思维模型 多看效应

本系列文章 主要是 分享 思维模型,涉及各个领域,重在提升认知。越熟悉,越喜欢。


1 多看效应的应用

1.1 多看效应在广告和营销领域的应用

@1 可口可乐之歌

可口可乐公司在 20 世纪 60 年代推出了“可口可乐之歌”广告,这个广告通过在电视上反复播放,让人们对可口可乐的旋律和品牌产生了深刻的印象。随着时间的推移,这个广告变得越来越受欢迎,成为了可口可乐品牌的一个重要标志。

具体来说,可口可乐公司通过不断重复播放这个广告,让人们在潜意识中对可口可乐的品牌和产品产生了好感和偏好。这个广告的旋律和歌词非常简单易记,容易让人们在脑海中留下深刻的印象。此外,可口可乐公司还通过在广告中展示快乐、活力和社交等元素,让人们与品牌产生情感联系。

通过这种方式,可口可乐公司成功地利用多看效应提高了品牌的知名度和好感度,成为了全球最受欢迎的饮料品牌之一。这个案例充分说明了多看效应在广告和营销领域的重要性,通过反复曝光和情感联系,可以提高消费者对品牌的认知和偏好,从而促进销售和品牌建设。

@2 脑白金 广告营销

“今年过节不收礼,收礼只收脑白金”这句广告词曾被很多人熟知,这是脑白金在广告营销中应用多看效应的经典案例。

脑白金在推出之初,就采用了高密度轰炸的广告策略,通过在电视、报纸、杂志等多个渠道反复播放广告,让消费者对脑白金产生了深刻的印象。广告中使用了简单易记的广告词,不断重复“送礼就送脑白金”的口号,使消费者在潜意识中对脑白金产生了好感和购买欲望。

此外,脑白金的广告还采用了情感诉求的方式,将脑白金与送礼、关爱等情感元素联系起来,让消费者在选择礼品时更容易想到脑白金。这种情感诉求的方式也增加了消费者对脑白金的好感度和忠诚度。

通过这种方式,脑白金成功地利用多看效应提高了品牌的知名度和销量,成为了保健品市场的领军品牌之一。

需要注意的是,多看效应并不是万能的,过度使用可能会导致消费者产生厌烦情绪,反而适得其反。因此,在应用多看效应时,需要根据品牌和产品的特点,选择合适的广告策略和渠道,避免过度曝光和重复。

1.2 多看效应在人际关系中的应用-《500 天的夏天》爱情故事

在电影《500 天的夏天》中,男主角汤姆是一个建筑师,他在一家建筑公司工作时遇到了女主角夏天。夏天是一个美丽、聪明、活泼的女孩,汤姆对她一见钟情。然而,夏天并不喜欢汤姆,她对汤姆的态度很冷淡。

尽管如此,汤姆并没有放弃追求夏天。他每天都会出现在夏天的视野中,试图与她建立联系。他会在夏天工作的地方等她下班,送她回家,带她去参加各种活动。随着时间的推移,夏天逐渐对汤姆产生了好感和依赖,最终两人在一起了。

这个案例中,汤姆通过多次出现在夏天的视野中,让夏天逐渐熟悉和了解他,从而建立起情感联系。尽管夏天一开始对汤姆并没有兴趣,但是汤姆的坚持和努力最终打动了夏天,两人建立了亲密的关系。

