基于知識(shí)計(jì)量的產(chǎn)品設(shè)計(jì)調(diào)研方法

劉 征，王 昀

(中國(guó)美術(shù)學(xué)院 文創(chuàng)設(shè)計(jì)制造業(yè)協(xié)同創(chuàng)新中心，浙江 杭州 310024)

0 引言

在信息洪流沖擊下，設(shè)計(jì)師重復(fù)性采集、存儲(chǔ)、分析各類信息進(jìn)行產(chǎn)品調(diào)研的時(shí)間占到了整個(gè)概念設(shè)計(jì)過程35%以上[1]。而工程師為了獲取不同來源的工程支持信息，在搜索與重新組織數(shù)據(jù)活動(dòng)上花費(fèi)了40%的時(shí)間[2]。以用戶為中心的市場(chǎng)外部競(jìng)爭(zhēng)壓力以及跨學(xué)科、跨領(lǐng)域的內(nèi)部設(shè)計(jì)協(xié)作使新產(chǎn)品開發(fā)的知識(shí)密集特性愈發(fā)凸顯，然而在恰當(dāng)?shù)臅r(shí)間、地點(diǎn)、表達(dá)方式向設(shè)計(jì)師提供知識(shí)仍然充滿了挑戰(zhàn)[3]。其中，在新產(chǎn)品開發(fā)前期處理信息過于龐雜的設(shè)計(jì)調(diào)研影響了設(shè)計(jì)師創(chuàng)造性活動(dòng)投入的精力，在信息迅速增長(zhǎng)的背景下如何保障產(chǎn)品概念設(shè)計(jì)決策的科學(xué)性變得日益緊迫，面向大數(shù)據(jù)的設(shè)計(jì)調(diào)研方法、工具成為研究的關(guān)鍵技術(shù)環(huán)節(jié)之一。

數(shù)據(jù)密集型科學(xué)研究范式催生了“以數(shù)據(jù)為中心的思考模式”[4]，形成了通過數(shù)據(jù)挖掘、計(jì)算機(jī)圖形學(xué)、智能算法處理海量數(shù)據(jù)挖掘潛在規(guī)律的設(shè)計(jì)調(diào)研方法。在知識(shí)工程方法論領(lǐng)域，有研究提出了用于規(guī)劃工作流和數(shù)據(jù)模型設(shè)計(jì)的調(diào)查元模型，通過整合不同來源的傳感器持續(xù)描述變化環(huán)境以應(yīng)對(duì)大數(shù)據(jù)挑戰(zhàn)[5];在情報(bào)學(xué)領(lǐng)域，各類研究構(gòu)建了融合人工智能的信息服務(wù)系統(tǒng)，在數(shù)據(jù)收集、預(yù)處理、分析、表達(dá)等環(huán)節(jié)形成了知識(shí)服務(wù)框架[6-8];在產(chǎn)品開發(fā)領(lǐng)域，社交媒體數(shù)據(jù)突破原有問卷運(yùn)作形式成為理解用戶需求、構(gòu)建價(jià)值閉環(huán)的關(guān)鍵平臺(tái)與通道[9]，通過挖掘商業(yè)評(píng)論、微博和社區(qū)討論等社交媒體數(shù)據(jù)，可以更為精準(zhǔn)地測(cè)量客戶滿意度[10]，構(gòu)建事件檢測(cè)和情感分析方法識(shí)別產(chǎn)品開發(fā)機(jī)會(huì)[11]，測(cè)量服務(wù)質(zhì)量差距[12]以及評(píng)估產(chǎn)品功能滿意度和新產(chǎn)品概念[13]，最終為各類用戶驅(qū)動(dòng)的系統(tǒng)化創(chuàng)新方法奠定基礎(chǔ)。然而，產(chǎn)品設(shè)計(jì)調(diào)研需要提供多層次線索以應(yīng)對(duì)新產(chǎn)品開發(fā)中各類不確定的因素。設(shè)計(jì)調(diào)研某一類產(chǎn)品整體呈現(xiàn)出的宏觀發(fā)展趨勢(shì)關(guān)系到新產(chǎn)品概念在用戶、設(shè)計(jì)、市場(chǎng)等方面的準(zhǔn)確定位，是構(gòu)建產(chǎn)品開發(fā)策略的必要環(huán)節(jié)之一，現(xiàn)有研究的不足主要體現(xiàn)在以下兩個(gè)方面：①在數(shù)據(jù)融合方面，缺乏對(duì)產(chǎn)品設(shè)計(jì)師特定知識(shí)領(lǐng)域需求的滿足，只有融合體現(xiàn)設(shè)計(jì)專業(yè)領(lǐng)域價(jià)值的產(chǎn)品設(shè)計(jì)獎(jiǎng)項(xiàng)、宣傳、評(píng)論等各類數(shù)據(jù)，才能給設(shè)計(jì)師更多樣化的啟發(fā)；②在數(shù)據(jù)分析方面，僅處理針對(duì)單一產(chǎn)品社交媒體的數(shù)據(jù)無法全面反映特定類型產(chǎn)品在競(jìng)爭(zhēng)市場(chǎng)上呈現(xiàn)的宏觀態(tài)勢(shì)，缺乏產(chǎn)品整體、產(chǎn)品之間關(guān)系的分析，影響構(gòu)建開發(fā)策略的系統(tǒng)性?？傊?，數(shù)據(jù)密集驅(qū)動(dòng)面向特定類型產(chǎn)品的設(shè)計(jì)調(diào)研方法依舊缺乏。由文獻(xiàn)計(jì)量、信息計(jì)量、網(wǎng)絡(luò)計(jì)量演化而來的知識(shí)計(jì)量研究[14-15]是一種在寬度上有效獲取、發(fā)現(xiàn)隱性知識(shí)和探測(cè)知識(shí)前沿的新手段[16]，為發(fā)展該類方法指明了方向，即以各類開源信息為來源，匯集產(chǎn)品設(shè)計(jì)相關(guān)數(shù)據(jù)，通過定量的方式來描述、分析、評(píng)判設(shè)計(jì)發(fā)展態(tài)勢(shì)，服務(wù)于概念設(shè)計(jì)創(chuàng)新。

