基于感性意象的服裝網店設計研究

于 小 利

(1. 閩江學院 服裝與藝術工程學院，福州 350108；2. 福建省高校紡織服裝工程研究中心，福州 350108)

?

研究與技術

基于感性意象的服裝網店設計研究

于 小 利

(1. 閩江學院 服裝與藝術工程學院，福州 350108；2. 福建省高校紡織服裝工程研究中心，福州 350108)

為研究消費者與設計師對服裝網店形象的認知差異，設計出更符合消費者情感需求的網店形象，采用基于數量化理論I的感性意象研究方法。通過語義差異法和因子分析獲取代表性感性意象詞匯，運用形態分析法和帕累托法則提取服裝網店設計要素體系，最后應用數量化理論I建立服裝網店設計要素和消費者感性評價值間的關聯模型，確定設計要素與感性意象之間的關系。并以服裝網店頁頭設計為例進行方法說明和驗證，結果表明，該方法合理可行，有助于服裝網店的精準化設計。

感性意象；數量化理論I；服裝網店；語義差異法；形態分析法

隨著電子商務的進一步發展，在便利的電商平臺上，消費者可以同時面對成千上萬的可選商品。對于服裝企業而言，如何吸引消費者的注意力，如何提高點擊率則至關重要，而這個關鍵點就是網店的形象設計。一直以來，服裝網店的形象設計多是設計師憑個人經驗而為，缺乏客觀性和普適性，無法真正滿足消費者的情感需求。因此本文參考產品設計領域應用廣泛的基于數量化理論I的感性意象研究方法，研究消費者與設計師對服裝網店形象的認知差異，以期指導設計師設計出更符合消費者情感需求的網店形象。

1　感性意象與服裝網店設計

感性意象是人對物所形成的心理上的期待感受，是一種高度凝聚的深層次情感活動[1]。這種感受是綜合了視覺、聽覺、觸覺、嗅覺等多個方面所產生的心理反應[2]，將這些感性信息具象化、量化，應用于設計領域，對設計師科學、高效、準確地設計符合市場需求的產品有重要的參考價值。目前，設計領域基于感性意象的研究主要集中在設計效果評價研究[3-4]、優化設計研究[5]和感性意象與設計要素的對應關系研究[6-7]等，主要應用于產品設計中，比如數控機床[8]、家具[9]等。

服裝網店的感性意象是消費者在經歷了從搜索商品到進入店鋪、瀏覽商品，最后離開店鋪的多個環節之后，所體驗到的整體感受，這種感受的形成是一個復雜的過程，它不僅與當時的購物經歷有關，也會受消費者個人經驗或以往印象的影響。在諸多因素的影響下，消費者會將這種模糊的感覺逐步清晰化，并借助一些詞匯加以評價，比如時尚、高檔、俗氣等。利用這些詞匯即可挖掘和量化消費者的感性意象，為設計師傳達情感和消費者解讀情感的一致和匹配提供參考依據。

2　研究方法與工作流程

本文的主要研究流程如圖1所示。

圖1　研究流程示意Fig.1　Research process diagram

2.1搜集代表性服裝網店樣本

根據研究目的，樣本的收集主要遵循4個原則：①盡量涵蓋多種品類的網店，比如男裝、女裝、童裝等；②盡量涵蓋多種風格的網店，比如民族的、歐美的、日韓的等；③選擇有一定銷量和影響力的品牌網店；④選擇功能較為完善，設計元素較為完整的網店。

據艾瑞咨詢2014年最新數據顯示，從服裝網購的市場份額來看，天貓占B2C市場中的57.7%，以絕對優勢領跑。所以研究樣本主要是通過天貓平臺，并依據天貓對服裝品類的劃分方法進行搜集的。

首先，根據上述四個原則廣泛收集各種類型的服裝網店樣本；其次，對樣本的特征和典型性進行對比分析，剔除相似程度較高的，得到一個初步篩選出來的代表性樣本庫；第三，邀請相關專家和設計師，采用主觀評價法根據相似程度對樣本進行分組，結果即可建立一個相似性矩陣，再進行聚類分析，最后可提取得到一個相對較小的代表性樣本庫。

