社交电商中用户生成内容感知价值影响因素研究

这是一篇关于社交电商,用户生成内容,感知价值,信息采纳模型的论文, 主要内容为随着Web2.0的快速发展,网上购物已成为人们现代生活的重要组成部分,而社交电商作为一种新的电商模式,它将传统的搜索购物模式演变成发现式消费、口碑式消费,消费者在社交分享和内容的驱动下,从注意到兴趣,使得原来没有的消费需求被挖掘出来。社交电商不同于传统的电商平台,传统的电商平台是以商品为中心,消费者对商品的了解只能通过商家的描述以及为数不多的购买者简短的评论,所获得的信息十分有限。而社交电商则是以社交关系、用户和消费者为中心,将社交媒体作为一种辅助手段,使消费者能够利用社交媒体平台与公司或其他消费者产生社会互动,促进对商品的了解,从而促进商品的销售。社交电商平台上包含着大量商品购买者的使用体验,由于用户可以自由的发表自己的购物体验,所以能够给消费者提供更加全面、真实的信息,这对于消费者而言是一种可靠的获取商品信息的渠道,同时对于商家而言则是一种快速有效的推广产品、打开知名度、建立品牌的渠道,因为只要产品够好性价比够高就可以通过口碑传播带来收益,给了中小长尾品牌和商品更广阔的发展空间。同时,随着互联网的发展,人们获取信息的渠道更加便捷和多样化,大多数的消费者在做出购买决策之前都会选择参考其他消费者的使用体验,因此社交电商在消费者行为以及营销领域的重要性不言而喻。通过对相关文献的梳理,本文发现目前关于社交电商的研究主要集中于社交电商中用户参与意愿和购买意愿的影响,研究的出发点也主要是考虑到社交电商平台的特性,例如互惠性、接受性、便利性等维度,而基于社交电商环境专门针对用户生成内容的研究很少,而且现有的研究大多数采用问卷法去衡量消费者对用户生成内容质量的主观态度,很少有文献从客观角度出发去分析用户生成内容本身的特征所带来的影响,因此本文着重讨论了在社交电商环境下,如何从客观角度出发去分析用户生成内容感知价值的影响因素,基于真实数据进行实证研究,意在补充和完善该研究领域的不足。本文分别从信息内容质量(结构特征、内容特征)和来源可信度三个维度出发,探讨了社交电商中用户生成内容感知价值的影响因素。首先利用python爬取并筛选了国内著名社交电商平台小红书的16974条笔记数据,然后根据采集到的数据利用STATA软件对理论模型进行了实证研究。实证研究结果表明,用户生成内容的结构特征(文本长度、多媒体丰富度)、内容特征(文本可读性和交互性)以及来源可信度(专业度、经验丰富度)都会显著正向影响其感知价值,但是文本情感强度与用户生成内容感知价值呈显著倒“U”型相关。同时考虑多媒体丰富度和产品类型的调节作用,本文发现多媒体丰富度会显著负向调节文本长度与感知价值之间的正向关系,即多媒体越丰富,文本长度的正向影响越小。产品类型也对文本长度和情感强度起到了显著的调节作用,对于体验型产品来说,由于存在更大的不确定性,因此文本长度对用户生成感知价值的影响更加显著。而考虑产品类型对情感强度的调节作用时,本文发现对于体验型产品来说,情感强度与用户生成内容感知价值呈现出显著的倒“U”型关系,而对于搜索型产品而言,情感强度与用户生成内容感知价值呈现单向的正相关。本文的创新点在于除了将传统电商平台中影响在线评论感知有用性的因素应用到新的场景——社交电商中,还创新性地提出了多媒体丰富度对于用户生成内容感知价值的直接影响,以及多媒体丰富度对用户生成内容文本特征与感知价值之间关系的负向调节作用,同时还考虑了社交电商平台特有的属性——交互性对于用户生成内容感知价值的影响,具有一定的理论意义和实践意义。从理论上,丰富了社交电商领域的研究,从客观角度出发,探究了影响用户生成内容感知价值的因素,并对其内在机制进行了阐述;从实践上,依据本文实证分析的结果,可以对内容创作者如何创作有价值受欢迎的内容以及社交电商平台如何设置适当的运营机制给出一定的实践指导。

