孙 斐，陆定邦，赵雨淋，孙 悦
(广东工业大学 艺术与设计学院，广东 广州 510006)
由于市场环境的动态性和竞争性风险，新产品和新工艺的开发已成为许多公司关注的关键点。这些新产品开发(new product development，NPD) 是一个复杂的领域[1]。NPD的时效性变得越来越紧迫，需要将科技与市场紧密结合起来。如果NPD无法跟上业务变化的步伐，企业就会面临大幅下滑的威胁[2]。Luh等[3]提出了移情设计模型(emphatic design model,EDM)，能够确定消费者的认知取向。移情设计是一种新的市场研究技术，旨在通过分析详细的观察结果来满足消费者的需求，说明设计模型能够分析消费者的需求，进而改进工业产品设计方法，缩短设计时间[4-5]。
在以上研究基础上，Luh[6]首次提出动机设计模型(motivation design model，MDM)，如图1所示。它可以帮助进一步了解目标消费者对产品印象的认知结构，推衍出更及时准确的消费者兴趣域相关信息，如期待、抱怨或诉求等动机；
然后通过深入挖掘消费者期待与生产方利益之间的关系，分类出生产方可能提供的有效的激励因素。由此构建一个包含期待、激励、愿望和意愿为要素的消费者特征与新产品特征能够进行耦合的拟合闭环，并输出以消费者视角占较大比重进行分类的结果。
图1 动机设计模型Figure 1 Motivation design model,MDM
MDM是一种设计思维模型，其有效性和可行性需要被验证，所以研究结合设计技术智能化、数字化设计，架构一种快速有效的产品分类框架MdmNet(图2) 。它是基于一种将人类的设计思想嵌入机器学习技术进行验证实现的新尝试。MdmNet将MDM和CNN结合在一起，通过模拟算法来验证MDM的实践应用性。该框架构建的基本假设是，消费者信息可以通过一些事实数据进行扩展，并随着更多信息的累积，产品分类的准确性将得到提高。该框架将设计师角度的分类结果与消费者角度的分类结果进行集成，从而获得更准确的分类结果。
图2 MdmNet主网络组成Figure 2 The main network composition of MdmNet
MdmNet主要包括3个模块：基于深度学习技术的目标消费者建模方法、基于MDM构建消费者特征闭环并输出消费者视角分类结果的消费者信息推衍方法[7]，以及加权融合模块。在基准数据集Stanford Cars上进行的实验证明了所提出的MdmNet具有显著的性能。此实验方式首次将消费者动机分析引入到传统的机器学习方法中，具有丰富的应用前景。
1.1 产品概念设计和产品分类方法的关系
NPD流程的第一步通常是要求完成概念设计阶段[8]，也就是定义新产品的性质和功能，其底层逻辑是对新产品进行分类。传统的产品分类过程基本是由设计师为代表的生产方(以下以“设计师方”代表生产方进行论述) 在历代产品的基础上发展起来的。这种方式耗费劳动力且低效，已成为这些企业提速增效的瓶颈或制约因素。此外，由于设计过程由设计师方主导，消费者参与度限制的客观限制，常导致新产品与消费者需求之间不能适时匹配。对于缺乏过去几代产品经验的公司来说，他们很难找到有效的产品分类流程和管理活动[9]。
1.2 产品分类作用
产品开发过程的第1步是定义产品的性质和功能，即对新产品进行分类[10]。在此实验中，产品分类被定义为一个概念设计验证原型，并以相关设计学模型为基础，应用其概念及元素作为核心思维进行解析扩展。采用这种原型的主要目的是阐明产品功能和配置及其实际用途，从而帮助产品开发指明正确方向，帮助设计开发人员更容易地理解产品的需求特征，从而建设更加精准有效的分组讨论内容，达到促进新产品快速改进、缩短市场开发时长的目的。
1.3 深度学习应用
传统的产品分类只使用产品特征作为输入训练数据，因而这些方法也无法在产品与其目标消费者之间建立联系，所以这样的产品分类模型精度较低，对设计经理帮助不大。如果给一台机器更多任务定义的经验，它的性能就会提高[11]。由于参考数据由设计师方定义，消费者参与程度受限，因此从设计师的角度获得的分类结果在多数情况下会占有较大的关注比重。对于一个产品，设计师和消费者常会有不同的关注视角和关注特征，所以他们会有不同的定义。新产品的分类结果将影响产品设计方法。仅从设计师角度进行分类的设计产品可能产生无法满足消费者需求的情况，从而影响新产品的匹配准确度。
由于市场环境的动态性和竞争性，业界普遍认为新产品的兼容性，即一个新产品与消费者的价值观之间的一致性是一个动态的复杂系统。兼容性与消费者的体验、生活方式、宗教信仰，以及对产品项目的既有知识储备有关[12]。如果设计师能够从消费者的角度预测消费者对产品的定义，改进产品设计方法，就可以提高设计生产效益。基于计算机智能从根本上是指机器对对象(如人类) 的功能的洞察能力，改进分类结果的方案之一是将消费者定义的数据集成到模型训练中。
