魏楚凡，劉鍵，席上琳，黃賽

【工業(yè)設(shè)計(jì)】

知識(shí)視角下設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新方法研究

魏楚凡，劉鍵，席上琳，黃賽

（北京工業(yè)大學(xué) 藝術(shù)設(shè)計(jì)學(xué)院，北京 100124）

顛覆式創(chuàng)新是企業(yè)實(shí)現(xiàn)跨越式追趕的重要路徑，針對(duì)當(dāng)前識(shí)別顛覆式創(chuàng)新機(jī)會(huì)的不足，基于知識(shí)基因與深度學(xué)習(xí)協(xié)同優(yōu)化，提出設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新早期識(shí)別方法。梳理知識(shí)視角下設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新流程，針對(duì)創(chuàng)新模糊前端階段并基于“產(chǎn)品知識(shí)基因”的概念，首先通過(guò)大數(shù)據(jù)文本分析方法洞察用戶未來(lái)需求，進(jìn)行產(chǎn)品意義重構(gòu)；其次對(duì)相關(guān)領(lǐng)域?qū)＠麛?shù)據(jù)進(jìn)行“主語(yǔ)—行為—賓語(yǔ)”結(jié)構(gòu)與“技術(shù)—關(guān)系—技術(shù)”結(jié)構(gòu)語(yǔ)義分析并建立產(chǎn)品知識(shí)庫(kù)；最后在此基礎(chǔ)上類比基因工程思維模式重組技術(shù)方案，尋求產(chǎn)品顛覆式創(chuàng)新。以未來(lái)空調(diào)為設(shè)計(jì)研究對(duì)象，驗(yàn)證研究方法的可行性與有效性，能夠幫助企業(yè)識(shí)別顛覆式創(chuàng)新設(shè)計(jì)機(jī)會(huì)，對(duì)優(yōu)化資源配置和規(guī)劃設(shè)計(jì)戰(zhàn)略具有現(xiàn)實(shí)指導(dǎo)價(jià)值。

顛覆式創(chuàng)新；設(shè)計(jì)驅(qū)動(dòng)；產(chǎn)品意義；產(chǎn)品知識(shí)基因；產(chǎn)品知識(shí)庫(kù)

創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力?！皠?chuàng)新”概念由Joseph Alois Schumpeter最早提出，認(rèn)為創(chuàng)新是“建立一種新的生產(chǎn)函數(shù)”[1]，眾多學(xué)者在此基礎(chǔ)上探索創(chuàng)新模式，將創(chuàng)新大體分為三個(gè)層次。一是漸進(jìn)式創(chuàng)新，即持續(xù)、不斷發(fā)生的局部或改良性創(chuàng)新活動(dòng)[2]，強(qiáng)調(diào)現(xiàn)有技術(shù)的小幅度改進(jìn)，如提高手機(jī)拍攝像素；二是突破式創(chuàng)新，即出現(xiàn)根本性重大技術(shù)變化，強(qiáng)調(diào)技術(shù)性能的巨大躍遷，如人臉識(shí)別技術(shù)取代人工實(shí)現(xiàn)身份認(rèn)證，三是顛覆式創(chuàng)新，即在產(chǎn)品形式與功能出現(xiàn)重大變革，強(qiáng)調(diào)市場(chǎng)價(jià)值與破壞，如特斯拉電動(dòng)汽車設(shè)計(jì)顛覆汽車行業(yè)。顛覆式創(chuàng)新是一個(gè)國(guó)家技術(shù)發(fā)展總體水平的風(fēng)向標(biāo)，在知識(shí)為主導(dǎo)的經(jīng)濟(jì)背景下，設(shè)計(jì)思維能夠幫助企業(yè)在采用新技術(shù)時(shí)對(duì)社會(huì)認(rèn)知過(guò)程進(jìn)行深入了解，從而發(fā)現(xiàn)顛覆式創(chuàng)新機(jī)會(huì)。然而遺憾的是，目前關(guān)于顛覆式創(chuàng)新的研究多集中于經(jīng)濟(jì)管理領(lǐng)域，在產(chǎn)品設(shè)計(jì)領(lǐng)域的相關(guān)研究并不完善，理論與實(shí)踐應(yīng)用進(jìn)展緩慢。因此，如何利用設(shè)計(jì)思維快速準(zhǔn)確地識(shí)別顛覆式創(chuàng)新機(jī)會(huì)成為學(xué)術(shù)界關(guān)注的焦點(diǎn)。

1 文獻(xiàn)綜述及研究基礎(chǔ)

傳統(tǒng)的產(chǎn)品創(chuàng)新方法存在局限性，因此本研究意圖展開一種知識(shí)視角下設(shè)計(jì)思維主導(dǎo)的顛覆式創(chuàng)新方法，主要涉及的理論方法：一是設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新，二是知識(shí)基因理論，三是深度學(xué)習(xí)。以下分別進(jìn)行闡述。

