Afgelopen zomer wonnen Ale Smidts en Maarten Boksem de MOAward voor Insights Scientist van het jaar met een publicatie over neuromarketing (‘Neuromarketing – wat is het en wat kunnen we ermee’). Daarin beschrijven ze de resultaten van een aantal onderzoeken, waarin ze machine learning-technieken hebben gecombineerd met neuro-imaging-methoden. We spraken met Maarten Boksem. ‘Neuromarketing gaat niet verder in verleiding dan andere vormen van marketing.’
Aanvankelijk geloofde psycholoog en cognitief neurowetenschapper Maarten Boksem niets van neuromarketing. ‘Ik werkte als postdoc aan Tilburg University,’ vertelt hij via Zoom. ‘De professor met wie ik destijds werkte, werd hoogleraar Gedrags- en Bedrijfsethiek aan de Rotterdam School of Management van de Erasmus Universiteit en ik verhuisde met hem mee.’
In Rotterdam kwam Boksem in contact met Ale Smidts, die al langer aan de Erasmus was verbonden als hoogleraar Marketingonderzoek en zich had toegelegd op neuromarketing. ‘Ale probeerde mijn aanvankelijke scepsis weg te nemen. We zijn samen proeven op de som gaan nemen, en hebben elkaar ergens in het midden gevonden in ons enthousiasme over de mogelijkheden en onmogelijkheden van neuromarketing.’
Hun samenwerking heeft inmiddels tot de nodige toonaangevende vakpublicaties geleid.
‘Met neuroforecasting probeer je op basis van breininformatie te voorspellen wat de markt gaat doen’
Krijgen onderzoekers en marketeers door neuromarketing werkelijk toegang tot de black box van consumenten?
‘Neuromarketing is geen kwestie van iemand in een hersenscanner leggen, of wat EEG-activiteit meten en vervolgens denken dat je precies weet wat er in iemands hoofd omgaat. In de praktijk wordt helaas nog wel te vaak zo gedacht. Op basis van ons onderzoek proberen we een optimistische boodschap te brengen: we denken dat je inderdaad toegang tot die black box krijgt, maar dat vereist wel dat je neuromarketing op een heel gecontroleerde en sophisticated manier toepast. Daarbij speelt onder meer de inzet van machine learning-technieken om inzicht te krijgen in het consumentenbrein een belangrijke rol.’
Legt u dat eens uit?
‘Emoties, bijvoorbeeld, zijn in de context van neurowetenschappen en marketing veel onderzocht. Het aflezen van hersenactiviteit is geen kwestie van in dit gebiedje zit bijvoorbeeld blijdschap en in dat gebiedje verdriet. Wij zoeken met machine learning-technieken naar gedistribueerde patronen in het brein. Met een hersenscanner meet je activiteit van stukjes breinvolume, voxels in jargon. Dat kunnen er wel zo’n 80.000 zijn, elke twee seconden opnieuw, gedurende een kwartier tot een uur. Dat levert enorm veel data op. Als je de computer vervolgens opdracht geeft in die data patronen te zoeken, dan levert dat veel meer inzicht in hersenprocessen op. Die zijn namelijk niet zo gelokaliseerd zoals wel wordt gedacht, maar juist over het hele brein verspreid.’
Leert de computer zichzelf op basis van die input dan een algoritme aan?
‘Inderdaad. Als je de computer wilt leren onderscheid te maken tussen bijvoorbeeld blijdschap en verdriet, dan moet je eerst heel veel stimuli aanbieden die blijdschap oproepen in combinatie met het bijbehorende hersenpatroon, en datzelfde voor verdriet. Hoe meer data je aanbiedt, hoe beter en genuanceerder een algoritme leert om onderscheid te maken. Totdat dat algoritme op basis van nieuwe data zelf kan afleiden welke emotionele stimulus bij welk hersenpatroon hoort.’
Is dat niet een beetje zoals schieten met hagel?
‘Zeker niet. Waar het om gaat, is dat je heel weloverwogen en nauwkeurig moet zijn in de data die je de computer aanbiedt om tot een goed algoritme te komen. Vergelijk het met een leerproces van een kind. Als je dat allerlei foute informatie aanbiedt over bijvoorbeeld letters, dan leert het kind niet goed lezen. Het meest cruciale aspect van machine learning is dat je het algoritme goede trainingsets aanbiedt zoals we dat noemen. Een computer ontwikkelt geen goed algoritme op basis van onduidelijke en ambigue data. Bij het beoordelen van neuromarketing-onderzoek is het daarom cruciaal te kijken op basis van welke trainings-stimuli conclusies worden getrokken over bijvoorbeeld welke emotie er bij de consument opgeroepen werd.’
Smidts en u werken al langer samen met neuromarketingbedrijf Alpha.One. Hoe wetenschappelijk onafhankelijk zijn jullie in die samenwerking?
‘We zijn soms betrokken bij hun praktijkstudies voor klanten en geven hen advies over de opzet ervan. Maar Alpha.One betaalt ons daar niets voor. Wel geven ze ons data die wij kunnen gebruiken voor ons wetenschappelijk onderzoek. Daarmee kunnen we doen en laten wat we willen. Het voordeel is dat we met deze real life data een brug kunnen slaan tussen wetenschap en praktijk. Natuurlijk geven we onze kennis ook weer terug. Overigens niet alleen aan Alpha.One, want we delen alles met de praktijkgemeenschap en de academische gemeenschap. Wij werken volgens de principes van Open Science. Iedereen kan zien wat we doen en alles gratis gebruiken. Die transparantie illustreert eveneens dat onze wetenschappelijke onafhankelijkheid geenszins op het spel staat.’
‘De grootste uitdaging zit in het ontwikkelen van zo goed mogelijke algoritmes’
Wat zijn de grootste ethische uitdagingen voor de toepassing van neuromarketing?
‘Ik denk dat die meevallen. Mensen zijn bang gemanipuleerd te worden. Heel negatief bekeken is alle marketing een vorm van manipulatie, marketeers proberen immers mensen te verleiden tot iets. Neuromarketing gaat hier niet verder in dan andere vormen van marketing, met neuromarketing kun je beslist niet iemands brein manipuleren. Overigens vind ik dat wetenschappers het grote publiek beter en meer moeten voorlichten. Zo kunnen én te hooggespannen verwachtingen over neuromarketing worden getemperd én kunnen meer nuances worden gebracht in het debat over dat neuromarketing onethisch zou zijn.’
In jullie stuk in MOA Topic of the Year 2021 dat de MOA-leden hebben gekregen, hebben jullie het ook over neuroforecasting. Wat is dat precies?
‘Met neuroforecasting probeer je op basis van breininformatie te voorspellen wat de markt gaat doen. Je laat bijvoorbeeld twintig mensen in een hersenscanner reclames zien van verschillende merken of producten. Aan de hand van de gemeten hersenactiviteit probeer je vervolgens te voorspellen hoe de markt gaat reageren op diezelfde reclames of producten.’
Dat klinkt als een soort omgekeerde wisdom of the crowd.
‘Zo kun je dat zien. Op basis van een kleine crowd probeer je inderdaad te voorspellen wat de massa gaat doen.’
Hoe accuraat is neuroforecasting?
‘Het draagt bij aan een beter begrip van aangeboden stimuli en daardoor aan betere voorspellingen over consumentengedrag. Maar breinmetingen verklaren lang niet alles. Je zult mij nooit horen zeggen dat alle methoden met neuro erin beter zijn en dat meer traditionele marketingmethoden hun langste tijd gehad hebben. Ik ben daar als wetenschapper genuanceerd in, ik hoef niks te verkopen. Als neuromarketing niet alles zou brengen wat men hoopt dat het zou brengen, ben ik mijn baan niet kwijt.’
Van Adriaan de Groot (1914-2006), Nederlands invloedrijkste psycholoog ooit, is de uitspraak: ‘Als ik iets weet, kan ik iets voorspellen; kan ik niets voorspellen, dan weet ik niets.’ Wat is uw voorspelling over de toekomst van neuromarketing in de praktijk?
‘Een gewetensvraag! Ik constateer nog altijd een sterke toename van interesse in neuromarketing. Maar het is moeilijk en duur om neuromarketing goed toe te passen, dat is een serieus obstakel om er een mainstream methode van te maken. Bovendien is het lastig expert te zijn in zowel marketing, neurowetenschap als machine learning-technieken. Ik voorzie de grootste uitdaging in het ontwikkelen van zo goed mogelijke algoritmes. De toekomst zal het leren hoe die in de praktijk vorm gaan krijgen.’
De publicatie Topic of the Year 2021, met artikelen van de genomineerden voor Insights Scientist 2021 is gratis verkrijgbaar voor MOA-leden en te bestellen via de MOA webwinkel voor niet-leden.