社交型电商用户生成内容对消费者购买意愿的影响研究——以小红书为例

这是一篇关于用户生成内容,意见领袖影响力,技术接受模型,刺激-机体-响应,消费者购买意愿的论文, 主要内容为在互联网技术飞速发展、Web2.0概念兴起的背景下,各类型电子商务平台竞争日益激烈,消费者对线上购物体验的要求越来越高,一些传统电商无法持续有效地吸引消费者。用户生成内容(UGC)作为用户使用互联网的新方式而出现,许多社交型电子商务平台通过发挥其用户生成内容(UGC)模式的优势来适应不断更新的商业环境。尽管当前社交型电商平台UGC模式已经得到实践推广,但其对消费者行为的影响仍缺乏实证支撑,更加有效地运用用户生成内容并把握其对用户行为的影响机制,能够为提高社交型电商平台的市场竞争力提供参考和建议,同时对拓展社交型电商平台UGC模式对消费者的认知、态度和行为的影响的研究范围提供理论依据。本文选择典型的用户生成内容社交型电商平台企业——小红书,提炼用户生成内容的两个代表性特征:互动性、及时性,结合刺激-机体-响应理论(SOR)和技术接受模型(TAM),将感知有用性作为用户生成内容的另外一个代表性特征,即使用互动性、及时性、感知有用性作为模型的自变量,将可信度和意见领袖影响力作为调节变量,从信息接受角度的可信度与信息提供角度的意见领袖影响力两方面探究用户生成内容对消费者购买意愿的影响。本文共提出7个假设,设计问卷进行调查分析。通过SPSS25对收回的764份有效问卷进行描述性统计分析及可靠度检验、结构效度检验,通过AMOS24软件对问卷进行聚合效度、区分效度检验。在确认问卷及数据的可靠度及有效性之后,运用多元线性回归对主效应进行检验,以及运用SPSS宏程序process的model 1进行调节效应检验。研究发现:互动性、及时性及感知有用性均对消费者购买意愿具有显著的正向影响;可信度在互动性、及时性及感知有用性对消费者购买意愿的影响中均具有显著的正向调节作用;意见领袖影响力在感知有用性对消费者购买意愿的影响中具有显著的正向调节作用。研究力图从用户生成内容的特性入手,探究用户生成内容的互动性、有用性以及感知有用性对消费者购买意愿的影响,并检验了可信度与意见领袖影响力的调节效应。研究不仅扩展了SOR理论及TAM模型,丰富了用户生成内容特性的相关研究,还为降低消费者与平台之间的心理距离,提高消费者购买意愿,以及促使电商平台更好的提升用户粘性,进行流量变现提供了新思路。