2.1 网络结构
本文提出的产品分类框架MdmNet是将人本动机思维嵌入机器学习技术的一种新尝试。与大多数产品分类过程不同，MdmNet从消费者的角度输出分类结果，并与设计师的角度的分类结果集成获得更全面的分类结果(图2) 。
根据EDM可知，消费者的行为与其认知取向正相关，认知与个人经验有关，短期内不会改变，行为也不会改变。因此，目标消费者的过去和未来购买之间存在相关性。可以通过分析他们对相关产品的定义来预测他们对新产品的定义。目标消费者建模模块的任务为获取消费者的兴趣域，然后将兴趣域提供给后续的MDM。消费者建模的主要目的是在有限的已知数据基础上扩展信息，以弥补消费者信息的不足。目标消费者建模模块利用图像检索技术对目标消费者过去的购买数据库来作扩展新产品的参照信息进行建模，探索消费者购买历史信息与现有产品信息之间的关系，对目标消费者进行个性化建模并形成目标消费者的兴趣域。
MDM可以构建一个包括期待、激励、期待和意愿的消费者特征闭环，应用于发现消费者的兴趣和期待。MDM输出的是消费者视角的分类结果。应用MDM来设计以下实验步骤：首先，从每一类产品中随机选择一个标准图像来模拟消费者的期待。然后，在对现有产品库进行分类时，评估筛选出的新产品与预期之间的相似性。从消费者的角度来看，相似性排名是指新产品所属类别的顺序。在MDM中，使用直方图来描述产品特征，并使用Pearson相关系数来评估相似度。
通过前两个模块得到消费者视角的分类结果。同时，通过使用基于ResNet的分类方法可以得到生产者视角的分类结果。这两个结果都用排序序列表示，也就是说，新产品的最可能类别位于序列的顶部。分级越低，新产品就越不可能属于此类。在融合模块中，对两个序列进行加权融合。通过调整权重系数，可以调整消费者视角结果和生产者视角结果在最终结果中的权重。
受CNN发展的启发，该实验利用图像检索技术来扩展目标消费者的信息。本文引入一个简单而有效的监督学习框架，用于快速图像检索，该框架以目标消费者过去的购买信息为输入，输出为所有相似的产品[13]。具体而言，此模块从过去购买库中的产品和现有产品库中提取功能。然后计算新乘积向量与库向量之间的距离，找到相似对，并将对应的相似乘积作为搜索结果。
2.2 动机设计模式
目标消费者建模步骤中，实验利用机器存储和算法的放大、叠加、倍增方式，以图像检索技术来实现目标消费者的兴趣域建立，然后将消费者的兴趣域收敛成MDM中的期待要素，继续输出成消费者视角的分类结果。
在验证的实验比对中，首先将随机选取每个类别的标准产品形象作为消费者期待的标准值，再从消费者的角度计算分类结果的后续输出的期待和兴趣之间的相似性。在计算相似度之前，先对图像进行预处理。为了恢复产品分类的真实情况，将原始彩色图像调整为(56,56)，只保留一个通道，这可以大大提高框架的响应速度。
另外，在MDM中的预处理阶段采用直方图均衡化技术，产品图像由直方图描述。实验需要评估目标消费者的兴趣和期待之间的相似性。结论采用Bhattacharyya系数和Pearson相关系数计算相关性进行显示。
Pearson相关系数是一个线性相关系数，它反映了两个量之间的线性相关程度。Pearson系数的范围为-1到1。绝对值越接近1，相关性越强(负相关性/正相关性) 。如表1所示，对于属于同一类别的Img1和Img2，它们之间的Pearson系数显著高于不同类别之间的Pearson系数，而Bhattacharyya系数没有显著差异。因此，实验选取Pearson相关系数来评价目标消费者的兴趣域与期待之间的相关性。
表1 MdmNet的性能参数Table 1 The performance parameters of MdmNet
对于传统的机器学习模型，在不增加新的训练数据的情况下，每次模型的输出都是一致的。然而，人不同于机器，消费者在对产品进行分类时，决策可能会受到各种心理和环境因素的影响，包括个人、时间、地点、事件、事物或情况，从而产生个性化的结果。正如Luh[12]所述，需求引导着人类的行为。有些需要是外向的，与生理层面有关；
有些需要是内向的，与心理层面有关。尽管人类有各种各样的需求，但经过大量研究，基本需求的分类还是有限的。文化人类学家收集的大量证据表明，尽管不同文化在满足这些需求的方式上存在巨大差异，但所有人的基本需求都非常相似，而由需求产生的心理动机则因环境参数的不同而不同[7,14-16]。
MDM是基于人类动机需求的概念提出的。在这个概念中，MDM从目标消费者的抱怨和诉求开始，然后从期待、激励、愿望和意愿4个方面扩展目标消费者的信息。最后，MDM将从消费者与生产者相结合的角度输出分类结果。
2.3 加权融合
从消费者和设计师的角度获得分类结果，并且这两个结果都以有序序列Customer rank和Designer rank表示。以设计师角度的分类结果为例，新产品属于哪个类别的概率越大，该类别在序列中的位置就越高。
