基于脑电的网络购物者行为意向预测

刘畅 ,  葛逸

沈阳航空航天大学学报 ›› 2025, Vol. 42 ›› Issue (3) : 90 -96.

PDF (615KB)
沈阳航空航天大学学报 ›› 2025, Vol. 42 ›› Issue (3) : 90 -96. DOI: 10.3969/j.issn.2095-1248.2025.03.012
管理科学与工程

基于脑电的网络购物者行为意向预测

作者信息 +

Prediction of online shoppers’ behavioral intentions based on EEG

Author information +
文章历史 +
PDF (629K)

摘要

基于脑电(electroencephalogram,EEG)测量技术,对网络购物者与购物网站交互后的行为意向进行客观预测。运用脑电实验的方法,测量网络购物者进行购物网站首页交互任务过程中的脑电及网络购物者完成任务之后对购物网站的行为意向,采用方差方法提取影响网络购物者行为意向的显著性脑电,基于偏最小二乘(partial least squares,PLS)方法建立被试脑电与行为意向之间的关系模型,并对模型进行验证。结果表明,所构建的模型能够很好地预测网络购物者对购物网站的接近或规避趋势。

Abstract

Based on the measurement of EEG,the behavioral intention of online shoppers after interacting with shopping website was evaluated and predicted.The research method combining objective electroencephalogram (EEG) experiments and subjective evaluation scales was employed to measure the EEG of online shoppers during the interaction tasks on the homepage of shopping websites, and to predict the behavioral intentions of online shoppers towards shopping websites after completing the tasks. The method of variance analysis was adopted to extract the significant EEG-based indicators which influence users’ behavior intentions. Based on the partial least squares (PLS)method,a relationship model between the users’ electrical indicators and the behavior intentions was established, and the model was verified. The results show that the proposed model can predict the approach trend of online shoppers towards shopping websites well.

Graphical abstract

关键词

购物网站 / 脑电 / 网络购物者 / 行为意向 / PLS方法

Key words

shopping website / EEG / online shoppers / behavioral intention / PLS method

引用本文

引用格式 ▾
刘畅,葛逸. 基于脑电的网络购物者行为意向预测[J]. 沈阳航空航天大学学报, 2025, 42(3): 90-96 DOI:10.3969/j.issn.2095-1248.2025.03.012

登录浏览全文

4963

注册一个新账户 忘记密码

随着电子商务的发展和网络购物的兴起,网络购物者行为意向的研究越来越重要,其直接决定后续购买行为的发生和决策的制定1。对于网站的设计者来说,理解网站设计要素如何影响用户并预测他们使用网站的反应,有助于开发合适的网站并增加用户黏性。对此,学者们主要从构建行为意图影响因素模型和行为意图测量或评价模型两方面进行研究。随着神经生理学的发展和电生理测量研究技术的成熟,越来越多的研究也开始从脑认知角度研究网络购物者的行为和决策。在购物网站各页面中,首页作为网站的门户,不仅代表着企业的形象,也具有吸引网络购物者并引导其深入浏览的重要作用。Nielsen等2指出首页是网站设计的最重要部分。综上,本文以网络环境下购物网站首页界面为研究对象,通过脑电测量和主观评价量表相结合的方法,实现对网络购物者行为意向的客观预测。

1 理论基础与模型构建

1.1 网络购物行为意向相关研究

目前,对用户行为意图的影响研究多是从美学、可用性等高层次、抽象的角度去考虑。该研究的理论基础是基于刺激-机体-响应(stimulus-organism-response,S-O-R)理论模型,即由于受到个体内部情感的影响,同一个刺激对于不同的人可能会产生不同的行为意图(接近或规避反应)。电子商务网站界面设计会诱发用户的积极或消极情感,从而影响用户对于网站的态度和行为3。例如,Saricam4基于S-O-R模型研究零售店的气氛如何影响消费者情感状态,进而影响其接近或规避趋势。Sohaib等5的研究指出产品图片搭配的协调性及是否呈现模特的脸会影响用户的愉悦和唤醒水平。Le等6基于S-O-R模型得出网站环境会影响消费者情感状态,继而使消费者产生或消除购买意愿。Deng等7通过浏览不同熟悉度网页的眼动实验方法,建立了用户对于电子商务网站的情感体验与接近或规避行为之间的结构方程模型,探讨了情感对于行为意图的影响。

