Сначала логотип, потом вещь: как взгляд выбирает одежду

Аннотация

Решая, покупать ли потребительский товар, люди учитывают и привлекательность вещи, и обозначение ее бренда. Бренды могут влиять на решение несколькими способами: напрямую поддерживать соответствующий товар или косвенно менять то, как человек оценивает и сравнивает варианты. Чтобы проверить эти возможности, авторы совместили вычислительное моделирование с айтрекингом: участники выбирали одежду в условиях с обозначениями брендов и без них. Выбор соответствовал привлекательности одежды и, в меньшей степени, привлекательности брендов. В пользу прямого механизма говорит то, что участники, дольше смотревшие на бренды, чаще выбирали варианты с предпочтительными брендами. Более привлекательная вещь увеличивала время взгляда на связанное с ней обозначение бренда, но обратного эффекта не обнаружено. При наличии обозначений брендов участники проявляли больше осторожности и несколько меньшую предвзятость внимания. Исследование показывает взаимосвязь взгляда и выбора при наличии информации о бренде: бренды влияют на выбор и прямо, и косвенно.

Введение

Обозначения брендов повсеместно встречаются в повседневной жизни — на товарах повседневного спроса (Lewis et al., 2016), в моде (Stokburger-Sauer and Teichmann, 2013), услугах (Brodie et al., 2009) и товарах длительного пользования (Brucks et al., 2000). Они играют важнейшую роль в потребительском выборе (Fournier, 1998; Keller, 2003; Anand and Shachar, 2004; Ataman et al., 2010; Avery and Keinan, 2016), и корпорации вкладывают в них значительные средства (Mottram, 1998; Rao et al., 2004; Murray, 2013). Бренды служат сигналом качества, которое иначе бывает трудно оценить (Wernerfelt, 1988; Kirmani and Rao, 2000). Кроме того, они обладают собственной ценностью: сообщают окружающим о достатке владельца (Bushman, 1993), вызывают чувство гордости (Bellezza and Keinan, 2014) и могут выражать ценности и убеждения культуры (Aaker et al., 2001). Брендинг явно играет важную роль на рынке. Но как именно он влияет на процесс принятия решения?

Бренды могут влиять на решения через несколько механизмов. Во-первых, бренд можно рассматривать как один из атрибутов товара. Тогда обозначение бренда оценивается отдельно от других атрибутов и дает дополнительные свидетельства в пользу соответствующего товара. Возможен и косвенный механизм: обозначение бренда перенаправляет внимание на другие атрибуты или иным образом меняет то, как человек оценивает и сравнивает варианты.

В пользу самостоятельного прямого эффекта обозначений брендов говорит модель капитала бренда Keller: при виде бренда у потребителя активируются связанные с ним ассоциации, хранящиеся в памяти (Keller, 1993; Schwarz, 2004; Keller and Lehmann, 2006). Знакомый бренд позволяет быстро и автоматически получить информацию, поскольку она легко извлекается из памяти. Оценка самого товара, напротив, часто идет медленнее и требует больше усилий: потребителю приходится целенаправленно формировать его ценность непосредственно в момент выбора (Castegnetti et al., 2021). Знакомые бренды также вызывают активность в нейронных сетях, связанных с эмоциями и вознаграждением (Esch et al., 2012), что поддерживает идею о том, что бренд дает прямые свидетельства в пользу соответствующего товара.

Доказательства того, что бренды также оказывают косвенное влияние на оценку продуктов, получены в исследованиях, в которых брендинг позволяет потребителям легко идентифицировать характеристики и преимущества продукта, что, в свою очередь, увеличивает вероятность покупки (Keller and Lehmann, 2006). Schmitt (2012) предполагает, что существует множество процессов, связанных с брендом, в том числе то, как бренды влияют на оценку продуктов. Например, круглые и угловые логотипы влияют на восприятие продукта, активируя ассоциации мягкости и твердости, например, комфорта и долговечности (Jiang et al., 2016). Другие характеристики бренда, такие как степень симметрии логотипа (Luffarelli et al., 2019) и ориентация (Zhong et al., 2018), связаны с ассоциациями бренда и продукта. Существует также «эффект ореола», когда лучший бренд заставляет потребителей более благосклонно оценивать сопутствующий продукт (Beckwith and Lehmann, 1975). Таким образом, обозначения брендов могут косвенно влиять на то, как потребители оценивают и сравнивают сами продукты.

Отслеживание взгляда — полезный инструмент для лучшего понимания того, как информация о бренде может повлиять на процесс выбора. Действительно, предыдущие работы показали, что движения глаз помогают нам понять выбор, связанный с брендингом (Payne, 1976; Payne et al., 1988; Lohse, 1997; Pieters and Wedel, 2004, 2007; Plassmann et al., 2012). Например, Pieters and Wedel (2007) изучали печатную рекламу и обнаружили, что один из наиболее эффективных способов гарантировать, что потребители переведут свое внимание на другие детали рекламы, — это сначала убедиться, что они обращают внимание на бренд, предполагая, что взгляд на бренд может повлиять на то, как мы оцениваем сам вариант.

Мы используем айтрекинг, чтобы изучить взаимозависимость обозначений брендов и предметов одежды при выборе. Предыдущие исследования показывают, что изучение более ценного параметра — например, более привлекательного бренда — может увеличить вероятность перехода к другим параметрам того же варианта, например к внешнему виду одежды (например, Fiedler and Glöckner, 2012). Если бренд служит сигналом, направляющим внимание на связанный с ним товар, привлекательность бренда должна положительно влиять на время взгляда на этот товар. Возможен и обратный эффект: привлекательная вещь может усилить внимание к обозначению бренда.

Поэтому мы проверяем следующие гипотезы:

H1: потребители будут больше смотреть на обозначение бренда, если она ассоциируется с более ценным продуктом, а также будут больше смотреть на продукт, если он ассоциируется с предпочитаемым брендом.

Кроме того, обозначения брендов могут быть включены в процесс принятия решений и другими способами. Например, наличие обозначений брендов может позволить потребителям быстрее принимать решения. Альтернативно, бренды могут облегчить сравнение продуктов, давая потребителям обозначения, к которым они могут мысленно сослаться. Это лишь некоторые из способов, с помощью которых бренды могли бы изменить процесс выбора.

