Content

Dieter Ahlert, Marco Hubert, Consumer Neuroscience – Anwendung und Nutzen neurowissenschaftlicher Mess- und Analysemethoden in der Konsumentenverhaltensforschung in:

Manfred Bruhn, Richard Köhler (Ed.)

Wie Marken wirken, page 63 - 79

Impulse aus der Neuroökonomie für die Markenführung

1. Edition 2010, ISBN print: 978-3-8006-3723-2, ISBN online: 978-3-8006-4473-5, https://doi.org/10.15358/9783800644735_63

Bibliographic information
3 Methoden und Forschungsergebnisse der Neuroökonomie für die Markenführung Consumer Neuroscience – Anwendung und Nutzen neurowissenschaftlicher Mess- und Analysemethoden in der Konsumentenverhaltensforschung Dieter Ahlert und Marco Hubert Inhalt 1. Einführung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 2. Technologien und Methoden der Datengewinnung und -auswertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 2.1 Überblick der wichtigsten bildgebenden neurowissenschaftlichen Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 2.1.1 Methoden elektromagnetischer Messungen. . . . . . . . . . . . . . 62 2.1.2 Methoden der Messung metabolischer oder hämodynamischer Reaktionen auf neurale Aktivitäten . . . . . 63 2.2 Überblick der Datengewinnung und Datenanalyse am Beispiel der fMRT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 2.2.1 Datengewinnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 2.2.2 Datenauswertung und -analyse . . . . . . . . . . . . . . . . . . . . . . . . 67 3. Consumer Neuroscience – Mehrwert für die wissenschaftliche Forschung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4. Consumer Neuroscience – praxisrelevante Implikationen . . . . . . . . 71 5. Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 Prof. Dr. Dieter Ahlert ist Inhaber des Lehrstuhls für Betriebswirtschaftslehre, insbes. Distribution und Handel, im Marketing Centrum Münster der Westfälischen Wilhelms- Universität sowie Geschäftsführender Direktor des Internationalen Centrums für Franchising und Cooperation (F&C). Dipl.-Kfm. Marco Hubert ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Marketing an der Zeppelin University Friedrichshafen. 60 Dieter Ahlert/Marco Hubert 1. Einführung Lange Zeit basierten die Untersuchungen der Prozesse im Inneren des menschlichen Körpers auf etablierten indirekten Messmethoden, wie z. B. der Hautwiderstandsmessung, der Pupillographie und vor allem Methoden der Selbsteinschätzung (Bagozzi 1991; Gröppel-Klein 2005). In den letzten Jahren aber hat die Integration neurowissenschaftlicher Verfahren in die Wirtschaftswissenschaften eine rasante Entwicklung erlebt. Das gilt auch für die Marketingforschung, in der diese Entwicklung unter dem Begriff „Consumer Neuroscience“ oder „Neuromarketing“ (Hubert/Kenning 2008) diskutiert wird. Auch wenn die Begriffsbildung offensichtlich noch nicht abgeschlossen ist, so ist das zugrunde liegende Phänomen durch die transdisziplinäre Kombination von neurowissenschaftlichen Methoden und Erkenntnissen mit absatzrelevanten Fragestellungen gekennzeichnet (Hubert/Kenning 2008). Diese Kombination unterliegt von Anfang an jedoch einer andauernden kritischen Betrachtung. Insbesondere die Frage, welchen Nutzen die neuen technologischen und theoretischen Möglichkeiten bieten können, wird kontrovers diskutiert (Lee et al. 2007). Es kann vermutet werden, dass diese Kontroverse zum einen durch die zum Teil überstrapazierte Nutzung und irreführende Bedeutung des Begriffes „Neuromarketing“ verursacht worden ist (Häusel 2004). Durch die offensichtliche Möglichkeit, die neurale Wirkung marketingrelevanter Stimuli in vivo zu beobachten, wurden in der Marketingforschung und -praxis bewusst oder unbewusst hohe Erwartungen geweckt (vgl. Schaubild 1). Besonders deutlich wird dies an der völlig naiven Idee, es gäbe einen „Buy Button“ im Gehirn (Blakeslee 2004), der eine einfache Beeinflussung des Konsumverhaltens im Sinne der Unternehmenszwecke erlauben würde. Zum anderen mag auch eine mögliche Unkenntnis der komplexen neurowissenschaftlichen Mess- und Auswertungsverfahren in der traditionellen Marktforschung Grund dafür sein, dass aus „leuchtenden“ Gehirnaktivierun- Neuromarketing/Neuroökonomik in den MedienSchaubild 1: 61Consumer Neuroscience gen (vgl. Schaubild 2) oftmals Trugschlüsse oder Fehlinterpretationen gezogen werden. Vor diesem Hintergrund soll der vorliegende Artikel dazu beitragen, die Diskussionen um Neuromarketing auf eine objektive und realistische Grundlage zurückzuführen sowie die bisher vorliegenden Ergebnisse zu würdigen. Der Artikel verfolgt daher drei grundlegende Anliegen: (1) Es soll zunächst ein allgemeiner Überblick über aktuelle neurowissenschaftliche Technologien und Methoden, die in der Neuroökonomie zum Einsatz kommen können, geboten werden. (2) Die Veranschaulichung von Schritten und Methoden der komplexen Datengewinnung, -auswertung und -analyse am Beispiel der funktionellen Magnetresonanztomographie, eines der am häufigsten eingesetzten Methoden in der Neuroökonomie und Consumer Neuroscience, soll zu einem besseren Verständnis und kritischer Sichtweise veröffentlichter Resultate führen. Der vorhandene Nutzen der Consumer Neuroscience für die Marketingforschung und -praxis soll anhand einer literaturgestützten Diskussion aufgezeigt werden. 2. Technologien und Methoden der Datengewinnung und -auswertung Innerhalb dieses Kapitels soll hinsichtlich der ersten beiden Anliegen aufgezeigt werden, wie komplex und aufwändig der Prozess der Datengewinnung und -analyse und wie notwendig eine korrekte Handhabung ist, um ein valides und reliables „leuchtendes“ Aktivierungsmuster (Schaubild 2) abzubilden. 2.1 Überblick der wichtigsten bildgebenden neurowissenschaftlichen Methoden Im Wesentlichen lassen sich die bildgebenden Verfahren in zwei Kategorien einteilen: Die erste erfasst die elektrische Aktivität des Gehirns und die zweite misst die neuralen metabolischen Prozesse (Huesing et al. 2006; für einen Überblick vgl. Kandel et al. 1996). Neuere Verfahren, wie die im weiteren Verlauf ex- Signifikante neurale Aktivierungen in Abhängigkeit eines Paradigmas Schaubild 2: (Quelle: Knutson et al. 2007, S. 14) 62 Dieter Ahlert/Marco Hubert emplarisch vorgestellte TMS, beobachten die Gehirnaktivität nicht nur, sondern können auch einen direkten Einfluss auf die neuronale Aktivität nehmen. 