurosynth(Yarkoni等人，2011年)或NeuroQuery(Dockès等人，2020年)这样的大规模元分析数据库，来解读大脑整体的神经活动模式。

　　神经合成解码法将整个大脑的活动简化为研究人员事先选定的一项指标来表示。

　　我们提出了一种与现有研究不同的方法。这种方法的两个主要特点与那些使用Neurosynth解码技术的消费者神经科学研究有所不同。

　　​首先，我们采用基于主题的建模方式，而非基于词汇的建模方式。具体来说，我们先通过自动文本挖掘技术(LDA)分析文章摘要中各个词汇之间的关联性，从而确定出相应的主题;然后再将这些主题与相关文章中记录的大脑活动相对应起来。

　　其次，我们不再使用Neurosynth解码技术来识别某种单一的心理过程。相反，我们将神经信号视为多种心理过程同时作用的结果。

　　在本研究中，我们采用的多进程神经合成解码方法，相较于单纯依赖解剖学标志点来识别相关信息，能够有效降低反向推理的风险。此外，这种方法还能让我们以数据为依据，分析人们在观看视频广告时的多种心理反应。

　　利用神经信号预测消费者的整体反应

　　虽然早期关于消费者神经科学的研究主要集中在识别与个人偏好相关的神经信号上，但后来研究范围逐渐扩展到了“从大脑活动到群体行为的预测”这一领域。

　　在许多这类研究中，研究人员选取了某些脑区作为分析对象，比如前文提到的那些脑区，然后记录下消费者在看到营销信息时的大脑活动情况。研究发现，利用来自“神经焦点小组”的大脑活动数据来进行预测时，其预测效果优于仅使用同一组受试者的自我报告数据的模型。

　　有初步证据表明，神经信号中包含着能够补充自我报告数据的信息，从而有助于更准确地预测消费者的整体反应。这就引出了一个问题：这些“隐藏”的神经信号背后的心理机制是什么?

　　虽然情感和动机都能预测消费者的偏好或选择，但相较于单纯的自我报告方式，通过测量消费者的情绪反应，能够更准确地预测整体消费结果。这一点在涉及享乐型消费的情况下尤为明显。

　　在视频广告的背景下，如果从少量参与者身上获取有关不同心理过程的神经信号数据，是否就能比让这些参与者直接表达自己的偏好，从而获得更多关于他们整体喜好的信息呢?

　　三、 研究方法

　　本研究报告了对三组神经影像数据的综合分析结果，这些数据旨在探究在观看视频广告的过程中，哪些心理机制会促使人们产生对广告的喜爱之情。我们进一步分析了这些神经信号的即时预测能力，并比较了它们在整个广告播放过程中的相对作用。

　　此外，研究还探讨了这些神经信号是否能够提供比自我报告更多的关于人们对广告喜好程度的信息。同时，也研究了那些在广告播放初期出现的心理机制是否有助于预测人们对广告的总体喜好程度。

　　实验1: 揭示自我报告的广告喜好所对应的神经信号

　　我们利用自动化的元分析数据库(Neurosynth)将原始的脑部测量数据转化为400个主题，这些主题都是从现有的神经科学文献中提取而来的。

　　其次，我们确定哪些主题(以及它们所描述的心理学过程)能够预测受试者后续的自我报告评分。

　　最后，我们通过估算并比较在广告展示过程中，与“喜好”相关的神经信号所产生的预测效果，来研究这些心理学过程的时间动态变化。

　　对“喜好程度”的测量：

　　通过自我报告的方式来确定人们的喜好程度。

　　• 在每个数据集中，不同评估者对广告的喜好程度的评价一致性较低，其衡量指标是类内相关系数(采用双向混合效应模型进行计算，评估者为单一评估者)。具体数值如下：数据集1为0.32;数据集2为0.13;数据集3为0.16。这一结果表明，人们对视频广告的喜好程度存在差异。

　　• 对于两个数据集来说，可以得出其整体的样本外喜好程度数据(数据集2和数据集3)。

　　方法

　　神经影像数据的预处理：将功能性图像与平均图像对齐;对功能性图像进行时序校正，使其与解剖图像相互匹配，并将其空间坐标标准化为蒙特利尔神经学研究所所使用的标准;接着，对全脑的时间序列数据进行去趋势处理，并将其转换为百分比信号变化值;在将数据从解剖空间投影到Neurosynth主题空间之后(见图A)，我们提取了每位参与者在每次广告展示时的时间序列数据(见图B)。