1.2 行为意向模型相关研究

关于行为意向的相关模型8-9,有的学者基于比较有代表性的行为意向理论对其影响机理进行研究,从不同角度给出网络购物者行为意向影响因素模型,还有的学者借鉴已有的行为意向测量量表,对其进行直接评价。随着神经生理学的发展,越来越多的研究开始从脑认知角度研究网络购物者的行为和决策10。Raiesdana等11从脑认知角度研究了电动汽车轮廓造型及其功能参数的变化对网络购物者决策制定过程的影响。Huang等12采用f MRI技术研究了食品包装对消费者选择行为的影响,预测人们的最终选择。Jartarkar等13通过收集和分析脑电信号,发现人们对不同产品标识美学的偏好主要体现在P1、N1、P300和N400等电位的差异上。

1.3 网络购物者行为意向研究模型构建

基于对网络购物行为意向及行为意向模型等方面相关研究成果的梳理和分析,本文构建了网络购物者行为意向研究模型,如图1所示。本文模型从网站界面设计对网络购物者行为意向影响的角度,探究界面的不同设计特征对网络购物者行为意向的影响。通过主观行为意向量表和客观脑电指标对网络购物者行为意向进行测量,在此基础上,筛选与网络购物者行为意向具有显著关系的脑电指标,进而提出基于脑电指标的网络购物者行为意向预测模型。

2 研究方法

2.1 实验网站选取及任务设计

根据排名网站Alexa统计的购物类网站综合排名,选取排名前30的购物网站作为实验用初选材料。组成专家焦点小组,提取购物网站首页界面主要功能区及其关键设计要素,具体如表1所示。通过聚类分析,选择界面关键设计要素差别很大的6个购物网站,使用Adobe Dreamweaver CS6软件进行编码,对主要设计要素进行修改和统一,以增强各首页界面在设计要素及其水平上的代表性。为了更真实地模拟现实中网络购物行为的志愿者使用购物网站首页界面时的行为特征,在设计实验任务之前,选取有过网络购物行为的志愿者进行购物网站首页界面使用访谈调研。在此基础上,设计了一系列符合网络购物者购物网站首页界面使用习惯的交互任务,从而更加准确地反映网络购物者的主观行为意向和脑电特征。

2.2 实验用量表

行为意向量表选用的是Donovan等开发的接近或规避趋势量表,通过一个预实验对量表进行删减和修正,最终量表如下:接近趋势(我喜欢这个网站,我愿意花很多的时间浏览这个网站,我对这个网站感到满意,我对这个网站持积极的态度,我访问这个网站时感到很享受);规避趋势(我会尽可能快地离开这个网站,我离开之后不会再回到这个网站,我想避免浏览或深入访问这个网站)。采用五点利克特量表,-2分表示非常不同意,2分表示非常同意。

2.3 实验设备及电极点选取

实验采用Neuroscan公司生产的128导脑电记录设备,硬件包括电极帽、脑电信号采集放大器和Stim系统等,软件为Curry 7.0脑电记录分析系统。电极位置采用国际10-20系统, 共采集30个电极点的脑电信号,实验用电极点及其所在脑区部位如表2所示。

2.4 实验过程

随机抽取在过去3个月内至少有过一次网络购物经历的30名志愿者作为被试(男15名,女15名)。每次实验有一名被试,整个实验过程在脑电实验室进行。首先,向被试简短地介绍实验相关事项,并让被试填写个人信息及知情同意书;然后,进行脑电测量的准备工作,即给被试佩戴电极帽,对所需的电极点依次注入脑电膏,要求每个电极点的电阻不超过5 kΩ;之后要求被试以舒服的姿势安静地休息,点击Curry 7.0记录脑电数据,实验人员敲门提醒被试点击鼠标左键开始正式的实验,连续记录时滤波带通为 0.05~100 Hz,采样率为500 Hz。完成所有实验网页交互任务后,填写主观行为意向测量量表。

2.5 实验数据预处理

运用AMOS7.0验证实验用量表因子结构的有效性。对于主观行为意向,将规避趋势的评估得分进行转换,即规避趋势得分为-2时,应转换成接近趋势得分为2。对于脑电数据,主要使用Curry 7.0系列软件、MATLAB2012a和EEGLAB工具箱进行处理,一般需要经过以下步骤:

1)脑电信号的伪迹和干扰处理。包括被试数据检查和剔除;在EEGLAB中导入电极位置信息,将数据采样率转化为250 Hz,低通45 Hz滤波;将参考电极转换为双侧乳突参考;进行独立成分分析,进一步消除眼电干扰和肌电伪迹;将脑电信号分段,平静阶段为实验开始前被试休息阶段脑电信号,刺激阶段为被试在各刺激持续时间内所产生的脑电信号。