2.1.1 Methoden elektromagnetischer Messungen Die Elektroenzephalographie (EEG) ist eine konventionelle Methode zur Messung der Gehirnaktivität mittels zahlreicher Elektroden, die am Kopf des Probanden befestigt werden. Diese Elektroden messen direkte Spannungsänderungen an der Gehirnrinde, deren summierte Potenziale durch eine große Anzahl von Neuronen hervorgerufen werden (Camerer et al. 2005; Kenning/Plassmann 2005). Die diesem Prozess zugrunde liegenden messbaren Ionenströme treten in Kortexregionen in der Nähe der Gehirnoberfläche auf. Sie resultieren dabei aus Veränderungen in der Membrandurchlässigkeit des Gewebes, die durch synaptische Aktivitäten ausgelöst werden (da Silva 2004). Vorteile des EEG sind die sehr gute zeitliche Auflösung (im Millisekundenbereich) und die daraus resultierende direkte Messbarkeit von Gehirnaktivitäten. Darüber hinaus ist die Anwendung des EEG relativ preiswert und die Datenanalyse ist im Gegensatz zu anderen neurowissenschaftlichen Methoden weniger komplex (Zak 2004; Camerer et al. 2005). Nachteile sind die begrenzte räumliche Auflösung und das so genannte „inverse problem“. Bei diesem Problem ist aufgrund einer Vielzahl möglicher Quellen der Aktivierung die Zuordnung neuraler Aktivität zu bestimmten Gehirnregionen erschwert (Helmholtz 1853). Au- ßerdem ist das EEG nur in der Lage, Spannungsänderungen zu messen, die an der Kortexoberfläche ablaufen. Tiefer liegende Aktivitäten können nicht erfasst werden. Es ist daher a priori notwendig, geeignete und klare Annahmen über Quellen und Verarbeitung der experimentell untersuchten Areale zu machen, um darauf aufbauend physiologisch glaubwürdige und valide Ergebnisse zu erzielen (Michel et al. 2004; Babiloni et al. 2005). Ein weiterer daraus abgeleiteter Nachteil ist die Notwendigkeit einer hohen Anzahl an Versuchswiederholungen (Moonen/Bandettini 1999; Zak 2004; Camerer et al. 2005). Die Magnetenzephalographie (MEG) misst im Gegensatz zum EEG keine neuralen Spannungsänderungen, sondern vielmehr das magnetische Feld, das durch elektrische Gehirnaktivitäten induziert wird (Toga/Mazziotta 1996). Diese magnetischen Felder sind sehr schwer erfassbar und können nur in einem gegen magnetische Störung isolierten Raum mit speziellen Detektoren „SQUIDS“ (Superconducting Quantum Interference Device) gemessen werden (Ambler et al. 2002). Vorteile des MEG sind analog zum EEG die hohe zeitliche Auflösung und die Möglichkeit, viele Wiederholungen durchzuführen, ohne die Testpersonen mit toxischen oder radioaktiven Substanzen zu belasten, wie es z. B. bei der nachfolgend behandelten Positronen-Emissions-Tomographie der Fall ist. Zusätzlich lassen sich durch das MEG, im Gegensatz zum EEG, auch Aktivitäten in tiefer liegenden Gehirnarealen messen (Ambler et al. 2004). Nachteile sind wiederum das „inverse problem“, also die korrekte Zuordnung von Signal und anatomischer Struktur. Darüber hinaus ist die Technik relativ teuer und muss stetig durch Helium gekühlt werden (Toga/Mazziotta 1996; Moonen/Bandetti 1999; Ambler et al. 2002). Schaubild 3 veranschaulicht das Verfahren der EEG bzw. MEG. 63Consumer Neuroscience 2.1.2 Methoden der Messung metabolischer oder hämodynamischer Reaktionen auf neurale Aktivitäten Die Positronen-Emissions-Tomographie (PET) ist ein bildgebendes Verfahren, das funktionale Aufnahmen des Gehirns mit Hilfe radioaktiver Pharmazeutika misst. Die PET wird angewendet, um beispielsweise den Stoffwechsel im Hirn, den Blutfluss oder den Sauerstoffverbrauch abzubilden (Toga/Mazziotta 1996). Die radioaktive Substanz – der Tracer – wird intravenös oder durch Inhalation verabreicht. Der Tracer nutzt dabei die Eigenschaft bestimmter Radionuklide, die die gleichen chemischen Eigenschaften wie ihre nicht radioaktiven Isotope aufweisen. Diese werden dadurch für die spätere Detektion durch den Tomographen mit biologisch ähnlichen Molekülen ersetzt. Aufgrund der Annahme, dass aktivierte Gehirnregionen einen höheren Verbrauch von Sauerstoff und Glucose aufweisen, ist es der PET durch die radioaktiven Eigenschaften des Tracers möglich, die erhöhte Radioaktivität in diesen Regionen zu messen und somit eine indirekte Erfassung neuronaler Aktivität zu ermöglichen (Zak 2004). Ein großer Vorteil der PET-Anwendung liegt in der räumlichen Auflösung (3–6 mm). Nachteile demgegenüber sind die hohen Kosten, eine geringe zeitliche Auflösung (mehrere Minuten) und die Notwendigkeit, die Probanden radioaktiver Strahlung auszusetzen. Die funktionelle Magnetresonanztomographie (fMRT) ist ein bildgebendes Verfahren, das die Abbildung der internen Hirnstruktur und der kortikalen Reaktion auf externe Stimuli ermöglicht. Der fMRT-Scanner nutzt dabei hochfrequentierte magnetische Impulse, die die atomaren Partikel im menschlichen Gehirn magnetisch ausrichten („Spin“). Die dabei aufgenommene Energie wird nach dem Abschalten des Feldes abgegeben und bildet das grundlegende Signal für die Messung (Magnetresonanz). Die Intensität dieses Signals ist abhängig vom Wassergehalt und der magnetischen Eigenschaft des betrachteten Gewebes. Funktionelle Magnetresonanztomographie nutzt dabei den so genannten BOLD-Effekt (blood oxygenation level dependent). Der BOLD-Effekt basiert auf den unterschiedlichen magnetischen Eigenschaften von sauerstoffhaltigem EEG (links)/MEG (rechts)Schaubild 3: 64 Dieter Ahlert/Marco Hubert und sauerstoffarmem Blut. Es wird angenommen, dass aktivierte Gehirnregionen aufgrund des gesteigerten Sauerstoffverbrauchs mit einem erhöhten Blutfluss reagieren. Diesen erhöhten Verbrauch kann der fMRT-Scanner als Aktivierung messen. Während der Aktivierung wird sauerstoffarmes Hämoglobin durch sauerstoffreiches ersetzt, die magnetischen Eigenschaften in dieser Region verändern sich, und es kommt zu einer erhöhten Signalintensität. Die Differenzen der Signalintensität zwischen aktivierten und nicht aktivierten Regionen sind sehr gering und können nur durch sehr starke Magnetfelder gemessen werden. Die angewendeten Scanner haben daher ein magnetisches Feld von 1 T bis 8 T (T = Tesla), wobei 1 T gleich dem 20.000fachen der Erdanziehungskraft ist (Carter 1999; Matthews/Jezzard 2004; Zak 2004). Die zeitliche und räumliche Auflösung der fMRT hängt zum einen von der Qualität des Scanners und zum anderen von der Erfassung der angesprochenen Signalintensitätswechsel ab. Beispielsweise ist eine typische räumliche Auflösung für fMRT-Scans bisher ein Voxel (das Äquivalent von Pixel im dreidimensionalen Raum), mit einer Kantenlänge von 3 mm und einer zeitlichen Auflösung von 1–3 Sekunden pro Scan (Huesing et al. 2006). Der klare Vorteil der fMRT resultiert zunächst aus einer guten Balance zwischen zeitlicher und räumlicher Auflösung und der Möglichkeit, das gesamte Gehirn in weniger als 3 Sekunden zu scannen. Diese zeitlichen und räumlichen Messmöglichkeiten werden fortwährend verbessert, wie schon einige Studien zeigen konnten (Ogawa et al. 2000; Kim/Duong 2002; Huesing et al. 2006). Darüber hinaus ist die fMRT ein nichtinvasives Verfahren ohne den Einsatz toxischer oder radioaktiver Substanzen, sodass dadurch im Gegensatz zur PET wiederholte Messungen bei gesunden Probanden ermöglicht werden. Die Nachteile der Methodik werden im Folgenden erläutert: (1) Wie die meisten bildgebenden Verfahren erlaubt die fMRI eher einfache Versuchsaufbauten, verglichen mit traditionellen Experimenten in der Marktforschung. (2) Durch die medizinische Umgebung des Scanners (Geräuschkulisse, Liegeposition des Probanden) ist eine reale Darstellung der Kaufsituation nur sehr eingeschränkt möglich. (3) Die Komplexität der zugrunde gelegten neurophysiologischen Prozesse setzt ein tiefes Verständnis der neurowissenschaftlichen Methodik voraus, um die a priori aufgestellten Hypothesen und Annahmen korrekt testen zu können. Besonders wichtig ist beispielsweise die korrekte Definition der Kontrollbedingungen im Vergleich zu den Experimentalbedingungen. (4) Durch die zum Teil plakative Berichterstattung in den Medien besteht die Gefahr, dass die Öffentlichkeit über die gegebenen Limitationen nicht genügend aufgeklärt ist und die Forschungsergebnisse uneingeschränkt als Wahrheit annimmt. (5) Bildgebende Verfahren wie die fMRT sind sehr teuer und benötigen anspruchsvolle Hard- und Software. Beispielsweise kostet ein typischer 1.5 Tesla MRI Scanner zwischen 1–2 Mio. Euro und verursacht darüber hinaus laufende Nutzungskosten (Probandengelder, medizinisches Personal, Wartung, Heliumkühlung) von ungefähr 100.000–200.000 Euro/Jahr (Huesing et al. 2006). 65Consumer Neuroscience (6) Die Interpretation der Daten ist sehr viel komplexer als die Interpretation von Verhaltensdaten, die durch Befragungen erhoben worden sind (Kosslyn 1999). Die transkranielle Magnetstimulation (TMS) ist eine nichtinvasive Methode, die die neuronale Aktivität im Gehirn direkt beeinflussen kann. Bei der einfachen TMS wird eine Drahtspule am Kopf des Probanden platziert. Diese nutzt das Prinzip der elektromagnetischen Induktion und ruft mit Hilfe eines Magnetfeldes einen schwachen elektrischen Impuls im Gehirn hervor, der die neuralen Aktivitäten in dieser Region stimuliert bzw. hemmt. Die Stärke des elektrischen Feldes und die Intensität, mit der die neurale Aktivität beeinflusst wird, hängt dabei von der Stromstärke und der Stellung der Drahtspule am Kopf ab (Wassermann 1998). Zusätzlich zur einfachen TMS wird auch die rTMS (repetitive transkranielle Magnetstimulation) angewandt, bei der wiederholt elektrische Impulse innerhalb kurzer Zeit induziert werden (Wassermann 1998). Sie ist in der Lage, die neurale Aktivität über eine längere Zeit hinweg zu beeinflussen und ermöglicht somit z. B. eine kombinierte Untersuchung mit der fMRT (Walsh/Cowey 2000). Anwendung findet die TMS hauptsächlich in der kognitiven Neurowissenschaft oder der Psychiatrie, um bestimmte Funktionen von Regionen zu ermitteln, bzw. Läsionen (Störungen, Verletzungen) in bestimmten Bereichen des Gehirns zu simulieren (Hallet 2000). Anwendungsbereiche sind beispielsweise Studien, die motorische Funktionen, das Sehen oder die Sprache (Hallet 2000) untersuchen. Außerdem kommt die TMS bei der Behandlung z. B. von Bewegungsstörungen, Epilepsie, Depressionen, Angststörungen oder Schizophrenie zum Einsatz (Walsh/Cowey 2000). Darüber hinaus gibt es aber auch schon Studien im Bereich der Neuroökonomie, die die Methode zur Ergebnisvalidierung anwenden (Knoch et al. 2006). Vorteile dieser Methode liegen in der relativ sicheren und nichtinvasiven Möglichkeit, einen direkten Einfluss auf Gehirnaktivitäten zu haben, sowie im daraus entstehenden Validieren von Ergebnissen aus vorhergehenden fMRT- Studien (Hallet 2000). Nachteil der TMS bzw. rTMS ist das gelegentliche Auslösen von Krämpfen durch die Induktion eines elektrischen Impulses. Dieses Risiko ist aber für gesunde Probanden (z. B. keine Epilepsieanfälligkeit) sehr gering. Außerdem gibt es bereits einen „Anwendungskodex“, der Normen verabschiedet hat (z. B. die Höhe der Stromstärke, die Anzahl der Wiederholungen), die einen sicheren Umgang mit der Methode ermöglichen (Wassermann 1998). Zusätzlich ist anzumerken, dass bisher nur oberflächliche Gehirnstrukturen (z. B. Präfrontalbereiche, Motorareale), aber keine subkortikalen Regionen beeinflusst werden können (Walsh/Cowey 2000). Schaubild 4 veranschaulicht die Methoden von PET, fMRT und TMS. Zum Abschluss dieses Kapitels soll noch einmal betont werden, dass alle besprochenen neurowissenschaftlichen Verfahren Vor- und Nachteile besitzen und ihre angemessene Anwendung deshalb gut durchdacht werden sollte. Während das Wo? der neuralen Aktivität eher durch fMRT, PET oder TMS untersucht werden kann, ist das Wann? vielmehr durch die Verfahren der EEG und der MEG präzisierbar. Nichtsdestotrotz ist für die notwendige Weiterentwicklung des Forschungsgebietes und für ein besseres Verständnis der neuralen Prozesse im menschlichen Gehirn ein multimodaler Ansatz notwendig, der mehrere Methoden verknüpft (Kosslyn 1999; Logothetis 2008). In diesem 66 Dieter Ahlert/Marco Hubert Kontext ist es wichtig zu verinnerlichen, dass die Neuroökonomie noch in den Kinderschuhen steckt. Es bedarf also noch einiger grundlegender Forschung, um aus den Ergebnissen allgemein gültige und