2.2搜集并獲取代表性感性意象詞匯對

服裝網店感性意象詞匯的收集可以通過查閱國內外文獻資料、雜志期刊、網絡搜索和訪談訪問等途徑進行，將這些詞匯進行反義詞配對，比如“時尚的-傳統的”“簡潔的-復雜的”等。根據帕累托法則，其中會存在很多無用信息，比如意義重復或相關性不大的詞匯對，因此需要設計調查問卷再次邀請相關專家、設計師和消費者進行調查，并通過頻數分析，剔除掉那些不合適的詞匯對，即可得到一個初步篩選出來的代表性感性意象詞匯對庫，也稱為感性意象語意空間。

這個語意空間仍然過于復雜，必須進一步簡化。主要可分為四步：首先，依托上述研究的樣本庫和語意空間，參考語義差異法和里克特量表設計調查問卷，進行服裝網店形象設計調查；然后，將調查結果整理得到感性意象評價表；第三，利用因子分析降低語意空間的維數，簡化結構，把關系錯綜復雜的意象詞匯對歸納為少數幾個綜合性的語意因子；第四，根據各詞匯對的因子載荷量，提取最能反映消費者感性意象認知的代表性詞匯對，得到一個簡化的感性意象語意空間，以便于度量“意象”這一模糊的心理概念。

2.3建立服裝網店設計要素體系

在設計創造學中，設計可以理解為由一系列設計元素相互組合而成的，各設計元素都會對用戶的感性認知產生一定的影響。設計要素研究就是要運用形態分析法將設計項目分解為設計元素，然后再找出對用戶感性認知影響較大的設計元素，即可獲取設計要素體系。

消費者網購服裝的過程主要包含4個步驟：①在電商平臺瀏覽搜尋或直接輸入商品名稱進行搜索；②根據搜索頁主圖選擇商品，并點擊進入商品詳情頁查看；③轉入首頁仔細了解該品牌或查看其他商品；④判斷是否為心意商品，決定購買或者離開店鋪。由此可見，服裝網店的形象設計主要涉及三個部分：主圖、詳情頁和首頁。這三個部分信息的傳遞和表達主要是通過色彩、文字、圖形和版式等設計項目來實現[10]。

根據表現形式、特征等可變因素的不同，這些設計項目又可以繼續分解為設計元素，直至最后，即可得到一個較為完整的設計元素體系。但該體系中并不是所有的設計元素都會對消費者的感性意象產生重要影響，因此可以根據德爾菲法，征求專家意見除去對消費者感受影響較小的元素，從而確定服裝網店的設計要素。以設計項目為項目，以設計要素為類目，即可建立一個服裝網店設計要素體系表。

2.4構建感性意象詞匯對與設計要素間的關聯模型

參考上述研究獲取的代表性服裝網店樣本、感性意象詞匯對和設計要素體系表，重新選擇實驗樣本，利用里克特量表法設計感性意象調查問卷，選擇一定數量結構合理的調查對象進行調查，讓他們對每個樣本在每個感性詞匯對下的感受進行打分，整理求取平均值即可得到一個感性評價矩陣。

以感性評價矩陣中各感性意象詞匯對的數據為因變量，設計要素類目為自變量，根據數量化理論I，分析可得關聯方程：

(1)

式中：Yi為第i個樣本的感性評價值；Cmn表示是否包含第i個樣本中第m個設計項目的第n個設計類目，沒有包含為0，包含為1；aimn為第i個樣本中第m個設計項目的第n個設計類目的權重系數，即類目得分；bi為第i個樣本的常數項值；j為設計要素總數；j1、jp分別為第1個、第p個設計要素中設計類目的個數。

