基于情緒曲線的博物館VR導覽服務優化路徑研究

關鍵詞：情緒曲線；博物館VR導覽；服務優化；多維評價；配對樣本T檢驗

引言

隨著博物館“熱”持續升溫，參觀博物館已成為一種全新的生活方式和文化現象，在智能化平臺的發展和科技賦能的不斷深入下，博物館作為傳統公共文化服務機構，正經歷著變革。目前，各地博物館正逐步引入虛擬現實（VR）、增強現實（AR）、混合現實（MR）等導覽技術，以數字化的內容拓展與互動，切實提升用戶體驗感受。現有博物館導覽研究中，李楷文[1] 從體驗鏈路出發提出了針對不同階段的博物館導覽系統體驗設計策略；胡依娜[2] 基于全景視角結合“人流動線”進行符合心流體驗的蘇州博物館導覽沉浸式體驗設計；張馨文[3] 針對導覽的核心功能展開可用性評估，從而找到導覽系統的設計重心。以上研究可以看出博物館導覽設計注重從用戶角度出發，關注服務中的體驗質量和感受。博物館的VR 導覽服務切實提高了參觀者在博物館環境中的情緒價值，但其研究重點應是通過定量研究方法來探索博物館參觀者的情感和意圖[4]，如何有效評估導覽服務中的用戶體驗情緒，成為當前研究與實踐的重要挑戰。Sari Kujala等提出用戶體驗曲線工具的應用能夠較為準確地評價用戶體驗質量所提供的定量數據并發現影響改變的原因[5]。本文將利用情緒曲線作為反映用戶情感的可視化方法工具，對博物館VR 導覽服務優化路徑展開研究，從而精準識別用戶情緒低點并進行優化設計。

一、情緒曲線概述

2004 年Gartner Research 的研究人員在關鍵時刻地圖中繪制了一條簡約的情緒折線圖，縱軸為“功能的”“高效的”“討厭的”等7 個評價標準；2010 年體驗咨詢公司Effective UI 為寬帶服務提供商構建客戶旅程圖時引入一條情緒波動曲線，但其縱軸并未給出評價標準[6]。此后，情緒曲線因其直觀的圖形化方式超越了文字描述的局限性，并逐步在用戶體驗設計領域中作為用戶旅程圖的構成部分被廣泛應用，以關注服務的感覺因素。

用戶旅程圖重點關注用戶行為的整體流程表達，但作為組成部分的情緒曲線在這些可視化工具中的精確性表達上有所受限。情緒曲線的可視化表達沒有固定的標準范式，其常見的基本構成元素為：時間橫軸、基線、評價標準縱軸、峰值、波動曲線、原因標注。JamesKalbach[6] 表示這種線條繪制方法過分簡化了情緒，其中的信息通常是通過直覺估量出來的，侯婕[7] 提出用戶旅程圖中體驗曲線的繪制目的在于收集表示用戶體驗質量的有效數據，量化用戶體驗，評估設計價值，為后續的設計決策提供了數據依據。

隨著服務設計中可視化工具的廣泛性應用和深入研究，已有學者著力于改良情緒曲線的研究以直接引導服務觸點的優化設計，例如吳春茂等[8] 通過采集用戶多周期體驗數據并建立滿意度浮動指數，有效識別觸點階段的不穩定性，重構了用戶體驗地圖的滿意度曲線；李曉英[9] 等針對視障群體就醫場景，構建“服務－用戶－環境”觀測指標體系，通過用戶體驗度量繪制出用戶體驗地圖中的體驗水平曲線。情緒曲線在決策服務系統設計中呈現出評價指標多維性、分析過程量化性和決策依據可視化的應用趨勢，其常用方法包括不同行為階段或觸點的用戶滿意度度量、情緒波動的分析和情感綜合評價。既有研究成果證明情緒曲線作為洞察個體與群體情感體驗痛點的決策性工具，在復雜的服務系統中則需要多維量化的情緒曲線作為方法基礎。

二、多維量化的情緒曲線構建策略

情緒曲線的多維性與縱軸的評價標準相關，情緒度量與基線設定和峰值相關，本文將選取這3 個核心元素作為多維量化模型的構建基點，提出多維量化的情緒曲線構建策略如圖1 所示。