Чтобы исследовать эти возможности, мы используем процессуальные модели когнитивной психологии, которые позволяют судить о ходе выбора по времени реакции (RT) и движениям глаз. В частности, применяется диффузионная модель принятия решений (DDM; Ratcliff, 1978; Ratcliff and Smith, 2004; Ratcliff and McKoon, 2008). DDM разлагает процесс решения на отдельные компоненты: исходные смещения, оценку вариантов, осторожность ответа и процессы, не связанные непосредственно с принятием решения. Изначально модель применяли в исследованиях восприятия и памяти, а позднее ее и родственные модели стали использовать для изучения выбора на основе предпочтений (например, Krajbich and Rangel, 2011; Dai and Busemeyer, 2014; Fisher, 2017; Smith and Krajbich, 2018; Amasino et al., 2019; Zhao et al., 2020).

Особенно важно то, что Philiastides and Ratcliff (2013) использовали DDM для изучения влияния бренда на потребительский выбор. Они обнаружили, что информация о брендах меняет оценку вариантов: более предпочтительные бренды приводят к более позитивным оценкам вариантов. Результаты этой работы показывают, что информация о бренде и привлекательность одежды интегрированы в единый источник данных в процессе выбора. Однако в этом исследовании не использовалось отслеживание взгляда, поэтому оно не смогло ответить на вопросы о том, как обозначения брендов могут изменить процесс выбора.

В недавних исследованиях вычислительные модели, включая DDM, объединили с айтрекингом, чтобы изучить связь взгляда с решениями, основанными на ценности (например, Fisher, 2017; Gluth et al., 2018; Amasino et al., 2019; Krajbich, 2019; Yang and Krajbich, 2022). В этих работах DDM расширили, включив взгляд во входные данные процесса оценки [attentional DDM (aDDM); Krajbich et al., 2010; multi-attribute aDDM (maDDM/maaDDM); Fisher, 2021; Yang and Krajbich, 2022]. Результаты показывают важную роль взгляда в выборе: он усиливает ценность информации, находящейся в фокусе. Иными словами, пока взгляд направлен на атрибут или вариант, его вес временно возрастает и снижается после переключения взгляда. Это напоминает постоянные повышенные веса более важных атрибутов в стандартных моделях полезности [например, weighted-additive decision rule (Keeney et al., 1993)]. Такая модель помогает понять, как присутствие обозначений бренда в качестве отдельного атрибута влияет на выбор. Обозначения брендов могут менять то, как человек рассматривает товары (Rramani et al., 2020), или давать дополнительные свидетельства в пользу связанных с ними товаров. Само присутствие обозначений брендов также может менять подход к задаче выбора — например, осторожность ответа, смещение внимания или время процессов, не связанных с принятием решения. С помощью моделей, учитывающих взгляд, мы дополнительно проверяем следующие гипотезы:

H2: выбор будет зависеть и от привлекательности товара, и от качества бренда. Иными словами, скорость дрейфа определяется как привлекательностью товара (rᵃ), так и качеством бренда (rᵇ), поэтому вес атрибута бренда ω должен быть больше нуля.

H3: чем больше внимания получает обозначение бренда, тем чаще выбирается вариант с предпочтительным брендом. Когда взгляд зафиксирован на обозначении бренда, свидетельства об атрибуте бренда должны накапливаться быстрее, чем свидетельства о привлекательности товара; следовательно, коэффициент дисконтирования внимания ϕ должен быть меньше единицы.

Наконец, в серии разведочных анализов мы проверяем, насколько присутствие обозначений брендов меняет смещение внимания на уровне вариантов, осторожность ответа и время процессов, не связанных с принятием решения.

Таким образом, мы используем айтрекинг и компьютерное моделирование, чтобы понять, как обозначения брендов влияют на выбор потребителей. Чтобы предварительно просмотреть результаты, мы обнаруживаем частичную поддержку H1: потребители дольше смотрят на обозначения брендов, которые сочетаются с привлекательными предметами одежды, но они не смотрят дольше на товары, сочетающиеся с лучшими брендами. Мы также находим поддержку для H2 и H3: скорость дрейфа зависит как от привлекательности товара, так и от качества бренда, а трата большего времени на просмотр брендов коррелирует с вероятностью выбора предпочтительного бренда. Однако вес, который люди придают брендам (примерно половина веса привлекательности товара), выше, чем можно было бы ожидать, основываясь только на моделях взглядов. Кроме того, преимущество выбора более долго фиксируемых предметов одежды незначительно снижается при наличии обозначений брендов. Наконец, когда присутствуют бренды, люди склонны проявлять большую осторожность в своем выборе. Эти результаты показывают, что влияние бренда проявляется не только в результатах выбора, но также в процессах внимания и других основных механизмах принятия решений.

Метод

Участники

В Университете Глазго, крупном государственном университете, набрали 31 участницу в возрасте от 18 до 24 лет. В исследование включали только женщин и подбирали стимулы для этой группы, чтобы смешение мужской и женской одежды не создавало взаимодействия с полом, а использование разных наборов стимулов для мужчин и женщин — различий визуальных свойств, способных повлиять на выбор. Исследование одобрил местный комитет по этике. Данные собирали в апреле–мае 2014 года.

Стимулы

Набор из 180 изображений предметов одежды от продавцов на центральных улицах (т. е. популярных розничных магазинов одежды) был получен из Интернета. Изображения были размещены на однородном сером фоне, а вся видимая информация о бренде (например, теги и этикетки) была удалена. Чтобы учесть индивидуальные предпочтения и сезонность, мы включили ряд товаров, не связанных с конкретным сезоном. Кроме того, из Интернета было получено 24 изображения логотипов модной одежды Великобритании. Мы намеренно избегали использования дорогих люксовых брендов, чтобы свести к минимуму неявные ассоциации с ценами во время задачи выбора. Перед экспериментом мы представили участникам коллаж из логотипов всех брендов, использованных в эксперименте, чтобы убедиться, что они знакомы с выбранными нами брендами (см. также ниже).