利用SPSS軟件進行多元回歸分析，可以得到每個設計要素與感性意象詞匯對的偏相關系數，系數值越大說明對各感性意象貢獻越大，反之貢獻越小。

為了驗證方法的可靠性和穩定性，重新選擇一些樣本，重復上述實驗步驟，將所得數據與上一輪所得數據進行T檢驗分析，分析結果可驗證該方法的合理性。

3　方法驗證

服裝網店頁頭部分是消費者進入網店后首先看到的區域，表明了整個店鋪的形象定位，所以頁頭部分是給顧客留下第一印象的關鍵所在。現就以服裝網店頁頭的設計為例，介紹感性意象在頁頭設計中的運用方法。

3.1服裝網店頁頭設計樣本的收集和篩選

首先依據億邦動力網服裝品類的銷售排行統計，收集天貓上女裝、男裝、童裝、內衣和戶外運動裝五大類各種風格的服裝網店146個，將網店頁頭截屏提取出來，對比分析后，剔除相似程度較高的，得到初步樣本65個。

然后邀請了2位專家和3位資深網店設計師進行問卷調查，讓他們依據相似程度，將65個樣本進行分組，對收集到的數據進行聚類分析，最終提取出代表性服裝網店頁頭樣本20個。

3.2服裝網店頁頭設計感性意象詞匯對的收集與篩選

經廣泛收集整理共得到118對可用于評價服裝網店頁頭設計的感性意象詞匯對，然后邀請2位專家、3位網店設計師和20位具有網購經驗的消費者，從中挑選出他們認為具有代表性的詞匯對，剔除不合適的或者重復性的詞匯對，數量不限，再將結果進行頻數分析，篩選出感性意象詞匯對21對。

依托上述研究的20個樣本圖片和21對感性意象詞匯對，參考語義差異法和里克特量表設計調查問卷，對58位受測者(2位相關專家、5位設計師、31位大學生、20位普通消費者)進行調查，得到各樣本感性意象評價表，如表1所示。

表1　樣本感性意象評價Tab.1　Kansei image evaluation of samples

以上數據輸入SPSS軟件進行因子分析，結果如圖2、表2所示。

圖2　碎石圖Fig.2　Gravel diagram

由圖2可知，前4個因子特征值大于1，從第五個因子開始曲線變緩，因此提取4個因子較為合適。

表2　因子分析結果Tab.2　Results of factors analysis

從表2可以看出，第一主因子在“活潑的-沉穩的”“柔美的-硬朗的”和“熱情的-冷酷的”3個指標上具有較大載荷，可將其命名為情感因子；第二主因子在“和諧的-雜亂的”“醒目的-模糊的”和“豐富的-單調的”3個指標上具有較大載荷，可將其命名為形式因子；第三主因子在“高檔的-低檔的”1個指標上具有較大載荷，可將其命名為價值因子；第四主因子在“時尚的-傳統的”和“現代的-古典的”2個指標上具有較大載荷，可將其命名為風格因子。對第一、第二和第四個主因子再次進行歸納，分別提練出1個評價詞匯對作為代表，最終可得到4個代表性感性意象詞匯對，如表3所示。

3.3分解服裝網店頁頭設計要素

運用形態分析法，首先將服裝網店頁頭分解為5

表3　代表性感性意象詞匯對Tab.3　Typical image word pairs

個獨立的設計項目：色彩、文字、圖片、版式和內容。再根據表現形式與特征的不同繼續分解為若干設計元素，如色彩可分為主色調和色彩搭配，文字可分為字號和字體，同理，可得到所有設計元素。然后依據德爾菲法，參考專家意見，除去對消費者感受影響較小的元素，從而得到服裝網店頁頭設計要素分類表，如表4所示。

表4　設計要素分類Tab.4　Classification of the design elements

3.4構建感性意象詞匯對與設計要素間的關聯模型

重新選擇25個有代表性的服裝網店頁頭作為實驗樣本，依托4個代表性詞匯對設計調查問卷，根據里克特量表法，數字1～5分別表示詞匯對的兩端。邀請70名在校大學生、2名專家、5名資深網店設計師進行調研，將結果整理后即可得到一個感性評價矩陣，如表5所示。