多看效应在人际关系中很重要。通过增加接触和熟悉度,可以提高彼此之间的好感度和信任度,从而建立更亲密的关系。

1.3 多看效应在教育和学习中的应用

  • 重复练习:在学习一门新语言时,老师会让学生反复练习同一个单词或句子,以加深学生对其的记忆和理解。这种重复练习的方法就是利用了多看效应,让学生对所学内容更加熟悉,从而提高学习效果。
  • 阅读练习:在阅读教学中,老师会让学生多次阅读同一篇文章,以加深学生对文章内容的理解和记忆。这种阅读练习的方法也是利用了多看效应,让学生对文章内容更加熟悉,从而提高阅读理解能力。
  • 视频教学:在某些学科的教学中,老师会使用视频教学的方式,让学生多次观看同一个视频,以加深学生对所学内容的理解和记忆。这种视频教学的方法也是利用了多看效应,让学生对视频内容更加熟悉,从而提高学习效果。
  • 实践操作:在某些学科的教学中,老师会让学生多次进行实践操作,以加深学生对所学内容的理解和记忆。这种实践操作的方法也是利用了多看效应,让学生对操作过程更加熟悉,从而提高学习效果。

这些案例都说明了多看效应在教育和学习中的重要性,通过增加学生对所学内容的熟悉度和接触次数,可以提高学生的学习效果和记忆深度,从而更好地掌握所学知识和技能。

1.4 多看效应在苹果公司的品牌建设中的应用

苹果公司是一家非常成功的科技公司,其品牌建设中也充分利用了多看效应。苹果公司通过不断推出新的产品和技术,让消费者对其品牌产生了高度的熟悉度和好感度。

具体来说,苹果公司通过不断重复使用其独特的设计风格、品牌标志和广告语,让消费者对其品牌产生了深刻的印象。例如,苹果公司的 iPhone 手机采用了简洁的设计风格和标志性的苹果标志,让消费者一眼就能认出是苹果产品。

此外,苹果公司还通过不断推出新的产品和技术,让消费者对其品牌产生了高度的期待和关注。例如,苹果公司每年都会推出新的 iPhone 手机,每次推出都会引起消费者的高度关注和热议。

通过这种方式,苹果公司成功地利用多看效应提高了品牌的知名度和好感度,成为了全球最受欢迎的科技品牌之一。

通过不断重复和展示品牌形象和产品特点,可以提高消费者对品牌的认知和偏好,从而促进品牌的建设和发展。

2 模型 多看效应

2.1 什么是多看效应?

多看效应是指人们越熟悉一个人、一件事、一个物品,就越容易对其产生好感和偏好的现象。这个效应源于人类的认知和情感机制,人们在接触和熟悉一个事物的过程中,会逐渐建立起对其的认知和情感联系,从而产生好感和偏好。

多看效应的概念最早由德国心理学家卡尔·布勒提出,他认为人们在接触一个新事物时,最初的认知和情感联系往往是微弱的,但随着接触次数的增加,这种联系会逐渐加强,从而产生好感和偏好。这个效应在广告、营销、人际交往等领域都有广泛的应用。

例如,在广告中,反复播放同一个广告可以增加人们对产品的熟悉度和好感度;在营销中,多次向客户推销同一种产品也可以增加客户的购买意愿;在人际交往中,多次接触同一个人可以增加彼此之间的熟悉度和好感度。

2.2 为什么会有多看效应?

多看效应的形成可能是以下一些原因:

  • 熟悉感:人们倾向于对熟悉的事物产生好感和信任。多次接触同一个人、事或物,会增加人们对其的熟悉度,从而产生安全感和亲近感。
  • 认知流畅性:多次接触同一个人、事或物,会使人们对其的认知更加流畅和轻松。这种认知的顺畅性会给人带来愉悦感和满足感。
  • 情感联系:多次接触同一个人、事或物,会使人们与之建立起情感联系。这种情感联系会使人们对其产生好感和偏好。
  • 曝光效应:多次接触同一个人、事或物,会增加其在人们视野中的曝光率,从而提高其在人们心目中的重要性和影响力。

综上所述,多看效应是由于人们的认知和情感机制,以及熟悉感、认知流畅性、情感联系和曝光效应等多种因素共同作用而产生的。这种效应在广告、营销、人际交往等领域都有广泛的应用。

3 模型简图

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/188099.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