　　将大脑解剖结构空间映射到Neurosynth主题空间中

　　图3中的图A展示了预处理后的数据在解剖空间到Neurosynth主题空间的映射结果;每个主题都对应一幅大脑图谱，该图谱是由z分数构成的向量，这些z分数代表了该主题与研究中提到的脑区激活之间的关联强度;主题表达得分是通过大脑活动的加权平均值计算得出的，其中权重由经过阈值处理的Neurosynth主题图来确定。

　　识别能够预测用户对广告喜好度的神经合成相关主题

　　分别对每个主题进行了分析，共估算出了400个潜在语义模型。以人们在广告展示后的主观喜好作为因变量，而主题表达得分则作为自变量。同时，参与者被视作影响模型斜率和截距的随机因素。

　　筛选出了那些其表达得分能够显著预测人们主观喜好的主题。随后，我们将这些具有统计意义的主题归类到七种心理过程之中。

　　神经信号的时序分析

　　如前一节所述，我们以被试的自我评价得分作为因变量，以各项表达评分作为自变量，运用线性混合模型进行建模。其中，被试被视为随机效应。

　　为了比较广告展示过程中各阶段的预测能力，我们将每条广告分为四个时段，并计算出每个时段内的平均表达评分。

　　我们还构建了包含所有相关神经信号的模型：即分别针对每个时段建立四个模型，同时还将整个广告过程中的平均信号和峰值信号也纳入模型分析中。

　　实验结果：

　　在400个与神经合成相关的主题中，有48个主题的得分与广告曝光次数呈正相关，这意味着这些主题与用户对广告的喜好程度之间存在正相关关系;而另有23个主题则呈现负相关关系(p<0.01，经过FDR校正后)。

　　进一步分析那些具有显著正相关性的主题所对应的词汇后可以发现，与社会认知和情绪相关的主题具有最高的正系数值，其次是与语言、记忆和感知相关的主题。

　　相反，大多数呈现负相关性的主题都与执行功能有关;另外，还有一个与感知相关的负面主题，具体来说，它与“心理旋转”能力有关。

　　同时还计算了这些具有预测性的神经信号的“平均表达强度”，并将其视为与某种过程相关的神经信号。同时，我们还观察了它们在预测用户喜好方面的即时性表现)。

　　与情绪和记忆相关的神经信号在大约三秒后就开始表现出预测性;而与社交认知、语言能力和执行功能相关的神经信号则要晚一些，大约在五到七秒后才开始具备预测性。不过，与感知的神经信号则要等到十秒之后才具备预测性。

　　对于每一种心理过程，我们通过分析从广告展示的四个阶段中提取出的相关神经信号的系数值，来了解这些因素在广告展示过程中对受众好感的相对贡献。

　　​总体而言，我们在感知、记忆和执行功能方面观察到了预测效果的峰值出现在后期;而语言和社会认知方面的预测效果则呈现出先上升后稳定的趋势;至于情感方面的预测效果，则是先上升后下降的趋势。

　　实验2: 利用神经信号预测广告的总体点赞率

　　目的： 我们的分析重点在于广告本身，也就是探究神经信号是否能够反映各个广告在整体层面的表现如何。具体来说：

　　1. 研究从神经影像数据中提取的神经信号与广告在整体层面的受欢迎程度之间是否存在关联;

　　2. 测试这些神经信号是否能提供比传统分析方法或自我报告更有效的信息;

　　3. 探讨那些能在广告播放开始后的前十秒内预测用户喜好的心理机制，是否也能帮助我们理解广告在整体层面的受欢迎程度;

　　4. 通过两项行为研究来验证这些发现，并尝试将其推广到更普遍的情况中。

　　设计：我们分析了三个数据集中的两个，以单个广告作为分析单位。我们以各个心理过程所对应主题的平均表达分数作为基于大脑活动的衡量指标。

　　首先，我们研究了整个广告以及广告开头十秒钟内的神经信号平均值与用户整体喜好程度之间的相关性。

　　其次，为了验证基于Neurosynth解码技术的分析方法是否比传统的基于脑区活动的研究方法以及自我报告法能提供更多有用的信息，我们建立了线性回归模型来预测用户的整体喜好程度，并将这些模型与三种基准模型进行了比较：(1) 以先前研究中使用的脑区活动数据为基准的模型(Venkatraman等人，2015年);(2) 用户的自我报告结果;(3) 用户的自我报告结果与脑区活动数据的结合体。

　　研究结果：在神经影像学研究中，与广告展示过程中所涉及的六种心理过程相关的神经信号，与样本外整体的喜好程度呈正相关;同时，该神经影像学样本中受试者自我报告的总体喜好程度也与此呈正相关(所有p值均小于0.01)。

