用户感性需求驱动下的产品造型意象设计研究

程永胜，徐骁琪

（厦门大学嘉庚学院，福建漳州 363105）

1 前言

随着智能科技时代的到来，消费者对于智能终端产品的需求不断扩大，以往用户在选购产品时仅仅只关注产品外观、技术、功能和质量等外显因素；但近年来随着智能终端产品应用场景从公共场所向家居环境的转变，用户则更加注重产品所能带来的个性表达和感情满足等更高层次的感性需求。因而，将用户感性需求研究纳入到产品设计开发流程中，有助于建立企业与用户的双向交流，使产品输出更加精准，提升产品竞争力。

近几年感性工学（Kansei Engineering，KE）作为一种产品研发方法，主要着眼于通过定性和定量分析探究用户的“感性需求”和产品的“造型要素”两者之间的关系，将用户难以确定和捕捉的感性需求转换为定量数据，并对量化后的数据进行分析从而指导设计实践［1］。当前针对感性工学理论的研究，主要集中在汽车造型［2］、工程机械［3］、家居用品等领域［4］，然而对于智能终端设备的研究还较少。因此，这里以智能终端产品当中的摄像机为研究对象，采用形态分析法和主成分分析获取摄像机的各造型项目中提取关键的造型要素和代表性感性词汇，运用数量化I类理论建立用户的感性需求和产品的造型要素之间的联系；并以此为例，将用户对产品的感性需求转化为设计要素的具体方法，扩展到智能终端其他产品设计中［5］。

2 理论基础与研究思路

2.1 数量化I类理论

数量化理论（Quantitation Theory Type，QTT）最早由日本林知己夫教授在20世纪50年代所提出，该理论按研究问题的目的可分为数量化I，II，III，IV类理论［6］。其中数量化I类理论是一种研究自变量为定性变量，因变量为定量变量，利用多元回归分析建立变量之间的数字模型，将难以详细定量和定性的问题数据化，揭示数据之间所蕴含的联系和规律。其中，定量变量通常指具象数据描述的变量信息如：尺寸、重量、销量、产量等；由定量变量组成的数据为定量数据。定性变量则可以理解为这里研究的摄像机造型设计中的要素分类，如摄像头造型轮廓可分为，圆形、长方形、半弧形等抽象形状组成的数据；由定性变量组成的数据为定性数据。数量化I类理论主要应用于产品设计当中分析用户感性需求和产品造型要素之间的关联，将用户对产品的感性意象转化成具体的设计要素，是感性工学研最常用的方法之一［7］。

2.2 主成分分析法

主成分分析（Principal Component Analysis，PCA）［8−9］是一种针对多变量降维的统计方法，近几年该方法被广泛应用在产品感性意象研究领域，主要用于从众多感性词汇中挑选最具代表的感性词汇，通常使用SPSS软件进行相应数据分析。通过主成分分析对摄像机造型意象进行分析，有利于感性词汇提取的科学性。

2.3 形态分析法

产品造型设计通常采用形态分析法（Morphological Analy⁃sis）［10］根据产品的组成情况，将产品造型解构为各个造型项目及对应的造型要素，以图示化方式将造型要素进行表达；最终将造型要素进行重新排列组合，创造出新的造型设计方案［11］。通过形态分析法对摄像机造型要素进行提取，有利于造型项目分类和造型要素提取的准确性。

2.4 研究思路

首先，广泛收集产品样本，经过筛选确定代表性样本；然后，收集用户对于产品造型意象相关的感性词汇，并以主成分分析法进行统计分析，确定最终产品意象词汇；其次，采用形态分析法对产品造型项目进行归类，并通过图示化将造型项目进行分解确定各造型要素。最终，通过将感性需求与造型要素结合进行量化研究，建立产品造型意象评价模型，得到感性意象相匹配的造型要素，指导产品造型设计，具体的研究思路，如图1如示。

图1 研究思路与阶段Fig.1 Research Ideas and Stages

3 研究过程

3.1 产品样本搜集与筛选

通过品牌网站和商城实地调研，整理得到市场现有销售的摄像机样本共70个；剔除掉造型相识；造型特征重复的样本；并对每张样本图片进行了预处理，包括调整为统一比例尺寸，去除样本背景，图片灰度处理。

最后采用KJ分析法进行样本筛选，邀请设计专家和设计专业学生组成焦点小组，对样本反复讨论、归纳、替换直到小组意见一直，最终选出20个摄像机样本，如表1所示。

表1 20个摄像机样本Tab.1 20 Camera Samples

3.2 确定感性意象词汇

通过产品网站、相关文献等途径收集感性词汇，结合摄像机应用场景，从家庭环境、公共场所、企业公司等三个维度对感性词汇进行归类［12］，并经过焦点小组的评价剔除明显不适合评价摄像机造型词汇，得到摄像机感性意象词库，如表2所示。