传统的产品分类框架只考虑设计师的角度，直接从设计师的角度输出分类结果。但MdmNet将综合考虑设计者和消费者，并且在加权融合模块中发生融合。
当融合发生时，采用评分策略。以一个类别标签在等级中的位置作为分数。对于一个标签，因为它在设计师和消费者的排名中有不同的位置，因此将得到两个分数，分别记录为Sdesigner和Scustomer。在MdmNet中，使用权重系数Wa和Wb分别定义Sdesigner和Scustomer对最终分数的重要性。标签的最终得分计算如下。
之后，MdmNet将根据最终得分对标签进行排序，并输出得分最高的标签作为分类结果。
3.1 数据集
Stanford Cars数据集包含196类汽车的图像，分为8 144张训练图像和8 041张测试图像。等级通常为品牌、车型、年份，实验中需要设置3种数据集，新产品是测试集中的一个图像；
目标消费者以往的购买数据库包含训练测试的所有图像；
目标消费者的期待值是从每一类测试集中随机选取的。
3.2 消费者兴趣域
MdmNet中的目标消费者建模模块通过图像检索技术获得消费者的兴趣。图3显示了目标消费者建模模块的输出，是以往购买数据库中与现有产品库中最相似的10种选项。可以看出，消费者建模模块从以往购买数据库中发现的类似产品与新产品相似，这表明消费者建模模块能够扩展目标消费者的信息。
图3 目标消费者的兴趣域被扩大Figure 3 The target consumer’s area of interest is expanded
3.3 分类结果
为了更直观地查看分类结果，本文使用产品本身而不是类别标签来表示结果。以图4中的新产品为标的，通过将相似度与目标消费者的期待值进行比较，可以得到消费者视角的分类结果，如消费者排名所示。从设计师的角度来看，分类结果可以通过学习过去数据库的数据获得。设计师排名中显示了概率最高的前10个分类结果。MdmNet的输出结合了设计师和消费者的结果。
图4 MdmNet可以输出更全面的产品分类结果Figure 4 MdmNet output more comprehensive product classification results
当基准数据集Cars上设置Wa为0.1，Wb为0.9时，MdmNet输出的Top-1、Top-5及Top-10的正确率相对于设计师视角的传统算法可分别提高0.789 7%、2.086 81%及2.692 46%。由此可见，MdmNet可以将消费者的优选排名和设计师的优选排名进行综合考虑，从而产生更为全面的分类结果。当Wa＞Wb时，设计师的判断对结果有更大影响；
反之，消费者的判断会对结果有更大影响。通过实验结果可以得出以下结论：当训练数据和训练时间不能满足深度学习模型的训练要求时，通过增加目标消费者对应的权重系数，可以得到更准确的判断。
本文提出了一种快速有效的产品分类方法，是基于将人本动机思维嵌入机器学习技术的一种新尝试。MdmNet的意义在于，它可以提高NPD的时效性，加快设计流程跟上并促进业务变化的步伐，是传统的人工设计方式结合深度学习技术的方式尝试，在基准汽车数据集上进行的实验表明，该方法具有良好的性能。
将深度学习技术与关注人本动机的设计思维模型MDM相结合，以协助分析消费者的相关动机信息，并输出侧重消费者视角的分类结果。使用MDM来激发消费者的兴趣和期待可以帮助设计师更好地激发消费者在面对特定产品时的行为动机。
该实验所提出的MdmNet是一个框架，它可以通过一些在人类动机需求方面更有意义的机器学习技术来分析目标消费者，并且该框架能够在没有足量消费者详细信息的情况下，以一种加快迭代、侧重牵引的方式运行，这使得分析过程更高效、更满意和更具牵引力。但是，目前还未评估这种产品分类方法在实际市场环境中是否能带来经济效益，未来，还需要更多的案例研究。
猜你喜欢动机建模设计师Zimbabwean students chase their dreams by learning Chinese疯狂英语·新悦读(2022年7期)2022-11-23小小设计师幼儿100(2022年37期)2022-10-24二语动机自我系统对动机调控策略及动机行为的影响研究北京第二外国语学院学报(2021年2期)2021-08-13动机比能力重要北方人(2021年13期)2021-07-17设计师访谈家庭影院技术(2020年11期)2020-12-28联想等效，拓展建模——以“带电小球在等效场中做圆周运动”为例中学生数理化(高中版.高考理化)(2020年11期)2020-12-14求距求值方程建模初中生世界·九年级(2020年2期)2020-04-10基于PSS/E的风电场建模与动态分析电子制作(2018年17期)2018-09-28设计师的存在现代装饰(2018年1期)2018-05-22动机不纯共产党员(辽宁)(2015年6期)2015-06-07