本文提出一種基于知識(shí)計(jì)量進(jìn)行產(chǎn)品設(shè)計(jì)調(diào)研的方法，對(duì)大數(shù)據(jù)環(huán)境下的多源異構(gòu)信息進(jìn)行采集、融合，形成有序的產(chǎn)品設(shè)計(jì)知識(shí)單元，以某一特定類型產(chǎn)品整體為對(duì)象全面把握具體領(lǐng)域設(shè)計(jì)動(dòng)態(tài)，輔助產(chǎn)品概念設(shè)計(jì)決策。通過檢測(cè)網(wǎng)絡(luò)上用戶、專家的反饋，發(fā)現(xiàn)標(biāo)桿性產(chǎn)品；通過從產(chǎn)品描述與用戶評(píng)價(jià)中提取關(guān)鍵詞，發(fā)現(xiàn)產(chǎn)品普遍特性，分析設(shè)計(jì)師與用戶注意環(huán)節(jié)的差異；通過膨脹詞分析，探測(cè)設(shè)計(jì)動(dòng)態(tài)前沿。

1 設(shè)計(jì)調(diào)研需求

設(shè)計(jì)調(diào)研是消除新產(chǎn)品開發(fā)不確定性的必要活動(dòng)，表現(xiàn)在項(xiàng)目管理與設(shè)計(jì)師知識(shí)需求兩個(gè)層面。在項(xiàng)目層面，外部競(jìng)爭(zhēng)市場(chǎng)、用戶需求變化迅速，企業(yè)內(nèi)部具體技術(shù)演化存在隨機(jī)性，正式、專業(yè)的設(shè)計(jì)調(diào)研能夠充分了解競(jìng)爭(zhēng)格局確定開發(fā)策略[17]；在個(gè)體知識(shí)需求層面，從事創(chuàng)造性活動(dòng)的設(shè)計(jì)師盡管掌握了設(shè)計(jì)方法，但面對(duì)“冷啟動(dòng)”的設(shè)計(jì)項(xiàng)目只有經(jīng)過“信息覓食”調(diào)研才能發(fā)現(xiàn)用戶、技術(shù)、文化、市場(chǎng)等方面的新線索?？傊O(shè)計(jì)調(diào)研是支持設(shè)計(jì)創(chuàng)新的基礎(chǔ)性活動(dòng)之一。

設(shè)計(jì)調(diào)研本質(zhì)上是獲取與產(chǎn)品開發(fā)相關(guān)的數(shù)據(jù)，通過經(jīng)濟(jì)、管理、社會(huì)、心理、設(shè)計(jì)等不同學(xué)科模型對(duì)數(shù)據(jù)進(jìn)行解釋、分析與預(yù)測(cè)，為后續(xù)設(shè)計(jì)創(chuàng)造提供依據(jù)的準(zhǔn)備活動(dòng)。設(shè)計(jì)調(diào)研一般通過問卷、觀察、結(jié)構(gòu)性訪談、網(wǎng)絡(luò)數(shù)據(jù)統(tǒng)計(jì)等方法實(shí)現(xiàn)，包括競(jìng)品調(diào)查、用戶需求調(diào)查、消費(fèi)動(dòng)機(jī)、生活方式調(diào)查等多種類型。傳統(tǒng)的設(shè)計(jì)調(diào)研由于受到技術(shù)、人力條件的限制，存在著運(yùn)行周期長(zhǎng)、成本高、樣本有限、主觀經(jīng)驗(yàn)偏差等局限。

數(shù)據(jù)密集驅(qū)動(dòng)的設(shè)計(jì)調(diào)研是在“數(shù)據(jù)密集型科學(xué)研究范式”下衍生的信息處理方式[4，6，18-19]，是通過選擇產(chǎn)品設(shè)計(jì)相關(guān)垂直領(lǐng)域進(jìn)行數(shù)據(jù)收集、融合、計(jì)量，從一定側(cè)面揭示產(chǎn)品發(fā)展態(tài)勢(shì)的方法。該調(diào)研方法強(qiáng)調(diào)充分利用大數(shù)據(jù)資源分析描述設(shè)計(jì)現(xiàn)狀，可以看作是一種從設(shè)計(jì)開發(fā)流程中逐步細(xì)分獨(dú)立的知識(shí)服務(wù)。

2 設(shè)計(jì)案例知識(shí)單元建模

2.1 設(shè)計(jì)知識(shí)計(jì)量

知識(shí)計(jì)量一般是指以知識(shí)單元為基礎(chǔ)對(duì)知識(shí)資源進(jìn)行測(cè)量[14]，通過構(gòu)建各類指標(biāo)體系間接的分析知識(shí)的數(shù)量、質(zhì)量、價(jià)值、關(guān)系以及其中呈現(xiàn)出的整體規(guī)律。知識(shí)計(jì)量屬于交叉領(lǐng)域研究，可用于揭示學(xué)科之間的相關(guān)度、知識(shí)增長(zhǎng)變化并分布規(guī)律，分析知識(shí)經(jīng)濟(jì)下無形資產(chǎn)的價(jià)值與質(zhì)量[16，20]。

基于設(shè)計(jì)知識(shí)計(jì)量的產(chǎn)品調(diào)研是通過將碎片化、異構(gòu)化、多模態(tài)的產(chǎn)品設(shè)計(jì)信息整序形成設(shè)計(jì)知識(shí)單元，以銷售量、用戶評(píng)價(jià)、廣告宣傳詞語(yǔ)等為測(cè)度，間接地反映設(shè)計(jì)趨勢(shì)動(dòng)態(tài)，實(shí)現(xiàn)大數(shù)據(jù)海量、動(dòng)態(tài)的設(shè)計(jì)信息有效監(jiān)測(cè)與分析輔助科學(xué)設(shè)計(jì)決策。設(shè)計(jì)知識(shí)計(jì)量是數(shù)據(jù)密集驅(qū)動(dòng)的設(shè)計(jì)調(diào)研的一種路徑，是形成“數(shù)據(jù)+工具+專家”有機(jī)結(jié)合的關(guān)鍵環(huán)節(jié)之一[6]。