表5　感性評價矩陣Tab.5　Perceptional evaluation matrix

注：“0”表示該樣本設計中不包含此設計類目，“1”表示包含此設計類目。

以矩陣中各感性詞匯對的評價值為因變量，設計要素類目為自變量，利用SPSS軟件進行多元回歸分析，結果(以“活躍的-穩重的”為例)如表6所示。

表6　“活躍的-穩重的”分析結果Tab.6　The analysis result of “lively-steady”

表6中偏相關系數按照大小排序依次為：色彩搭配X2>主色調X1>版式X5>圖片X4>文字X3，可見色彩搭配設計的權重最大，文字設計的權重最小。類目得分欄正值說明影響力傾向于活潑的，負值說明影響力傾向于沉穩的，每個對應值絕對值越大說明影響力越大。其中色彩搭配X2項目中對比色搭配C23的0.284為最高，說明采用對比色搭配法進行設計最容易形成“活躍的”意象，近似色搭配C21的-0.176為最低，說明采用近似色搭配法進行設計最容易形成“穩重的”意象。同理分析，即可得到其他3組詞匯對與設計要素的偏相關系數，如表7所示。

表7　設計要素與感性意象詞匯對的偏相關系數Tab.7　Partial correlation coefficients between design elements and Kansei image words

表7中偏相關系數的值越大對此感性詞匯對的貢獻度越大，反之，值越小貢獻度越小。比如色彩搭配X2比文字X3對“活躍的-穩重的”這一感性意象的貢獻度大。“活躍的-穩重的”感性評價值與各設計要素類目之間的函數關系如下式所示：

Y活躍的-穩重的=0.277C11-0.249C12-0.095C13-

0.176C21+0.102C22+0.284C23+0.013C31-

0.072C32+0.221C33-0.113C41-0.167C42+

0.175C43+0.225C44-0.022C51+0.104C52-

0.189C53-0.175C54+0.194C55+2.261

(2)

式中：常數項2.261在用SPSS軟件進行分析時可自動得出。

為了驗證方法的可靠度，重新選擇25個樣本，重復上述實驗步驟，可再次得到“活潑的-沉穩的”感性評價值與各設計要素類目之間的函數關系：

Y活躍的-穩重的=0.258C11-0.213C12-0.007C13-

0.172C21+0.093C22+0.304C23-0.011C31-

0.105C32+0.256C33-0.109C41-0.128C42+

0.165C43+0.249C44-0.015C51+0.097C52-

0.166C53-0.184C54+0.263C55+2.767

(3)

對式(2)和式(3)中兩種結果進行T檢驗分析，顯著性P值為0.403>0.05，表明兩組樣本的方差差異不顯著，P(雙側)值為0.761>0.05，表明兩組樣本的均值差異不顯著，所以該實驗方法是合理的，其他感性詞匯對也可以按照這個方法進行分析。

4　結　語

本文基于感性工學理論對服裝網店的設計方法進行研究，打破主觀設計的傳統，利用數量化的研究思路，構建了感性意象與設計要素的對應關系。并以服裝網店的頁頭設計為例，分析得出了4個代表性感性意象詞匯對，得到了較為直觀的感性意象詞匯對與設計要素的偏相關系數，從而可以得知每個設計要素的貢獻度大小，驗證了此研究方法對挖掘和量化消費者的感性意象是合理可行的，并且有助于設計師設計出更符合消費者需求的網店形象，有利于企業準確迎合市場，提高競爭力。

[1]蘇建寧,張秦瑋,張書濤,等.產品意象造型進化設計研究進展[J].機械設計,2014,31(2):97-102.

SU Jianning, ZHANG Qinwei, ZHANG Shutao, et al. Development of product image modeling evoluionary design[J]. Journal of Machine Design,2014,31(2):97-102.

[2]羅仕鑒,潘云鶴.產品設計中的感性意象理論、技術與應用研究進展[J].機械工程學報,2007,43(3):8-13.