PyTorch技术和深度学习——三、深度学习快速入门

文章目录 1.线性回归1)介绍2)加载自由泳冠军数据集3)从0开始实现线性回归模型4)使用自动求导训练线性回归模型5)使用优化器训练线性回归模型 2.使用torch.nn模块构建线性回归模型1)使用torch.nn.Linear训练…

PyCharm+Miniconda3安装配置教程

PyCharm是Python著名的Python集成开发环境(IDE) conda有Miniconda和Anaconda,前者应该是类似最小化版本,后者可能是功能更为强大的版本,我们这里安装Miniconda 按官方文档的说法conda相当于pip与virtualenv的结合&am…

R系组播调优方案

修改/etc/sysctl.conf添加如下内容: Vim /etc/sysctl.con net.ipv4.ip_forward1 net.ipv4.ip_nonlocal_bind1 net.ipv4.conf.all.rp_filter0 net.ipv4.conf.default.rp_filter0 net.bridge.bridge-nf-call-arptables 0 net.bridge.bridge-nf-call-ip6tables 0 …

【数据结构】树与二叉树(十):二叉树的先序遍历(非递归算法NPO)

文章目录 5.2.1 二叉树二叉树性质引理5.1:二叉树中层数为i的结点至多有 2 i 2^i 2i个,其中 i ≥ 0 i \geq 0 i≥0。引理5.2:高度为k的二叉树中至多有 2 k 1 − 1 2^{k1}-1 2k1−1个结点,其中 k ≥ 0 k \geq 0 k≥0。引理5.3&…

Python实战:绘制直方图的示例代码,数据可视化获取样本分布特征

文章目录 一、初步二、参数三、绘图类型四、多组数据直方图对比Python技术资源分享1、Python所有方向的学习路线2、学习软件3、精品书籍4、入门学习视频5、实战案例6、清华编程大佬出品《漫画看学Python》7、Python副业兼职与全职路线 一、初步 对于大量样本来说,如…

2023年【危险化学品经营单位主要负责人】免费试题及危险化学品经营单位主要负责人证考试

题库来源:安全生产模拟考试一点通公众号小程序 2023年危险化学品经营单位主要负责人免费试题为正在备考危险化学品经营单位主要负责人操作证的学员准备的理论考试专题,每个月更新的危险化学品经营单位主要负责人证考试祝您顺利通过危险化学品经营单位主…

前端开发学习指南

前端是一个看似入门门槛不高,但要学好很难的领域。前端的知识体系庞杂又松散,技术演进快,如果摸不清脉络的话很容易陷入盲人摸象的困境甚至跑偏。 其实只要掌握了正确的方法,学习前端和学好前端就只是个时间问题,希望下…

OpenCV图像坐标系

绘制代码: X轴 # 选取两个点 point1 = (20, 0) point2 = (200, 0)# 在图像上绘制连接线 cv2.line(img, point1, point2, (

解决找不到x3daudio1_7.dll的方法,快速解决x3daudio1_7.dll丢失问题

在计算机使用过程中,我们经常会遇到一些错误提示,其中之一就是“找不到x3daudio1_7.dll”。这个问题可能是由于多种原因引起的,例如文件丢失、损坏或被病毒感染等。下面将详细介绍如何解决这个问题。 首先,我们需要了解x3daudio1_…

Kotlin HashMap entries.filter过滤forEach

Kotlin HashMap entries.filter过滤forEach fun main(args: Array<String>) {val hashMap HashMap<String, Int>()hashMap["a"] 1hashMap["b"] 2hashMap["c"] 3println(hashMap)hashMap.entries.filter {println("filter $…

2023年【北京市安全员-C3证】考试题库及北京市安全员-C3证在线考试

题库来源&#xff1a;安全生产模拟考试一点通公众号小程序 北京市安全员-C3证考试题库是安全生产模拟考试一点通总题库中生成的一套北京市安全员-C3证在线考试&#xff0c;安全生产模拟考试一点通上北京市安全员-C3证作业手机同步练习。2023年【北京市安全员-C3证】考试题库及…

