服装波点图案消费感知与设计要素的相关性

2021-01-06李杨，吴晶

纺织学报 2020年10期

李杨，吴晶

(四川大学轻工科学与工程学院，四川成都 610065)

消费感知是消费者对产品深层次的心理感受，反映了消费者多方面的感性需求，也是决定消费意愿与消费行为的关键因素。感性工学技术就是将消费者定性的感知数量化，以明确的方式探讨感性认知与设计特征之间的关系[1]，从而为产品设计提供科学理性的参考。Jin等[2]就曾通过建立消费者感知和产品特征之间的关系，提出了一种基于消费者感性需求的产品设计方法[3]。

服装波点图案元素组合丰富，色彩搭配多样，排列方式多元，呈现出或经典或时尚的独特风格，在服装消费市场备受青睐。运用感性工学原理研究消费者对服装波点图案的感性认知，并结合图案设计要素进行相关性研究，能够实现感性需求与设计过程的有机融合，提升波点图案设计水平。

目前，服装领域的消费感知研究主要集中在领型、袖型等款式要素方面[4-5]，同时也有涉及腰部松量、长度等可量化要素的感知研究[6]，关于服装图案的感性研究较少，而服装波点图案的消费感知研究鲜见报道。王海燕运用心理学方法完成了格子图案感性需求研究，通过象限分布探讨了感性需求与格子图案特征要素的关系[7]，但并未建立二者的回归关系模型，对图案设计的实际参考作用比较有限。

本文运用形态分析法与类目层次法将波点图案的设计特征分解为24个要素，根据感性工学原理及方法筛选出24款服装波点图案作为实验样本，选取6对形容词作为感性词汇，采用语意差分法设计量表并开展消费感知实验。运用SPSS26.0统计软件对实验结果进行频数分析和数据处理，采用偏最小二乘法完成多元回归分析，建立了服装波点图案消费感知与设计要素的相关性模型，并通过应用检验验证了该模型的实践应用价值，有助于设计师根据不同的消费者感性需求进行设计要素的应用与组合，为服装波点图案的个性化设计与推荐提供支持。

1 实验部分

1.1 实验准备阶段

通过品牌官方网站、网络销售平台、时尚资讯网站、时尚期刊杂志、实体商业广场等渠道共获取到300件最为畅销和流行的波点图案服装产品，将图案相同或相似、款式不同的样本进行合并，筛选出80个产品素材作为备选实验样本。

波点图案设计要素分解不仅是实验样本提取必不可少的步骤，也是设计要素量化研究的基础。首先通过专家访谈法明确波点图案可量化的要素项目，即元素组成、色彩构成和排列布局。运用形态分析法和层次分析法对3个要素进行二次分解，得到元素种类、元素大小等6个类目，分别将6个类目划分为4个程度，最终得到24个子要素，并按C1～C24进行编码，如表1所示。

表1 设计要素编码表Tab.1 Design element coding table

根据设计要素分解结果，从80个备选样本中筛选出最终实验样本。为确保样本的代表性，应保证每个子要素均有对应的图案样本，最终筛选出24个服装波点图案代表性样本。为避免服装款式、面料等因素对实验结果的影响，首先运用Adobe Illustrator绘图软件对24个样本图案进行矢量化处理，再结合Adobe Photoshop软件，将图案运用到相同款式的白色T恤上，选择同一女性模特展示，得到最终的24个实验样本图片，如图1所示。

图1 实验样本1#～24#Fig.1 Experimental samples of 1#～24#

通过市场、网络、报刊、书籍、杂志、网站、微信公众号多个渠道获取消费者描述服装波点图案的感性形容词。合并语意相近的词汇，将语意相反的词汇组合在一起，形成12组感性形容词对，采用问卷调查法随机邀请500名消费者进行投票，根据投票结果选定了“复古的—新潮的”“呆板的—个性的”“朴素的—华丽的”“可爱的—成熟的”“粗犷的—优雅的”“繁复的—简约的”6对感性形容词汇，依次编号为K2～K7，加上表达整体喜好程度的“不喜欢的-喜欢的”(编号为K1)，形成7对消费感知形容词。

依据感性工学原理与方法，采用语意差分法进行实验量表设计，设置7个感觉评价量级，以形容词“复古的—新潮的”为例，非常复古的为1分，比较复古的为2分，有点复古的为3分，既不复古也不新潮的为4分，有点新潮的为5分，比较新潮的为6分，非常新潮的为7分。受试者在观察实验样本后在2个意义相反的形容词之间选择特定的量级来表示感性认知程度。