2)脑电信号的特征。采用Pwelch法提取计算功率谱密度(512点Hanning窗,重叠50%),按各节律波范围,即δ波(0.5~4 Hz)、θ波(4~8 Hz)、α波(8~13 Hz)、 β波(13~30 Hz)、γ波(30~80 Hz)计算刺激阶段脑电信号每一个电极点各节律波相对功率值,进行统计分析。

3 实验结果比较及分析

3.1 主观行为意向

不同首页界面被试主观行为意向统计结果如表3所示,对其进行首页界面类型单因素重复测量方差分析。结果表明,首页界面类型对主观行为意向具有显著的主效应(F(5,55)为16.014,η2 为0.727,P小于0.001)。对被试主观行为意向进行首页界面类型的Bonferroni事后成对比较法,结果如表4所示。

表4可知,界面1与其他界面的被试主观行为意向之间均具有显著的差异(ps小于0.05),且界面1的被试主观行为意向接近趋势得分明显高于其他界面;界面5、6与其他界面的被试主观行为意向之间都有显著的差异(ps小于0.05),但界面5、6的被试主观行为意向之间没有显著的差异(P大于0.05),且界面5、6的被试主观行为意向接近趋势得分明显低于其他界面;界面2、3、4的被试主观行为意向之间没有显著的差异(ps大于0.05),且界面2、3、4的被试主观行为意向接近趋势得分显著低于界面1,显著高于界面5和界面6。因此,从界面主观行为意向接近趋势得分及方差分析结果可以把界面的被试主观行为意向分为3类:接近趋势、中立态度和规避趋势,界面1总体上的行为意向为接近趋势,界面2、3、4总体上的行为意向为中立态度,界面5、6总体上的行为意向为规避趋势。

3.2 脑电数据

以不同首页界面被试主观行为意向的类别为影响因素,对不同电极点各节律波做重复测量方差分析,筛选出被试在浏览不同行为意向首页界面时具有显著性差异的脑电指标,并省略掉不显著脑电指标的方差分析结果。经过筛选,FCZ、C3、C4、CZ、CP3、P3、T7、T8、P7和P8电极点的δ波,FC3、FC4、FCZ、C3、C4、CZ、CP3、CP4、CPZ、P3、P4、PZ、PO3、PO4、POZ、O1、O2、OZ电极点的θ波,F7、PO3电极点的α波,F7、F8、 C3、O2、T7、T8、P7、P8电极点的β波,F7、F8、FC3、FC4、FCZ、C3、C4、CZ、CP3、CP4、CPZ、P3、P4、PZ、PO3、PO4、POZ、O1、O2、OZ、T7、T8、P7、P8电极点的γ波对主观行为意向具有显著主效应。

对于δ波,其变化主要体现在中额区、顶区、中央区和颞区的FCZ、C3、C4、CZ、CP3、P3、T7、T8、P7和P8电极点,这些电极点的δ波相对功率在不同行为意向下存在着显著性差异,但通过行为意向成对比较结果可知,除了C3和CZ电极点的δ波相对功率在不同行为意向趋势之间均具有显著差异之外,其余电极点上δ波相对功率只在个别行为意向趋势之间存在着差异。对于θ波,其主要变化体现在中额区、中央区、顶区与枕区的FC3、FC4、C3、C4、CZ、CP3、CP4、CPZ、P3、P4、PZ、PO3、PO4、POZ、O1、O2和OZ电极点,这些电极点的θ波相对功率在不同行为意向下存在显著差异。但通过行为意向成对比较可知,除P3、PO3和POZ电极点的θ波相对功率在不同行为意向趋势之间均具有显著差异之外,其余电极点上θ波相对功率只在个别行为意向趋势之间存在差异。对于α波,其变化在各脑区上的反映并不明显,只有F7和PO3电极点上的α波相对功率在个别行为意向趋势之间存在着差异。对于β波,其变化主要体现在侧额区、中央区、后枕区和颞区的F7、C3,O2、T7、T8和P7电极点,这些电极点的β波相对功率在不同行为意向下存在显著性差异,但通过行为意向成对比较结果可知,这些电极点的β波相对功率均只在个别行为意向趋势之间存在显著差异。对于γ波,其变化主要体现在额区、中央区、顶区、枕区和颞区的F7、F8、FC3、FC4、FCZ、C3、C4、CZ、CP3、CP4、CPZ、PO3、PO4、POZ、O1、O2、OZ、T7、T8、P7和P8电极点,这些电极点的γ波相对功率在不同行为意向下存在显著性差异。但通过行为意向成对比较结果可知,除FC3、FC4、CP3、CP4、CPZ、P3、PO3、POZ、O1和OZ电极点的γ波相对功率在不同行为意向趋势之间均具有显著差异之外,其余电极点上δ波相对功率只在个别行为意向趋势之间存在差异。

