產品設計的大數據設計方法研究

李晨曦 劉少宇

（四川農業大學林學院，成都 611130）

隨著科技與社會的發展，以大數據為代表的科學技術日益興起，數字經濟獲得了前所未有的發展，各行各業積極以大數據為工具進行活動生產，并取得了良好的成效，工業設計和產品設計領域更應通過分析大數據以量化用戶感性信息及需求，設計出更符合用戶需求的產品。基于此，文章通過查閱相關文獻重點剖析產品設計的大數據方法，并提出新的模式與思路推動它的迭代創新。

1 研究背景及意義

1.1 研究背景

目前，經濟和社會發展，科學技術發展，各種信息的交流速度不斷加快，人與人的交流越來越密切，大數據就是這個時代的產物。簡單來說，大數據就是在社會生產生活中產生的大量數字信息，通過對這些信息進行收集和整理，并按照一定的類別儲存起來[1]。探索滿足用戶的信息檢索需求，呈現用戶個性化的信息搜索查詢結果，實現用戶的個性化信息檢索，提高它的滿意度和檢索效率是大數據的優勢所在。在互聯網行業之中，它的優勢更加突出，如個性化信息推薦、個性化信息檢索、精準營銷等。但是，在互聯網環境下，數據量急劇增長，結構化、可用性高的數據獲取仍較為困難。

工業設計主要是指工業產品的設計開發，是將科學與藝術結合起來運用于工業產品設計中，使它的使用價值能夠滿足人們的使用需要和審美需要[2]。一些傳統的工業產品無法緊跟時代的發展，仍然存在耗時耗力、效率較低、成果不理想等問題。伴隨著信息的高效傳播，用戶對產品的需求也在時刻變化，促進產品的更新換代。通過對大數據進行分析和計算，可以高效率量化用戶的感性信息和需求，為設計創新提供新的可能性，同時也為傳統的工業設計提供了新的模式和思路[3]。

1.2 研究意義

大數據時代的推動、嚴峻的社會經濟環境、日益成長的消費群體和激烈的國內外競爭使得更加精準的產品與用戶的聯系成為企業產品開發的重點，特別是識別不同用戶群體的需求，并建立與之緊密相連的產品設計方案，以維持品牌忠誠度并擴展新客戶。對用戶而言，產品更加符合用戶需求。對企業而言，大數據能幫助企業準確識別客戶需求、市場機會和商業機會，進而先于競爭企業開發更好的新產品，提升競爭力和盈利水平；對社會而言，工業設計產業是以創新驅動為導向的新型生產性服務業，是深化供給側結構性改革、推動制造業由“制造”向“智造”轉變的重要驅動力[4]，提升了科技水平及人民的生活水平，進一步推動了社會經濟的發展。所以，產品設計的大數據設計方法是基于用戶行為和需求數據對用戶進行全面系統的分類，并在此基礎上建成動態保持的系統貫穿產品的整個生命周期。

2 產品設計的大數據設計方法分析

2.1 采集數據信息

大數據時代下個人不僅僅只是物理人，更是數據人，人的行為會通過數據記錄和顯現出來[5]。社會生產生活模式發生了較大的改變，其中最為明顯的一點就是實現了短時間收集海量信息[6]。在工業設計領域，前期的調研階段，非常關鍵的一個環節便是數據信息的采集，但是傳統采集的工業設計前期數據信息部分是籠統片面的，更代表著大部分人的利益需求，而在大數據背景下設計具有服務化和個性化的趨勢[7]，傳統的信息采集并不能很好地滿足客戶的個性化需求。所以，目前產品設計已經廣泛利用大數據采集需求信息，優化了前期的設計方法。

近年來，許多互聯網企業，如阿里巴巴、騰訊和百度等等，利用大數據收集進行精準營銷。如圖1所示，用戶畫像將用戶信息標簽化，通過收集用戶多維度的信息數據（如人口統計屬性、社會屬性、行為偏好、消費習慣等），以便平臺全方面探究用戶的行為特征，了解用戶需求，打造自己的用戶畫像分析平臺，為進一步的用戶需求感知和內容智能推薦提供信息源，并進行下一步的數據信息分析。社交網絡發展迅速，可以先分析用戶的屬性和行為，再采用精準營銷的策略。通過采集信息可以智能匹配產品和用戶，然后提供與客戶類型相對應的服務[8]。