虚拟健康社区用户生成内容主题发现及个性化推荐研究

这是一篇关于虚拟健康社区,用户生成内容,主题发现,需求聚合,个性化推荐的论文, 主要内容为近年来,随着互联网技术的蓬勃发展,网络资源在生活、工作和学习中发挥重要作用,越来越多的用户为高效获取信息和解决问题选择在网络媒体上互动。Web2.0的到来,改变了人们利用信息的模式,用户不仅仅是被动接受信息内容的“受众”,而且可以主动参与到信息生产和传播的过程中,所以,虚拟社区的用户既是信息文化内容的消费者,也是生产者和提供者,虚拟社区因其交流快捷、可编辑性强、使用简单方便受到广大用户的持续关注,为很多有医疗卫生需求的人群提供了帮助。我国经济高速发展,人民生活节奏不断加快,虚拟健康社区因其能够有效帮助用户解决日常生活中健康类需求,成为不少人了解、关注、咨询健康问题的平台,“互联网+医疗”模式将线下资源搬移到线上,患者和医生之间的信息交互在线上平台中完成,大大节省了用户时间,节约线下资源。信息经济发展迅猛,互联网中信息呈爆炸式增长,虚拟健康社区涵盖了大量有价值的信息和知识,为医疗健康领域的知识发现提供了新的研究对象,大数据技术的成熟发展为研究提供了可靠的工具,据此可实现网络环境下虚拟健康社区用户生成内容的主题发现及个性化推荐研究。如何对虚拟健康社区用户生成内容进行知识管理和组织,对用户需求进行挖掘,创新虚拟健康社区服务新模式,为虚拟健康社区用户提供高质量服务,成为虚拟健康社区研究面临的新问题。鉴于此,本文将主题发现理论和方法引入到虚拟健康社区用户生成内容研究中去,采集“好大夫在线”平台眼科学用户提问数据,提出了基于用户咨询内容的热点问题发现和知识推荐服务模型,通过挖掘热点问题以及问题主题相关关系,构建语义关联主题图谱并搭建了个性化推荐模型,实现了从用户提问出发研究提问主题特征,为虚拟健康社区平台研究提供了新的视角,丰富了该领域的研究体系结构。实验结果表明,本文所提出的研究思路和研究方法能够对虚拟健康社区用户生成内容进行主题识别,发现虚拟健康社区用户的关注点和兴趣主题;基于K-Means聚类技术的需聚合能够将虚拟健康社区用户的需求挖掘出来,帮助平台高效聚合需求;基于主题语义相似度,将虚拟健康社区用户生成内容的主题词用图谱的形式变现出来,知识图谱构建有效获取主题词间的语义联系;个性化推荐模型的构建帮助平台将适合用户需求的产品和内容信息精准推荐给相关用户,有效解决用户提问难提问不准确等问题。

面向电商平台用户生成内容的多源异构数据融合与表示

这是一篇关于多源异构,用户生成内容,表示学习,融合,短文本的论文, 主要内容为用户生成多源异构数据融合与表示在各个领域引起广泛关注,如电商平台中用户评论与消费行为可为企业和商家针对用户的个性化服务提供重要依据。目前,针对多源文本的融合表示相对简单,没有考虑长短文本间的差异性,表示精度有待提高;此外,在进行异构数据融合时,近年来提出的深度学习可将各结构数据映射到同一共享空间。但是,已有研究较少针对电商平台中的用户生成内容。鉴于此,本文研究面向电商平台用户生成内容的多源异构数据融合与表示策略,主要内容如下:(1)电商平台用户生成文本数据的融合表示:首先,将用户生成多源文本根据数据的长度与特点分为长短文本区分处理,提出基于Doc2vec模型与隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)模型融合的策略,提取短文本特征;在此基础上,提出基于皮尔逊相似度选择商品评论与描述文本融合对象的方法,确定表示商品文本特征所需最少文本数;最后,将所提算法应用于亚马逊公开数据集多类商品分类问题,仿真结果表明所提算法可有效提高多源文本融合的精度,缓解信息过载。(2)电商平台用户生成多源异构数据的融合表示:在研究内容(1)的基础上,进一步考虑含评价文本和物品图像数据的用户生成内容异构数据的融合表示。首先,利用迁移学习的思想,使用预训练的残差网络(Residual Network,Res Net)获取商品图像数据的特征表达;然后,利用研究内容(1)的研究结果结合图像数据与评价文本的特征,考虑图文互补性,提出离散卷积融合策略,完成多源异构数据的融合;最后,将所提算法应用于亚马逊公开数据的扩展数据集上,实验结果证明了所提融合算法的有效性。(3)基于用户生成多源异构数据融合表示的个性化推荐:将研究内容(1)和(2)应用于实际问题中的个性化推荐中,以进一步说明所提算法的有效性,提出了基于多源异构数据融合表示和RBM评价偏好估计的个性化推荐策略。首先依据多源异构数据特征的融合表示和商品类别属性,构建基于受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)的用户偏好估计模型;然后,进一步利用用户隐式和显式偏好联合学习协同过滤算法,完成用户的个性化推荐;最后,将所提算法应用于亚马逊多个领域的用户推荐问题,结果证明基于多源异构用户生成内容融合表示的物品描述可有效提高推荐的准确率,并为推荐结果提供更多的可解释性。该论文有图18幅,表14个,参考文献93篇。