2.2 設(shè)計(jì)知識(shí)單元

知識(shí)單元是知識(shí)控制與處理的基本單位，是知識(shí)表達(dá)、組織、存儲(chǔ)、檢索、挖掘的前提，是知識(shí)服務(wù)的基礎(chǔ)之一[19，21]。產(chǎn)品設(shè)計(jì)案例可以看作由概念、事實(shí)、規(guī)則、原理等各類設(shè)計(jì)知識(shí)轉(zhuǎn)化集成形成的物品或服務(wù)，是對(duì)具體產(chǎn)品設(shè)計(jì)過程和結(jié)果采用一定的知識(shí)表達(dá)方式描述形成的知識(shí)內(nèi)容[22]，選擇以產(chǎn)品設(shè)計(jì)案例為基本知識(shí)單元具有以下兩方面優(yōu)勢(shì)：

(1)產(chǎn)品設(shè)計(jì)案例知識(shí)載體形式清晰、獨(dú)立，在知識(shí)管理系統(tǒng)中便于計(jì)量，并可以與品牌、設(shè)計(jì)師等其他類型知識(shí)單元建立關(guān)聯(lián)。知識(shí)單元圍繞案例內(nèi)容關(guān)聯(lián)、融合各類數(shù)據(jù)形成信息交叉驗(yàn)證，是設(shè)計(jì)知識(shí)計(jì)量的重要媒介，具有較強(qiáng)的網(wǎng)絡(luò)性、準(zhǔn)確性和拓展性。

(2)產(chǎn)品設(shè)計(jì)案例知識(shí)內(nèi)容豐富，不僅包含了作為復(fù)雜系統(tǒng)的產(chǎn)品多方面屬性，還存儲(chǔ)了顯性、隱性設(shè)計(jì)知識(shí)以及用戶的評(píng)價(jià)反饋信息，便于從零件、版本到應(yīng)用方法的借鑒，是提升設(shè)計(jì)效率的關(guān)鍵。

面向設(shè)計(jì)調(diào)研構(gòu)建產(chǎn)品設(shè)計(jì)案例知識(shí)單元如圖1所示，主要由產(chǎn)品本體、關(guān)聯(lián)以及信息來源3大部分構(gòu)成：

(1)產(chǎn)品本體 主要是指組成產(chǎn)品對(duì)象的概念及其關(guān)系，是本文設(shè)計(jì)知識(shí)計(jì)量的主要內(nèi)容。因?yàn)榇髷?shù)據(jù)環(huán)境下設(shè)計(jì)信息復(fù)雜多樣，網(wǎng)絡(luò)宣傳廣告語(yǔ)言和用戶評(píng)價(jià)詞匯多數(shù)采用的大眾詞匯與專業(yè)術(shù)語(yǔ)形成的本體概念體系存在差異，所以對(duì)產(chǎn)品本體模型進(jìn)行簡(jiǎn)化以便多源信息融合。產(chǎn)品本體主要包括產(chǎn)品基本信息、產(chǎn)品描述兩部分。產(chǎn)品基本信息是說明名稱、型號(hào)、價(jià)格、銷量、獲獎(jiǎng)等基本事實(shí)。產(chǎn)品描述是對(duì)產(chǎn)品各類特性的匯總，主要包括產(chǎn)品功效、產(chǎn)品部件、產(chǎn)品設(shè)計(jì)等3部分主題。產(chǎn)品功效說明產(chǎn)品滿足用戶多層次需求中發(fā)揮的作用；產(chǎn)品部件說明產(chǎn)品系統(tǒng)組成構(gòu)件及其結(jié)構(gòu)；產(chǎn)品設(shè)計(jì)包含設(shè)計(jì)細(xì)節(jié)、工藝材料、意象風(fēng)格、歷史文化等外觀形態(tài)塑造特征。產(chǎn)品描述可以進(jìn)一步通過基于FBS(function-behaviour-structure)產(chǎn)品模型[23]、產(chǎn)品外觀知識(shí)模型[24]深入解釋。

(2)產(chǎn)品關(guān)聯(lián) 主要指與搭配產(chǎn)品、用戶、設(shè)計(jì)師等知識(shí)單元聯(lián)系而形成以個(gè)體產(chǎn)品案例為中心的知識(shí)網(wǎng)絡(luò)。

(3)信息來源 說明形成知識(shí)單元的知識(shí)來源分布，保障信息的可靠有效性。

產(chǎn)品案例設(shè)計(jì)知識(shí)單元是通過計(jì)量揭示垂直領(lǐng)域特定類型產(chǎn)品設(shè)計(jì)知識(shí)結(jié)構(gòu)與關(guān)系的媒介。通過比較該類知識(shí)單元與文獻(xiàn)單元、詞條，說明三者之間在知識(shí)來源、表達(dá)方式、挖掘方面存在的聯(lián)系與差別，如表1所示。

表1 知識(shí)單元類型比較

3 基于知識(shí)計(jì)量的調(diào)研

3.1 基本步驟

基于知識(shí)計(jì)量的產(chǎn)品設(shè)計(jì)調(diào)研方法可以分為3級(jí)信息處理(如圖2)。

(1)碎片化數(shù)據(jù)采集 在大數(shù)據(jù)環(huán)境下選擇與產(chǎn)品設(shè)計(jì)相關(guān)的購(gòu)物電商、設(shè)計(jì)大獎(jiǎng)、企業(yè)品牌、產(chǎn)品設(shè)計(jì)、產(chǎn)品評(píng)測(cè)多種網(wǎng)站數(shù)據(jù)來源，采用垂直領(lǐng)域搜索技術(shù)構(gòu)建初級(jí)案例信息庫(kù)。