圖1 用戶畫像及精準營銷（來源：知乎網）

2.2 構建用戶畫像

用戶畫像的本質是用戶研究，即對用戶進行信息分析的過程[9]。它不僅是一個精準的用戶需求分析幫手，而且能夠有效幫助設計者快速準確地分析用戶的喜好、興趣和習慣等重要行為特征，還能讓設計者對市場和用戶具有更敏銳的洞察力。國內學者對于利用數據進行用戶畫像分析也進行過綜述性研究，認為用戶畫像的重點在于算法和技術。對用戶畫像偏重概念和理論的研究，多數把用戶畫像和大數據關聯起來，認為它是大數據時代的產物。由于用戶畫像與大數據相關聯，因此將用戶畫像、大數據和算法密切結合，并使用調查問卷和訪談等數據來描述和刻畫用戶也是極其必要的。如Ark 出品的人工智能設計師Arkie，它通過自然語言處理、圖像分析等前端科技和大量數據和人工智能算法來訓練、學習和設計，并根據每一個用戶的行為和偏好智能生成符合用戶特征和偏好的海報并投放廣告，甚至可以根據用戶的點擊結果進行自動調整。

3 產品設計的大數據設計方法應用

使用者在使用產品時，生產商可以通過大數據，高效利用由使用者的使用方式和習慣轉化的信息數據，幫助設計師發現痛點和新的創意。而利用使用者與企業之間的交互產生的大量動態數據，能夠使使用者間接的投入到產品的生產開發升級中，增加產品的實用性和市場競爭力。

3.1 設計前期階段

3.1.1 數據清洗與分揀

大數據具有海量且冗雜的特點，將它用于設計前期階段則需要對數據進行清洗與分揀以提升效率。數據清洗是指對輸入的大數據進行清洗得出商業價值、用戶價值與產品價值[10]。企業依據大數據的清洗決定是否進入該領域市場或者是否在該領域繼續開發。大數據的分揀則是在商業價值、產品價值和用戶價值的基礎上進行價值區間的劃定。圖2 是米家K 歌麥克風市場數據的清洗過程，清洗得出2014—2019 年K 歌麥克風市場的趨勢、競品市場和價位段數據，以此初步決定進入該類市場。

圖2 米家K 歌麥克風市場數據清洗過程[12]

3.1.2 產品開發

在清洗和分揀好數據之后，需要把它用于設計實體上，以優化產品的智能化設計方法并提高產品的更新換代頻率。可以通過獲取特定產品用戶的評價數據，充分利用互聯網對現有大量數據中所包含的用戶情緒價值，將用戶需求融入產品的特征中。接著，通過各類算法確定產品設計的優化目標，并尋求最優的設計方案。

確定相關用戶的各種信息數據，進行大數據及相關算法的分析，得到更為深層次和直觀的新產品設計理念，能夠提升產品的競爭力，實現效益最大化[11]。所以在開展以用戶需求研究為主的設計階段，需要建立一個新型的產品開發模型，如圖3 所示。用戶在日常生活中會產生大量數據，這些數據需要運用算法進行分類，形成數據分析系統。設計師需要時刻關注著系統數據狀態，根據用戶需求數據、市場動態等獲取靈感構思設計，生成新的產品。

圖3 新型產品開發的大數據設計方法模型

3.2 設計后期階段

目前許多產品雖然有反饋階段，但大多數都是流于形式，無法真正對產品的改良給出實質建議[12]。鑒于此，設計者可以充分利用大數據的優勢，形成設計前期階段由客觀數據驅動，設計后期階段信息反饋回流生成新的大數據，讓大數據的收集反饋加入產品開發的流程，反饋獲得的建議又可以進行新一輪的設計，形成一個環形閉合的流程。