（一）感性語義融合的多維評價標準優化

關于情緒曲線縱軸的評價標準常被簡化為積極情緒與消極情緒的二元劃分，以愉悅度或滿意度作為主要的度量指標。鑒于服務系統與情緒變化的復雜性，這種單一維度的評價機制難以覆蓋全面的體驗情緒表現。為克服這一局限性，研究者可采用多維評價機制這一量化評估的方法，適用于評估某些涉及主觀、抽象屬性的評價問題，可及時準確地獲取迭代發展方向與具體優化內容[10]。王肖苑等[11] 提出感性語義是行為體驗語義的一種，是從體驗具體描述（需求語義）中概括出對體驗抽象描述。在情緒曲線中將感性語義融入多維評價標準型縱軸是一種創新思路，可將抽象的情感描述轉化為量化指標。

（二）期望值作為基準點的基線重新劃分

基線設置的目的是為研究團隊縱覽用戶旅程體驗質量提供體驗的評判參考，需要有相比較的數據才能夠體現出用戶體驗數據的高低[7]。目前，情緒曲線大多只考慮了實際體驗值這一單維數據，此時基線代表體驗一般時的情況。而在用戶旅程地圖中，使用文字描述定位用戶期望后，才將用戶體驗滿意度水平以曲線可視化表現。本研究引入期望值[12] 作為基準線，將度量的期望值重新定義為基準預期，實際感知與期望的差異值和方向可作為情緒強度的關鍵影響因素。

（三）異維因素共同決定的峰值計算定義

Daniel Kahneman 等[13] 提出的峰終定律是情緒曲線中峰值的相關理論來源，其定義了用戶體驗的記憶取決于高峰時刻和結束時刻的感受。通過情緒峰值的量化計算，可以精準定位用戶體驗中的關鍵觸點。一個行為觸點在多維評價下的情緒峰值（EI）由實際感知值－基準期望值的差異大小（Δ）及評價標準的重要性價值（V）兩個異維因素共同決定。單一評價標準下的情緒峰值計算和單一行為觸點的綜合情緒峰值計算見式1 和式2。

三、博物館VR導覽服務的優化路徑

博物館VR 導覽服務的優化設計重點是通過用戶體驗度量，從而精準識別出當前服務中的用戶情緒低點，針對性地開展服務優化設計，提高用戶在參觀博物館環境中的情緒價值。因此，本文基于多維量化的情緒曲線為方法主線，構建博物館VR 導覽的服務優化路徑如圖2 所示。

（一）多維評價標準體系構建

多維評價標準的構建是構建情緒曲線的首要步驟，可以挖掘出該服務系統中影響程度較大的評價標準。針對博物館VR 導覽服務中的多維評價標準構建，主要采用德爾菲法和層次分析法。同時，選取安徽博物院VR 導覽服務系統作為研究實例來驗證優化路徑的可行性。其構建流程如下：

首先，邀請多學科設計師（含產品、服務、交互、視覺等）、博物館運營工作人員和VR 技術提供方共20 位經驗專家，向專家組詳細闡述博物館VR 導覽的研究背景，確保其對研究目標充分理解后進行多輪結構化問咨，定義統一共識下的多維評價標準體系。

1. 建立評價指標層次結構 ：經過專家小組的討論統籌選取交互、功能、體驗作為感性詞匯發散方向，并作為一級指標。基于線上網頁用戶評論和期刊檢索，完成博物館VR 導覽體驗的相關文本提取、匯總得到關于博物館VR 導覽體驗的67 個原始感性詞匯；向專家小組告知現有的文本調查結果，在進行第一輪實際體驗后發放問卷進一步確定感性意象需求，經過兩輪專家詢問刪除和融合詞匯得到由39 個感性形容詞組成的語義詞庫。其中包含交互（11 個），功能（12 個），體驗（16 個）。根據詞義表述的屬性類別，采用聚類計算進行分類，最終將39 個語義樣本聚類成的7 類指標屬性作為二級指標，如圖3。

2. 評價標準權重計算及篩選：在專家小組通過1 ～ 9 標度法對二級和三級指標分別進行兩兩比對評分基礎上構造判斷矩陣[14]，通過層次分析法計算得出群體專家決策下的各項指標的權重值，以交互指標計算結果為例見表1；經過計算所有專家評分矩陣的一致性比率，其CR 值結果均小于0.1，表明專家評分的判斷矩陣合理。