(2)知識(shí)單元整序 初級(jí)案例信息經(jīng)過信息過濾，將產(chǎn)品級(jí)、特征級(jí)數(shù)據(jù)融合形成產(chǎn)品設(shè)計(jì)知識(shí)單元，進(jìn)一步匯集組成產(chǎn)品設(shè)計(jì)知識(shí)庫(kù)。

(3)圖譜趨勢(shì)解讀 從知識(shí)單元中提取測(cè)度構(gòu)建知識(shí)計(jì)量算法揭示其數(shù)理特征，以產(chǎn)品為對(duì)象發(fā)現(xiàn)設(shè)計(jì)的關(guān)鍵路徑和拐點(diǎn)，進(jìn)而以產(chǎn)品特性熱點(diǎn)為切入口逼近全局狀況。通過構(gòu)建算法、設(shè)定閾值、選擇視圖類型形成可視化圖譜，結(jié)合經(jīng)驗(yàn)從項(xiàng)目規(guī)劃視角解讀圖譜、發(fā)現(xiàn)機(jī)會(huì)。

3.2 碎片化數(shù)據(jù)采集

碎片化數(shù)據(jù)采集需要自頂向下整理數(shù)據(jù)來源，根據(jù)數(shù)據(jù)來源網(wǎng)站特征形成基于廣度與深度的搜索策略與爬取方法，為結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化信息的轉(zhuǎn)化奠定基礎(chǔ)。產(chǎn)品案例設(shè)計(jì)領(lǐng)域信息來源管理如表2所示。

表2 產(chǎn)品案例設(shè)計(jì)領(lǐng)域信息來源

根據(jù)信息來源的數(shù)據(jù)結(jié)構(gòu)選擇不同的網(wǎng)絡(luò)爬蟲獲取數(shù)據(jù)。購(gòu)物電商、設(shè)計(jì)大獎(jiǎng)、企業(yè)品牌網(wǎng)站一般是半結(jié)構(gòu)化數(shù)據(jù)，產(chǎn)品數(shù)據(jù)清晰、信息密度高，可采用Scrapy開源框架提取出結(jié)構(gòu)性數(shù)據(jù)。Scrapy是基于Python的爬蟲程序，具有結(jié)構(gòu)簡(jiǎn)單、應(yīng)用方便的特點(diǎn)。產(chǎn)品設(shè)計(jì)類、產(chǎn)品評(píng)測(cè)類網(wǎng)站一般是非結(jié)構(gòu)化數(shù)據(jù)，產(chǎn)品信息密度低、噪音多，可采用Nutch主題信息獲取方式抓取。Nutch是基于開源Java主流垂直領(lǐng)域網(wǎng)絡(luò)搜索引擎[28]，包括抓取、索引以及檢索3個(gè)部分，對(duì)URL指向的網(wǎng)頁(yè)內(nèi)容進(jìn)行產(chǎn)品主題相關(guān)性分析，獲取相近內(nèi)容。最后，將獲取的網(wǎng)頁(yè)文本、圖像等信息運(yùn)用CTPN(connectionist text proposal network)文字檢測(cè)算法、CRNN(convolutional recurrent neural network)文字識(shí)別算法、SSD(single shot multibox detector)圖片檢測(cè)算法進(jìn)行計(jì)算，形成包括數(shù)據(jù)、詞語(yǔ)、圖像等在內(nèi)的初級(jí)產(chǎn)品設(shè)計(jì)案例信息庫(kù)，為進(jìn)一步的數(shù)據(jù)加工奠定基礎(chǔ)。

3.3 設(shè)計(jì)知識(shí)單元整序

設(shè)計(jì)知識(shí)單元整序是以單元框架中的各類屬性為目標(biāo)的結(jié)構(gòu)化，通過信息過濾以及多源碎片信息融合形成較為完整的知識(shí)內(nèi)容以提升數(shù)據(jù)價(jià)值，基本步驟如下：

(1)信息過濾是將知識(shí)單元中初級(jí)產(chǎn)品設(shè)計(jì)案例信息進(jìn)一步提取、清洗，保證數(shù)據(jù)挖掘質(zhì)量。在產(chǎn)品網(wǎng)絡(luò)廣告宣傳中剔除與產(chǎn)品特性無關(guān)的內(nèi)容，如降價(jià)促銷、商品店鋪其他產(chǎn)品信息。在用戶評(píng)價(jià)中剔除低質(zhì)量評(píng)語(yǔ)，如評(píng)論過短、重復(fù)、只有感嘆詞語(yǔ)與字符信息。通過BERT(bidirectional encoder representation from transformers)訓(xùn)練文本分類保留相關(guān)內(nèi)容[30]。

(2)產(chǎn)品級(jí)信息融合是基于產(chǎn)品名稱、編號(hào)等信息，將不同來源的數(shù)據(jù)在產(chǎn)品這個(gè)層級(jí)進(jìn)行數(shù)據(jù)匯集，匯集后的信息指向同一產(chǎn)品案例。

(3)特征級(jí)信息融合是將產(chǎn)品級(jí)融合后的信息進(jìn)行識(shí)別分類形成知識(shí)內(nèi)容。產(chǎn)品銷售量、產(chǎn)品價(jià)格、獲獎(jiǎng)情況等基本信息相對(duì)簡(jiǎn)單，可分別建立規(guī)則融合數(shù)據(jù);產(chǎn)品描述、用戶評(píng)價(jià)需收集整理購(gòu)物電商網(wǎng)站的廣告宣傳、設(shè)計(jì)大獎(jiǎng)官方網(wǎng)站的設(shè)計(jì)作品介紹、產(chǎn)品評(píng)測(cè)類網(wǎng)站的評(píng)測(cè)報(bào)告、用戶留言文本數(shù)據(jù)。