社交型电商用户生成内容对消费者购买意愿的影响研究——以小红书为例

这是一篇关于用户生成内容,意见领袖影响力,技术接受模型,刺激-机体-响应,消费者购买意愿的论文, 主要内容为在互联网技术飞速发展、Web2.0概念兴起的背景下,各类型电子商务平台竞争日益激烈,消费者对线上购物体验的要求越来越高,一些传统电商无法持续有效地吸引消费者。用户生成内容(UGC)作为用户使用互联网的新方式而出现,许多社交型电子商务平台通过发挥其用户生成内容(UGC)模式的优势来适应不断更新的商业环境。尽管当前社交型电商平台UGC模式已经得到实践推广,但其对消费者行为的影响仍缺乏实证支撑,更加有效地运用用户生成内容并把握其对用户行为的影响机制,能够为提高社交型电商平台的市场竞争力提供参考和建议,同时对拓展社交型电商平台UGC模式对消费者的认知、态度和行为的影响的研究范围提供理论依据。本文选择典型的用户生成内容社交型电商平台企业——小红书,提炼用户生成内容的两个代表性特征:互动性、及时性,结合刺激-机体-响应理论(SOR)和技术接受模型(TAM),将感知有用性作为用户生成内容的另外一个代表性特征,即使用互动性、及时性、感知有用性作为模型的自变量,将可信度和意见领袖影响力作为调节变量,从信息接受角度的可信度与信息提供角度的意见领袖影响力两方面探究用户生成内容对消费者购买意愿的影响。本文共提出7个假设,设计问卷进行调查分析。通过SPSS25对收回的764份有效问卷进行描述性统计分析及可靠度检验、结构效度检验,通过AMOS24软件对问卷进行聚合效度、区分效度检验。在确认问卷及数据的可靠度及有效性之后,运用多元线性回归对主效应进行检验,以及运用SPSS宏程序process的model 1进行调节效应检验。研究发现:互动性、及时性及感知有用性均对消费者购买意愿具有显著的正向影响;可信度在互动性、及时性及感知有用性对消费者购买意愿的影响中均具有显著的正向调节作用;意见领袖影响力在感知有用性对消费者购买意愿的影响中具有显著的正向调节作用。研究力图从用户生成内容的特性入手,探究用户生成内容的互动性、有用性以及感知有用性对消费者购买意愿的影响,并检验了可信度与意见领袖影响力的调节效应。研究不仅扩展了SOR理论及TAM模型,丰富了用户生成内容特性的相关研究,还为降低消费者与平台之间的心理距离,提高消费者购买意愿,以及促使电商平台更好的提升用户粘性,进行流量变现提供了新思路。