用戶作為最佳的使用者和體驗者，滿意程度關系著工業產品的成功與否。一般的客戶與工業設計工程師不同，他們對產品的好感僅來源于選擇、購買、使用過程中的切身感受，如功能多樣性、舒適度和美觀度等[13]。因此，需要建立以用戶體驗為中心的新型工業設計模式，收集用戶體驗數據、改善需求和感性數據等產品反饋的重要數據，如圖4 所示。產品可以利用這些生成的大數據資源進行學習，以此給予用戶更好的體驗，同時這些用戶實際操作產生的數據也將進入數據庫，驅動著下一環節的產品開發設計，形成良性循環。用戶實際操作產生數據反饋進步的流程，區別于傳統的產品反饋機制（如問卷調查、問卷分析等），能夠直接反饋，增加數據的可靠性廣泛性，避免產生誤差，也能提高效率降低成本，實現動態更新和資源的最大化利用。

圖4 產品設計的大數據設計方法反饋模型

例如，中國品牌華為2020 年發布的運動手環，產品通過傳感器收集使用者進行運動時的各項數據，如跑步公里、跳繩次數、行走步數等等，以及使用者的各項身體數據，如血壓、心率、血氧等，以便使用者了解自身的身體狀況。另外，這些監測的數據將傳輸回數據中心，用來分析和洞察目標群體的使用習慣和痛點，對產品進行調整升級，使下一代的升級產品更具市場競爭力。

一些研究人員也在致力于這種反饋機制的創新研發，Kang 等研究者提出了一種網站用戶模型構建的優化算法，通過收集和分析各個用戶瀏覽的行為，采用機器學習的方法對模型進行更新[14]。Chien 等提出了一種新型的數據驅動產品設計框架，有效地識別從消費者偏好到消費者反饋的設計理念，以理解用戶偏好[15]。這一系列的研究活動，都是研究者們在大數據背景下，通過數據來推動設計的智能化發展。

4 改善和建議

經過分析和研究，我們發現大數據背景下，設計領域在數據的輔助下正在發展，但是仍然存在些許問題需要解決，如數據源的獲取和整理、數據的分類歸納篩選及反饋更新機制的完善等。以此提出更多建議和暢想，未來可在這些方面豐富完善，以此促進設計研究的蓬勃發展。

4.1 收集用戶需求和構建需求庫

可以將用戶的特征通過不同來源的用戶需求數據從不同的角度表現出來，收集不同來源的數據，構建全面的用戶需求庫，能夠更加全面地描述用戶的動態行為需求，更加方便設計師找到痛點。

4.2 分類數據和建立整合系統

各類來源的數據需要建立評估標準，以此來進一步評估它的可信性后，才能將它納入數據庫。大數據有著冗雜的特點，各類數據多且沒有固定的類別區分，研究者需要建立良好的整合系統，將它進行歸納整理，才能方便設計師分析運用于設計作品中。

4.3 優化反饋和質量評估

隨著時間的變化，用于描述用戶特征的用戶需求數據也需要動態的、及時的進行更新，不然將會失去它的準確性和時效性，所以如何運用持續的反饋機制來完善更新數據是值得我們思考的問題，但這方面又經常被研究人員忽略。另外，國內外計算機領域的研究在構建用戶畫像的實證研究中大多都會對畫像效果進行評估，來分析這一技術在實際運用中的可行性。所以，在今后的研究中我們要更加關注數據質量的評估問題，利用有效客觀的定性或定量評價方法，對存在偏差或問題的數據及時修正優化，讓它發揮更大的作用。

4.4 更加注重隱私和信息安全

雖然用戶行為數據越多越詳細，有利于更好地構建數據庫，但是如果毫無克制地索取用戶的行為需求數據，甚至故意濫用、泄露或者出售，將會失去人們對大數據的認可度，阻礙研究人員后續的分析，這將使整個大數據技術的發展停滯，所以建立用戶信息安全保護體系十分重要。調解信息隱私和信息利用的矛盾對這一技術的進一步發展和實踐應用具有重要意義。

5 結論

文章從提升用戶體驗和設計效率的角度分析了工業和產品設計中引入大數據技術的必要性，并分別為設計前期和后期階段提出新的產品開發與產品反饋模式，以及四個方面的建議，保障在產品設計中使用大數據的準確性、廣泛性、實用性、動態性和安全性。設計前期階段利用大數據收集和分析用戶需求，設計后期階段利用大數據收集分析反饋信息和改良產品，形成良性的設計循環，讓企業有效利用大數據創新績效、降低成本，從而設計出符合用戶需求的產品。