基于利益相关者信息的Kansei建模方法在在线零售 generative 产品设计中的应用

《Displays》：Stakeholder-Informed Kansei modeling for generative product design in online retail

　　周美瑜 | 朱慧娟 | 蔡长鹏 | 王正宇 | 王毅 | 蔡伟林
中国东华理工大学艺术、设计与媒体学院

**摘要**
随着在线零售的快速发展和消费者需求的升级，用户的情感需求已成为影响产品设计和市场竞争力的关键因素。然而，传统的观赛工程方法在处理多源、多维度的情感数据及复杂的语义映射方面仍存在局限性，无法充分满足在线购物环境中涉及多个利益相关者的设计需求。为了解决这一问题，本研究提出了一个由多利益相关者情感需求驱动的生成设计框架。该框架以观赛语义为核心，建立了一个包括语义建模、设计元素映射、生成表达和感知评估的闭环流程，实现设计过程中情感需求的结构化表示与转换。方法上，从在线评论数据中提取语义特征及其对应的权重，将其整合到产品形态生成的生成模型中，并通过专家和用户评估进行验证。结果表明，所提出的框架能够有效整合多源情感信息，提高生成设计在多个利益相关者视角下的语义一致性和表达准确性。总体而言，本研究为观赛工程与生成设计的结合提供了方法论路径，为电子商务环境下的多利益相关者产品设计提供了实践性见解。

**引言**
数字技术的进步正在深刻重塑商业运营模式，其中以数字创新为驱动的电子商务持续催生了新的商业范式。电子商务可以被视为一个以价值创造为核心的协作网络，主要由生产者、传播者和消费者等不同利益相关者组成[1]、[2]。随着电子商务的迅速普及和消费模式的持续转变[3]，在线购物逐渐成为消费者获取产品和服务的主要渠道。与传统的线下购物相比，线上零售环境下消费者缺乏触觉、嗅觉和实时互动体验，因此他们的购买决策更依赖于视觉呈现及其引发的情感感知过程[4]、[5]。先前的研究表明，产品外观所传达的形态、材质和色彩信息能够在短时间内激发消费者的情感反应，从而影响他们的偏好和购买意图[6]。因此，成功的产品往往通过情感驱动的设计和美学形态表达获得竞争优势[7]、[8]。观赛工程作为一种成熟的情感设计方法，能够将消费者的主观情绪定量转化为可测量的设计元素，并开发预测模型将这些元素与设计结果联系起来，使产品形态设计更准确地反映消费者的感情需求[9]、[10]。在在线购物和数字交互的背景下，一些研究者运用自然语言处理、文本挖掘和机器学习等先进技术从大规模在线消费者评论中高效提取和分析情感信息[11]，从而促进消费者情感需求与产品属性之间的有效匹配。同时，生成设计和基于人工智能（AI）的图像合成技术为自动化产品可视化开辟了新途径。如Stable Diffusion等扩散模型在艺术创作和虚拟场景构建方面展示了出色的生成能力，并被引入产品设计和人机交互研究[12]、[13]，为探索观赛驱动的生成产品设计奠定了重要基础。

然而，产品情感意象的形成并非仅由个别消费者决定，而是由生产者、平台和传播媒体等多方共同影响的结果。这一认知过程存在一定程度的模糊性。一方面，由于线上购物缺乏直接的触觉和互动体验，消费者通常依赖产品图片、文本描述和视频内容等碎片化信息来形成对产品的整体情感认知，这一信息整合过程易受个体认知能力差异的影响，可能导致消费者的情感判断与产品实际物理属性之间存在偏差[14]。同时，消费者还可能通过在线评论、社交媒体讨论和二次传播内容进一步塑造自己的印象，平台机制和社会话语在这一过程中可能对个人情感判断产生额外影响[15]。另一方面，不同利益相关者往往关注产品形态表达的不同方面：设计师倾向于使用标准化设计语言来降低成本并强化品牌一致性[16]，而消费者更关注产品是否符合他们的个人审美偏好和社会身份表达[17]、[18]。这种利益相关者之间的认知分歧以及语义转换过程中的信息损失，导致产品情感意象在生产者、传播者和消费者之间传递时不断发生变动和重构[19]、[20]，加剧了消费者感知与设计意图之间的不一致性。因此，在线购物环境中的核心挑战不仅在于未能充分识别消费者的情感需求，还在于多利益相关者语义传递与重构过程中产生的系统性偏见。

