コンテンポラリー・マーケティングAI · データ分析 · 神経科学

パラメータ・アトラス

本手法が測定する 33 のパラメータ — いずれも意見ではない

神経生理学は客観的事実を提供し、認知科学はコストを説明し、感情科学は符号化を説明し、因果推論は効果を実証し、AIはそれを外挿し、倫理はそれを制約する。

はじめにお読みください

何を測定し、なぜ事業に効くのか

各パラメータは実際に測定可能な量(注意、情動、認知負荷、記憶、因果効果、モデル精度)であり、健全な範囲が定義されています。範囲を外れると、明確に特定できる形で収益が失われます。

  • 単位は測定方法を示す。
  • バンドは健全な水準を示す。
  • 意味は逸脱のコストを示す。

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。

N-01 · L1重み ×1.4

Frontal Alpha Asymmetry

刺激に対する接近動機か回避動機か。

単位
µV² ratio
取得方法
EEG 10–20, F3/F4 alpha power
適正範囲5590
N-02 · L1重み ×0.9

N200 Conflict Response

ブランド認識の瞬間における認知的葛藤。

単位
ms / µV
取得方法
Event-related potential
適正範囲4075
N-03 · L1重み ×1.3

P300 Salience Amplitude

メッセージに割り当てられた注意資源。

単位
µV
取得方法
Oddball ERP paradigm
適正範囲5592
N-04 · L1重み ×1.2

Late Positive Potential

持続的な動機づけ注意と感情的関連性。

単位
µV
取得方法
ERP 400–800 ms window
適正範囲5090
N-05 · L1重み ×1.0

Phasic Skin Conductance

物語上の瞬間に連動した交感神経性覚醒のピーク。

単位
µS
取得方法
Electrodermal activity
適正範囲4582
N-06 · L1重み ×0.8

Heart-Rate Variability

自律神経バランス — ストレスか受容的関与か。

単位
ms RMSSD
取得方法
Photoplethysmography
適正範囲5088
N-07 · L1重み ×1.1

First-Fixation Latency

視覚系が主要なAOIに固着するまでの速さ。

単位
ms
取得方法
Eye-tracking, 120 Hz
適正範囲5595
N-08 · L1重み ×1.0

Saccadic Entropy

視覚的乱雑さ — エントロピーが高いほど階層構造の破綻を示す。

単位
bits
取得方法
Scanpath analysis
適正範囲4580
N-09 · L1重み ×0.9

Pupillary Load Response

アセットが要求するリアルタイムの認知的努力。

単位
mm Δ
取得方法
Pupillometry, luminance-corrected
適正範囲4078
N-10 · L1重み ×0.9

Zygomatic / Corrugator Ratio

意識下における微表情の感情価。

単位
µV ratio
取得方法
Facial EMG
適正範囲5088
C-01 · L2重み ×1.4

Processing Fluency

メッセージが精神にどれだけ容易に解読されるか。

単位
index
取得方法
Perceptual + conceptual fluency battery
適正範囲6095
C-02 · L2重み ×1.2

Cognitive Load Index

曝露1秒あたりのワーキングメモリコスト。

単位
index
取得方法
NASA-TLX calibrated on pupillometry
適正範囲4580
C-03 · L2重み ×1.0

Semantic Priming Strength

ブランド刺激によって活性化される連想ネットワーク。

単位
ms Δ
取得方法
Lexical decision task
適正範囲5090
C-04 · L2重み ×0.9

Message Chunk Efficiency

ワーキングメモリ容量(4±1)との整合性。

単位
chunks
取得方法
Structural decomposition
適正範囲5592
C-05 · L2重み ×1.1

Implicit Association Distance

ブランドと属性の非言語的近接性。

単位
D-score
取得方法
IAT protocol
適正範囲5090
A-01 · L3重み ×1.2

Affective Valence

感情反応の方向性。

単位
SAM 1–9
取得方法
Dimensional affect model
適正範囲5592
A-02 · L3重み ×1.2

Arousal Amplitude

記憶の固定化を促す強度。

単位
SAM 1–9
取得方法
Dimensional affect model
適正範囲5088
A-03 · L3重み ×0.8

Perceived Dominance

公衆が保持する統制感。

単位
SAM 1–9
取得方法
Dimensional affect model
適正範囲5085
A-04 · L3重み ×1.3

Peak–End Alignment

感情のピークがブランドの瞬間と一致するかどうか。

単位
index
取得方法
Temporal affect curve fitting
適正範囲5595
A-05 · L3重み ×1.5

Memory Encoding Strength

記憶痕跡が72時間残存する確率。

単位
index
取得方法
Delayed recognition + neurometric fusion
適正範囲5595
A-06 · L3重み ×0.9

Empathic Resonance

物語の主人公への感情移入。

単位
index
取得方法
Mirror-system proxy scoring
適正範囲5090
D-01 · L4重み ×1.5

Incrementality Coefficient

活動によって真に引き起こされた成果の割合。

単位
%
取得方法
Geo-holdout / synthetic control
適正範囲5595
D-02 · L4重み ×1.2

Causal Confidence

特定された因果構造の頑健性。

単位
posterior
取得方法
Bayesian causal DAG
適正範囲5592
D-03 · L4重み ×1.0

Signal-to-Noise Ratio

行動エビデンス基盤の質。

単位
dB
取得方法
Telemetry decomposition
適正範囲5090
D-04 · L4重み ×0.9

Treatment Heterogeneity

セグメント間で実際にどれほど反応が異なるか。

単位
τ variance
取得方法
Uplift modelling
適正範囲4585
AI-01 · L5重み ×1.5

Predicted Response Fidelity

予測と実際の皮質反応との相関。

単位
r
取得方法
Model vs. measured neurometrics
適正範囲6096
AI-02 · L5重み ×1.1

Model Calibration Error

モデルの確信度の信頼性。

単位
ECE
取得方法
Reliability diagrams
適正範囲5592
AI-03 · L5重み ×1.2

Pre-flight Creative Lift

予算投入前に見込まれる期待利得。

単位
%
取得方法
Neuro-calibrated scoring
適正範囲5092
AI-04 · L5重み ×0.9

Synthetic Audience Validity

シミュレートされたオーディエンスをどれだけ信頼できるか。

単位
index
取得方法
Simulation vs. panel back-test
適正範囲4588
B-01 · L6重み ×1.2

Conversion Elasticity

デザイン変化1単位あたりの行動反応。

単位
Δ%/Δ
取得方法
Choice-architecture experiments
適正範囲5092
B-02 · L6重み ×1.1

Friction Coefficient

意思決定経路に蓄積される抵抗。

単位
index
取得方法
Journey instrumentation
適正範囲4582
B-03 · L6重み ×1.0

Habit Formation Rate

行動が自動化するまでの速さ。

単位
λ
取得方法
Longitudinal cohort decay
適正範囲4588
B-04 · L6重み ×1.6

Neuroethical Compliance

透明性、可逆性、脆弱性の保護。

単位
score
取得方法
Protocol audit
適正範囲75100

アトラスを実践に活かす

診断コンソールは、これらのパラメータを一つの弁護可能な判定結果へと変換します。

コンソールを開く