4 行为意向预测模型建立及检验

4.1 预测模型脑电指标筛选

为提高预测精度,建立网络购物者行为意向预测模型所用的脑电指标要在3种行为意向趋势下均存在显著性差异。其中,所有电极点θ波的相对功率都是随行为意向变化而单调变化的,且随意向趋势的接近而降低,所有电极点γ波的相对功率也都是随行为意向变化而单调变化的,且随着行为意向趋势的接近而升高,即该类显著性的脑电指标能直观反映网络购物者的行为意向,指标的大小能单调地反映行为意向接近趋势的大小。而C3、CZ电极点的δ波相对功率虽在不同行为意向下均存在显著性差异,但其变化趋势并不单调,所以不采取这些指标建立预测模型。因此,最终采用的脑电指标为FC3、FC4、CP3、CP4、CPZ、P3、PO3、POZ、O1、OZ电极点的γ波相对功率及P3、PO3、POZ、O1、OZ电极点的θ波相对功率。

4.2 行为意向预测模型构建与检验

将对界面主观行为意向具有显著主效应的脑电指标作为自变量,主观行为意向作为因变量,有效被试数据为30组,共180个样本点参与模型拟合,根据PLS的计算步骤利用MATLAB软件进行编程代码,根据运行代码结果整理得到网络购物者首页界面行为意向与脑电指标之间的关系回归模型方程为

Y=1.735 6-1.980 4X1-1.163 7X2+1.595 8X3+0.177 9X4+1.595 8X5+4.197 4X6-0.937 95X7+0.620 4X8-1.219 51X9+1.131 8X10-10.789 1X11+0.580 1X12+1.352 3X13+1.536 3X14+0.056 8X15

式中:Y为首页界面主观行为意向得分;X1~X15为筛选得到的具有显著主效应的脑电指标。

为了对所建模型的有效性及准确性进行验证,另外选取5名被试重新做了实验,得到根据实验数据及PLS方法计算得出的主观行为意向预测值,并将实测值与预测值进行配对T检验,回归方程的实际值与预测值之间的显著性水平均大于0.05,即实际值与预测值之间没有显著性差异,从而使PLS方法的有效性得到了验证。

4.3 讨论

基于以上结果的比较和分析,做出如下讨论:

1)不同设计形式首页界面的主观行为意向。对主观行为意向进行首页界面类型重复测量方差分析,结果表明,实验所选取的6个代表性网页对被试主观行为意向具有显著的主效应,能反映被试主观行为意向上的差异,并激发网络购物者不同行为意向趋势。已有研究证明,购物网站设计特征会影响消费者使用过程中的感知可用性、认知、情感状态,继而影响他们的行为14。而实验用首页界面是基于设计要素上有很大区别,因此,可以显著区分网络购物者不同首页界面行为意向上的差别。

2)不同主观行为意向首页界面的脑电信号特征。以不同首页界面被试主观行为意向接近趋势的类别为影响因素,对脑电信号分解为αβδγθ 5个不同频段的节律波相对功率做重复测量方差分析,筛选出被试在浏览不同行为意向首页界面时具有显著性差异的脑电指标。实验结果表明,中额区、顶区、中央区和颞区部分电极点的δ波相对功率;中额区、中央区、顶区与枕区部分电极点的θ波相对功率;侧额区、中央区、后枕区和颞区部分电极点的β波相对功率以及额区、中央区、顶区、枕区和颞区部分电极点的γ波相对功率,在不同行为意向下存在着显著性差异。现有关于EEG信号和行为意向之间关系的研究较少,但已有研究证明,不同频段EEG信号的节律波与人们的认知加工、情绪、记忆等方面有关15,人的行为往往是认知层面、情感层面信息加工的结果,因此,以往研究也可以很好地佐证本实验的研究结果。