3.4 產(chǎn)品影響力時(shí)間序列圖譜構(gòu)建

產(chǎn)品影響力時(shí)間序列圖譜是通過設(shè)計(jì)專家、用戶網(wǎng)絡(luò)反饋，從數(shù)量眾多同類型產(chǎn)品中設(shè)立閾值客觀篩選不同階段具有高影響力代表，幫助設(shè)計(jì)師發(fā)現(xiàn)標(biāo)桿型產(chǎn)品的一種形式表達(dá)，是解讀特定類型產(chǎn)品整體現(xiàn)狀趨勢(shì)的基礎(chǔ)。高影響力產(chǎn)品一般會(huì)得到專家不同程度認(rèn)可、用戶與市場(chǎng)的廣泛接受，能產(chǎn)生較大的社會(huì)影響和商業(yè)價(jià)值。同時(shí)根據(jù)技術(shù)創(chuàng)新擴(kuò)散理論，高影響力產(chǎn)品也會(huì)對(duì)其他產(chǎn)品設(shè)計(jì)產(chǎn)生影響，表現(xiàn)在時(shí)間序列上是高影響力產(chǎn)品產(chǎn)生某一個(gè)新特性，其他產(chǎn)品隨之模仿。本文通過綜合用戶與專家評(píng)價(jià)指標(biāo)，間接定量形成影響力指標(biāo)選擇標(biāo)桿型產(chǎn)品。本文采用共詞分析方法，建立產(chǎn)品之間的關(guān)聯(lián)，說明高影響力產(chǎn)品之間的關(guān)系，如表3所示。

表3 代表性產(chǎn)品影響因素

產(chǎn)品影響力公式表達(dá)為：

gi=aui+bvi。

(1)

產(chǎn)品影響力gi由用戶評(píng)價(jià)ui和專家評(píng)價(jià)vi組成，其中權(quán)重分別為a、b(a+b=1)，其大小根據(jù)應(yīng)用情景調(diào)整。其中，u的指標(biāo)組成為xij，表示第i個(gè)產(chǎn)品的第j個(gè)指標(biāo)的數(shù)值(i=1,2,…,n;j=1,2,…,m)，包括銷量、評(píng)價(jià)數(shù)等參數(shù)。專家評(píng)價(jià)得分v的指標(biāo)組成為yij,表示第i個(gè)產(chǎn)品的第j個(gè)指標(biāo)的數(shù)值(i=1,2,…,n;j=1,2,…,m)，包括國(guó)內(nèi)外設(shè)計(jì)獎(jiǎng)項(xiàng)數(shù)、獎(jiǎng)項(xiàng)等級(jí)、專業(yè)評(píng)測(cè)數(shù)等。下面對(duì)用戶評(píng)價(jià)計(jì)量步驟進(jìn)行說明，專家評(píng)價(jià)求解原理類似。

(1)對(duì)不同類型指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，即指標(biāo)絕對(duì)值轉(zhuǎn)化為相對(duì)值

(2)

(2)計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)產(chǎn)品占該指標(biāo)的比重pij，得到j(luò)項(xiàng)指標(biāo)在各個(gè)產(chǎn)品間的比重分布，用于計(jì)算指標(biāo)的熵值

(3)

(3)計(jì)算第j項(xiàng)指標(biāo)的熵值ej以及熵冗余度dj，其中熵值ej用于描述第j項(xiàng)指標(biāo)的不確定性。第j項(xiàng)指標(biāo)包含的信息量越大，表明該項(xiàng)指標(biāo)越重要，熵值ej越小，需要賦予越大的權(quán)重。通過將熵值ej轉(zhuǎn)化成熵冗余度dj，使得熵冗余度dj與指標(biāo)權(quán)重成正相關(guān)性，方便權(quán)重計(jì)算。

(4)

dj=1-ej。

(5)

(4)計(jì)算各項(xiàng)指標(biāo)的權(quán)值wj，求出用戶評(píng)價(jià)綜合得分ui：

(6)

(7)

3.5 產(chǎn)品特性熱點(diǎn)圖譜構(gòu)建

(1)個(gè)體產(chǎn)品特性提取 將產(chǎn)品設(shè)計(jì)知識(shí)單元中的產(chǎn)品描述、用戶評(píng)價(jià)轉(zhuǎn)化為包含通用詞、專業(yè)術(shù)語(yǔ)及專有名詞的候選詞集合[31]，基于關(guān)鍵詞自動(dòng)抽取的方法組合設(shè)立一定的閾值提取若干詞語(yǔ)代表其特性[32-33]。采用BERT訓(xùn)練文本分類得到產(chǎn)品功效、產(chǎn)品部件、產(chǎn)品設(shè)計(jì)3大類產(chǎn)品的關(guān)鍵屬性[30]。

(2)一類產(chǎn)品全局特性熱點(diǎn)表達(dá) 個(gè)體產(chǎn)品特性詞相對(duì)簡(jiǎn)化精煉，形成一類產(chǎn)品全局候選詞集合?；谕x詞詞林在語(yǔ)義層面兩兩相似度計(jì)算候選詞[34]:

(8)

式中：Ns和Nt分別表示詞語(yǔ)wi和wj到最近公共父節(jié)點(diǎn)的路徑距離；H表示詞語(yǔ)wi和wj最近公共父結(jié)點(diǎn)在本體中的深度。候選詞兩兩相似度計(jì)算后利用DBSCAN(density-based spatial clustering of applications with noise)聚類算法，設(shè)定閾值選擇類中心wc為一類產(chǎn)品的全局熱點(diǎn)特性?；诠铂F(xiàn)計(jì)算產(chǎn)品全局特性熱點(diǎn)之間的關(guān)聯(lián)度：個(gè)體產(chǎn)品特性詞wi下屬于以wcp熱點(diǎn)詞為代表的聚類，個(gè)體產(chǎn)品特性詞wj下屬于以wcq熱點(diǎn)詞為代表的聚類。wi,wj兩詞在個(gè)體產(chǎn)品中存在共現(xiàn)，累積形成wcp，wcq之間的關(guān)聯(lián)度。