此外，传统的观赛工程方法主要依赖于手工构建的语义空间，这些空间在效率上存在局限，难以适应电子商务环境中的大规模产品数据和快速迭代周期[21]。尽管近期研究尝试通过深度学习、图像生成和推荐算法改进产品呈现方式，但大多数仍停留在预测和优化层面，缺乏以情感语义为中心的系统性闭环框架以及将生成过程与感知验证相结合的机制。因此，在涉及多个利益相关者的在线购物场景中，关键问题是如何实现情感语义的结构化建模，并建立从语义表示到设计生成和感知验证的闭环路径，从而减少多利益相关者语义差异导致的情感认知偏见。

现有观赛工程研究大多采用单一用户视角，通过建模消费者的主观情感评价来指导产品设计决策。然而，在在线购物环境中，产品情感意象并非仅由个别消费者形成，而是由企业、平台和传播媒体等多方共同作用的结果。本研究采用多利益相关者视角，提出了一种将情感语义与设计生成相结合的系统方法论框架。该框架首先对多源情感表达进行语义建模和结构化表示，建立情感语义与设计元素之间的映射关系，随后利用生成模型生成产品视觉呈现。最终结果通过专家评估和用户感知实验进行验证，并将反馈纳入迭代流程，形成从情感语义到设计生成和感知验证的闭环路径，有效缓解了在线购物环境中情感意象的模糊性和语义偏见。本研究的主要贡献包括：
(1) 提出了一种适用于在线购物环境的观赛驱动生成设计框架，以多利益相关者情感语义为核心，建立包括语义建模、设计元素映射、生成设计和感知验证的闭环流程，实现情感需求向产品视觉呈现的系统化转化；
(2) 开发了一种面向多利益相关者的情感语义建模方法，通过整合和量化多源情感表达，提取关键情感主题，为产品概念生成提供结构化的语义输入，确保后续设计过程的一致性；
(3) 通过VR眼镜案例研究验证了该框架的可行性和实际价值，结果表明该方法能够提高生成设计与多利益相关者情感需求之间的匹配度，为在线购物环境下的产品设计和展示提供了可行的方法。

**方法论**
观赛工程（Kansei Engineering）由长町光男（Mitsuo Nagamachi）提出[22]，旨在通过定量方法将消费者的主观情感需求转化为可操作的设计参数，从而弥合主观情感感知与客观产品属性之间的差距[23]、[24]。传统研究主要依靠问卷调查和语义差异量表构建观赛意象空间，再结合统计分析建立设计映射模型[25]。尽管近期研究越来越多地探索观赛工程在产品形态设计中的应用，但大多局限于局部方面，如情感词汇的构建、用户偏好分析或图像生成模型的训练[8]，这些组件在统一设计过程中的系统整合仍然有限。这一问题在电子商务平台的多利益相关者协作环境中尤为突出。

**案例研究——VR眼镜设计**
本研究以VR眼镜为例，验证所提出的多利益相关者观赛建模和生成设计方法在现实设计场景中的可行性和有效性。随着虚拟现实技术的快速发展，VR眼镜不仅成为教育、娱乐和医疗等领域的广泛应用终端，还通过其外观形式影响用户体验和品牌形象。

**讨论**
近年来，产品形态的情感设计已成为产品设计的重要研究方向，因为它能够激发积极的情感反应，提升产品吸引力并提高用户满意度[58]。为满足用户多样化的情感和观赛需求，设计阶段需要系统化、逻辑严谨的分析方法，并借助创新设计工具来指导产品形态决策。在观赛工程框架下，现有研究已取得了显著成果[59]。

**结论**
本研究提出并验证了一种由多利益相关者情感需求驱动的生成设计框架，并通过VR眼镜案例进行实证分析。该框架以情感语义为核心，建立包括语义建模、设计元素映射、生成表达和感知验证的闭环设计流程，实现多利益相关者情感需求在设计过程中的结构化表示与转换。

**资金来源**
本研究未获得公共部门、商业机构或非营利组织的任何特定资助。

**利益冲突声明**
作者声明没有已知的可能影响本文研究的财务利益冲突或个人关系。

**致谢**
作者衷心感谢专家评审小组成员的积极参与，同时特别感谢所有认真参与问卷调查的参与者。