generalisierbare Anwendungen und Aussagen für die Praxis zu generieren (Huesing et al. 2006). Dennoch stellt vor allem die fMRT und ihr korrekter Einsatz ein probates Mittel für die Marktund Konsumentenverhaltensforschung dar. 2.2 Überblick der Datengewinnung und Datenanalyse am Beispiel der fMRT In diesem Abschnitt soll exemplarisch auf die Datengewinnung und -analyse eines fMRT-Experimentes eingegangen werden, da diese Methode bis dato am häufigsten in der Neuroökonomie verwendet wird. 2.2.1 Datengewinnung Eine typische fMRT-Studie läuft folgendermaßen ab: Während des Experiments liegt die Testperson für ca. 60–90 Minuten im Scanner. Eine längere Zeit wäre suboptimal für die valide Datenauswertung neuroökonomischer Studien. Innerhalb der ersten 6–15 Minuten werden anatomische bzw. strukturelle Scans vom gesamten Gehirn der Testperson durchgeführt. Dies dient vor allem zur Erstellung der Datenmaske für das jeweilige Gehirn, auf die später signifikante Aktivitäten projiziert werden (vgl. Schaubild 2). In den nächsten 3–10 Minuten findet dann das eigentliche Experiment statt, indem die erstellten Paradigmen innerhalb mehrerer Versuchsserien durchgeführt werden. Dabei werden oftmals visuelle Stimuli wie z. B. Verpackungen (Stoll et al. 2008) oder Werbeanzeigen (Kenning et al. 2007a) über einen Bildschirm in den Scanner projiziert. Der Proband kann seine Antworten auf experimentabhängige Fragen durch das Drücken verschiedener Knöpfe abgeben. Während des Experiments erstellt der fMRT-Scanner alle 1–3 Sekunden von bestimmten Parametern (Voxelgrö- ße, Echotime, Wiederholungszeitraum, Anzahl der Gehirnscans) abhängige funktionelle Gehirnbilder, die von einem Computer zusammen mit weiteren Daten (Probandendaten, Verhaltensdaten im Scanner) aufgezeichnet werden. Diese Bilder können dann später anhand der jeweiligen Hypothesen und Kontrollbedingungen ausgewertet werden. Je nach Stimuluspräsentation können die Daten auf zwei wesentliche Arten gewonnen werden − das Block-Design PET (links)/fMRT (Mitte)/TMS (rechts)Schaubild 4: 67Consumer Neuroscience (Aufeinanderfolgen mehrerer Stimuli der gleichen Art) oder das Event-Related- Design (das Aufeinanderfolgen mehrerer Stimuli unterschiedlicher Art) (Friston 2004). 2.2.2 Datenauswertung und -analyse Für die Auswertung der gewonnenen Daten existieren diverse Softwarepakete, wie beispielsweise FSL, Brain Voyager oder SPM. Da viele Forscher innerhalb der Neuroökonomie SPM (Statistical Parametric Mapping), eine Freeware des Welcome Department of Cognitive Neurology, London, UK (Friston 2004), für die Datenauswertung anwenden, wird im Folgenden diese Software referiert. Die Datenanalyse mit SPM erfolgt über drei wesentliche Schritte: die Datenvorbereitung, das Model Fitting und die statistische Auswertung (vgl. Schaubild 5). Die Datenvorbereitung – das so genannte Pre-Processing – besteht aus folgenden grundlegenden Schritten: die Bewegungskorrektur (Realignment), das Normalisieren (Normalization) und das Glätten (Smoothing). Sie hat das Ziel, Probleme und Fehler der Datengewinnung zu minimieren (z. B. Kopfbewegungen) und die erhobenen Daten für eine valide und reliable statistische Datenanalyse vorzubereiten. Die Datenvorbereitung ist auch daher notwendig, weil das Experiment bzw. das erstellte Paradigma nicht die einzige Quelle der Varianz in den gemessenen Aktivierungen sowie der neuralen Aktivitäten im Gehirn darstellt. Außerdem ist auch die Anatomie der jeweiligen Probandengehirne nicht identisch. Somit wäre eine sofortige Auswertung bzw. Gruppenanalyse mit unvorbereiteten Daten kontraproduktiv. Drei Schritte der DatenauswertungSchaubild 5: (Quelle: Frackowiak et al. 2004; Kenning et al. 2007b, S. 141) 68 Dieter Ahlert/Marco Hubert Die Bewegungskorrektur (Realignment) dient der Reduzierung des Datenrauschens und der Bearbeitung von Bewegungsartefakten (wie ungewollte Kopfbewegungen). Dabei unterscheidet man zwischen Bewegungsartefakten aus zufälligen Bewegungen (z. B. durch Müdigkeit, unbequeme Liegeposition) und Stimulus-korrelierten Bewegungen (z. B. durch Heben des Kopfes bei der Präsentation eines visuellen Reizes). Die Bewegungsartefakte aus zufälligen Bewegungen erzeugen ein verstärktes Rauschen der Daten und erschweren die avisierte Signalerfassung. Diese Störungen können aber unter anderem durch die Bewegungskorrektur abgeschwächt werden. Demgegenüber stehen Bewegungsartefakte aus Bewegungen, die synchron mit der Stimuluspräsentation ablaufen, d. h. beispielsweise ruckartige Bewegungen bei jedem Knopfdruck. Diese sind nicht mehr von einem physiologischen Signal unterscheidbar (falsche positive Aktivierungen) und können somit den Ausschluss der Probanden zur Folge haben. Bei der Bewegungskorrektur in SPM findet über eine paarweise Registrierung – ein Referenzbild aus der Zeitserie wird ausgewählt und alle anderen Bilder der Zeitserie werden darauf abgebildet (registriert) – eine so genannte „rigid body“-Transformation (Translation und Rotation) statt. Dabei werden 6 Parameter (rigid body (x, y, z, yaw, pitch, roll)) berechnet, welche die Transformation über diverse Interpolationsalgorithmen (z. B. B-Spline Interpolation) zwischen dem jeweiligen Bild und einem Referenzbild beschreiben. Das Normalisieren (Normalization) berücksichtigt die oben beschriebene Tatsache, dass die Gehirne der Probanden nicht identisch sind, sich also in Größe und Form unterscheiden. Ziel des Normalisierens ist es, sowohl die Vergleichbarkeit der jeweiligen Probanden innerhalb einer Gruppenanalyse, bei der signifikante Aktivierungen über alle Probandengehirne berechnet werden, sicherzustellen, als auch die Vergleichbarkeit zu äquivalenten Studien zu gewährleisten (Friston et al. 1995). Dabei wird in einem der Bewegungskorrektur folgenden Arbeitsschritt die Abbildung des anatomisch gemessenen Gehirns des Probanden auf ein anderes standardisiertes Gehirn durchgeführt. Dieses standardisierte Gehirn (z. B. das Template des Montreal Neuro Institute – MNI Template) wurde aus einer Vielzahl von Gehirnstudien extrahiert und ist als Standardgehirn in SPM wählbar. Somit ist die angesprochene Vergleichbarkeit innerhalb der eigenen und anderen Studien möglich. Das