(3)特性熱點(diǎn)圖譜映射 詞匯圓點(diǎn)的半徑表明DBSCAN聚類的Ε鄰域大小，圓點(diǎn)色彩說明特性詞類型，詞語(yǔ)間的連線說明詞之間共現(xiàn)的程度。

3.6 產(chǎn)品設(shè)計(jì)前沿圖譜構(gòu)建

產(chǎn)品設(shè)計(jì)前沿是指某時(shí)刻最新的設(shè)計(jì)趨勢(shì)變化，基于知識(shí)計(jì)量中的膨脹詞概念將產(chǎn)品特性熱點(diǎn)詞作為候選術(shù)語(yǔ)范圍[25]，探測(cè)不同時(shí)間區(qū)間中產(chǎn)品特性熱點(diǎn)詞頻率變化以辨識(shí)發(fā)展演化脈絡(luò)。產(chǎn)品特性熱點(diǎn)候選詞膨脹指數(shù)公式表達(dá)為：

i=1,2,…,n,j=1,2,…,m。

(9)

其中：αj為產(chǎn)品特性熱點(diǎn)候選詞j的膨脹指數(shù);pi,j為在ti時(shí)刻產(chǎn)品特性熱點(diǎn)候選詞j的詞頻，在ti+1時(shí)刻pi+1,j為熱點(diǎn)候選詞j的詞頻,其獲取方式是該產(chǎn)品特性熱點(diǎn)詞所代表的類內(nèi)的所有特性詞在該時(shí)刻的詞頻累加。選取當(dāng)前時(shí)間段內(nèi)膨脹指數(shù)αj高的詞匯作為產(chǎn)品設(shè)計(jì)前沿代表進(jìn)行總體分析。產(chǎn)品設(shè)計(jì)前沿詞之間的關(guān)聯(lián)算法沿用特性熱點(diǎn)詞的計(jì)算方式。由于本文只關(guān)注熱點(diǎn)詞的膨脹現(xiàn)象，當(dāng)pi+1,j≤pi,j,膨脹指數(shù)αj被賦為0時(shí)，不再關(guān)注熱點(diǎn)詞的消失現(xiàn)象。

4 方法驗(yàn)證案例

4.1 原型系統(tǒng)構(gòu)建

基于知識(shí)計(jì)量的產(chǎn)品設(shè)計(jì)調(diào)研原型系統(tǒng)整體采用B/S構(gòu)架，包括數(shù)據(jù)接入層、存儲(chǔ)層、算法層和展示層，如圖4所示。該原型采用Scrapy、Nutch爬蟲框架對(duì)5類開源數(shù)據(jù)來源進(jìn)行處理，轉(zhuǎn)化為文本數(shù)據(jù)，存儲(chǔ)在MySQL數(shù)據(jù)庫(kù)等處，利用3.4～3.6節(jié)的算法，結(jié)合Gefhi、Html5形成可視化工具展示設(shè)計(jì)調(diào)研內(nèi)容。

邏輯功能的位置信息、邏輯功能占用FPGA可重構(gòu)資源的情況、邏輯功能間有無位置重疊等信息在布局過程中會(huì)發(fā)生變化，因此使用如表2所示的一系列變量對(duì)其進(jìn)行定義.

4.2 香薰機(jī)收集情況

香薰機(jī)屬于日常生活電器，通過散發(fā)氣味、調(diào)節(jié)濕度，在家庭、辦公室、客房、汽車等場(chǎng)所營(yíng)造氛圍。香薰機(jī)生產(chǎn)企業(yè)包括國(guó)內(nèi)美的、小米、國(guó)外MUJI、WESTHOUSE、SCENTAIR等為代表的上百家品牌，還涉及眾多小微企業(yè)和手工作坊。選擇香薰機(jī)作為范例說明知識(shí)計(jì)量調(diào)研方法，主要考慮到以下兩個(gè)方面：

(1)香薰機(jī)網(wǎng)絡(luò)樣本數(shù)量大 據(jù)報(bào)道，全球香薰機(jī)市場(chǎng)規(guī)模在2018年達(dá)到約6.1億美元，北美和歐洲是世界兩大消費(fèi)市場(chǎng)。由于國(guó)內(nèi)消費(fèi)升級(jí)，用戶對(duì)生活品質(zhì)與體驗(yàn)的需求日益增高，近百個(gè)品牌企業(yè)投入各類型產(chǎn)品搶占市場(chǎng)份額，香薰機(jī)市場(chǎng)競(jìng)爭(zhēng)日益激烈。大樣本的香薰機(jī)案例為知識(shí)計(jì)量發(fā)現(xiàn)潛在關(guān)聯(lián)奠定基礎(chǔ)。

(2)香薰機(jī)設(shè)計(jì)內(nèi)容豐富 由于影響香薰機(jī)的主流超聲波震蕩技術(shù)相對(duì)單一、同質(zhì)化，設(shè)計(jì)整合對(duì)市場(chǎng)競(jìng)爭(zhēng)顯得至關(guān)重要，企業(yè)設(shè)計(jì)研發(fā)投入量大。以設(shè)計(jì)視角，香薰不僅與香文化、禪文化、地域文化關(guān)系密切，還與多樣化用戶需求細(xì)微體驗(yàn)直接相關(guān)，文化創(chuàng)意設(shè)計(jì)空間廣闊。在系統(tǒng)創(chuàng)新視角，香薰機(jī)是智能家居IoT空氣調(diào)節(jié)的系統(tǒng)構(gòu)成產(chǎn)品之一，與睡眠、情緒、身體健康領(lǐng)域相關(guān)。知識(shí)計(jì)量有利于從宏觀整體說明香薰機(jī)在設(shè)計(jì)領(lǐng)域的動(dòng)態(tài)變化。

本文利用原型系統(tǒng)初步收集達(dá)到約7萬(wàn)個(gè)與香薰機(jī)相關(guān)的商品。經(jīng)過篩選，排除掉重復(fù)案例以及配件、配料等不符合類型內(nèi)容，完整的設(shè)計(jì)知識(shí)單元積累約800個(gè)，其中以美的香薰加濕器SC-2E01M為例，說明知識(shí)單元形式(如表4)。