1.2 实验实施及效果

在全国6座城市中共邀请204名受试者参与实验，涵盖不同性别、职业、年龄。选择的受试者应具备文字读写能力，能够准确理解实验要求，且拥有正常的色觉系统。在实验开始前需对受试者进行相关测试，避免由于受试者色盲、色弱等原因影响实验结果的科学性。测试通过的受试者进入预实验环节，在受试者充分阅读实验说明后，选择样本1作为预实验样本，引导受试者准确理解实验操作方案及感性形容词评分标准，随后开始正式实验。实验总时长约25 min，具体完成时间因人而异，实验过程中不计时、不作时间提醒，保证受试者在无干扰的状态下完成实验内容。

在各城市开展实验的过程中，采用相同型号的电脑及显示屏，所有实验流程保持一致，实验结束后对所有表格及数据进行初步筛查，获得有效结果200份，实验结果有效率为98%。

2 实验结果与分析

2.1 实验数据预处理

将200份消费感知实验原始数据录入SPSS 26.0 软件，运用频数分析法对实验数据进行预处理，排除可能干扰实验结果的极端数据。分别对24个实验样本的7对形容词评分进行频数分析，按照频数大小对每个评分量级进行排序，在保留80%以上原始数据的前提下筛选出每个样本中受试者评分最集中的几个量级，去除极少数人的极端评分[8]，在此基础上计算每个样本中受试者对各形容词评分的平均值，如表2所示。

表2 实验样本形容词得分平均值Tab.2 Average adjective scores of experimental samples

2.2 消费感知与设计要素相关性分析

在实验准备阶段，将服装波点图案设计要素分解为C1～C24共24个，且均为定性变量，而消费者对实验样本7个方面的感性评分属于定量变量，为建立设计要素与消费感知的映射关系，采用偏最小二乘法(PLS)进行数据处理和多元回归分析。

根据偏最小二乘法(PLS)回归分析的要求，需要首先对定性变量进行赋值[9-10]。通过观察实验样本，参照表1中的设计要素分解情况，整理出样本图案的设计要素对应情况。在赋值时，若该样本对应某一设计要素，则赋值为1，若不对应，则赋值为0，这种赋值方式既可以明确表示实验样本的设计要素，又符合回归条件。以实验样本1为例，设计要素对应情况如表3所示，赋值情况如表4所示，按照同样的方法对24个实验样本的设计要素进行赋值。

表3 实验样本1设计要素对应表Tab.3 Correspondence table of design elements for experimental sample 1

表4 实验样本1设计要素赋值表Tab.4 Design element assignment table of experimental sample 1

将24个实验样本的感性形容词得分平均值及设计要素赋值表导入SPSS软件，以设计要素为自变量，形容词得分为因变量，进行PLS多元回归分析，得到7对感性形容词与24个设计要素的相关性的回归系数，如表5所示。

表5 消费感知与设计要素相关性回归系数Tab.5 Regression coefficient of correlation between consumption perception and design elements

根据回归系数，建立消费感知与设计要素的相关性模型。设自变量设计要素C1～C24为x1～x24，因变量形容词得分为y，以“不喜欢的-喜欢的”形容词对为例，消费者对服装波点图案的喜好程度评分y=0.127x1-0.444x2+0.598x3-0.114x4-0.392x5+0.361x6-0.155x7+0.015x8-0.405x9+0.554x10+0.256x11-0.655x12-0.005x13-0.026x14+0.224x15-0.435x16+0.073x17-0.542x18-0.177x19+0.251x20-0.479x21-0.323x22+0.217x23+0.294x24，回归系数绝对值越大，则说明该设计要素对喜好程度这一感知维度的影响越大，正值系数表明该设计要素使评分结果偏向右侧的形容词，即“喜欢的”，负值系数则表示使其偏向“不喜欢的”。

2.3 相关性模型应用分析

服装波点图案消费感知与设计要素的相关性模型反映了设计要素对感性认知的影响程度，理论上来说，该模型可以基于感性需求完成服装波点图案的模糊推荐，也可以用于服装波点图案感性评分结果的预测。

假定消费者的感性需求为“复古的”，根据回归系数及关系模型，对左侧形容词“复古的”影响较大的要素为C3、C5、C11、C15、C18、C24，分别对应“较多的元素种类”“小元素”“较多的色彩数量”“较强的色彩对比”“纵向的元素排列”“高密度的排列布局”6个设计要点，按照以上要点进行图案设计，运用7级语意差分法采集80位消费者对该图案在“复古的-新潮的”方面的感性评分，得到评分结果平均值为2.026，对应“比较复古的”，符合消费者既定的感性需求。

此外，对于任一服装波点图案，在明确其设计要素对应情况后，结合赋值法对其设计要素进行赋值，运用相关性模型能够预测消费者对该图案的感性评价结果，从而为波点图案设计方案的改进提供参考。经检验，预测结果与感性评分结果较为接近，具有一定的应用价值。