Glätten (Smoothing) als nachfolgender Schritt ist notwendig, um das Signal-Rausch-Verhältnis zu verbessern und eine spätere valide und zuverlässige statistische Auswertung innerhalb des Model-Fitting zu ermöglichen. Das Glätten stellt eine gewichtete, additive Verknüpfung eines Voxels mit benachbarten Voxeln dar. Durch das Festlegen einer Filtermaske wird bestimmt, welche Voxelgruppierungen miteinander verknüpft werden. Ihre Messwerte werden dann wiederum mit dem gewichteten Mittelwert von einem und allen benachbarten Voxeln ersetzt. Üblich ist für eine Filtermaske das etwa 2–3fache der tatsächlich gemessenen Voxelgröße. Das heißt beispielsweise: Bei einer üblichen Messgröße von 2 x 2 x 2 mm pro Voxel wird die Filtermaske auf 4 x 4 x 4 bzw. 6 x 6 x 6 ausgelegt, und es werden alle beinhalteten Voxel berücksichtigt. Dabei gilt es, zwischen einem Aufklärungsverlust, aber stärkeren statistischen Werten, bei einer größeren Filtermaske oder Sensitivität, aber schwächeren statistischen Werten bei einer kleineren Filtermaske, abzuwägen. 69Consumer Neuroscience Beim Model Fitting (Kenning et al. 2007b) wird nach der Datenvorbereitung die neurale Aktivität in jedem gemessenen Voxel analysiert, um diejenigen zu finden, die signifikant mit den experimentellen Bedingungen korrelieren. Standardmäßig wird das Schätzen des General Linear Models (GLM) für die Voxelberechnungen genutzt (Frackowiak et al. 2004). Dieses Modell erklärt die abhängige Variable Yj (z. B. die neurale Aktivierung innerhalb eines Voxels) mit Hilfe einer Linearkombination der unabhängigen Variablen plus Fehlerterm (siehe folgende Gleichungen). jljlj xY εβ += Dabei ist β1 der zu schätzende Parameter, der mit jeder der unabhängigen Variablen xjl (mit λ = 1, … L) korrespondiert. εj modellieren die unabhängigen Fehlerterme. 1111111 ... εβββ ++++= LLll xxxY … jLjLljljj xxxY εβββ ++++= ...11 … JLJLlJlJJ xxxY εβββ ++++= ...11 In Matrixform: += J j L l JLJlJ jLjlj Ll J j xxx xxx xxx Y Y Y ε ε ε β β β 11 1 1 11111 ...... ...... ...... ... ... In Matrixnotation: εβ += XY Mit Y ist der Spaltenvektor der Beobachtungen (fMRT-Scans) definiert, mit β der Spaltenvektor der zu schätzenden Parameter und mit ε der Spaltenvektor der Fehlerterme. Die J × L-Matrix X mit dem jlten Element xjl ist die Designmatrix, bestehend aus den einzelnen Experimentalbedingungen (Onset-Vektoren). Beispielsweise bilden die attraktiven, neutralen und unattraktiven Stimuli in der Datenanalyse jeweils einen Vektor xjl mit zugehörigen β. Nachdem die Designmatrix definiert wurde, werden die Parameter basierend auf dem GLM geschätzt. Bei diesem Schätzmechanismus werden die jeweiligen Onset-Vektoren mit einer spezifischen vordefinierten hämodynamischen Reaktionsfunktion (hemodynamic response function – typischer Ablauf des BOLD-Signals innerhalb eines Voxel) multipliziert (das so genannte „Falten“). Innerhalb der statistischen Auswertung werden mit Hilfe von statistischen Verfahren (z. B. FWE, FDR; Friston 2004), Signifikanzgrenzen und Voxelcluster- Größen diejenigen Voxel innerhalb einer „Statistical Parametric Map (SPM)”, dem so genannten Glashirn, ausgegeben. Die jeweils angegebenen Koordinaten stellen die „peak voxel“ dar, um die sich zugehörige Voxel zu einem Voxelcluster 70 Dieter Ahlert/Marco Hubert gruppieren. Mit bestimmten Gehirnatlanten ist es nun möglich, den Koordinaten die korrespondierenden Hirnareale zuzuordnen und somit die Ergebnisse zu interpretieren und zu diskutieren (Talairach/Tournoux 1988). In einem weiteren Schritt lassen sich die Koordinaten ebenfalls auf ein strukturelles Bild projizieren, das dann dem bereits angesprochenen „leuchtenden“ Gehirn entspricht. Dabei können für die unterschiedlichen Signifikanzwerte auch verschiedene Farbschemata zur besseren Visualisierung verwendet werden (z. B. rot für t-Werte über 3.5, gelb für t-Werte über 5.0, etc.) (Kenning et al. 2007b). 3. Consumer Neuroscience – Mehrwert für die wissenschaftliche Forschung Folgt man nun der Annahme, dass neurale Prozesse wesentlich für das menschliche Verhalten sind, erscheint die mit Hilfe der genannten Methoden mögliche Erforschung der neurobiologischen Grundlagen des Konsumentenverhaltens als logischer nächster Schritt der Marketingforschung. Vermutlich wird diese Forschung in erster Linie Hinweise auf die Funktion und Bedeutung unbewusster und automatischer Prozesse innerhalb des Organismus geben (Camerer et al. 2005), die bisher nicht ausreichend erfasst werden konnten. Daneben fehlt es den bisherigen Verfahren aber oft auch an der notwendigen Auflösung. So kann z. B. die in einer Befragung häufig verwendete 5er-Likertskala eine Varianz von maximal 5 verschiedenen Werten erzeugen, die dann in die Analyse eingehen. Im Gegensatz hierzu erlaubt die fMRT eine Messung der Hirnaktivierung an etwa 300.000 Punkten innerhalb einer Sekunde. Auch wenn kein zwingender Zusammenhang zwischen der Varianzaufklärung und der Auflösung einer Messmethode bestehen muss, so verdeutlicht dieser Vergleich doch die enorm großen methodischen Unterschiede zwischen klassischer Befragung und fMRT. Neuere Publikationen, die zum Teil mehr als 75 Prozent des Verhaltens durch die Analyse von fMRT-Daten erklären können (Grosenick et al. 2008), deuten an, dass dieser Unterschied durchaus relevant sein könnte. Den Kern der Consumer Neuroscience bildet die Prüfung und Weiterentwicklung von Theorien. Dieser Aspekt soll im Folgenden am Beispiel der in der jüngeren wirtschaftswissenschaftlichen Forschung oft verwendeten Prospect- Theorie verdeutlicht werden. Eine wesentliche Annahme dieser Theorie besteht darin, dass Verluste stärker empfunden werden als Gewinne. Das Verhältnis zwischen Willingness-to-Pay (WTP) und Willingness-to-accept (WTA) wird dabei durch die Variable λ symbolisiert. Zahlreiche Studien zeigen, dass der Wert für λ oft bei etwa 2 liegt. Dies wird als ein empirischer Beleg für die Gültigkeit der Prospect-Theorie angesehen und unter anderem unter dem Begriff Endowment-Effekt diskutiert. Alternativ ist aber denkbar, dass die Verkäufer sich lediglich strategisch verhalten und deswegen einen höheren Preis fordern, weil sie diesen als Verhandlungsbasis nutzen möchten. Die Prüfung, ob ein realisierter Verkaufspreis unter der WTA tatsächlich als Verlust empfunden wird, wie es die Prospect-Theorie unterstellt, könnte mit Hilfe der fMRT beantwortet werden (Knutson et al. 2008). Aktiviert der Verkauf Areale, die mit der Empfindung von Verlusten assoziiert werden (z. B. die Inselregion), spräche dies für die Gültigkeit der Prospect-Theorie. Andernfalls wäre diese gegebenfalls zu 71Consumer Neuroscience modifizieren. Ein weiteres Beispiel für eine deduktive Forschungsrichtung innerhalb der Consumer Neuroscience bietet eine aktuelle Studie von Plassmann et al. (2008a), deren Ziel darin bestand, unterschiedliche Theorien zur Wirkung von Marken mit Hilfe der fMRT zu prüfen. 