产品设计的大数据设计方法研究

李晨曦 刘少宇

（四川农业大学林学院，成都 611130）

随着科技与社会的发展，以大数据为代表的科学技术日益兴起，数字经济获得了前所未有的发展，各行各业积极以大数据为工具进行活动生产，并取得了良好的成效，工业设计和产品设计领域更应通过分析大数据以量化用户感性信息及需求，设计出更符合用户需求的产品。基于此，文章通过查阅相关文献重点剖析产品设计的大数据方法，并提出新的模式与思路推动它的迭代创新。

1 研究背景及意义

1.1 研究背景

目前，经济和社会发展，科学技术发展，各种信息的交流速度不断加快，人与人的交流越来越密切，大数据就是这个时代的产物。简单来说，大数据就是在社会生产生活中产生的大量数字信息，通过对这些信息进行收集和整理，并按照一定的类别储存起来[1]。探索满足用户的信息检索需求，呈现用户个性化的信息搜索查询结果，实现用户的个性化信息检索，提高它的满意度和检索效率是大数据的优势所在。在互联网行业之中，它的优势更加突出，如个性化信息推荐、个性化信息检索、精准营销等。但是，在互联网环境下，数据量急剧增长，结构化、可用性高的数据获取仍较为困难。

工业设计主要是指工业产品的设计开发，是将科学与艺术结合起来运用于工业产品设计中，使它的使用价值能够满足人们的使用需要和审美需要[2]。一些传统的工业产品无法紧跟时代的发展，仍然存在耗时耗力、效率较低、成果不理想等问题。伴随着信息的高效传播，用户对产品的需求也在时刻变化，促进产品的更新换代。通过对大数据进行分析和计算，可以高效率量化用户的感性信息和需求，为设计创新提供新的可能性，同时也为传统的工业设计提供了新的模式和思路[3]。

1.2 研究意义

大数据时代的推动、严峻的社会经济环境、日益成长的消费群体和激烈的国内外竞争使得更加精准的产品与用户的联系成为企业产品开发的重点，特别是识别不同用户群体的需求，并建立与之紧密相连的产品设计方案，以维持品牌忠诚度并扩展新客户。对用户而言，产品更加符合用户需求。对企业而言，大数据能帮助企业准确识别客户需求、市场机会和商业机会，进而先于竞争企业开发更好的新产品，提升竞争力和盈利水平；对社会而言，工业设计产业是以创新驱动为导向的新型生产性服务业，是深化供给侧结构性改革、推动制造业由“制造”向“智造”转变的重要驱动力[4]，提升了科技水平及人民的生活水平，进一步推动了社会经济的发展。所以，产品设计的大数据设计方法是基于用户行为和需求数据对用户进行全面系统的分类，并在此基础上建成动态保持的系统贯穿产品的整个生命周期。

2 产品设计的大数据设计方法分析

2.1 采集数据信息

大数据时代下个人不仅仅只是物理人，更是数据人，人的行为会通过数据记录和显现出来[5]。社会生产生活模式发生了较大的改变，其中最为明显的一点就是实现了短时间收集海量信息[6]。在工业设计领域，前期的调研阶段，非常关键的一个环节便是数据信息的采集，但是传统采集的工业设计前期数据信息部分是笼统片面的，更代表着大部分人的利益需求，而在大数据背景下设计具有服务化和个性化的趋势[7]，传统的信息采集并不能很好地满足客户的个性化需求。所以，目前产品设计已经广泛利用大数据采集需求信息，优化了前期的设计方法。

近年来，许多互联网企业，如阿里巴巴、腾讯和百度等等，利用大数据收集进行精准营销。如图1所示，用户画像将用户信息标签化，通过收集用户多维度的信息数据（如人口统计属性、社会属性、行为偏好、消费习惯等），以便平台全方面探究用户的行为特征，了解用户需求，打造自己的用户画像分析平台，为进一步的用户需求感知和内容智能推荐提供信息源，并进行下一步的数据信息分析。社交网络发展迅速，可以先分析用户的属性和行为，再采用精准营销的策略。通过采集信息可以智能匹配产品和用户，然后提供与客户类型相对应的服务[8]。