基于ResearchGate中用户生成内容的学术论文推荐系统研究

这是一篇关于ResearchGate,科研社交平台,用户生成内容,学术推荐系统的论文, 主要内容为随着人类进入互联网乃至于移动互联网时代,信息的生产者也从最早的专家人员转变为全体互联网用户。人类获取信息的方式也从最早的门户网站,发展到利用搜索引擎。然而人类信息化程度越来越高,人们对于信息的需求也从最早的共性变为现在的个性化。针对于推荐系统的研究和应用,已经在学术界和工业界收到了广泛的关注。目前已经有较为成熟的推荐系统被应用在新闻内容、电影视频、音乐歌曲以及电商产品等等领域之中。相应的,有关推荐系统的相关研究在国内外也日益增多。然而针对学术论文推荐系统,尤其是基于社交网络来对用户进行学术论文推荐的相关研究较少。众所周知,科研学术成果随着科学研究的发展而快速增长。科研人员获取其感兴趣的科研成果时,主要还是依赖于在不同的数据库或者搜索引擎中寻找,或者是需要定期浏览自己相关领域的学术刊物或者有关网站,以此对学术界最新的科研动态进行了解。但是这样的浏览和查找工作又是十分费时并且比较繁杂。科研人员有时会甚至会迷失在数以千计的科研成果之中。再考虑到当下科学研究中跨学科研究日益增多,科研人员在获取自己不熟悉的学术领域时,往往没有相关的先验知识。因此,使用推荐系统来为科研人员提供信息服务十分必要。近些年来,科研学术成果的相关推荐系统研究并不是很多。已经发表的学术论文或科研成果推荐研究,大多基于科研成果本身内容的分析。比如利用LDA(文档主题生成模型)对每篇科研成果生成文档主题,再利用主题之间的相似度来进行学术成果的推荐工作。此外,还有一些研究基于科研成果的外在属性,例如科研成果的质量、科研成果的引文网络等等。这些相关的研究主要利用的是在学术成果上已经形成的先验知识,并没有考虑科学研究的时效性以及对于科研人员学术兴趣转换等方面的考量。在本研究中,提出了利用当下热门的科研社交平台ResearchGate(科研之门)上,科研人员及其关注的科研人员所发布的有关学术话题以及知识技能等内容信息,进而组建科研人员的学术兴趣模型。同时,本研究还对科研人员的学术引用情况进行了研究。通过对科研人员在一个较长时间段内发表论文以及相关的学术引用行为进行研究,发现了科研人员在引用学术成果时,其被引作者的频次对数化之后可以被较好的拟合。其长期研究成果中的作者关键字,也基本反映了其学术方向和领域。而这些作者关键字绝大多数也可以在其ResearchGate科研社交平台上填写的内容中找到。这些都是利用ResearchGate科研社交平台上用户生成的内容构建推荐系统的前提条件。在本研究的最后,对该学术论文推荐系统进行了测试。系统主要实现了其有关的学术社交平台上用户生成内容的获取、存储、清洗以及基于科研人员的个性化推荐等功能。最后,本研究基于目前推荐系统常见的评测指标,针对基于科研人员自身生成内容以及自身生成同其所关注的用户所生成的内容融合这两个不同信息源进行科研成果推荐的性能进行了有关的试验。试验证明了本推荐系统的有效性。本研究的学术贡献主要存在于以下几个方面:本研究利用科研社交平台中用户所生成的内容建立科研人员的学术兴趣。科研社交平台同传统的社交媒体平台类似,都可以为推荐系统提供更加多元而丰富的信息。并且对于推荐系统的冷启动问题可以有较好的解决。本研究利用科研人员在一个较长的科研实践过程中产出的科研成果抽取其作者关键字,以此来构建科研学术词汇近义词词典。这在很大程度上解决了来自科研社交平台的内容偏重宏观,科研社交平台内容与学术成果匹配度较低的问题。探索了科研社交平台上用户生成内容获取的方法。现在ResearchGate科研社交平台并未开放其数据接口,数据获取存在一定难度。获取这些数据可以为本机构科研人员提供多元化服务。