Парадигма эксперимента

Сначала участники давали оценки предпочтений каждому из 180 предметов одежды, используя шкалу от −3 (очень не нравится) до 3 (очень нравится) с шагом 1. Каждый предмет был представлен в центре экрана без информации о бренде вместе с ползунком рейтинга. Участники использовали клавиши со стрелками на клавиатуре, чтобы перемещать ползунок и выставлять рейтинг предпочтений. Впоследствии участникам было предложено ранжировать набор из 24 логотипов брендов на основе субъективных предпочтений (1 = наиболее предпочтительный, 24 = наименее предпочтительный). Безразличие не допускалось, когда участники оценивали логотипы брендов. В соответствии с этим ранжированием логотипы были разделены на группу более предпочтительного бренда (ранги 1–10) и группу менее предпочтительного бренда (ранги 15–24). Если участники были незнакомы с небольшим количеством брендов (<5), мы просили их поставить их в середину шкалы. Четыре логотипа в середине шкалы (11–14 места) были удалены, чтобы создать дистанцию ​​между более предпочтительными и менее предпочтительными брендами и удалить все незнакомые бренды. В рейтинговом задании не было ограничений по времени.

В ходе основного задания (рис. 1) мы просили участников сделать двоичный выбор между двумя вариантами. В пробах, посвященных представлению бренда (рис. 1А), предмет одежды более предпочтительной марки сравнивался с предметом менее предпочтительной марки. Сочетания товара и бренда определялись предпочтениями участников рейтингового задания. Для проб без бренда (рис. 1B) мы использовали версии оригинальных логотипов с фазовым шифрованием. Важно отметить, что мы использовали независимый набор предметов одежды в каждом из проб с присутствием и отсутствием бренда, чтобы участники не запоминали ассоциации между брендом и предметом в пробах с присутствием бренда и использовали их в пробах без бренда. Учитывая шкалу оценок предметов (от -3 до 3), разница в оценках между двумя предметами одежды может варьироваться от -6 до 6 (всего 13 условий разницы оценок). Вместо того, чтобы использовать все эти возможные условия, мы использовали только рейтинговые различия от -3 до 3, чтобы обеспечить достаточное количество проб для каждого условия и получить надежные поведенческие характеристики, согласно оценкам Philiastides and Ratcliff (2013). В частности, мы создали 350 уникальных пар (50 проб на разницу в рейтингах) для каждого типа проб с наличием и отсутствием меток; всего это 700 проб. В условии с брендами, после того как мы сгенерировали все возможные пары предметов одежды и брендов, мы разделили их на семь уровней рейтинговой разницы (т. е. от -3 до +3), а затем случайным образом выбрали 50 проб на каждый уровень. Два блока проб были сбалансированы между участниками. Положение элементов предпочтительной и менее предпочтительной марки на экране (слева или справа) также было рандомизировано.

Каждая проба начиналась с обязательной центральной фиксации длительностью 1 с. Участницы выбирали вещь левой или правой кнопкой мыши в соответствии с ее положением на экране. На выбор отводилось 5 с. Сразу после ответа предметы исчезали с экрана, затем следовал межстимульный интервал длительностью 1,2 с. Движения глаз регистрировали айтрекером EyeLink 1000 с частотой 1000 Гц. Основное задание занимало около 30 минут, а все исследование — менее часа.

Мы исключили трех участниц, выбор которых не соответствовал их собственному ранжированию брендов. Для каждой участницы построили логистическую регрессию выбора левого или правого варианта по разнице оценок одежды и позиций брендов в рейтинге между левым и правым вариантами. Положительный коэффициент позиции бренда означал, что участница, по-видимому, выбирала менее предпочтительный бренд; таких участниц исключили.

Подгонка модели

Прежде чем адаптировать модели диффузии, основанные на взгляде, к текущим данным, мы сначала адаптируем стандартную модель диффузии, используемую Philiastides and Ratcliff (2013), в качестве базовой модели для оценки возможных различий параметров между двумя наборами данных (см. Дополнительный анализ и Дополнительную таблицу 1). Мы использовали модели на основе взгляда: aDDM и maaDDM, упомянутые выше. И aDDM, и maaDDM являются расширениями DDM, которые моделируют связь между взглядом и выбором. DDM используется для разложения процесса принятия решения на различные компоненты обработки: скорость дрейфа представляет собой силу доказательства в пользу одного варианта по сравнению с другим. В нашем контексте это относится к тому, насколько человеку нравится вариант с предпочтительным брендом по сравнению с вариантом с менее предпочтительным брендом. Разделение границ отражает осторожность в ответе, т. е. то, сколько чистых доказательств необходимо накопить, прежде чем принять решение. Время процессов, не связанных с принятием решения (ndt), отражает другие перцептивные и двигательные процессы, которые не связаны с накоплением данных, но способствуют RT (например, кодированию стимула). Отправная точка представляет собой любую предвзятость, которая присутствовала до начала процесса принятия решения. В частности, в стандартном DDM есть два варианта выбора: вариант с более предпочтительной (Вариант 1) и менее предпочтительной (Вариант 2) меткой бренда. Каждый вариант имеет базовую субъективную ценность ri. Эти значения определяют скорость накопления доказательств для каждого варианта; чем выше значение, тем больше доказательств накапливается. В каждый момент времени участник отбирает часть доказательств для каждого варианта и определяет разницу между ними. Эти образцы распространяются si~N(ri,σ²). Эти чистые доказательства затем добавляются к совокупной сумме на данный момент времени. Это совокупное чистое свидетельство, которое мы называем относительной ценностью решения (Vt), развивается с течением времени, пока не достигнет заранее определенного порогового значения a или 0, что указывает на выбор в пользу более предпочтительного бренда (вариант 1) или менее предпочтительного бренда (вариант 2) соответственно. Разностное уравнение этого процесса можно записать следующим образом:

где d — свободный параметр, контролирующий скорость накопления доказательств (т. е. скорость дрейфа v), а ε — нормально распределенная случайная величина со средним значением 0 и дисперсией σ², где σ — фиксированная константа в этой статье (σ = 1).