图1 用户画像及精准营销（来源：知乎网）

2.2 构建用户画像

用户画像的本质是用户研究，即对用户进行信息分析的过程[9]。它不仅是一个精准的用户需求分析帮手，而且能够有效帮助设计者快速准确地分析用户的喜好、兴趣和习惯等重要行为特征，还能让设计者对市场和用户具有更敏锐的洞察力。国内学者对于利用数据进行用户画像分析也进行过综述性研究，认为用户画像的重点在于算法和技术。对用户画像偏重概念和理论的研究，多数把用户画像和大数据关联起来，认为它是大数据时代的产物。由于用户画像与大数据相关联，因此将用户画像、大数据和算法密切结合，并使用调查问卷和访谈等数据来描述和刻画用户也是极其必要的。如Ark 出品的人工智能设计师Arkie，它通过自然语言处理、图像分析等前端科技和大量数据和人工智能算法来训练、学习和设计，并根据每一个用户的行为和偏好智能生成符合用户特征和偏好的海报并投放广告，甚至可以根据用户的点击结果进行自动调整。

3 产品设计的大数据设计方法应用

使用者在使用产品时，生产商可以通过大数据，高效利用由使用者的使用方式和习惯转化的信息数据，帮助设计师发现痛点和新的创意。而利用使用者与企业之间的交互产生的大量动态数据，能够使使用者间接的投入到产品的生产开发升级中，增加产品的实用性和市场竞争力。

3.1 设计前期阶段

3.1.1 数据清洗与分拣

大数据具有海量且冗杂的特点，将它用于设计前期阶段则需要对数据进行清洗与分拣以提升效率。数据清洗是指对输入的大数据进行清洗得出商业价值、用户价值与产品价值[10]。企业依据大数据的清洗决定是否进入该领域市场或者是否在该领域继续开发。大数据的分拣则是在商业价值、产品价值和用户价值的基础上进行价值区间的划定。图2 是米家K 歌麦克风市场数据的清洗过程，清洗得出2014—2019 年K 歌麦克风市场的趋势、竞品市场和价位段数据，以此初步决定进入该类市场。

图2 米家K 歌麦克风市场数据清洗过程[12]

3.1.2 产品开发

在清洗和分拣好数据之后，需要把它用于设计实体上，以优化产品的智能化设计方法并提高产品的更新换代频率。可以通过获取特定产品用户的评价数据，充分利用互联网对现有大量数据中所包含的用户情绪价值，将用户需求融入产品的特征中。接着，通过各类算法确定产品设计的优化目标，并寻求最优的设计方案。

确定相关用户的各种信息数据，进行大数据及相关算法的分析，得到更为深层次和直观的新产品设计理念，能够提升产品的竞争力，实现效益最大化[11]。所以在开展以用户需求研究为主的设计阶段，需要建立一个新型的产品开发模型，如图3 所示。用户在日常生活中会产生大量数据，这些数据需要运用算法进行分类，形成数据分析系统。设计师需要时刻关注着系统数据状态，根据用户需求数据、市场动态等获取灵感构思设计，生成新的产品。

图3 新型产品开发的大数据设计方法模型

3.2 设计后期阶段

目前许多产品虽然有反馈阶段，但大多数都是流于形式，无法真正对产品的改良给出实质建议[12]。鉴于此，设计者可以充分利用大数据的优势，形成设计前期阶段由客观数据驱动，设计后期阶段信息反馈回流生成新的大数据，让大数据的收集反馈加入产品开发的流程，反馈获得的建议又可以进行新一轮的设计，形成一个环形闭合的流程。