直播间中弹幕对用户购买意愿影响的实证研究

这是一篇关于直播电商,用户生成内容,弹幕,用户购买意愿的论文, 主要内容为随着直播产业的快速发展,“直播+”模式也日益发展壮大。直播中的流量变现越来越引起人们的重视,尤为突出的就是直播电商模式。直播电商作为社交电商的一种,同时兼具了社交性与商业性,越来越多地受到消费者的关注和追捧。特别地,在2020年上半年新冠疫情的影响之下,实体经济遭遇巨大挑战,全国范围内掀起了“直播带货”的热潮,普通民众和各界名人纷纷加入直播行业;广州、杭州、济南等多地明确提出打造“电商直播之都”,抢占新经济风口。因此,消费者在直播电商情境下的购买行为也成为学者们研究的热点。在直播电商情境下,消费者可以看到丰富的产品信息,与传统电商最大不不同之一就是实时弹幕的出现。弹幕是直播中信息交流的主要方式。弹幕指的是在网络上观看视频时弹出的评论性字幕。直播电商中的弹幕,一方面是关于商品的用户生成内容(UGC),另一方面,弹幕会与直播内容以及其他弹幕内容交互地影响观众在直播间——带有限时销售或折扣,这一特殊消费环境下的消费决策。因此,本文研究了直播间中包括弹幕在内的各类用户生成内容对用户购买意愿的影响。在市场营销领域中,学者们大多认为营销过程就是一个说服过程,所以各类说服模型被广泛用于广告、营销等场景的研究中。其中精细加工可能性模型(ELM)就是经典的说服模型。在直播电商中,主播的介绍需要强有力的说服性,直播间、直播平台的基础设置也需要配合主播的讲解,共同为消费者提供一个说服性场景。精细加工可能性模型从中枢路径和边缘路径两方面共同描述了说服的过程。中枢路径指的是需要消费者进行精细加工的信息,而边缘路径是指不需要消费者花费大量努力即可处理的信息。本文基于精细加工可能性模型,建立了直播电商场景中的用户购买意愿影响因素模型。同时弹幕作为需要精细加工处理的信息,我们从文本挖掘的角度出发,处理了弹幕信息的情感倾向,探究情感倾向对消费者购买意愿的影响。在直播电商中,产品销售类别众多,通过对已有的电子商务相关研究综述,本文将产品分为搜索型和体验性两大类,分别研究两种不同类别产品的销售中影响消费者购买意愿的因素。淘宝直播作为国内最早且最具代表性的直播电商平台,其用户群体庞大,具有典型性,因此本文研究选择了淘宝直播作为研究对象。本文爬取了直播间中的相关信息数据,经过处理后进行了实证检验。由实证分析结果可知用户的购买意愿会较大程度上受到直播间内用户生成内容的影响,具体来说,对于搜索型产品,用户购买意愿主要会受到直播间内弹幕讨论热度和质量的影响,而对于体验型产品,用户购买意愿还会受到其他用户评价的影响,并且会关注其他用户的使用经验。通过研究直播电商中影响消费者购买意愿的因素,本研究同时兼具了以下理论意义与实践意义。本文研究抓取了直播平台真实数据和实时的弹幕信息,使用文本分析的方法,结合精细加工可能性模型研究了直播间中的UGC对用户购买意愿的影响,丰富了对直播电商新场景的研究,扩充了对UGC研究的方法。对于直播电商平台而言,研究在直播间中影响用户购买意愿的因素,考虑如何通过引导用户生成适合各自直播间的内容,可以提升直播电商大趋势之下,品牌营销的精准度以及效率,为用户提供更好的服务,从而促进用户的价值变现。

社区电商平台中用户生成内容对消费者购物行为影响研究

这是一篇关于社区电商,用户生成内容,消费者购买行为,从众心理,感知价值的论文, 主要内容为用户生成内容的概念伴随着以提倡个性化为特点的Web2.0兴起,是指用户通过在线网络自由的创作、编辑和发布图文、视频等多种形式的内容到互联网上。小红书作为典型的以用户生成内容为核心的社区电商,目前已有3亿多用户,是国内最大的消费者知识库。新媒体时代,小红书社区用户不仅仅是“种草”者,也随时随地在被“种草”好物。当小红书用户浏览用户生成内容后被“种草”购买了产品,产生了实际的购买行为,其用户就不仅仅是用户,而更是消费者。由此可见,小红书社区的用户生成内容一定程度上会对消费者的购买行为产生影响。与线下购物相比,消费者线上购物会面临更多的风险和不确定性,为了避免信息不对称,消费者很容易产生从众心理,做出跟大众一样的选择。在社区电商平台中,消费者主动地搜索和浏览社区中的用户生成内容,而不需要遵循他人的期望,在此情景中信息性从众心理更容易影响消费者行为。本文在感知价值理论、从众心理理论和消费者行为理论的基础上,将用户生成内容定义为小红书所有用户在小红书社区发布的“种草”和包含用户自身消费信息的笔记图文和视频等,以用户生成内容为起点,以消费者购买行为为终点,构建了用户生成内容对消费者购物行为的影响模型。通过问卷调查法,在前人研究量表以及本研究的理论模型的基础上设计调查问卷并回收了 380份有效问卷,借助SPSS24.0和AMOS24.0对问卷进行了数据分析。在对数据进行了信效度检验分析之后,用结构方程模型验证了本研究的模型和假设。研究结果表明:(1)用户生成内容正向影响感知功能价值、感知情感价值、感知社会价值和信息性从众心理;(2)信息性从众心理正向影响消费者的购买意愿和口碑传播意愿;(3)感知情感价值正向影响消费者的购买意愿和口碑传播意愿,感知社会价值正向影响消费者的购买意愿;(4)消费者购买意愿和口碑传播意愿正向影响消费者的购买行为。本文在以往研究的基础上,创新性地引入从众心理理论,实证结果表明,用户生成内容正向影响消费者的信息性从众心理进而影响消费者行为,为研究消费者行为提供了新的理论视角。同时,本文探究小红书社区中用户生成内容对消费者行为的导向性为内容型社区电商平台的发展提出了切实可行的建议。