LUO Shijian, PAN Yunhe. Review of theory, key technologies and its application of perceptual image in product design[J]. Chinese Journal of Mechanical Engineering,2007,43(3):8-13.

[3]傅業燾,羅仕鑒,周煜嘯.基于感性意象的動漫角色形象評價[J].浙江大學學報(工學版),2011,45(9):1544-1552.

FU Yetao, LUO Shijian, ZHOU Yuxiao. Evaluation of cartoon figure form based on perceptual image[J]. Journal of Zhejiang University (Engineering Science),2011,45(9):1544-1552.

[4]周小溪,梁惠娥.基于感性意象的服裝面料設計效果評價[J].紡織學報,2015,36(4):60-64.

ZHOU Xiaoxi, LIANG Hui’e. Evaluation of fabric design based on perceptual image[J]. Journal of Textile Research,2015,36(4):60-64.

[5]蘇建寧,王瑞紅,趙慧娟,等.基于感性意象的產品造型優化設計[J].工程設計學報,2015,22(1):35-41.

SU Jianning, WANG Ruihong, ZHAO Huijuan, et al. Optimization design of product modeling based on kansei image[J]. Chinese Journal of Engineering Design,2015,22(1):35-41.

[6]張學東.造型要素對感性意象認知差異影響的比較[J].機械設計,2013,30(8):110-112.

ZHANG Xuedong. Comparison on perceptual image cognition differences influenced by modeling elements[J]. Jouranl of Machine Design,2013,30(8):110-112.

[7]蔡文歡.現代辦公椅形態設計要素與感性意象關聯性研究[D].南京:南京林業大學,2013:10-26.

CAI Wenhuan. The Research of Relationship Between Kansei Imagery and Form Design Elements of Office Chair[D]. Nanjing: Nanjing Forestry University,2013:10-26.

[8]胡志剛,魏雪婷.喬現玲.基于統計學方法的數控機床感性意象研究[J].現代制造工程,2014(8):26-31.

HU Zhigang, WEI Xueting, QIAO Xianling. Research of CNC machine tools kansei based on statistical methods[J]. Modern Manufacturing Engineering,2014(8):26-31.

[9]張華.家具意象認知及其設計影響機制研究[D].長沙:中南林業科技大學,2013:8-21.

ZHANG Hua. Furniture Image Cognition And Design Influence Mechanism Research[D]. Changshia: Central South University of Forestry and Technology,2013:8-21.

[10]鬲波飛.網頁設計之視覺信息傳達分析[J].湖南大學學報(社會科學版),2001,15(4):187-189.

GE Bofei. To analysis the visual information of website design[J]. Journal of Hunan University (Social Science Edition),2001,15(4):187-189.

Research on online clothing store design based on Kansei image

YU Xiaoli

(1.Faculty of Clothing and Design, Minjiang University, Fuzhou 350108, China; 2. Fujian Engineering Research Center for Textile and Clothing (Minjiang University), Fuzhou 350108, China)

To survey the cognitive difference of customers and designers on the image of online clothing store, and design the online store that better meets consumer demands, the Kansei image method based on quantification theory type I was adopted. The semantic differential and factorial analysis were used to extract representative Kansei image words. The morphological analysis and pareto chart were used to extract the design elements of online clothing store. Finally, the relationship model between design elements of online clothing store and consumers’ perceptional evaluation was established with quantification theory type I. the relationship between design elements and Kansei image was confirmed. Besides, the method was described and verified by taking header design for online clothing store for example. The results show that the method is feasible and helpful to the accurate design of online clothing store.

Kansei image; quantification theory type I; online clothing store; semantic differential; morphological analysis

10.3969/j.issn.1001-7003.2016.07.009

2015-11-02;

2016-06-03

福建省自然科學基金項目(2015J05105)；福建省科技廳重點項目(2011I0004)；閩江學院教學改革項目(MJUA2013007)

TS941.1；F713.83

A

1001-7003(2016)07-0043-06引用頁碼: 071109