4. Consumer Neuroscience – praxisrelevante Implikationen Derzeit lassen sich aus den bestehenden Studien erste Erkenntnisse bezüglich einer neuronalen Identifizierung und Lokalisierung marketingrelevanter Konstrukte ableiten, die hier nicht erschöpfend diskutiert werden können. Wichtige Beispiele widmen sich unter anderem den Markenpräferenzen (Deppe et al. 2005), Kaufprozessen (Knutson et al. 2007; Grosenick et al. 2008), der Werbeerinnerung (Rossiter et al. 2001) oder der Wahrnehmung von Verpackungen (Stoll et al. 2008). Auf der Basis dieser Studien lassen sich spezielle Handlungsempfehlungen für das Marketingmanagement ableiten wie z. B., dass Konsumenten Bilder besser erinnern, wenn sie für mindestens zwei Sekunden betrachtet wurden (Rossiter et al. 2001), oder dass attraktive Anzeigen zu einer stärkeren Aktivierung in Hirnarealen führen, die im Zusammenhang mit Belohnung stehen (Kenning et al. 2007a). Ein weiterer möglicher Schwerpunkt untersucht die Rolle von Emotionen für das (Kauf-) Entscheidungsverhalten (Camerer et al. 2005). So ist heute gut nachvollziehbar, auf welcher neuralen Basis die mit einer Marke verbunden Emotionen in Entscheidungsprozesse integriert werden (Deppe et al. 2005). Die Marketingpraxis kann aus diesen Ergebnissen ableiten, dass der Aufbau einer emotionalen Beziehung zwischen Konsument und Marke wahrscheinlich einen entscheidenden Wettbewerbsvorteil darstellt. Aus ihren Erkenntnissen zur „kortikalen Entlastung“ schließen Deppe et al. (2005), dass Markenmanager versuchen sollten, sich bei ihrer Zielgruppe durch stark emotionalisierende Werbung besonders beliebt zu machen, anstatt bei allen Konsumenten als nur „mäßig“ attraktiv zu gelten, weil nur die Lieblingsmarke des Konsumenten imstande ist, den Entscheidungsprozess zu emotionalisieren. Der mit Hilfe der fMRT entdeckte, neurale und emotional geprägte Lieblingsmarkeneffekt führt auch zu der Forderung, den Ansatz des „Relevant Sets“ zu überdenken (Kenning et al. 2002). Die Relevanz von Emotionen im Entscheidungsprozess konnte in zahlreichen anderen Studien auf dem Gebiet der Consumer Neuroscience bestätigt werden. So konnten beispielsweise Knutson et al. (2007) und Plassmann et al. (2008b) zeigen, dass hohe Preise sowohl negativ auf die Wahrnehmung der Konsumenten wirken als auch als Qualitätsmerkmale mit positiven Emotionen verbunden werden können. Auch die Präferenzbildung, z. B. durch ein attraktives Produktdesign oder durch attraktive Werbung und Produktverpackung, korreliert mit der Aktivierung in Gehirnregionen, die im Allgemeinen im Zusammenhang mit der Integration von Emotionen in den Entscheidungsprozess stehen (Kenning et al. 2007a; Stoll et al. 2008). 72 Dieter Ahlert/Marco Hubert 5. Fazit Das Gehirn als Entscheidungsorgan ist so komplex, dass die Hoffnung einer einfachen Erklärung des Konsumentenverhaltens überzogen ist. Gleichwohl können Arbeiten im Bereich der Consumer Neuroscience wertvolle Beiträge für die Konsumentenverhaltensforschung leisten. Aktuell werden die ersten Erkenntnisse noch durch geringe Fallzahlen, fehlende Replikationen und methodische Fragen limitiert (Logothetis 2008). Man sollte sie daher vorsichtig interpretieren und nicht, wie eingangs erwähnt, metaphorisch überstrapazieren. Auch ist das Forschungsgebiet durch relativ hohe Eintrittsbarrieren nicht nur in methodischer, sondern auch in fachlicher Hinsicht gekennzeichnet. Die Anzahl der verfügbaren Technologien (z. B. fMRT-Scanner) ist begrenzt und deren Nutzung oft mit hohen Kosten verbunden. Zudem gibt es ethische Grenzen, die zu beachten sind (Lee et al. 2007). Insgesamt zeigt sich aber, dass die Integration neurowissenschaftlicher Methoden und Erkenntnisse in die Marketingforschung keinen revolutionären Angriff auf bestehende, etablierte Ansätze darstellt, sondern vielmehr eine fruchtbare Weiterentwicklung ihrer Methoden zur Untersuchung des Konsumentenverhaltens bildet. Sie greift damit eine Idee auf, die bereits vor vielen Jahren formuliert wurde (Kroeber-Riel 1979), vielleicht aber zwischenzeitlich etwas in Vergessenheit geraten ist. Literatur Ambler, T./Stins, J.F./Bräutigam, S./Rose, S./Swithenby, S. (2002): Salience and Choice: Neural correlates of shopping decisions, in: Centre for Marketing. Working Paper, S. 1–32. Ambler, T./Bräutigam, S./Stins, J.F./Rose, S.P./Swithenby, S. (2004): Salience and choice: neural correlates of shopping decisions, in: Psychology & Marketing, Vol. 21, No. 4, S. 247–266. Babiloni, F./Cincotti, F./Babiloni, C./Carducci, F./Mattia, D./Astolfi, L./Basilisco, A./ Rossini, P.M./Ding, L./Ni, Y./Cheng, J./Christine, K./Sweeney, J./He, B. (2005): Estimation of the cortical functional connectivity with the multimodal integration of high-resolution EEG and fMRI data by directed transfer function, in: Neuroimage, Vol. 24, No. 1, S. 118–131. Bagozzi, R.P. (1991): The Role of Psychophysiology in Consumer Research, in: Robertson, T.S./Kassarjian, H.H. (Hrsg.): Handbook of consumer behavior, New York, S. 124– 161. Blakeslee, S. (2004): If you have a “Buy Button” in your brain, what pushes it?, in: New York Times, Vol. 154, October 19, S. 5. Camerer, C./Loewenstein, G./Prelec, D. (2005): Neuroeconomics: How neuroscience can inform economics, in: Journal of Economic Literature, Vol. 43, No. 1, S. 9–64. Carter, R. (1999): Atlas Gehirn − Entdeckungsreisen durch unser Unterbewusstsein, München. da Silva, F.L. (2004): Functional localization of brain sources using EEG and/or MEG data: volume conductor and source models, in: Magnet Resonance Imaging, Vol. 22, S. 1533–1538. Deppe, M./Schwindt, W./Kugel, H./Plassmann, H./Kenning, P. (2005): Nonlinear responses within the medial prefrontal cortex reveal when specific implicit information influences economic decision making, in: Journal of Neuroimaging, Vol. 15, No. 2, S. 171–182. 