1.1 設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新

顛覆式創(chuàng)新的概念最早由Christensen[3]提出，指“立足于非主流市場(chǎng)或利基市場(chǎng)，引用新的技術(shù)、產(chǎn)品或方法導(dǎo)致組織活動(dòng)發(fā)生根本性變革，打破現(xiàn)有市場(chǎng)競(jìng)爭(zhēng)格局及規(guī)則，對(duì)在位企業(yè)造成顛覆的創(chuàng)新過(guò)程?！蓖ㄟ^(guò)文獻(xiàn)梳理，將顛覆式創(chuàng)新演進(jìn)脈絡(luò)大致分為概念界定、視角擴(kuò)充、機(jī)制分析、理論應(yīng)用4個(gè)階段[4]，取得豐富的研究成果。而現(xiàn)有研究多建立在“顛覆式創(chuàng)新已產(chǎn)生”基礎(chǔ)上，缺乏對(duì)形成前因與驅(qū)動(dòng)因素的深入探索，限制其對(duì)企業(yè)的實(shí)踐指導(dǎo)作用，因此有必要從新視角切入對(duì)顛覆式創(chuàng)新的驅(qū)動(dòng)因素作進(jìn)一步討論。

目前顛覆式創(chuàng)新驅(qū)動(dòng)因素的研究主要圍繞技術(shù)推動(dòng)與市場(chǎng)拉動(dòng)展開，技術(shù)驅(qū)動(dòng)式創(chuàng)新強(qiáng)調(diào)新技術(shù)的開發(fā)與應(yīng)用；市場(chǎng)驅(qū)動(dòng)式創(chuàng)新強(qiáng)調(diào)為滿足新市場(chǎng)需求進(jìn)行的產(chǎn)品功能或技術(shù)快速迭代。隨著體驗(yàn)經(jīng)濟(jì)的興起，“設(shè)計(jì)”作為第三種創(chuàng)新驅(qū)動(dòng)力的作用日益凸顯，卻鮮有文獻(xiàn)探討設(shè)計(jì)與顛覆式創(chuàng)新的關(guān)系。

設(shè)計(jì)驅(qū)動(dòng)式創(chuàng)新由Utterback提出，認(rèn)為任何產(chǎn)品都兼具功能性與社會(huì)性，需要?jiǎng)?chuàng)造性發(fā)現(xiàn)與技術(shù)匹配的應(yīng)用情景及解決方案，即構(gòu)建“意義”[5]。目前，研究圍繞內(nèi)在影響機(jī)理、設(shè)計(jì)能力構(gòu)成、方法等方面展開，如Simoni等[6]提出面臨技術(shù)轉(zhuǎn)變不連續(xù)的公司傾向于采用不同的產(chǎn)品設(shè)計(jì)戰(zhàn)略。Landoni等[7]識(shí)別與討論5種不同的設(shè)計(jì)創(chuàng)新能力并分析其設(shè)計(jì)投資與競(jìng)爭(zhēng)績(jī)效之間的調(diào)節(jié)作用。賴紅波[8]從美學(xué)、風(fēng)格與用戶洞察三個(gè)維度提出設(shè)計(jì)驅(qū)動(dòng)創(chuàng)新的研究框架。創(chuàng)新過(guò)程中的關(guān)鍵因素分為3種：一是市場(chǎng)需求，二是技術(shù)知識(shí)，三是產(chǎn)品意義。后工業(yè)時(shí)代的產(chǎn)品設(shè)計(jì)以意義的傳達(dá)為重要特征?！爱a(chǎn)品意義”通常用以指稱用戶購(gòu)買產(chǎn)品的理由，設(shè)計(jì)驅(qū)動(dòng)式創(chuàng)新的內(nèi)涵是感知用戶行為與情感變化趨勢(shì)，挖掘深層次的未來(lái)需求，通過(guò)意義變革實(shí)現(xiàn)顛覆式創(chuàng)新。

因此，設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新強(qiáng)調(diào)的是產(chǎn)品社會(huì)性，其底層邏輯在于設(shè)計(jì)思維，以意義建構(gòu)創(chuàng)新為起點(diǎn)，即在社會(huì)層面感知與洞察用戶的長(zhǎng)期情感走向，通過(guò)設(shè)計(jì)推動(dòng)技術(shù)知識(shí)、市場(chǎng)需求知識(shí)的整合。通過(guò)差異化引領(lǐng)消費(fèi)為企業(yè)注入源源不斷的持續(xù)競(jìng)爭(zhēng)力[9]。而現(xiàn)有文獻(xiàn)尚未對(duì)實(shí)踐提供更有依據(jù)的指導(dǎo)，鑒于實(shí)踐需求與理論研究的斷層，有必要對(duì)設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新作用機(jī)理作進(jìn)一步討論。

1.2 知識(shí)視角下的設(shè)計(jì)驅(qū)動(dòng)顛覆式創(chuàng)新

企業(yè)創(chuàng)新與知識(shí)創(chuàng)新密不可分，現(xiàn)有文獻(xiàn)從知識(shí)種類出發(fā)探討對(duì)顛覆式創(chuàng)新的影響，如薛捷認(rèn)為市場(chǎng)知識(shí)的深度、寬度影響企業(yè)顛覆式創(chuàng)新。王志瑋認(rèn)為企業(yè)外部知識(shí)網(wǎng)絡(luò)影響破壞性創(chuàng)新績(jī)效。朱思文認(rèn)為影響企業(yè)顛覆式創(chuàng)新結(jié)果的重要因素是對(duì)隱性知識(shí)的吸收效果。顛覆式創(chuàng)新過(guò)程表征知識(shí)流動(dòng)與創(chuàng)新，鮮有文獻(xiàn)研究知識(shí)要素在顛覆式創(chuàng)新過(guò)程中的演化路徑，因此本文擬從知識(shí)角度分析設(shè)計(jì)驅(qū)動(dòng)顛覆式創(chuàng)新過(guò)程。