用户作为最佳的使用者和体验者，满意程度关系着工业产品的成功与否。一般的客户与工业设计工程师不同，他们对产品的好感仅来源于选择、购买、使用过程中的切身感受，如功能多样性、舒适度和美观度等[13]。因此，需要建立以用户体验为中心的新型工业设计模式，收集用户体验数据、改善需求和感性数据等产品反馈的重要数据，如图4 所示。产品可以利用这些生成的大数据资源进行学习，以此给予用户更好的体验，同时这些用户实际操作产生的数据也将进入数据库，驱动着下一环节的产品开发设计，形成良性循环。用户实际操作产生数据反馈进步的流程，区别于传统的产品反馈机制（如问卷调查、问卷分析等），能够直接反馈，增加数据的可靠性广泛性，避免产生误差，也能提高效率降低成本，实现动态更新和资源的最大化利用。

图4 产品设计的大数据设计方法反馈模型

例如，中国品牌华为2020 年发布的运动手环，产品通过传感器收集使用者进行运动时的各项数据，如跑步公里、跳绳次数、行走步数等等，以及使用者的各项身体数据，如血压、心率、血氧等，以便使用者了解自身的身体状况。另外，这些监测的数据将传输回数据中心，用来分析和洞察目标群体的使用习惯和痛点，对产品进行调整升级，使下一代的升级产品更具市场竞争力。

一些研究人员也在致力于这种反馈机制的创新研发，Kang 等研究者提出了一种网站用户模型构建的优化算法，通过收集和分析各个用户浏览的行为，采用机器学习的方法对模型进行更新[14]。Chien 等提出了一种新型的数据驱动产品设计框架，有效地识别从消费者偏好到消费者反馈的设计理念，以理解用户偏好[15]。这一系列的研究活动，都是研究者们在大数据背景下，通过数据来推动设计的智能化发展。

4 改善和建议

经过分析和研究，我们发现大数据背景下，设计领域在数据的辅助下正在发展，但是仍然存在些许问题需要解决，如数据源的获取和整理、数据的分类归纳筛选及反馈更新机制的完善等。以此提出更多建议和畅想，未来可在这些方面丰富完善，以此促进设计研究的蓬勃发展。

4.1 收集用户需求和构建需求库

可以将用户的特征通过不同来源的用户需求数据从不同的角度表现出来，收集不同来源的数据，构建全面的用户需求库，能够更加全面地描述用户的动态行为需求，更加方便设计师找到痛点。

4.2 分类数据和建立整合系统

各类来源的数据需要建立评估标准，以此来进一步评估它的可信性后，才能将它纳入数据库。大数据有着冗杂的特点，各类数据多且没有固定的类别区分，研究者需要建立良好的整合系统，将它进行归纳整理，才能方便设计师分析运用于设计作品中。

4.3 优化反馈和质量评估

随着时间的变化，用于描述用户特征的用户需求数据也需要动态的、及时的进行更新，不然将会失去它的准确性和时效性，所以如何运用持续的反馈机制来完善更新数据是值得我们思考的问题，但这方面又经常被研究人员忽略。另外，国内外计算机领域的研究在构建用户画像的实证研究中大多都会对画像效果进行评估，来分析这一技术在实际运用中的可行性。所以，在今后的研究中我们要更加关注数据质量的评估问题，利用有效客观的定性或定量评价方法，对存在偏差或问题的数据及时修正优化，让它发挥更大的作用。

4.4 更加注重隐私和信息安全

虽然用户行为数据越多越详细，有利于更好地构建数据库，但是如果毫无克制地索取用户的行为需求数据，甚至故意滥用、泄露或者出售，将会失去人们对大数据的认可度，阻碍研究人员后续的分析，这将使整个大数据技术的发展停滞，所以建立用户信息安全保护体系十分重要。调解信息隐私和信息利用的矛盾对这一技术的进一步发展和实践应用具有重要意义。

5 结论

文章从提升用户体验和设计效率的角度分析了工业和产品设计中引入大数据技术的必要性，并分别为设计前期和后期阶段提出新的产品开发与产品反馈模式，以及四个方面的建议，保障在产品设计中使用大数据的准确性、广泛性、实用性、动态性和安全性。设计前期阶段利用大数据收集和分析用户需求，设计后期阶段利用大数据收集分析反馈信息和改良产品，形成良性的设计循环，让企业有效利用大数据创新绩效、降低成本，从而设计出符合用户需求的产品。