При использовании aDDM мы дополнительно предполагаем, что скорость дрейфа зависит от того, куда смотрит участник. В частности, мы предполагаем, что скорость накопления доказательств для варианта выбора, на котором не зафиксирован взгляд, дисконтируется с коэффициентом θ (это математически эквивалентно увеличению веса варианта выбора, на котором зафиксирован взгляд). Итак, когда участник смотрит на Вариант 1, мы имеем:

а когда участник смотрит на Вариант 2, мы имеем:

Теперь, чтобы расширить aDDM до выбора нескольких атрибутов, мы позволяем ri быть вектором, где каждый элемент rij представляет субъективное значение варианта i для атрибута j. В этом контексте мы позволяем ra быть рейтингом предмета одежды, а rb — рейтингом бренда. Как и раньше, мы предполагаем, что скорость накопления доказательств для варианта выбора, на котором не зафиксирован взгляд, дисконтируется с коэффициентом θ. Теперь мы также предполагаем, что скорость накопления доказательств для нефиксированного атрибута дисконтируется с коэффициентом ϕ. Так, например, если участник смотрит на предмет одежды Варианта 1, мы имеем:

Обратите внимание, что в этом случае существует четыре возможных скорости дрейфа, в зависимости от варианта, на котором зафиксирован взгляд и атрибута.

Чтобы учесть веса атрибутов, не связанные с направлением взгляда, в модель добавлен параметр ω. Предполагается, что ω — вес обозначения бренда, а 1−ω — вес предмета одежды. Этот вес не зависит от места фиксации взгляда. Поэтому, когда участник смотрит на предмет одежды варианта 1, скорость дрейфа равна:

а если посмотреть на обозначение бренда Варианта 1, то скорость дрейфа составит:

В этой версии модели нефиксированный вариант нефиксированного атрибута получает коэффициент дисконтирования θϕ (Yang and Krajbich, 2022). Для обеспечения устойчивости мы оцениваем версию модели, в которой этот параметр дисконтирования является свободным параметром γ. Чтобы оценить модель, мы аппроксимируем динамическую скорость многоступенчатого дрейфа с одной постоянной скоростью дрейфа, используя значения атрибутов, взвешенных по взгляду (см. Дополнительные методы). Это приближение облегчает подбор модели, мало влияет на восстановление параметров (Smith et al., 2019; Yang and Krajbich, 2022) и использовалось в ряде других исследований (Cavanagh et al., 2014; Smith and Krajbich, 2019; Westbrook et al., 2020; Thomas et al., 2021).

RT в пробе i соответствует распределению времени первого прохождения Винера.

где a — расстояние между границами, ndt — время процессов, не связанных с принятием решения, z — смещение начальной точки, а v — скорость дрейфа. Мы фиксируем z на уровне 0,5a во всех моделях, предполагая отсутствие смещения начальной точки в сторону варианта более предпочтительной или менее предпочтительной марки. Мы применили это упрощающее предположение после того, как не обнаружили смещения начальной точки в стандартной DDM (Philiastides and Ratcliff, 2013; см. Supplementary Table 1). Остальные параметры оценивались свободно.

Поскольку гипотезы 2–3 и исследовательский анализ, представленный ранее, связаны с описанной выше моделью, сформулируем эти гипотезы на основе параметров модели:

H2: выбор будет зависеть и от привлекательности товара, и от качества бренда. Иными словами, скорость дрейфа определяется как привлекательностью товара (rᵃ), так и качеством бренда (rᵇ), поэтому вес атрибута бренда ω должен быть больше нуля.

H3: чем больше внимания получает обозначение бренда, тем чаще выбирается вариант с предпочтительным брендом. Когда взгляд зафиксирован на обозначении бренда, свидетельства об атрибуте бренда должны накапливаться быстрее, чем свидетельства о привлекательности товара; следовательно, коэффициент дисконтирования внимания ϕ должен быть меньше единицы.

Разведочный анализ: коэффициент дисконтирования внимания на уровне вариантов (θ), осторожность реакции (a) или время процессов, не связанных с принятием решения (ndt) различаются при наличии и отсутствии брендов.

Результаты

Базовое поведение при выборе

Прежде чем проверять наши гипотезы, мы провели две стандартные проверки DDM: выбор участников соответствовал рейтингам товаров и рейтингам брендов (рис. 2А; дополнительный анализ 3), а RT участников снижался с увеличением силы предпочтений (рис. 3А; дополнительный анализ 3).

Кроме того, сочетание с предпочтительным брендом в среднем повышало вероятность выбора на 12,8% [парный t-критерий: t(27) = 7,32, p = 10⁻⁸, d Коэна = 1,38; рисунок 2B]. Неконгруэнтные пробы, где предпочтительный предмет одежды сочетался с наименее предпочтительным брендом, выполнялись значительно медленнее конгруэнтных проб, где предпочтительный предмет сочетался с предпочтительным брендом [парный t-критерий: t(27) = 4,03, p = 10⁻⁴, d Коэна = 0,76]. Средняя разница составила 95 мс (рисунок 3B).

Основные свойства взгляда

Сначала мы рассмотрели, как распределяется общее время фиксации между предметами одежды и обозначениями бренда в условии с брендами. В условии без брендов у участников было среднее значение 2,82 фиксации (SD = 1,07), тогда как в условии с брендами у них было среднее значение 3,13 фиксации (SD = 1,41).

По общей продолжительности фиксаций на бренды пришлось 6% (SD = 41%); по числу отдельных фиксаций доля брендов также составила 6% (SD = 41%). После исключения проб, в которых участники не посмотрели ни на один бренд, на бренды пришлось 24% (SD = 16%) общей продолжительности фиксаций и 33% (SD = 12%) их числа. Оба показателя были почти одинаковыми в конгруэнтных и неконгруэнтных пробах (рисунок 4B). В целом присутствие или отсутствие брендов почти не меняло продолжительность фиксаций на одежде.

Чтобы проверить нашу первую гипотезу (H1), мы исследовали, влияет ли привлекательность брендов на распределение взглядов на предметы одежды или, наоборот, влияет ли привлекательность предметов одежды на распределение взглядов на бренды. Если бренды действуют как сигналы, привлекающие внимание к их продуктам, мы должны наблюдать положительный эффект привлекательности бренда на времени взгляда на соответствующий товар. Мы не обнаружили такого эффекта в наших данных, основанных на регрессии со смешанными эффектами log(доли времени фиксации) для предмета одежды как функции рейтинга соответствующего бренда (β = 0,00095, p = 0,75; рисунок 4B). Мы обнаружили противоположный эффект. Используя аналогичную регрессию со смешанными эффектами, мы обнаружили положительное влияние рейтинга одежды на log(доли времени фиксации) для соответствующего бренда (β = 0,007, p = 0,0002; рисунок 4A). Подводя итог, мы обнаружили, что отношение участников к брендам зависело от стоимости предметов одежды, а не наоборот.

