Nöropazarlama Uygulamaları İçin EEG Sinyallerinin Analizi ile Beğeni Durum Tespiti
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: BURAK CEYLAN
Asıl Danışman (Eş Danışmanlı Tezler İçin): Fırat Kaçar
Eş Danışman: Aydın Akan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Nöropazarlama, nörobilim ve pazarlamanın bir karışımıdır. Beynin pazarlama uyaranlarına nasıl tepki verdiğini analiz ederek tüketici davranışına ilişkin daha derin bilgiler sağlaması açısından önemlidir. Bu yaklaşım, bilinçaltı tercihleri ve duyguları ortaya çıkararak anket gibi geleneksel yöntemlerin ötesine geçiyor. Nöropazarlama, daha etkili pazarlama stratejileri oluşturmaya, ürün tasarımını geliştirmeye, müşteri deneyimlerini geliştirmeye ve rekabet avantajı sunmaya yardımcı olabilir. Tüketici kararlarını gerçekten neyin etkilediğinin daha doğru anlaşılması açısından oldukça değerlidir. Bu tez çalışmasında nöropazarlama uygulamalarında kullanılmak üzere elektroensefalogram (EEG) sinyallerine dayanan bir beğeni kestirim sistemi geliştirilmesi amaçlanmıştır. Katılımcılara 2 farklı ürüne ait reklam videosu izletilmiştir, video izlendiği sırada kaydedilen EEG verileri işlenerek, tüketicinin bir ürünü beğenip beğenmediği tespit edilecektir. Nöropazarlama, pazarlama ve reklam sektöründe oldukça güncel ve önemli bir araştırma konusu haline gelmiştir. Çalışmamızda video ve görüntüler izletilen katılımcılardan, 32 kanallı EEG sinyalleri, EEG kepi yardımıyla, kafa derisi üzerine yerleştirilen elektrotlar ile beğeni durumu tespit edilmiştir. Reklam videolarının izlenmesi sonrasında katılımcılara anket uygulanarak, ürünlere ait farklı görüntülerin (Örneğin; arabanın önden görünümü, ön konsolu, yandan görünümü, arkadan görünümü, arka far, logo ve ön ızgara gibi) beğeni derecesine oy vermeleri istenmiştir. 1)Kaydedilen EEG sinyallerinden, farklı video bölgelerine karşı gelen sinyaller bölütlenmiştir. a)GKA (Görgül Kip Ayrışımı), GGKA (Grup Görgül Kip Ayrışımı), ÇDGKA (Çok Değişkenli Görgül Kip Ayrışımı) gibi sinyal analiz yöntemleri ile kip fonksiyonlarına (ÖKF) ayrıştırılmıştır. b)Bu ÖKF'lerden çeşitli öznitelikler elde edilmiştir[1], [2], [3], [4], [5]. c)Elde edilen öznitelikler Makine Öğrenmesi yöntemleriyle sınıflandırılmıştır. 2)Kaydedilen bu EEG sinyalleri zaman-frekans (ZF) analiz yöntemleri (dalgacık dönüşümü, kısa süreli Fourier dönüşümü) ile analiz edilerek ZF enerji dağılımları renkli resim olarak elde edilmiştir. Bu resimler evrişimsel sinir ağı (CNN) gibi derin öğrenme ağlarının eğitilmesi ve sınıflandırılması yapılarak beğeni kestirim sonuçları geliştirilmiştir.