表4 香薰機(jī)知識(shí)單元示例

4.3 香薰機(jī)影響力產(chǎn)品圖譜

香薰機(jī)影響力通過統(tǒng)計(jì)約800個(gè)香薰機(jī)與用戶以及專家評(píng)價(jià)相關(guān)數(shù)據(jù)得到權(quán)重值,如表5所示。以上述2020年美的SC-2E40香薰機(jī)影響力計(jì)算為例說明基本過程，其設(shè)計(jì)知識(shí)單元中銷量為45 836個(gè)，用戶評(píng)論數(shù)為3 170條，設(shè)計(jì)獎(jiǎng)項(xiàng)數(shù)為0個(gè)，獎(jiǎng)項(xiàng)等級(jí)為0，專業(yè)評(píng)測(cè)數(shù)為0個(gè)。通過式(2)屬性歸一化后x′=(0.612,0.875,0,0,0)，利用式(3)計(jì)算得到熵值p=(0.005 3,0.014,0,0,0)。根據(jù)式(5)得到用戶評(píng)論得分是u=0.008 78，專家評(píng)價(jià)得分v=0，將用戶與專家評(píng)價(jià)并重權(quán)重各設(shè)置為0.5，其影響力總得分為g=0.004 39。

表5 計(jì)算香薰機(jī)權(quán)重值參數(shù)

以年度為單位逐一計(jì)算香薰機(jī)影響力，設(shè)立閾值在0.6之上獲得由48個(gè)產(chǎn)品構(gòu)成的影響力圖譜。在時(shí)間序列上，從圖譜可以發(fā)現(xiàn)代表性產(chǎn)品MUJI超聲波香薰機(jī)、卡蛙普羅旺斯香薰機(jī)以及德爾瑪DEM-F600香薰機(jī)大致將產(chǎn)品發(fā)展分為3個(gè)階段，如圖5所示。其中，代表性產(chǎn)品MUJI超聲波香薰機(jī)，采用簡(jiǎn)潔圓柱造型將燈光磨砂與香薰相結(jié)合，獲得了設(shè)計(jì)界與市場(chǎng)的普遍認(rèn)可，樹立了市場(chǎng)標(biāo)桿。而隨著市場(chǎng)的演化，以卡蛙普羅旺斯香薰機(jī)和德爾瑪DEM-F600香薰機(jī)為代表的產(chǎn)品展現(xiàn)了兩類不同的發(fā)展路徑：前者以藝術(shù)設(shè)計(jì)為主導(dǎo)，采用多材質(zhì)、多紋理、多色彩為手段吸引用戶；后者以低價(jià)格為突破點(diǎn)，結(jié)合大容量、抑菌特點(diǎn)占領(lǐng)市場(chǎng)。

香薰機(jī)影響力大小整體圖譜狀況如表6所示。經(jīng)過篩選香薰機(jī)案例是在市場(chǎng)演化中代表性關(guān)鍵節(jié)點(diǎn)，結(jié)合這些知識(shí)單元在設(shè)計(jì)、品牌、價(jià)格、信息來源等相關(guān)數(shù)據(jù)，進(jìn)一步推理可以發(fā)現(xiàn)：首先，以設(shè)計(jì)驅(qū)動(dòng)、品牌驅(qū)動(dòng)、價(jià)格驅(qū)動(dòng)、渠道驅(qū)動(dòng)產(chǎn)生高影響力香薰機(jī)產(chǎn)品，展現(xiàn)不同類型競(jìng)爭(zhēng)力；其次，香薰機(jī)設(shè)計(jì)風(fēng)格總體以簡(jiǎn)約為主，與東方、歐洲、現(xiàn)代文化特色相結(jié)合緊密；最后，香薰機(jī)配料氣味組合的變化、與智能功能的結(jié)合成為設(shè)計(jì)體驗(yàn)的重要環(huán)節(jié)。

表6 香薰機(jī)代表性產(chǎn)品前5位

4.4 香薰機(jī)特性熱點(diǎn)圖譜

香薰機(jī)特性熱點(diǎn)圖譜經(jīng)過個(gè)體、整體類型詞匯分析兩個(gè)階段。以上述美的香薰加濕器SC-2E01M知識(shí)單元為例說明過程，產(chǎn)品描述經(jīng)過分詞、關(guān)鍵詞提取方法在廣告宣傳視角提取了“保濕”、“加濕”、“輕音”、“閑暇”等詞匯，在用戶評(píng)價(jià)視角提取了“方便攜帶”、“聲音很輕”、“漂亮”等詞匯。精煉詞匯集合而成廣告宣傳、用戶評(píng)價(jià)兩類香薰機(jī)整體特性詞庫(kù)，在語(yǔ)義層面兩兩詞匯計(jì)算相似性。例如：在同義詞詞林中，詞語(yǔ)“攜帶”的義項(xiàng)編號(hào)是“Hj36A01=”，詞語(yǔ)“定時(shí)”的義項(xiàng)編號(hào)是“Hc14C11#”，利用式(8)相似度計(jì)算得到數(shù)值0.36。利用DBSCAN以詞匯相似度聚類形成了如表7所示的熱點(diǎn)詞。

表7 香薰機(jī)特性熱點(diǎn)詞對(duì)比

續(xù)表7

一方面，圖譜解讀結(jié)合功效、部件以及設(shè)計(jì)3種主題進(jìn)行解釋：“智能”、“抑菌”、“凈化”已經(jīng)成為香薰機(jī)重點(diǎn)功能;“夜燈”、“遙控”、“水箱”是香薰機(jī)突出的部件;“顏色”、“精致”、“納米(材料)”、“無聲”是設(shè)計(jì)細(xì)節(jié)呈現(xiàn)的特征，如圖6所示。