73Consumer Neuroscience Frackowiak, R.S./Friston, K.J./Frith, C.D./Dolan, R.J./Price, C.J./Zeki, S./Ashburner, J./ Penny, W. (2004): Human Brain Function, Oxford. Friston, K.J./Ashburner, J./Frith, C.D./Poline, J.B./Heather, J.D./Frackowiak, R.S. (1995): Spatial registration and normalization of images, in: Human Brain Mapping, Vol. 3, No. 3, S. 165–189. Friston, K.J. (2004): Experimental design and statistical parametric mapping, in: Frackowiak, R.S./Friston, K.J./Frith, C.D./Dolan, R.J./Price, C.J./Zeki, S./Ashburner, J./Penny, W. (Hrsg.): Human Brain Function, Oxford, S. 599–632. Gröppel-Klein, A. (2005): Arousal and consumer in-store behavior, in: Brain Research Bulletin, Vol. 67, No. 5, S. 428–437. Grosenick, L./Greer, S./Knutson, B. (2008): Interpretable classifiers for fMRI improve prediction of purchases, in: IEEE Transactions on Neural Systems and Rehabilitation Engineering, Vol. 16, No. 6, S. 539–548. Häusel, H.G. (2004): Brain Script, München. Helmholtz, H.L.F. (1853): Ueber einige gesetze der vertheilung elektrischer stroeme in koerperlichen leitern mit anwendung auf die thierisch-elektrischen versuche, in: Annalen der Physik, Vol. 89, S. 211–233. Hubert, M./Kenning, P. (2008): A current overview of consumer neuroscience, in: Journal of Consumer Behaviour, Vol. 7, No. 4/5, S. 272–292. Huesing, B./Jäncke, L./Tag, B. (2006): Impact Assesment of Neuroimaging, Zürich. Kandel, E.R./James H./Schwartz, T./Jessell, M. (1996): Neurowissenschaften – eine Einführung, Heidelberg, Berlin, Oxford. Kenning, P./Plassmann, H./Deppe, M./Kugel, H./Schwindt, W. (2002): The discovery of cortical relief, in: Field of Research: Neuromarketing, Vol. 1, S. 1–26. Kenning P./Plassmann H. (2005): NeuroEconomics: An overview from an economic perspective, in: Brain Research Bulletin, Vol. 67, No. 5, S. 343–354. Kenning, P./Deppe, M./Kugel, H./Plassmann, H./Schwindt, W. (2007a): Neural Correlates of attractive ads, in: Focus Jahrbuch 2007, S. 139–149. Kenning P./Plassmann H./Ahlert D. (2007b): Applications of functional magnetic resonance imaging for market research, in: Qualitative Market Research, Vol. 10, No. 2, S. 135–152. Kim, S.G./Duong, T.Q. (2002): Mapping cortical columnar structures using fMRI, in: Physiology & Behavior, Vol. 77, No. 4, S. 641–644. Knoch, D./Pascual-Leone, A./Meyer, K./Treyer, V./Fehr, E. (2006): Diminishing Reciprocal Fairness by Disrupting the Right Prefrontal Cortex, in: Science, Vol. 314, No. 5800, S. 829–832. Knutson, B./Rick, S./Wimmer, G.E./Prelec, D./Loewenstein, G. (2007): Neural predictors of purchases, in: Neuron, Vol. 53, No. 1, S. 147–157. Knutson, B./Wimmer, G.E./Rick, S./Hollon, N.G./Prelec, D./Loewenstein, G. (2008): Neural antecedents of the endowment effect, in: Neuron, Vol. 58, No. 5, S. 814–822. Kosslyn, S.M. (1999): If neuroimaging is the answer, what is the question?, in: The Philosophical Transactions of the Royal Society of London, Vol. 354, No. 1387, S. 1283–1294. Kroeber-Riel, W. (1979): Activation research: Psychobiological Approaches in Consumer Research, in: Journal of Consumer Research, Vol. 5, No. 4, S. 240–251. Lee, N./Broderick A.J./Chamberlain L. (2007): What is ‘‘neuromarketing’’? A discussion and agenda for future research, in: International Journal of Psychophysiology, Vol. 63, No. 2, S. 199–204. Logothetis, N.K. (2008): What we can do and what we cannot do with fMRI, in: Nature, Vol. 453, No. 12, S. 869–878. Matthews, P.M./Jezzard, P. (2004): Functional magnetic resonance imaging, in: Journal of Neurology, Neurosurgery and Psychiatry, Vol. 75, No. 1, S. 6–12. Michel, C.M./Murray, M.M./Lanz, G./Gonzalez, S./Spinelli, L./Grave de Peralta, R. (2004): EEG source imaging, in: Clinical Neurophysiology, Vol. 115, No. 10, S. 2195–2222. 74 Dieter Ahlert/Marco Hubert Moonen Chrit T.W./Bandettini, P. A. (1999): Functional MRI, Heidelberg, Berlin. Ogawa, S./Lee, T.M./Stepnoski, R./Chei, W./Zhu, X.H./Ugurbil, K. (2000): An approach to probe some neural systems interaction by functional MRI at neural time scale down to milliseconds, in: PNAS − Proceedings of the National Academy of Sciences of the United States of America, Vol. 97, No. 20, S. 11026–11031. Plassmann, H./Kenning, P./Deppe, M./Kugel, H./Schwindt, W. (2008a): How choice ambiguity modulates activity in brain areas representing brand preference: evidence from consumer neuroscience, in: Journal of Consumer Behaviour, Vol. 7, No. 4/5, S. 360–367. Plassmann, H./O’Doherty, J./Shiv, B./Rangel, A. (2008b): Marketing actions can modulate neural representations of experienced pleasantness, in: PNAS − Proceedings of the National Academy of Sciences of the United States of America, Vol. 105, No. 3, S. 1050–1054. Rossiter, J.R./Silberstein, R.B./Harris, P.G./Nield, G. (2001): Brain-Imaging Detection of Visual Scene Encoding in Long-term Memory for TV-Commercials, in: Journal of Advertising Research, Vol. 41, No. 2, S. 13–22. Stoll, M./Baecke, S./Kenning, P. (2008): What they see is what they get? An fMRI-Study on neural correlates of attractive packaging, in: Journal of Consumer Behaviour, Vol. 7, No. 4/5, S. 342–359. Talairach, J./Tournoux, P. (1988): Co-Planar Stereotaxic Atlas of the Human Brain, New York. Toga, A. W./Mazziotta, J.C. (1996): Brain Mapping, The Methods, London. Walsh, V./Cowey, A. (2000): Transcranial magnetic stimulation and cognitive neuroscience, in: Nature Reviews Neuroscience, Vol. 1, No. 1, S. 73–79. Wassermann, E.M. (1998): Risk and safety of transcranial magnetic stimulation: report and suggested guidelines from the International Workshop on the Safety of Repetitive Transcranial Magnetic Stimulation, June 5–7, 1998, Electroencephalography and clinical Neurophysiology 108, S. 1–16. Zak, P.J. (2004): Neuroeconomics, in: The Philosophical Transactions of the Royal Society of London B, Vol. 359, No. 11, S. 1737–1749.