低碳背景下融合用户感官偏好的智能产品设计模型研究

这是一篇关于智能产品设计,感官偏好,碳足迹,用户生成内容,优化模型的论文, 主要内容为智能产品的快速发展,向自然环境中排放了大量的二氧化碳等温室气体,俨然给全球环境造成了严峻的影响。低碳在这样的背景下受到了热烈的关注,智能产品设计向绿色低碳转型越来越重要。此外,由于智能产品与用户之间存在强交互性,用户在使用和体验智能产品时,在视、听、味、嗅和触觉上表现出了大量感官偏好;针对这些感官偏好进行智能产品的开发与布局,成为了智能产品设计获得成功的关键。鉴于此,低碳背景下融合用户感官偏好的智能产品设计是一个亟待解决的研究问题。然而,已有针对该问题的相关研究还比较匮乏,如缺乏有效挖掘用户感官偏好的方法,以及有效处理和整合感官偏好和非感官偏好信息的方法。为此,本文提出了一个低碳背景下融合用户感官偏好的智能产品设计模型,具体内容如下:(1)感官/非感官偏好的挖掘及面向产品部署的融合设计。首先,通过主题挖掘模型挖掘用户的感官和非感官偏好;然后,利用情感分析技术度量了感官和非感官偏好;进一步地,将感官和非感官偏好进行融合设计,得到用户的产品参数偏好。(2)基于融合偏好的智能产品部署及碳足迹的全生命周期测度。首先,依据智能产品设计原则,针对产品参数偏好,设计所需的产品参数规格;其次,计算出产品参数规格的属性值;接着,对智能产品设计全生命周期的碳足迹进行测度。(3)考虑碳约束的智能产品部署方案优化模型的构建与求解。首先,构建以用户满意度最大化和成本最小化为目标,并以碳限额、设计等为约束条件的多目标智能产品部署方案优化模型;其次,针对优化模型构建一个遗传算法求解模型,来生成相应的产品方案。基于本文提出的方法,对HW公司老年智能手环优化设计问题进行了应用分析,说明了本文方法的有效性和可行性。本文的研究结论如下:(1)低碳背景下融合用户感官偏好的智能产品设计是一个非常值得关注的重要研究课题。本文针对该问题给出了低碳背景下融合用户感官偏好的智能产品设计模型的研究设计和框架,为解决相关问题提供了指导。(2)基于感官/非感官偏好进行智能产品方案设计,非常有助于提升智能产品方案的有效性。智能产品与用户之间存在强交互性,用户在感官层面和非感官层面,都有个性化的偏好,这些偏好反应了用户对智能产品的整体需求和体验。在智能产品设计中考虑感官/非感官偏好,是更好地满足用户的需求、提高产品的质量和竞争力的关键一环,也是提升产品方案有效性的保障。(3)多目标优化模型的使用非常有助于提升智能产品设计结果的准确性。多目标优化模型的使用,能有效地、合理地处理相互冲突的目标,生成更为准确和合理的智能产品设计方案。本文的研究工作及成果可为解决智能产品方案设计优化问题提供了一种新的途径,有助于丰富和完善关于智能产品设计的研究。