另一方面，產(chǎn)品廣告宣傳特性與用戶評(píng)論關(guān)注熱點(diǎn)詞之間的差異在一定程度上說明了以用戶為中心的產(chǎn)品設(shè)計(jì)應(yīng)該注意的一些要點(diǎn)(如表7)。產(chǎn)品廣告宣傳強(qiáng)調(diào)“智能”、“夜燈”、“抑菌”香薰機(jī)的功效、部件。用戶評(píng)論相對(duì)籠統(tǒng)、噪音比例大，但集中在與個(gè)體情感體驗(yàn)直接相關(guān)的“精致”、“精油”、“香味”方面。

4.5 香薰機(jī)設(shè)計(jì)前沿圖譜

香薰機(jī)設(shè)計(jì)前沿主要是將產(chǎn)品廣告宣傳、用戶評(píng)價(jià)中“智能”、“夜燈”、“抑菌”、“精致”等熱點(diǎn)備選詞詞頻分別與時(shí)間結(jié)合，經(jīng)過膨脹詞計(jì)算篩選獲得(如圖7)。以候選詞匯“香味”在2019年時(shí)間段為例說明?！跋阄丁痹~匯代表了“清香”、“芳香”、“香氣”、“幽香”，累積其詞頻達(dá)到1 857個(gè)，較前一年增加了1 477個(gè)，根據(jù)式(9)可知其膨脹指數(shù)為3.89。

香薰機(jī)設(shè)計(jì)前沿變化詞匯如表8所示，廣告宣傳視角圖譜中初期檢測(cè)膨脹詞“夜燈”和“定時(shí)”兩項(xiàng)增長(zhǎng)迅速，之后增長(zhǎng)向“無聲”、“大容量”轉(zhuǎn)變，在2019年“香味”的增加可能說明對(duì)氣味設(shè)計(jì)產(chǎn)生了新動(dòng)向。用戶的膨脹詞變化與廣告宣傳視角存在差別，但對(duì)于前沿性變化的解釋性不是很大，可能與用戶評(píng)論的主題分散、內(nèi)容相對(duì)簡(jiǎn)單有關(guān)。

表8 香薰機(jī)設(shè)計(jì)前沿代表詞匯

4.6 香薰機(jī)調(diào)研報(bào)告評(píng)價(jià)

基于知識(shí)計(jì)量的香薰機(jī)調(diào)研可以看作是商業(yè)競(jìng)爭(zhēng)性情報(bào)，基于情報(bào)質(zhì)量評(píng)價(jià)方法[35]對(duì)原型系統(tǒng)與現(xiàn)有通用搜索工具百度兩者輸出結(jié)果進(jìn)行比較：原型系統(tǒng)提供了產(chǎn)品影響力、特性熱點(diǎn)、前沿方面3方面圖譜，而通用搜索工具百度提供了香薰機(jī)索引網(wǎng)頁(yè)內(nèi)容。在香薰機(jī)新產(chǎn)品開發(fā)項(xiàng)目前期情景下，考察知識(shí)服務(wù)層面是否符合情報(bào)來源、獲取、處理規(guī)范的基礎(chǔ)上，分析調(diào)研結(jié)果是否存在激活新產(chǎn)品開發(fā)策略的現(xiàn)實(shí)價(jià)值。該情報(bào)質(zhì)量評(píng)價(jià)體系將專業(yè)視角與用戶需求相結(jié)合，主要包括6個(gè)方面，如圖8所示。

實(shí)驗(yàn)邀請(qǐng)了8位設(shè)計(jì)師和1位信息管理專家進(jìn)行5分主觀量表評(píng)價(jià)，調(diào)查結(jié)果如表9所示。原型系統(tǒng)在目標(biāo)一致性、重要性與可理解性上較通用工具有一定提升，但在可靠性、成本—效益存在差距?，F(xiàn)有系統(tǒng)原型預(yù)設(shè)調(diào)研功能基本實(shí)現(xiàn)，但在工程實(shí)現(xiàn)、知識(shí)服務(wù)能力上仍有待提升。

表9 香薰機(jī)情報(bào)質(zhì)量比較

5 結(jié)束語(yǔ)

基于知識(shí)計(jì)量的產(chǎn)品設(shè)計(jì)調(diào)研是一種通過碎片化信息獲取、知識(shí)單元整序、圖譜趨勢(shì)解讀流程，從定量化視角掌握特定類型產(chǎn)品設(shè)計(jì)發(fā)展動(dòng)態(tài)的方法。該方法使設(shè)計(jì)師免于重復(fù)性信息采集勞動(dòng)，減少自身有限經(jīng)驗(yàn)搜索、缺乏數(shù)據(jù)分析遺失重要內(nèi)容的不足，輔助大數(shù)據(jù)環(huán)境下設(shè)計(jì)前期概念設(shè)計(jì)決策：

(1)構(gòu)建了產(chǎn)品案例設(shè)計(jì)知識(shí)單元，整序融合碎片化信息形成結(jié)構(gòu)化知識(shí)，從而為設(shè)計(jì)知識(shí)計(jì)量奠定基礎(chǔ)。

(2)通過對(duì)產(chǎn)品影響力、特性熱點(diǎn)以及前沿圖譜的分析，形象描述一類產(chǎn)品整體設(shè)計(jì)現(xiàn)狀，為洞察新的設(shè)計(jì)概念奠定基礎(chǔ)。

產(chǎn)品設(shè)計(jì)垂直領(lǐng)域信息環(huán)境復(fù)雜多樣性為設(shè)計(jì)知識(shí)獲取、挖掘和計(jì)量帶來了難度，結(jié)合智能科學(xué)、情報(bào)學(xué)、管理學(xué)理論逐步向設(shè)計(jì)專業(yè)知識(shí)內(nèi)容主題深入是下一步探索的重點(diǎn)。

聲明

本文所提及品牌及產(chǎn)品所有權(quán)和解釋權(quán)歸其持有人所有，本文僅作學(xué)術(shù)案例分析之用。