Результаты подбора модели

Как отмечено в разделе «Метод», мы сначала подгоняем стандартный DDM, используемый Philiastides and Ratcliff (2013), чтобы изучить потенциальные различия между их набором данных и нашим (см. «Дополнительный анализ»). Короче говоря, мы не обнаружили смещения отправной точки в сторону варианта более или менее предпочтительного бренда [Бренд отсутствует: t(27) = -0,81, p = 0,42, d Коэна = 0,15; Присутствие бренда: t(27) = -1,01, p = 0,32, d Коэна = 0,19]. Мы также не обнаружили различий во времени отсутствия решения между условиями присутствия и отсутствия бренда [t(27) = -1,69, p = 0,10, d Коэна = 0,32]. Тем не менее, мы обнаружили, что разделение границ было значительным, хотя и лишь немного выше в условии с брендами, чем в условии без брендов [t(27) = 3,30, p = 0,003, d Коэна = 0,62].

Для моделей, основанных на взгляде, мы подгоняем aDDM к условию отсутствия бренда, а maaDDM к условию присутствия бренда (оценки параметров на уровне группы см. в таблице 1). Затем мы сравнили параметры модели в условиях отсутствия и присутствия бренда, чтобы проверить оставшиеся гипотезы.

Для проверки второй гипотезы (H2) мы рассмотрели параметр ω в maaDDM. Он отражает вклад брендов в скорость дрейфа. Мы ожидали, что ω > 0. Оценка ω составила 0,31, что указывает на значимый вес рейтинга бренда в этих решениях. При этом привлекательность товара и качество бренда влияли на скорость дрейфа неодинаково: средний вес бренда (ω = 0,31) был чуть меньше половины веса оценки одежды.

Для проверки третьей гипотезы (H3) мы рассмотрели параметр ϕ в maaDDM. Он задает степень дисконтирования информации об атрибуте, на который не направлен взгляд. Мы ожидали, что ϕ < 1. Оценка ϕ составила 0,58, что указывает на существенное дисконтирование на уровне атрибута: вес нефиксируемого атрибута был немного больше половины веса фиксируемого.

Мы дополнительно исследовали прогноз maaDDM на уровне атрибутов, который заключается в том, что потребители с большей вероятностью выберут вариант с лучшим брендом, чем больше времени они потратят на просмотр брендов. Здесь мы провели логистическую регрессию со смешанными эффектами для варианта 1 как функцию абсолютной разницы в ценности обозначения бренда, разницы в стоимости предмета одежды (относительно ценности обозначения бренда, т. е. положительной, когда она соответствует обозначению бренда) и доли взгляда на обозначениях бренда. Коэффициент доли взгляда был положительным (β = 0,079, p = 0,0096; рисунок 5А). Прогноз на уровне атрибутов предполагает, что увеличение доли взглядов на бренд на 100% связано с увеличением примерно на 8,2% шансов выбора варианта предпочтительного бренда.

MaaDDM точно уловил размер этого эффекта у участников (дополнительный рисунок 2). Более того, мы обнаружили, что участники, которые в целом потратили больше времени на бренды, с большей вероятностью выбирали товар с лучшей маркой (доля выбора более предпочтительного бренда как функция доли взгляда на бренды (с использованием всех проб): [r(28) = 0,43, p = 0,03; рисунок 5B).

В серии разведочных анализов мы рассмотрели другие параметры aDDM и maaDDM. В частности, мы исследовали разделение границ a, время процессов, не связанных с принятием решения (ndt), множитель скорости дрейфа d и коэффициент дисконтирования взгляда на уровне варианта θ (рис. 6).

Наиболее заметно различался параметр разделения границ a: без брендов он был значимо ниже [t(27) = −4,81, p = 10⁻⁵, d Коэна = 0,92; рисунок 6A]. Это согласуется с оценкой разделения границ в стандартной DDM (дополнительная таблица 1). Параметр дисконтирования внимания на уровне варианта θ без брендов был предельно значимо ниже [t(27) = −1,12, p = 0,055, d Коэна = 0,31; рисунок 6C]. Время процессов, не связанных с принятием решения (ndt), значимо не различалось между условиями [t(27) = 0,68, p = 0,49, d Коэна = 0,13; рисунок 6D].

Множитель скорости дрейфа d также был значимо меньше без брендов [t(27) = −3,72, p = 10⁻⁴, d Коэна = 0,71; рисунок 6B]. Однако этот результат трудно интерпретировать, поскольку скорость дрейфа равна произведению d и оценок, взвешенных с учетом взгляда, а сами эти оценки различаются между условиями. Чтобы лучше понять, различались ли величины скорости дрейфа, мы обратились к стандартной DDM (дополнительная таблица 1), где отдельная скорость оценивается для каждого уровня разницы оценок одежды. Как и у Philiastides and Ratcliff (2013), скорости дрейфа сильнее различались между уровнями разницы оценок в пробах без брендов, чем в пробах с брендами. Поэтому различие d само по себе не означает ожидаемого различия скоростей дрейфа: в двух условиях они являются функциями разных переменных.