Chapter Preview

References

Zusammenfassung

Die Anwendung von Erkenntnissen aus der Hirnforschung für die Markenführung stellt ein relativ junges, interdisziplinäres und derzeit stark diskutiertes Forschungsfeld des Marketing dar. Im Rahmen dieses Forschungsgebietes nutzt das Neuromarketing neue technische Entwicklungen der apparativen Hirnforschung und untersucht die Wirkungen von Marketingstimuli auf neuronal-physiologischer Ebene. Das Hauptziel ist es, ein verbessertes Verständnis für das Verhalten von Konsumenten zu erlangen und dadurch im Rahmen der Markenführung eine höhere Effektivität und Effizienz zu erreichen.

Im Zentrum des Sammelbandes stehen Erkenntnisse aus der neuroökonomischen Forschung und Praxis für die Markenführung. Als Einstieg in die Thematik widmet sich das Buch zusätzlich den neuroökonomischen Grundlagen und unterschiedlichen Methoden der Neuroökonomie, die im Rahmen der Führung von Marken zum Einsatz kommen.

Schließlich gibt es einen Ausblick auf die zukünftigen Entwicklungen der Neuroökonomie in der Markenführung. Die zahlreichen im Buch enthaltenen Abbildungen und Anwendungsbeispiele tragen wesentlich zum Verständnis der behandelten Inhalte bei.

Der Sammelband enthält Beiträge von den renommiertesten Vertretern der Neuroökonomie in Bezug auf die Markenführung im deutschsprachigen Bereich.

- Wie wirkt die Marke auf das Konsumentenverhalten?

- Beiträge der renommiertesten Autoren in diesem Bereich

Prof. Dr. Manfred Bruhn ist Inhaber des Lehrstuhls für Marketing und Unternehmensführung an der Wirtschaftswissenschaftlichen Fakultät der Universität Basel und Honorarprofessor an der TU München.

Prof. Dr. Dr. h.c. Dr. h.c. Richard Köhler ist Emeritus am Seminar für Allgemeine BWL, Marketing und Marktforschung (Marketing-Seminar) der Universität zu Köln.

Für Markenmanager und Unternehmensberater, daneben Studierende und Dozenten des Markenmanagements an Hochschulen und weiterbildenden Institutionen.