為了確保對各行為觸點的評價全面性，從二級指標中分別篩選出權重值最高同時滿足綜合權重值超過5% 的三級指標，最終的多維評價標準構建結果及權重值V 見表2，為方便區分對10 個評價標準重新編號。

（二）行為觸點記錄

本研究通過多輪實地調研、觀察和體驗安徽博物院VR 導覽服務定義了用戶行為的主次。將不同用戶的行為線對比、篩選、聚類得到具有代表性的行為流程圖，如圖4 所示。通過對用戶行為流程圖中各個行為觸點階段分別進行用戶體驗度量，結合情緒曲線的可視化，可以幫助服務提供方快速識別出用戶體驗的情緒低點所在的服務流程階段。

（三）實際感知－期望評分差異值計算

用戶對各行為觸點下的實際感知－期望評分所計算的絕對差異值是用于評價用戶在該行為觸點下對不同評價標準的用戶需求滿意度的基礎。本研究遴選出具有一定認知評判能力的40 名安徽博物院游客作為體驗志愿者，在實際體驗博物館VR 導覽服務的前后階段做出多輪評分。具體實施方法為：在實際服務體驗流程的開始前和結束后階段向體驗志愿者發放問卷收集評分，即在實際體驗前采集不同行為觸點下的多維評價標準所對應的期望值評分和在全程體驗結束后采集相應的實際感知值評分，并針對體驗落差較大的行為點進行原因備注。

采用配對樣本T 檢驗方法[15] 計算每個行為觸點下不同評價標準的實際感知－期望的絕對差異值大小（Δij）。本研究對兩組評分數據進行配對檢驗，在各樣本數據滿足正態分布的前提下，通過效應值即Cohen's d 系數的計算，用于解釋兩組數據的絕對差異值大小（Δij），計算公式如下：

式中：D 為實際感知和期望的評分差值，MD 為g 個用戶D 值的平均值，S 為標準差；

以某行為觸點下某評價標準的多量用戶期望值和實際感知值為兩組配對數據，進行群體期望值和實際感知值的差異計算，匯總不同觸點下各評價標準的配對差異計算結果。通過計算得到T 檢驗后呈現差異性的數據統計結果如表3 所示，表中t 值代表抽樣的誤差大小，P 值代表兩組數據間的顯著性。當p 值小于0.05，表示實際感知值和期望值之間的差異性明顯；當P 值大于0.05，認為此時實際感知值和期望值之間的差異性不明顯，即用戶實際感知大致符合期望，一般認為Cohen's d 取值0.8 以上表明兩組數據的差異幅度非常大。除此之外，“7 體驗認同感”評價標準在各個行為觸點上評分期望值和實際感知值都較低，這個評價標準表現為不適用。

（四）情緒強度的峰值計算

情緒強度的峰值計算是為了度量多維評價下的最終用戶需求滿意度，因此，各個行為觸點的情緒峰值（EI）計算需要綜合考慮實際感知值－期望值的差異大小（Δ）和評價標準的重要性價值（V）。根據式（1）計算得到各行為觸點下各評價標準的EIij 值；根據式（2）計算得到綜合情緒強度EIi 值。最終得到峰值計算結果如表4 所示。

（五）情緒圖可視化

情緒圖可視化是為了將計算得到的不同類型數據采用相應的數據可視化方法繪制組合型情緒圖，以總覽不同階段下各類及各層的數據信息，便于設計研究者快速準確地識別出設計機會點。

為區分不同的數據類型，本文在情緒曲線基礎上以組合圖形的可視化方式繪制，結果如圖5 所示。其中啞鈴圖展現了“期望均值－實際感知均值”的原始評分情況，左側縱軸為原始評分的刻度標準，刻度為0 的線作為基線；以柱形圖方式繪制每個行為觸點下具有差異值的評分標準EIij 值，通過落差較大EIij 的負值可以精準識別影響情緒落差的關鍵因素，折線圖呈現了各行為觸點的EIi 值，可直觀識別出情緒落差較大的關鍵觸點，此時“行為觸點階段”為橫軸，縱軸為情緒峰值的刻度，右側0 點線代表期望值基線，此時“0”代表實際感知大致符合期望的情況。

