Publicación:
Modelo neuronal para la identificación de patrones sensoriales producidos por el audio branding en la identidad de marcas

dc.contributor.advisorPeña Palacio, Juan Alejandro
dc.contributor.authorLópez Franco, Valentina
dc.contributor.authorRodríguez Aristizábal, Olga Isabel
dc.date.accessioned2022-01-26T19:53:28Z
dc.date.available2022-01-26T19:53:28Z
dc.date.issued2021
dc.description103 páginasspa
dc.description.abstractRESUMEN: Actualmente, los consumidores tienen más potencial que antes, con mayores necesidades de comunicación e información. Al construir una marca es importante transferirle características que la diferencien y definan en la mente del individuo, a través del branding se construye una identidad de marca con atributos visuales, auditivos, entre otros. Sin embargo, las estrategias se han limitado a los medios visuales tradicionales sobre lo auditivo, generando saturación visual y utilizando el sonido como un elemento publicitario. A través del Audio Branding se conecta con el cliente mediante la estimulación del sentido de la audición, con un sinnúmero de atributos racionales y emocionales que llevados a un nivel innovador pueden potenciar la imagen mental de la marca. Además, la eficacia de elementos auditivos en el branding es compleja de medir, debido a la esencia psíquica de cada individuo, últimamente existen nuevas tecnologías que buscan aproximarse a entender el funcionamiento cerebral mediante sistemas inteligentes, logrando analizar los estados afectivos o emociones experimentadas. La presente investigación se fundamenta en el análisis de patrones sensoriales generados por imágenes auditivas como estrategia en la construcción y gerencia de marcas mediante la creación de un Modelo Neuronal Deep Learning Autoencoder por Afinidad Central con Aprendizaje Mixto, haciendo uso del dispositivo Emotiv Epoc para capturar, procesar y clasificar las señales electroencefalográficas en patrones emocionales de 5 marcas a estudiar. El modelo recibe las señales capturadas de 10 personas al escuchar 20 sonidos seleccionados de la base de datos referenciada IADS-2 de la Universidad de Florida y 5 audios de las marcas. Inicialmente se realiza un centramiento de señales, se comprimen los datos al 50% mediante estructuras autoencoder, obteniendo una primera estructura comprimida de sonidos de referencia en aprendizaje y con esa misma configuración en autonomía los de las marcas, para posteriormente las dos estructuras de capas comprimidas compararlas por un proceso de afinidad central para todas las combinaciones marca-sonido. Seleccionando para cada marca los tres mayores valores de afinidad, configurándolos como sus sonidos referentes y facilitando la analogía entre emociones asociadas a sonidos con las emociones deseadas a transmitir de las marcas. Los patrones emocionales se posicionan según su valencia, activación, o asociaciones en el modelo de medición de emociones propuesto denominado Modelo PME- Pie Measurement of Emotions. El desempeño del modelo es óptimo tanto en el aprendizaje como en el relacionamiento, permitiendo valorar la efectividad de las estrategias, obteniendo en su mayoría afinidades alineadas entre las intenciones de identidad de marca y lo que los participantes experimentan en las sesiones de prueba. Es así como los modelos computacionales usados en el campo de la neurociencia ayudan a evaluar y orientar las estrategias de identidad de marca con el objetivo de aumentar su impacto y efectividad.spa
dc.description.abstractABSTRACT: Nowadays, consumers have more potential than before, with greater communication and information needs. When building a brand, it is important to transfer characteristics that differentiate and define it in the mind of the individual, through branding a brand identity is built with visual and auditory attributes, among others. However, the strategies have been limited to traditional visual media over the auditory, generating visual saturation and using sound as an advertising factor. Through Audio Branding, it connects with the client by stimulating the sense of hearing, with countless rational and emotional attributes that, taken to an innovative level, enhance the mental image of the brand. In addition, the effectiveness of the auditory elements in branding is complex to measure, due to the psychic essence of each individual, lately there are new technologies that seek to approach the understanding of brain function through intelligent systems, managing to analyze the affective states or emotions experienced. This research is based on the analysis of sensory patterns generated by auditory images as a strategy in the construction and management of brands through the creation of an Autoencoder Central Affinity Neural Deep Learning Model by Blended Learning, using the Emotiv Epoc device to capture, process and classify electroencephalographic signals into emotional patterns of 5 brands to study. The model receives the signals captured from 10 people by listening to 20 sounds selected from the referenced database IADS-2 from the University of Florida and 5 audios from the brands. Initially, a centering of signals is carried out, the data is compressed to 50% through autoencoder structures, obtaining a first compressed structure of reference sounds in learning and with that same configuration in autonomy those of the brands, after the two compressed layer structures are compared by a central affinity process for all brand-sound combinations. Selecting for each brand the three highest affinity values, configuring them as its reference sounds and facilitating the analogy between emotions associated with sounds with the desired emotions to be transmitted from the brands. Emotional patterns are positioned according to their valence, activation, or associations in the proposed model for measuring emotions called PME-Pie Measurement of Emotions Model. The performance of the model is optimal both in learning and in relationships, allowing to assess the effectiveness of the strategies, obtaining mostly aligned affinities between the brand identity intentions and what the participants experience in the experimental sessions. This is how the computational models used in the field of neuroscience help to evaluate and guide brand identity strategies in order to increase their impact and effectiveness.eng
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) Administrativo(a)spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.bibliographiccitationLópez Franco, V. y Rodríguez Aristizábal, O. I. (2021). Modelo neuronal para la identificación de patrones sensoriales producidos por el audio branding en la identidad de marcas [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/4225
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/4225
dc.language.isospaspa
dc.publisherUniversidad EIAspa
dc.publisher.facultyEscuela de Ciencias Económicas y Administrativasspa
dc.publisher.placeEnvigado (Antioquia, Colombia)spa
dc.publisher.programIngeniería Administrativaspa
dc.rightsDerechos Reservados - Universidad EIA, 2021spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.proposalAudio Brandingeng
dc.subject.proposalEstímulos auditivosspa
dc.subject.proposalPatrones Emocionalesspa
dc.subject.proposalIdentidad de marcaspa
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalAuditory stimulieng
dc.subject.proposalEmotional patternseng
dc.subject.proposalBrand identityeng
dc.subject.proposalNeural networkseng
dc.titleModelo neuronal para la identificación de patrones sensoriales producidos por el audio branding en la identidad de marcasspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
LopezValentina_2021_ModeloNeuronalIdentificacion.pdf
Tamaño:
2.67 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Bloque de licencias
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
2.46 KB
Formato:
Item-specific license agreed upon to submission
Descripción: