Nöropazarlama Yaklaşımı ve Seo Evrimi

Nöropazarlama gelişmelerini dikkate almayan markalar arama motorlarında arka sayfalarda kaybolmaya mahkum! Peki nöropazarlama nedir? Dikkat etmemiz gerekenler nelerdir?

Nöropazarlama, tüketicilerin pazar davranışını anlamak amacıyla nöro bilimde kullanılan tekniklerin tüketicilere uygulanmasıdır. Nörobilim ve pazarlama disiplinlerinin işbirliği içinde çalışabileceği ilk kez, 1990’ların sonlarında Harvard Üniversitesi’nden Gerry Zaltman’ın fonksiyonel manyetik rezonans görüntüleme (fMRI) cihazını pazarlama araştırması aracı olarak kullanması ile gündeme gelmiştir. Nöropazarlama kavramı ise ilk kez 2002 yılında Ale Smidts tarafından kullanılmıştır. Günümüzde nöropazarlama uzmanlarından en etkili isim tartışmasız Martin Lindstrom olarak gösterilmektedir. Konuyu daha iyi kavramak isteyenler kesinlikle kitaplarını okumalıdır.

Nöropazarlamada kullanılan teknikler fiziksel tepkileri ölçmeye yöneliktir ve bu tekniklerin en önemli özelliği öznelliğe yer verilmemesidir. Bu araçlar; Manyetik Rezonans Görüntüleme (MRI) cihazı, Fonksiyonel Manyetik Rezonans Görüntüleme (fMRI) cihazı, Difüzyon Tensör Görüntüleme (DTI) cihazı, Pozitron Emisyon Tomografisi (PET) cihazı, Kızılötesi Spektroskopisi (NIRS) cihazı, Sabit Hal Tipografisi (SST) cihazı, Bilgisayarlı Tomografi (CT), Manyetoensefalografi (MEG) cihazı, Elektro Beyin Grafisi (EEG) cihazı, Transkraniyal Manyetik Uyarım (TMS) cihazı, Ses Perdesi Analizi (VPA) cihazları, galvanometre ve göz izleme araçlarıdır. Bunlar arasında, en çok kullanılan teknik fMRI’dır. fMRI yardımıyla deneklerin beyinlerinin belirli bölgelerinde kandaki oksijen oranına bağlı olarak meydana gelen hareketler tespit edilmektedir. Beynin satın alma faaliyeti ile ilgili bölgeleri aktifleştiğinde, bu bölgeler daha fazla miktardaki kanı kendisine çekmekte ve yaşanan gelişme saniyenin milyonda biri kadar kısa aralıklarla fMRI taramasında izlenebilmektedir. Sık kullanılan diğer teknikler; EEG, SST, Galvanik Deri Tepkisi ve Göz İzleme’dir. İnsan beynindeki ritmik dalgaları ölçmeye yarayan EEG tekniğinde, nöronlar arasındaki elektriksel dalgalanmalar ölçülmektedir. SST, beynin muhtelif alanları arasındaki elektrik potansiyelinin farklarını kaydeden bir cihazdır. Anlık tepki ölçme avantajı bulunan, beynin içindeki elektrik aktivitesini ölçen ve EEG’nin en ileri versiyonudur. SST, herhangi bir görsel uyarana bakan insanların beyin faaliyetlerini gerçek zamanlı olarak kaydetmek için ideal bir araçtır. Galvanometre, kişinin derisi üzerindeki elektrik direncini ölçmeyi hedeflemektedir. Örneğin, duygusal reaksiyonlarla beraber artan terleme, derideki elektrik direncinin arttığının ve bunun heyecanlanmaya neden olduğunun göstergesidir. Göz izleme tekniğinde; katılımcıların görsel uyaranın her bir elemanının neresine, ne zaman ve ne kadar süre baktığı; bu süre içerisinde göz bebeğinin büyüklüğünde yaşanan değişmeler incelenmektedir. Her aracın kendine göre üstünlükleri olması nedeniyle araştırmacıların bir araştırmada birden çok araçtan yararlanabildiğini belirtmek gerekir.

Nöropazarlama, insan beyninin aşağıda görülen noktalarını hedef almayı sağlar.

Nöropazarlama teknolojileri kullanımı, uzmanlık istemekle beraber geneli itibariyle maliyeti yüksek ve ağırlıkla önde gelen büyük şirketler kullanmaktadır. Örneğin, fMRI kullanımı yüksek maliyete sahiptir. Martin Lindstrom Buyology kitabındaki uygulamalar için 3 yılda 102 fMRI taraması yaptı. Maliyeti ise 7 milyon $. Maliyeti uygun olan bir yöntem olarak ise EEG kullanımını belirtebiliriz.

Burada önemini belirtmemiz gereken nokta; örnek çalışmaların etki ve sonuçlarının incelenmesidir. Bunlar da, bize karar alırken büyük ölçüde katkı sağlar. Yani keşfedilmiş unsurlar var! Bunlar üzerinden gidilebilecek hedefler de epeyce var!

Google ise nöropazarlamayı kullanarak geçerli ve ilgi çekici olabilecek içeriği bulmak amacıyla web sitelerini kcaglarşık bir şekilde (Semantic Web) indeksliyor ve bu süreci “Knowledge Graph” olarak adlandırmaktadır. Bu evrim, arama motoru optimizasyonu açısından büyük önem taşımaktadır. Aşağıda yer alan videodan konunun anlatımına ulaşabilirsiniz.

Kaynak: "Introducing the Knowledge Graph". youtube.com. (2012).