3)脑电指标的选取。为了使预测模型达到更好的预测精度,根据实验脑电数据结果比较和分析,选取对行为意向具有主效应的脑电指标:P3、PO3、POZ、O1、OZ点的θ波相对功率及FC3、FC4、CP3、CP4、CPZ、P3、PO3、POZ、O1、OZ电极点的γ波相对功率。这些脑电指标在3种行为意向趋势下均存在显著性差异,且随行为意向变化而单调变化。

4)行为意向预测模型的选取。基于PLS方法构建了被试首页界面主行为意向与EEG指标的关系模型,从而实现对主观行为意向的预测。根据实验数据及PLS方法计算得出的主观行为意向预测值与实际值进行配对T检验,并对关系模型进行检验,结果显示,预测值和实际值没有明显差异,因此,检验结果证实了所构建的关系模型的有效性和准确性。

5 结论

在讨论基础上,本文给出主要结论如下:

1)不同购物网站首页界面对被试主观行为意向具有显著的主效应,能反映被试行为意向上的差异。

2)不同行为意向趋势首页界面对脑电信号分解的不同频段节律波相对功率具有显著的主效应,且不同频段节律波相对功率的变化体现在不同的脑区部位。

3)分析脑电数据结果,选取构建行为意向预测模型的脑电指标为:P3、PO3、POZ、O1、OZ电极点的θ波相对功率及FC3、FC4、CP3、CP4、CPZ、P3、PO3、POZ、O1、OZ电极点的γ波相对功率。借助PLS方法构建了主观行为意向与脑电指标的关系模型,该模型可以准确有效地对网络购物者行为意向进行客观预测。

参考文献

[1]

Hill R JFishbein MAjzen I.Belief,attitude,intention and behavior:an introduction to theory and research[J].Contemporary Sociology19776(2):244.

[2]

Nielsen JTahir M.Homepage Usability:50 Websites Deconstructed[M].Indianapolis:New Riders Publishing,2001.

[3]

López IRuiz S.Explaining website effectiveness:the hedonic-utilitarian dual mediation hypothesis[J].Electronic Commerce Research and Applications201110(1):49-58.

[4]

Saricam C.Analyzing the influence of store atmospherics on younger generation in apparel retail market with an extended S-O-R model[J].Journal of Global Fashion Marketing202314(2):143-156.

[5]

Sohaib OKang K.Individual level culture influence on online consumer iTrust aspects towards purchase intention across cultures:a S-O-R model[J].International Journal of Electronic Business201512(2):142.

[6]

Le T QWe W YLiao Y Ket al. The extended SOR model investigating consumer impulse buying behavior in online shopping: a meta-analysis[J]. Journal of Distribution Science202220(2): 1-9.

[7]

Deng L QPoole M S.Affect in web interfaces:a study of the impacts of web page visual complexity and order[J].Management Information Systems Quarterly201034(4):711.

[8]

Alryalat M A ARana N PDwivedi Y K.Citizen’s adoption of an E-government system:validating the extended theory of reasoned action (TRA)[J].International Journal of Electronic Government Research201511(4):1-23.

[9]

Islam J UShahid SRasool Aet al.Impact of website attributes on customer engagement in banking:a solicitation of stimulus-organism-response theory[J].International Journal of Bank Marketing202038(6):1279-1303.

[10]

Roskies A L.How does neuroscience affect our conception of volition?[J].Annual Review of Neuroscience201033:109-130.

[11]

Raiesdana SMousakhani M.An EEG-based neuromarketing approach for analyzing the preference of an electric car[J].Computational Intelligence and Neuroscience2022(1):9002101.

[12]

Huang J PZhao PWan X A.From brain variations to individual differences in the color-flavor incongruency effect:a combined virtual reality and resting-state fMRI study[J].Journal of Business Research2021123:604-612.

[13]

Jartarkar MSrivastava KBaths V.Using event-related potentials (ERP) to identify the purchase intention of a consumer for familiar brands[J].Neuroscience Research Notes20225(4):163.

[14]

Yao P YOsman SSabri M Fet al.Consumer behavior in online-to-offline (O2O) commerce:a thematic review[J].Sustainability202214(13):7842.

[15]

Theódórsdóttir DHöller Y.EEG-correlates of emotional memory and seasonal symptoms[J].Applied Sciences202313(16):9361.

基金资助

教育部人文社会科学研究项目(20YJC630079)

AI Summary AI Mindmap
PDF (615KB)

63

访问

0

被引

详细

导航
相关文章

AI思维导图

/