　　不过，对于那些在早期就出现的神经信号而言，只有与执行功能相关的数据(p = 0.014)、记忆相关的数据(p = 0.056)、社会认知相关的数据(p = 0.003)，以及与情绪相关的数据(p < 0.001)能够有效预测总体上的“喜好程度”。

　　在一系列比较不同基准模型的线性回归分析中，基于Neurosynth解码得到的神经信号能够更好地解释消费者总体喜好程度中的额外变化。与仅使用脑区激活数据作为基准模型的情况相比，这种神经信号模型具有更强的解释能力(F = 2.506，p =.031);同时，它也能略微提升仅基于自我报告得出的喜好度数据的模型效果(F = 1.937，p =.088)。

　　具体而言，与社会情感反应相关的信号在两种基准模型中都有显著改善(使用脑区激活数据的模型：F = 6.666，p =.002;使用自我报告数据的模型：F = 4.280，p =.018)。而当结合脑区激活数据和自我报告数据时，这种改善效果也比较明显(F = 2.875，p =.064)。

　　神经影像数据分析结果显示，从整体上看，从少量样本中获得的早期神经信号可以用来预测样本外的整体偏好情况。

　　实验3:行为研究

　　目的：验证这一发现(早期神经信号可以用来预测样本外的整体偏好情况)并将其推广到更普遍的情况中。

　　设计：参与者以随机顺序观看了广告片段的前三十秒，之后他们需要表达自己对这段广告的喜好程度、继续观看剩余广告的兴趣，以及他们在观看过程中的心理反应(包括感知、语言处理、社会认知、情感等方面)。同时，他们还需要对广告和品牌进行评价。

　　​在研究B1中，每位参与者只需回答四个问题中的两个。

　　​而在研究B2中，所有参与者只需评价社会认知、情感方面的内容，以及他们对继续观看广告的喜好程度和兴趣。

　　主要发现：在研究B1中的20则广告中，人们对广告的感知评价与语言方面的评价，并没有与受众的喜好程度呈现相关性(相关系数分别为0.715和0.624)。而社会认知方面的评价以及观众观看广告的兴趣度，则只有轻微的相关性(相关系数分别为0.079和0.074)。

　　在研究B2中，对50则广告的分析结果显示：无论是对于10秒长的广告片段的社交认知评价还是情感评价，都与受众对整则广告的喜好程度相关联;同时，这些评价也与观众观看广告的兴趣度相关联(所有相关系数的值均小于0.01)。

　　一、 研究结论

　　与多种心理过程相关的神经信号——包括信息处理、认知功能以及在观看视频广告时的社会情感反应——能够预测人们随后对广告的喜好程度。

　　除了感知之外，这些心理过程在广告播放的前十秒内就能有效预测人们的喜好程度。其中，情绪和记忆在广告开始后的前三秒内就是最能预示人们喜好的因素。

　　在整个广告播放过程中，情绪的相关性在早期达到峰值后逐渐下降;而社会认知的相关性则呈现先上升后稳定的趋势，而在感知和执行功能方面，则在广告播放后期才达到峰值。

　　总体而言，那些与社会情感反应相关的神经信号，有助于更准确地预测人们对广告的喜好程度，其预测效果优于基于传统解剖学方法的神经影像分析以及自我报告的结果。

　　理论贡献：

　　消费者对广告产生好感的心理机制：与现有关于广告的学术研究一致，神经影像学分析表明，消费者对广告的好感是由多种心理机制共同作用的结果，这些机制包括信息处理、认知功能以及社会情感反应。

　　对广告研究的理论贡献：本研究从大脑机能的角度阐释了广告的效果机制，进一步确认了认知和情感在广告中的作用。同时，研究还提出了更为细致的分类方式：(1)涵盖信息处理过程;(2)详细列举各种认知功能;(3)强调社会认知在情感反应中的作用。

　　对消费者神经科学研究的贡献：在本研究中，我们运用神经合成解码技术将神经影像数据转化为能够反映多种心理过程的指标。这一方法有望帮助人们重新分析现有的神经影像数据，从而为消费者神经科学研究带来新的见解。。

　　实践启示：

　　我们的研究结果表明，除了要设计出能激发消费者情感的广告开头之外，还需要提供连贯的故事情节来持续吸引消费者的注意力。

　　市场营销人员应充分利用各种心理机制来引导消费者的评价，例如通过相关问题来了解消费者的心理过程。

　　广告播放开始后的前十秒内产生的社会情感反应，能够有效预测大众对广告的喜好程度。

　　文章研读完毕。

　　之后，老师与同学们提出了建议和疑问。至此，本学期第4次Seminar圆满结束。

　　文字 /李可欣

　　排版 /李可欣

　　审核 /赵文青