Nignx及负载均衡动静分离

目录 一.Nginx负载均衡 1.1.下载 1.2.安装 1.3.负载均衡 二.前端部署 2.1. 准备工作 2.2.部署 好啦今天就到这里了哦&#xff01;&#xff01;&#xff01;希望能帮到你哦&#xff01;&#xff01;&#xff01; 一.Nginx负载均衡 1.1.下载 输入命令 : cd javaCloudJun/…

键盘win键无法使用,win+r不生效、win键没反应、Windows键失灵解决方案(亲测可以解决)

最近几天发现自己笔记本的win键无法使用&#xff0c;win失灵了&#xff0c;但是外接键盘后则正常:。 这个问题困扰了我一周&#xff0c;我都以为自己的枪神坏了。 寻找了几个解决方法&#xff0c;网上看了好多好多稀里糊涂的办法&#xff0c;都是不管用的&#xff0c;这里给大…

超简单的Linux FTP服务搭建教程

目录 前言1、检查vsftp是否已安装2、安装vsftpd3、启动ftp服务4、测试ftp服务5、上传文件配置总结 前言 本文记录了在Kylin Linux Desktop V10(SP1)系统上搭建FTP服务的过程。FTP是File Transfer Protocol的缩写&#xff0c;译为文件传输协议&#xff0c;是用于在网络上进行文…

向量的点积和外积

参考&#xff1a;https://www.cnblogs.com/gxcdream/p/7597865.html 一、向量的内积&#xff08;点乘&#xff09; 定义&#xff1a; 两个向量a与b的内积为 ab |a||b|cos∠(a, b)&#xff0c;特别地&#xff0c;0a a0 0&#xff1b;若a&#xff0c;b是非零向量&#xff0c;…

【读点论文】结构化剪枝

结构化剪枝 在一个神经网络模型中&#xff0c;通常包含卷积层、汇合层、全连接层、非线形层等基本结构&#xff0c;通过这些基本结构的堆叠&#xff0c;最终形成我们所常用的深度神经网络。 早在 1998 年&#xff0c;LeCun 等人使用少数几个基本结构组成 5 层的 LeNet-5 网络&…

GitHub Copilot Chat将于12月全面推出;DeepLearning.AI免费新课

&#x1f989; AI新闻 &#x1f680; GitHub Copilot Chat将于12月全面推出&#xff0c;提升开发者的生产力 摘要&#xff1a;GitHub宣布将于12月全面推出GitHub Copilot Chat&#xff0c;这是GitHub Copilot的一个新功能&#xff0c;旨在帮助开发者编写代码。它能够集成到开…

解决Docker启动之npm版本不兼容问题

报错内容&#xff1a; npm WARN read-shrinkwrap This version of npm is compatible with lockfileVersion1, but package-lock.json was generated for lockfileVersion2. Ill try to do my best with it! npm WARN tar ENOENT: no such file or directory, open /home/wvp-…

一个轻量级 Java 权限认证框架——Sa-Token

一、框架介绍 Sa-Token 是一个轻量级 Java 权限认证框架&#xff0c;主要解决&#xff1a;登录认证、权限认证、单点登录、OAuth2.0、分布式Session会话、微服务网关鉴权 等一系列权限相关问题。 官网文档: https://sa-token.cc/doc.html 二、Spring Boot 集成Sa-Token 2.1、…

【机器学习】七、降维与度量学习

1. 维数灾难 样本的特征数称为维数&#xff08;dimensionality&#xff09;&#xff0c;当维数非常大时&#xff0c;也就是现在所说的维数灾难。 维数灾难具体表现在&#xff1a;在高维情形下&#xff0c;数据样本将变得十分稀疏&#xff0c;因为此时要满足训练样本为“密采样…