01第1〜2週
ニューロ・ベースライン測定
既存のブランド体系と最も強力な競合3社に対する生物学的カテゴリー・ベースラインを確立する：EEG、アイトラッキング、自律神経反応。
手法のアーキテクチャ
フレームワーク：皮質信号から実証された行動まで
各層には固有の計測手法、固有の失敗モード、固有のアウトプットがある。本手法は6つの層が一貫している場合にのみ価値を生み出す——それはニューロ・マーケティング指数の一貫性項によって明示的に測定される。
はじめにお読みください
メソッドの構造
測定された脳反応から事業判断までをつなぐ、連動した6つのレイヤー。各レイヤーには固有の計測手段、アウトプット、品質バンドがあり、主観に依存する要素はありません。
- 測定できないものは含めない。
- 最も弱いレイヤーが上位すべてを制約する。
- 倫理レイヤーはプログラム全体を停止できる。
標準的な科学略語と単位（EEG、fMRI、ms、Hz）は国際表記のままですが、解説はすべてお使いの言語で提供されます。
L1
神経生理学的基盤層
測定パラメータ 10 項目脳が自ら説明を語る前に、脳そのものを測定する。
コンテンポラリー・マーケティングのあらゆる意思決定は、非言語的証拠から始まる：皮質活動、自律神経の覚醒、眼球運動行動。この層は、言語によって歪められる前の、注意と欲求の生物学的シグネチャを捉える。
計測手法
- EEG frontal asymmetry (F3/F4 alpha power)
- Event-related potentials — N200, P300, LPP
- Eye-tracking: fixation, saccadic entropy, AOI dwell
- Electrodermal activity (phasic SCR)
- Heart-rate variability (RMSSD, LF/HF)
- Facial EMG — corrugator / zygomaticus
アウトプット
Attention Capture IndexArousal LoadApproach–Withdrawal Vector
L2
認知アーキテクチャ層
測定パラメータ 5 項目処理流暢性は、最も経済的な説得の形態である。
ワーキングメモリ負荷、処理流暢性、意味的プライミングが、メッセージが解読されるか棄却されるかを決定する。あらゆるアセットの認知コストをモデル化し、理解が自動的になるまでそれを削減する。
計測手法
- Processing-fluency scoring (perceptual + conceptual)
- Cognitive-load estimation (pupillometry-calibrated)
- Semantic priming & implicit association testing
- Working-memory chunk analysis of message structure
アウトプット
Fluency CoefficientCognitive Load IndexSemantic Coherence
L3
情動・大脳辺縁系符号化層
測定パラメータ 6 項目感情は装飾ではない。それは符号化のメカニズムそのものである。
記憶の固定化は扁桃体によって支配される。感情価、覚醒度、支配性を次元的にモデル化し、それを物語構造にマッピングすることで、感情のピークがブランドの符号化される瞬間と一致するようにする。
計測手法
- Dimensional affect modelling (valence / arousal / dominance)
- Peak–end structural analysis of narrative
- Emotional-contagion mapping across touchpoints
- Amygdala-proxy salience scoring
アウトプット
Emotional Encoding StrengthPeak-End AlignmentValence Stability
L4
データインテリジェンスと因果推論層
測定パラメータ 4 項目相関は仮説にすぎない。因果関係こそが成果物である。
行動テレメトリを神経計測エビデンスと統合し、単一の因果グラフを構築する。アップリフト、増分効果、反事実シミュレーションが、見せかけのアトリビューションに取って代わる。
計測手法
- Causal DAG construction & do-calculus
- Geo-holdout and synthetic-control incrementality
- Bayesian media-mix modelling with priors from L1–L3
- Uplift modelling and heterogeneous treatment effects
アウトプット
Incrementality CoefficientCausal ConfidenceSignal-to-Noise Ratio
L5
人工知能層
測定パラメータ 4 項目クリックではなく、神経系の反応を予測するモデル。
マルチモーダルモデルは神経計測による客観的事実データで学習されるため、クリエイティブはローンチ前に、意見ではなく予測される皮質反応に基づいて評価される。生成は神経科学的な事前知識によって制約される。
計測手法
- Neuro-calibrated creative scoring models
- Multimodal embeddings of asset + response
- Reinforcement loops on measured attention outcomes
- Synthetic audience simulation with validated priors
アウトプット
Predicted Response FidelityModel Calibration ErrorPre-flight Lift
L6
行動活性化と倫理層
測定パラメータ 4 項目同意なき影響力は科学ではない。それは操作である。
最終層は、測定された意図を、選択アーキテクチャ、摩擦の除去、習慣設計を通じて行動へと変換する——透明性、可逆性、脆弱性の非利用という明示的な倫理プロトコルのもとで。
計測手法
- Choice-architecture and friction audits
- Habit-loop design (cue–routine–reward)
- Longitudinal behavioural cohorts
- Neuroethics compliance review
アウトプット
Conversion ElasticityHabit Formation RateEthical Compliance Score
運用プロトコル
因果的システム構築のための12週間
02第2〜4週
認知マッピング
すべてのアセットとメッセージの処理流暢性、認知負荷、意味的関連性を定量化し、測定された理解度に基づいてメッセージ構造を再構築する。
03第4〜6週
因果計測の構築
測定された神経計測の客観的事実データでマルチモーダルモデルを学習させ、クリエイティブをローンチ前に予測される皮質反応に基づいて評価できるようにする。
04第6〜8週
クリエイティブ統合
神経科学的制約のもとでアセットを設計する：流暢性を最大化し、ピーク・エンドをブランドの瞬間に合わせ、サッカードのエントロピーを最小化する。
05第8〜12週
統制された活性化
設計段階から統制群を用いて展開する。すべての支出単位は実験であり、すべての実験は意見ではなく係数を返す。
06継続的
再帰的学習
測定された成果がモデルを再学習させ、モデルが事前知識を精緻化し、事前知識が次の発見のコストを下げる。システムは時間とともに複利的に成長する。
次へ：33 のパラメータを一つずつ解説
単位、取得方法、解釈、健全な適正範囲。