Затем мы проверили, связаны ли различия параметров с поведенческими показателями. Первый вопрос состоял в том, требовалось ли больше времени для решения участникам, которые в условии с обозначениями брендов дольше смотрели на них, то есть было ли у них больше разделение границ. Поскольку параметр a сильно коррелировал между условиями, как и другие параметры (рисунки 7A–D), мы рассмотрели изменение a (условие с брендами минус условие без брендов) в зависимости от средней доли времени взгляда на бренд у разных участников. Изменение a и средняя доля взгляда на бренд сильно коррелировали [Пирсон/Спирмен: r(28) = 0,77/0,65, p = 10⁻⁶/10⁻⁴; рисунок 8A; дополнительная таблица 2]. Возможная проблема этого анализа состояла в том, что во многих пробах участники вообще не смотрели ни на один бренд (M = 23% проб на участника, SD = 27%). Для проверки устойчивости мы исключили такие пробы и заново рассчитали для каждого участника среднюю долю взгляда на бренд по оставшимся пробам. Этот показатель внимания к бренду по-прежнему сильно коррелировал с различиями a [Пирсон/Спирмен: r(28) = 0,76/0,68, p = 10⁻⁶/10⁻³; рисунок 8B; дополнительная таблица 2]. Следовательно, участникам, которые сильнее учитывали бренды при выборе в условии с обозначениями брендов, требовалось больше свидетельств для решения в этих пробах: они действовали осторожнее.

Интересно, что мы также обнаружили, что время фиксации на брендах положительно коррелирует с разницей в θ при переходе от состояния отсутствия бренда к состоянию присутствия бренда [с использованием всех проб: Пирсон/Спирмен, r(28) = 0,32/0,32, p = 0,04/0,09; с использованием частичных проб: Пирсон/Спирмен, r(28) = 0,38/0,33, p = 0,05/0,09; Дополнительная таблица 2]. Другими словами, на участников, которые уделяли больше внимания брендам, распределение взглядов на уровне вариантов также меньше влияло на результаты их выбора.

Второй ключевой вопрос заключается в том, имели ли участники, которые позволяли себе больше времени (т. е. более широкие границы) при наличии брендов, более склонны к предвзятости в выборе бренда. Мы ответили на этот вопрос, рассчитав вероятность того, что каждый участник выберет предмет одежды в сочетании с предпочитаемой маркой. Мы обнаружили, что эта вероятность незначительно коррелирует с увеличением разделения границ от состояния отсутствия бренда до состояния присутствия бренда [Пирсон/Спирмен: r(28) = 0,31/0,17, p = 0,08/0,25; Дополнительная таблица 2], предоставляющая некоторые доказательства того, что люди с более широкими границами выбирали больше в соответствии с брендами.

Мы также наблюдали значительную корреляцию между выбором товара с предпочтительной маркой и увеличением θ от состояния отсутствия бренда до состояния присутствия бренда [Пирсон/Спирмен r(28) = 0,42/0,41, p = 0,028/0,034; Дополнительная таблица 2]. В соответствии с приведенным выше результатом взгляда, на участников, на чей выбор больше влияли бренды, также меньше влияло распределение взглядов на уровне вариантов.

В совокупности эти результаты показывают, что при наличии информации о бренде участники, которые уделяли брендам больше внимания и, таким образом, делали выбор, более соответствующий брендам, меньше подвергались влиянию распределения взглядов на уровне вариантов при своем выборе и, возможно, больше расширяли свои границы.

Корреляция между различиями параметров

Основываясь на этих результатах, мы задались вопросом, связаны ли эффекты дисконтирования с корректировками границ. Другими словами, мы исследовали, были ли участники с более значительными корректировками границ также с более значительными изменениями в дисконтировании внимания на уровне вариантов. Мы обнаружили значимую корреляцию между различиями (присутствует – отсутствует) и различиями θ (присутствует – отсутствует) [Пирсон/Спирмен r(28) = 0,37/0,50, p = 0,06/0,008; Дополнительная таблица 2], подразумевая, что большее увеличение границ соответствует меньшему влиянию распределения взглядов на уровне вариантов.

Связь между взглядом и выбором

Наконец, рассмотрим к ключевым предсказаниям ДДМ внимания. Базовая модель aDDM делает два ключевых предсказания о взаимосвязи между взглядом и выбором. Первый прогноз заключается в том, что люди будут склонны выбирать тот вариант, на который они смотрят последним, за исключением случаев, когда последний вариант существенно хуже альтернативы. Обращаясь к данным, мы видим, что это предсказание подтвердилось как в условии без брендов, так и в условии с брендами. С учетом разницы в рейтингах одежды участники с большей вероятностью выбирали тот вариант, на который смотрели в последний раз (рис. 9А, Б). Когда два изображения одежды нравились одинаково, участники выбирали вариант, который видели последним, в 71,9/72,0% случаев, когда бренды отсутствовали/присутствовали, что соответствует предыдущей работе (Krajbich, 2019).

Второе предсказание aDDM состоит в том, что люди склонны выбирать вариант, на который дольше смотрят в ходе принятия решения. Для проверки мы построили логистическую регрессию со смешанными эффектами: вероятность выбора варианта 1 моделировалась через разницу ценности предметов одежды и разницу времени фиксации между вариантами 1 и 2. При наличии брендов различия времени фиксации на одежде и брендах учитывались отдельно. Данные вновь подтвердили предсказание: относительное время фиксации было значимо связано с вероятностью выбора в обоих условиях [без брендов: β = 1,35, p < 10⁻¹⁶; с брендами: β(одежда) = 1,22, p < 10⁻¹⁶; β(бренд) = 0,29, p = 10⁻¹⁶; рисунки 9C, D].

Обратите внимание, что maaDDM подходит немного хуже, если учитывать только обозначения брендов (рис. 9D). Вероятно, это связано с тем, что взгляд в основном был направлен на предметы одежды, что приводило к высокой вариативности в распределениях времени фиксации бренда. Учитывая все фиксации, aDDM и maaDDM точно отражают силу взаимосвязи между временем фиксации и выбором между субъектами (дополнительный рисунок 1).

Обсуждение

В этом исследовании мы сравнили выбор одежды потребителями при наличии и отсутствии обозначений брендов. Полученные данные показывают, что бренды оказывают и прямое, и косвенное влияние на выбор соответствующих товаров. Явное внимание — направление взгляда — на обозначения брендов коррелировало с тем весом, который потребители придавали брендам при выборе. Это позволяет предположить, что обозначения брендов оценивались отдельно от предметов одежды и напрямую поддерживали выбор. Кроме того, взгляд на обозначение бренда отчасти зависел от ценности соответствующего предмета одежды, но обратной зависимости обнаружено не было; следовательно, обозначения брендов могли также косвенно влиять на выбор через перераспределение внимания. Хотя участники смотрели на бренды меньше, чем на товары, бренды все же заметно влияли на выбор. Эти результаты согласуются с предыдущими исследованиями роли внимания в многоатрибутном выборе (например, Payne, 1976; Payne et al., 1978, 1988; Reutskaja et al., 2011; Fiedler and Glöckner, 2012; Diederich and Oswald, 2014; Fisher, 2017, 2021; Reeck et al., 2017; Amasino et al., 2019; Glickman et al., 2019; Rramani et al., 2020).