通過情緒圖分析出，整體體驗趨勢呈現消極態度。在體驗積極度方面，使用時的交互簡便性、觀看時的功能專業性以及歸還的交互流暢性發揮了積極性；在體驗消極方面，觸點03 和05 的低峰最為明顯，觸點04 和06 的低峰緊隨其次，影響低峰的關鍵評價標準集中在功能直觀性、交互流暢性、體驗沉浸感和交互簡便性這幾個維度。在具體原因分析中可重點關注這幾個關鍵觸點及評價標準。從頻次上看，交互流暢性是每個行為觸點中普遍呈現出的問題，功能直觀性在行為觸點的中段問題呈現，體驗沉浸感只在行為觸點05 中引發情緒落差。

（六）情緒低點分析及設計優化

在此階段下，可以通過情緒圖快速識別出情緒低點及影響低點的關鍵因素。從本研究所繪制的安徽博物館VR 導覽服務的情緒圖中，行為觸點03、04、05、06 的綜合情緒峰值存在顯著落差，因此，本研究將優先針對這4 個觸點進行深入分析，重點關注顯著影響綜合情緒低峰值產生的關鍵評價標準，并進行針對性回顧訪談和痛點分析，給出相應的服務觸點優化建議。如圖6 所示，柱狀圖代表了情緒圖中各評價標準下的情緒峰值，每個標準評價對應的優化方向聚合為3 個部分的設計優化，即可解說標識、VR 導覽交互及界面、VR 眼鏡。

（1）VR 眼鏡設計優化。針對觸點05-1、05-8、06-2 的優化建議，增加鏡片可翻轉、可收束調節的頭圍型設計改良，打造包圍感更強的VR 眼鏡，以解決眼鏡漏光、觀看時需要扶住眼鏡以及移動時不方便拿握同時觀察現實世界困難的問題，改良結果如圖7 中的a、b；

（2）VR 眼鏡交互及界面設計優化。針對觸點03-1、06-1 中找不到可解說文物的問題，通過導航路線和距離疊加實景畫面，實現眼鏡增強現實的定位導航功能，如圖7 中的d；針對觸點04-1 記不住口令問題，通過技術同步以實現模糊對話指令交互；針對觸點04-5、05-6 的優化建議，自動識別或語音交互觸發過程增加交互反饋，在觀看時的講解敘述可選擇簡易、專業模式，如圖7 中的f；

（3）標識設計優化。針對觸點03-1、03-5 提示可解說文物標識的標識直觀性問題，實體標識以玻璃和熒光材質位置貼于展覽玻璃附近，增加文物圖片顯示提高指示性和亮度，設計如圖8 中的c。交互界面增加虛擬標識如圖8 中的e，在移動時虛擬標簽疊加實景畫面，以提示附近有可解說文物。

結論

本文以博物館VR 導覽的服務體驗優化為研究目標，以改良的多維量化情緒曲線作為研究的方法基礎，提出基于多維量化情緒曲線的博物館VR 導覽服務優化路徑，通過繪制用戶體驗度量下的情緒圖，從而識別出服務系統中需優化的關鍵觸點和影響此觸點的關鍵因素，最后以安徽博物院VR 導覽服務為研究實例，驗證了基于多維量化情緒曲線的博物館VR 導覽服務優化路徑的可行性。

結果表明服務設計中情緒曲線向數據驅動型可視化工具的優化創新，能夠快速識別博物館VR 導覽服務的觸點優化方向，為其他服務場景中關于觸點評價體系和問題識別提供了應用路徑的參考。同時，該測量方法具備易于理解、數據可顯性采集等優勢，適用于數據采集過程中因設備、環境等客觀條件受限的線下體驗型服務場景。在后續延展性研究中，可綜合考量多模態維度下的生理測量指標，利用可穿戴式心電監測裝置、VR 眼動追蹤技術等進行生理數據的采集，將主觀評分數據與客觀生理數據進行融合分析，驗證兩類數據下情緒變化的一致性表現，以期構建出融合主客觀數據下的情緒曲線這一可視化工具在服務設計領域的持續性應用。