表2 摄像机感性意象词库Tab.2 Camera Perceptual Image Lexicon

以里克特量表的形式将感性意象词汇和摄像机样本相结合，感性评价分值记为1、2、3、4、5、6、7分，制作成7级意象词汇评价量表调查问卷。

选择50名受测者对调查问卷进行评分，其中包括，行业专家和设计人员共10 名，使用用户和潜在购买者20 名，设计专业教师和学生20 名，最终得到有效调查问卷共47 份。将得到的评价数据输入到SPSS软件平均值算法，对摄像机样本的感性意象词汇评分进行统计，计算得到样本在每个感性意象词汇下的平均分值；然后运用主成分分析进行因子降维处理，得到主成分数目，确定“温暖的、稳定的、简约的、专业的、创新的”5个代表性感性意象词汇。

根据语义差异法二级性原理设要求，将这个5个感性词汇配以反义词，最终得到“V1温暖的−冰冷的”、“V2简约的−复杂的”、“V3稳定的−失衡的”、“V4专业的−通用的”、“V5创新的−模仿的”5组代表性感性意象词汇。

3.3 确定样本造型项目和造型要素

确定摄像机样本后根据形态分析法中形态分解原则对样本造型项目进行归类，同时为了提高摄像机造型解构的准确性，邀请行业专家和专业设计师进行分析，最终得到机头造型、云台造型、底座造型、镜头造型、连接方式、倒角造型等6个摄像机造型项目，如图2所示。

图2 摄像机造型项目Fig.2 Camera Modeling Category

并以图示化方式将不同样本的造型项目进行表达，得到23个独立造型要素。例如镜头造型项目可以分为“圆形”“方形”“胶囊形”“半胶囊形”4个造型要素，为了更好对各造型项目进行直观地对比，分析观察出不同样本造型要素形态上的差异性，从而构建造型要素编码库，如表3所示。

表3 摄像机造型要素编码库Tab.3 Camera Modeling Elements Coding Library

3.4 建立数字模型

为获取20个代表性样本的感性评价值，以里克特SD量表形式将代表性样本和代表性感性意象词汇结合，制成7级感性意象SD评价量，如表4所示。选择100名专业设计师和产品用户进行测试并打分，发放评价量表100份，收回88份有效量表，汇总得到各个样本不同感性意象词汇的评价平均值作为统计结果，如表5所示。

表4 样本感性意象SD评价量表Tab.4 SD Scale for Perceptual Image Evaluation of Samples

表5 样本感性意象评价平均值Tab.5 Mean Value of Perceptual Image Evaluation

根据数量化理论I类理论，建立摄像机感性意象词汇和产品造型要素两者之间的数学模型映射模型。以上述样本造型项目作为项目，造型要素作为类目，将感性意象词汇评价值作为因变量，建立产品造型与感性意象之间的线性关联方程［13］。设有n个项目，第i个项目的类目为ri，则共有=P个类目。对于m个样本而言δm(i，j)(m= 1，2，...，k；i= 1，2，...，n；j= 1，2，...，ri)则代表第i个项目（显性设计特征）中的第j类目（造型要素）在第m个样本中的反应，按式（1）对其进行赋值，如果该样本中有对应类目的造型要素则取1，反之则取值0［14］。

幼儿园一日活动始于晨间锻炼，幼儿园的孩子非常活泼好动，对各种体育活动都有着浓厚的兴趣，若是晨间锻炼的体育活动没有充分调动幼儿的积极性，使其参与到晨间锻炼当中，就会影响一日活动的整体效果。

假定因变量和各项目、类目的反应间存在线性关系，则可建立数学模型［15］：

式中：bij—仅依赖于i项目之j类目的系数；

εm—第k次抽样中的随机误差；

ym—第m个样本造型的感性评价值。

其中，摄像机样本数m=1，2，...，20；项目数n=6，即有X1、X2、...、X6等6个造型项目；r1，r2，...，r5分别对应造型项目X1、X2、...、X6中的类目个数，r1=5，r2=5，r3=4，r4=3，r5=4，r6=2。参照上述公式和表3与表5，将感性词汇量化数值、造型项目、造型类目进行编码，得到20个摄像机样本的感性意象评价矩阵，如表6所示。

表6 感性意象评价矩阵Tab.6 Perceptual Image Evaluation Matrix

3.5 模型筛选和结果分析

利用SPSS24.0统计软件采用多元回归模型以摄像机造型要素类目为自变量，感性意象评价均值为因变量，根据感性意象评价矩阵建立数字模型进行数据分析。模型中R方代表解释模型中数据占比，大于60%表示模型的拟合度合格。显著性F值则代表自变量对因变量的显著影响，若F指小于0.05说明模型中至少有一个自变量对因变量又显著影响；反之F指大于0.05则说明所有的自变量对因变量没有任何显著影响；回归系数显著数量则反映了自变量小于0.05的具体数量［16］。

（1）采用输入方式建立模型。以因变量“V1温暖的−冰冷的”为例，模型汇总结果，如表7 所示。其中模型1 调整后的R方为0.831，说明其可以解释因变量83.1%的数据，拟合度合格。显著性F值为0.017大于0.05，则表示自变量造型要素对因变量“V1温暖的−冰冷的”并没有产生显著影响。同时显著数量为0，由此可确定需要对因变量“V1温暖的−冰冷的”建立新的模型。

表7 因变量“V1温暖的-冰冷的”模型汇总Tab.7 The Dependent Variable "V1 Warm-Cold" Model

（3）拟定回归模型方程。经过上述筛选，得出模型7的类目得分、常数项、复相关系数、决断系数及偏相关系数的数值，如表8所示。因变量“温暖的−冰冷的”包含C12、C15、C32、C42、C51、C52、C54、C62 共8 个变量，根据式（2）最终得到因变量“V1 温暖的−冰冷的”预测模型

表8 模型10线性关系分析Tab.8 Linear Relationship Analysis of Model 10

y=−0.895−0.509C12+0.628C15+0.252C32+0.349C42−0.148C51+0.466C52−0.119C54−0.678C62

根据该模型方法可继续计算剩余的因变量“V2简约的−复杂的”、“V3稳定的−失衡的”、“V4专业的−通用的”、“V5创新的−模仿的”的预测模型。根据模型7线性关系中类目得分可以得出造型要素类目对因变量感性意象词汇的影响偏向和大小；显著值F则代表了各个自变量造型要素对因变量感性意象词汇是否具有显著影响；决断系数可以反应出自变量造型要素对因变量感性意象词汇的解释程度和拟合度，由此对因变量“V1温暖的−冰冷的”预测模型y分析得出以下结论。

类目得分有正值有负值，这里中正值偏向左侧感性意象词汇，负值偏向右侧感性意象词汇［17］；类目得分大小则代表了各造型要素类目与因变量“V1温暖的−冰冷的”的相关程度。在机头造型中半胶囊形C15会使摄像机造型更加简约，方形C12则会让造型意象变得复杂；连接方式中重合型C52会使摄像机造型意象更偏向简约，独立形C51、相交形C54则会使造型意象更加复杂。此外，方形镜头造型C32、倒梯形底座造型C42都会使得摄像机造型更加简洁，倒斜角C62则会让造型看上去更加复杂，其次因为各类目中显著性F值的不同，对造型意象的影响显著程度会略有不同。

显著性F值则反映自变量对因变量的影响是否显著，分析因变量“V1温暖的−冰冷的”预测模型造型要素类目可以发现，方形C12、半胶囊形C15、倒梯形C42、重合型C52、倒斜角C62显著值F均小于0.05，说明对因变量“V1温暖的−冰冷的”有显著的影响；而方形C32、独立形C51、相交形C54显著值F大于0.05，表明对因变量“V1 温暖的−冰冷的”有非显著的影响。模型中决断系数为0.881，代表可以解释因变量“V1温暖的−冰冷的”88.1%的数据，说明该预测模型拟合度非常高。通过上述结论分析，表明以同样的分析方法可以对其他的因变量感性意象词汇进行分析，得出造型要素和其他感性意象词汇的相关程度，以及造型要素对感性意象词汇的显著影响［18］；同时验证自变量和因变量关系模型的拟合度，从而确定自变量造型要素与因变量感性意象词汇之间的相关性指导设计实践。

4 设计实践与评价

为验证上述方法的可行性，以因变量“简约的−复杂的”为例，从造型项目中挑选得分偏向“简约的”造型要素类目C15、C32、C42、C52，组成全新的方案1。然后，通过替换方案1造型项目内的造型要素形成方案2和方案3，设计方案效果，如图3所示。

图3 设计方案Fig.3 Designing Scheme

采用语义差异法分别对新的设计方案进行“简约的−复杂的”感性意象评价，得到评价均值，如表9所示。评价得分可知：方案1得分最高，表明感性意象最为简约；方案3 得分最低，感性意象表现为最复杂；方案2感性意象则偏向简约。方案感性意象得分与上述分析方法思路一致，证明该方法是有效的，可以应用于摄像机造型意象设计。

表9 设计方案感性意象评价Tab.9 Perceptual Image Evaluation of Design Scheme

5 结语

感性工学作为产品研发方法，主要探讨人与产品的相互关系，即人对产品的感性认知以及产品对人的意象表达，数量化Ⅰ类理论则是感性工学当中研究产品造型要素和用户感性意象最常用的方法之一。这里以摄像机为例，以形态分析法和主成分分析分别获取摄像机造型要素与代表性感性意象词汇；基于数量化Ⅰ类理论通过多元回归建立自变量造型要素类目与因变量感性意象评价均值之间的数学模型，得出影响感性意象的显著造型要素。将造型要素按照感性意象需求组成新的设计方案，通过感性意象评价检测，验证了该方法的可行性。此方法可以让设计人员明确哪些造型要素符合用户的哪些感性认知，辅助产品造型意象设计，也为后续相关的产品造型意象设计提供了参考。以此为基础，后续将继续完善如颜色、材质，纹理等其他造型要素研究，探讨多维度造型要素组合对产品造型意象的影响，构建系统完整的产品造型意象设计方法。