Наш результат, связанный с первой гипотезой, показывает, что предпочтительный бренд не обязательно заставляет потребителей уделять больше внимания соответствующему предмету одежды. Этот вывод отличается от типичного эффекта ореола, когда более предпочтительный бренд имеет тенденцию повышать оценку менее предпочтительного продукта. Однако здесь мы измеряем взгляд, а не предпочтения. Вполне возможно, что хорошие бренды увеличили ценность своих соответствующих товаров, но без перенаправления взгляда.

Для моделирования процесса принятия решений в этом исследовании мы использовали модели последовательной выборки, в частности модель диффузии дрейфа внимания (aDDM; Krajbich et al., 2010) и ее многоатрибутные обобщения (maDDM; Fisher, 2021; maaDDM; Yang and Krajbich, 2022). В отличие от более ранней работы с этой парадигмой (Philiastides and Ratcliff, 2013), в которой не было обнаружено различий в границах, здесь мы обнаружили, что участники проявляли немного большую осторожность (т. е. имели более широкие границы), когда присутствовали обозначения брендов. Учитывая блокированный дизайн, у участников было много возможностей регулировать свои границы. Обратите внимание, что в предыдущем исследовании участники могли просматривать варианты только в течение максимум 1750 мс (а средние значения RT находились в диапазоне 650–750 мс), но в текущем исследовании им было разрешено больше времени (до 5 с). Это говорит о том, что в условиях нехватки времени эффекты брендинга с большей вероятностью проявятся в скорости дрейфа, в то время как при большем времени на решение могут проявиться другие эффекты, такие как изменения в разделении границ. Эти дополнительные изменения в разделении границ могут затем привести к другим эффектам внимания, которые мы наблюдали в настоящем исследовании. Например, дисконтирование информации о варианте, на который не направлен взгляд, было немного выше, когда обозначения брендов отсутствовали, чем когда они присутствовали. Эти результаты обсуждаются более подробно ниже.

Результаты показывают, что при выборе потребители придают обозначениям брендов больший вес, чем можно было бы ожидать по продолжительности взгляда на них. После учета внимания подгонка модели взгляда дает брендам около 30% веса, а товарам — около 70%; при этом по общей продолжительности фиксаций на бренды приходится лишь около 6% внимания. Возможно, информация о бренде обрабатывается эффективнее или автоматичнее, чем привлекательность товара, благодаря устойчивым ассоциациям со знакомыми брендами. Возможна и другая причина: о бренде легче размышлять, глядя на сам товар. Обработка информации о товаре может требовать времени, тогда как информацию о бренде легко извлечь из памяти, поэтому для нее не нужна долгая фиксация взгляда. Известно, что более высокая доступность бренда в памяти усиливает его влияние на поведение (Hoyer and Brown, 1990), а более доступные в памяти потребительские товары чаще выбирают при одинаковой привлекательности (Gwinn and Krajbich, 2020). В будущих исследованиях доступность бренда можно измерять и включать в формулу скорости дрейфа. Например, многоатрибутная DDM с зависимостью от времени (mtDDM; Maier et al., 2020; Sullivan and Huettel, 2021) позволит проверить, как доступность бренда влияет на задержку включения этого атрибута в скорость дрейфа. Текущие результаты предполагают, что компаниям и учреждениям полезно уделять внимание дизайну и узнаваемости бренда, чтобы формировать прочные ассоциации (Philiastides and Ratcliff, 2013). Однако привлекательность одежды влияла на внимание к бренду, а обратного эффекта не было: компаниям не следует недооценивать роль привлекательности товара в восприятии бренда.

Еще один интересный вывод заключается в том, что дисконтирование информации о вариантах, по-видимому, уменьшается, когда имеется больше информации, то есть когда присутствуют бренды. Интуитивно можно было бы подумать, что, когда на экране больше информации, внимание будет более разделенным, и поэтому дисконтирование внимания ухудшится, а не улучшится. Одно из возможных объяснений этого эффекта состоит в том, что легче оценивать два бренда одновременно, чем два предмета одежды одновременно. В maaDDM θ соответствует коэффициенту дисконтирования для другого варианта в том же атрибуте. Таким образом, θ в maaDDM отражает средний коэффициент дисконтирования на уровне варианта по двум атрибутам. Если будет проще оценивать два бренда параллельно, это будет означать более высокий θ для брендов и, следовательно, более высокий θ в целом. Мы нашли некоторые доказательства этой возможности: участники, которые проводили больше времени, глядя на бренды, демонстрировали большее увеличение θ от условий отсутствия бренда до условий присутствия бренда. Другое возможное объяснение этого эффекта заключается в том, что участники проявляли большую осторожность при реакции на бренды. Возможно, люди расширяют сферу своего внимания, уделяя больше времени оценке вариантов. Мы также нашли некоторые доказательства этого, поскольку участники с большим увеличением границ также демонстрировали большее увеличение θ от условий отсутствия бренда до условий присутствия бренда.

Связи, которые мы выявили между разделением границ и вниманием к брендам, предполагают возможность того, что поощрение потребителей тратить больше времени на свой выбор может увеличить (а не уменьшить) их зависимость от брендов. Это контринтуитивное предсказание, если полагаться на обозначения брендов как на эвристику, позволяющую избежать тщательной оценки самих предметов одежды. Альтернативно, также возможно, что потребители изначально намереваются интегрировать информацию по всем атрибутам, но когда дело доходит до более сложных решений, они могут уделять больше внимания брендам. Эти возможности следует изучить более подробно в будущих исследованиях.

Наши результаты показывают, что брендинг, вероятно, влияет на процесс принятия решений на нескольких уровнях. Показано, что субъективные оценки вариантов решения представлены в вентромедиальной префронтальной коре (vmPFC), орбитофронтональной коре (OFC), стриатуме и задней поясной извилине (Bartra et al., 2013; Clithero and Rangel, 2014). Также было показано, что эти регионы отражают скорость накопления свидетельств в DDM (Basten et al., 2010; Philiastides et al., 2010; Hare et al., 2011; Gluth et al., 2012; Rodriguez et al., 2015). Таким образом, вполне вероятно, что ассоциации с брендом сочетаются с суждениями о привлекательности одежды в этой сети вознаграждений, чтобы стимулировать накопление доказательств. В то же время было показано, что фактическое накопление доказательств происходит в более дорсальных, латеральных и задних областях ПФК, а также в теменной коре (Philiastides et al., 2010; Rodriguez et al., 2015; Pisauro et al., 2017). Таким образом, дополнительное влияние брендинга на разделение границ (т. е. осторожность реагирования) и предвзятость внимания может указывать на то, что бренды оказывают прямое влияние на активность в этих регионах-аккумуляторах (Arabadzhiyska et al., 2021).

Хотя соответствие между взглядом и весом брендов не является строго однозначным, данные отслеживания глаз все же предоставляют полезный показатель для прогнозирования того, насколько информация о бренде повлияет на конкретного человека при его выборе. Это согласуется с исследованиями, которые показали, что движения глаз потребителей могут отражать их внимание и в дальнейшем приводят к формированию представлений о привлекательности бренда (Pieters and Warlop, 1999). Например, Mandel et al. (2018) обнаружили, что участники дольше смотрели на брендовые товары по сравнению с небрендовыми, хотя вероятность покупки продукта не менялась в зависимости от присутствия/отсутствия брендов. Другое направление исследований связано с вниманием к запоминаемости бренда (Peters and Bijmolt, 1997; Rosbergen et al., 1997; Wedel and Pieters, 2000). Например, Wedel and Pieters (2000) смоделировали фиксацию взгляда на рекламе и ее влияние на последующую память о брендах. Они предположили, что фиксация на бренде способствует точному запоминанию бренда. Эта работа описывает обработку информации при ее сохранении в памяти о бренде. Будущие исследования должны учитывать силу памяти бренда в процессе принятия решений.

В поведенческой экономике явное внимание признается важнейшей частью процесса выбора в разных контекстах: при индивидуальных решениях в условиях неопределенности (Arieli et al., 2011; Glöckner and Herbold, 2011; Sheng et al., 2020), потребительском выборе (Armel et al., 2008; Reutskaja et al., 2011), межвременном выборе (Amasino et al., 2019), социальных предпочтениях (Fiedler et al., 2013; Teoh et al., 2020), стратегических решениях (Hristova and Grinberg, 2005; Wang et al., 2010; Polonio et al., 2015; Chen and Krajbich, 2017; Hausfeld et al., 2021) и финансовых решениях с учетом знакомости (Chew et al., 2008; Hüsser and Wirth, 2014). В соответствии с этими работами наше исследование показывает важную роль визуального внимания в формировании выбора. В частности, мы показываем, как явное внимание раскрывает динамику многоатрибутного потребительского выбора. Однако по сравнению со многими перечисленными исследованиями наша работа ограничена гипотетическим характером задачи. В идеале участники должны были бы делать реальный выбор, но тогда мы не смогли бы независимо варьировать привлекательность одежды и бренд.

Предыдущие исследования, посвященные потребительскому выбору, изучали индивидуальное влияние брендинга и характеристик продукта на готовность потребителей платить за энергетические напитки (Lewis et al., 2016). Кроме того, в других исследованиях изучалось влияние размещения и позиционирования бренда на выбор потребителей с помощью отслеживания взгляда (например, Husić-Mehmedović et al., 2017). Тем не менее, наше исследование вносит уникальный вклад в литературу, исследуя отдельное (и интерактивное) влияние брендинга и характеристик продукта на потребительский выбор.

В заключение, отслеживание взгляда и компьютерное моделирование дают полезную информацию о том, как потребители интегрируют привлекательность товара и информацию о бренде в свой выбор. Потребители обращают внимание на обе части информации, но, как правило, больше внимания уделяют привлекательности товара, чем качеству бренда. Из-за ограниченной способности внимания эти модели внимания (примерно) соответствуют поведенческому весу, который они придают этим факторам в своих решениях.

Заявление о доступности данных

Исходные данные, подтверждающие выводы этой статьи, будут предоставлены авторами без неоправданных оговорок.

Заявление об этике

Исследования с участием людей были одобрены Комитетом по этике Университета Глазго. Исследования проводились в соответствии с местным законодательством и институциональными требованиями. Участники предоставили письменное информированное согласие на участие в этом исследовании.

Вклад авторов

ИК: Концептуализация, Исследование, Методология, Надзор, Написание – первоначальный проект. XY: Исследование, методология, программное обеспечение, написание – первоначальный проект. CR: Концептуализация, методология, написание – обзор и редактирование. РР: Концептуализация, исследование, методология, написание – обзор и редактирование. МП: Концептуализация, Исследование, Методология, Управление проектом, Надзор, Написание – первоначальный проект.

Финансирование

Автор(ы) заявляют, что на исследование, авторство и/или публикацию данной статьи была получена финансовая поддержка. IK с благодарностью признает финансовую поддержку от гранта Национального научного фонда № 2148982 и от Cattell Sabbatical Foundation. RR с благодарностью благодарит Национальные институты здравоохранения за финансовую поддержку R01-AG057841 и R01-AG041176. MP с благодарностью благодарит Европейский исследовательский совет (865003; MP) и Исследовательский совет по биотехнологиям и биологическим наукам (BB/J015393/2; MP).

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Автор(ы) MP и CR заявили, что на момент подачи заявки они были членами редакционной коллегии Frontiers. Это не оказало никакого влияния на процесс экспертной оценки и окончательное решение.

Примечание издателя

Все утверждения, высказанные в этой статье, принадлежат исключительно авторам и не обязательно отражают позицию организаций, с которыми они связаны, а также издателя, редакторов и рецензентов. Издатель не гарантирует и не одобряет ни один товар, который может оцениваться в статье, ни заявления его производителя.

Дополнительный материал

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/frbhe.2023.1274815/full#supplementary-material.