SECI模型（野中郁次郎，1995年）指知識(shí)轉(zhuǎn)化的4種基本模式——潛移默化（Socialization）、外部明示（Externalization）、匯總組合（Combination）和內(nèi)部升華（Internalization），是企業(yè)創(chuàng)新活動(dòng)的隱性知識(shí)與顯性知識(shí)相互作用轉(zhuǎn)化的過(guò)程[10]?；赟ECI模型與文獻(xiàn)分析，本研究將設(shè)計(jì)驅(qū)動(dòng)式顛覆式創(chuàng)新過(guò)程（見圖1）分為模糊前端、研究開發(fā)、市場(chǎng)商業(yè)化、行業(yè)標(biāo)準(zhǔn)化4個(gè)階段。

圖1 基于SECI模型的設(shè)計(jì)驅(qū)動(dòng)顛覆式創(chuàng)新過(guò)程

模糊前端階段是顛覆式產(chǎn)品的起點(diǎn)，是決定產(chǎn)品開發(fā)成功與否的重要階段，驅(qū)動(dòng)力因素的研究圍繞該階段開展。基于文獻(xiàn)分析，本研究將設(shè)計(jì)驅(qū)動(dòng)顛覆式創(chuàng)新的模糊前端階段（見圖2）分為4個(gè)階段，一是識(shí)別未來(lái)需求，即創(chuàng)新機(jī)會(huì)識(shí)別，立足人與產(chǎn)品關(guān)系并結(jié)合社會(huì)文化發(fā)展，明確未來(lái)用戶需求；二是創(chuàng)意生成，圍繞未來(lái)用戶需求尋求產(chǎn)品知識(shí)，是知識(shí)吸收與整合的過(guò)程；三是創(chuàng)意評(píng)估與篩選，創(chuàng)意知識(shí)轉(zhuǎn)化為創(chuàng)意方案并進(jìn)行評(píng)估；四是方案定義，評(píng)估較好的方案進(jìn)行完善并制定產(chǎn)品方案。有效推進(jìn)模糊前端階段是企業(yè)實(shí)現(xiàn)顛覆式創(chuàng)新的基礎(chǔ)，在大數(shù)據(jù)、智能化背景下傳統(tǒng)識(shí)別方法老舊且散亂，因此有必要研究如何準(zhǔn)確高效地開展模糊前端工作，識(shí)別產(chǎn)品差異化，傳遞新的產(chǎn)品意義，帶來(lái)顛覆式創(chuàng)新機(jī)會(huì)。

1.3 深度學(xué)習(xí)與知識(shí)獲取

設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新過(guò)程被視為知識(shí)整合與應(yīng)用的過(guò)程，海量自然語(yǔ)言文本需經(jīng)過(guò)識(shí)別、篩選與理解后，成為結(jié)構(gòu)化知識(shí)方可利用。自然語(yǔ)言處理（Natural Language Processing，NLP）是一種以理論為基礎(chǔ)的自動(dòng)分析與表示人類語(yǔ)言的計(jì)算技術(shù)[11]。深度學(xué)習(xí)（Deep Learning，DL）由Hinton等[12]于2006年提出，因其強(qiáng)大特征提取與學(xué)習(xí)能力，已成為自然語(yǔ)言處理領(lǐng)域的主流技術(shù)?；谏疃葘W(xué)習(xí)的知識(shí)獲取受到高度關(guān)注，研究?jī)?nèi)容涵蓋輸入方式、特征學(xué)習(xí)與訓(xùn)練數(shù)據(jù)標(biāo)注等方面，如Google提出基于神經(jīng)網(wǎng)絡(luò)的Word2Vec方法[13]；Devlin等[14]利用預(yù)訓(xùn)練模型探究知識(shí)在不同領(lǐng)域間遷移的效果；王新等[15]基于Synonyms的相似度計(jì)算建立獲取用戶隱性需求的格式塔邏輯系統(tǒng)方法等。利用深度學(xué)習(xí)技術(shù)能實(shí)現(xiàn)多領(lǐng)域知識(shí)遷移與融合，為顛覆式創(chuàng)新流程提供可靠的技術(shù)支持。

1.4 將知識(shí)基因理論引入設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新

知識(shí)基因理論起源于Dawkins在《The Selfish Gene》中提出的“文化基因”概念，即文化基因是人類文化表達(dá)傳播的復(fù)制單位，稱其為“模因”。在此基礎(chǔ)上學(xué)者們以基因?yàn)閱挝环治鋈祟愇幕葸M(jìn)，“思想模因”與知識(shí)進(jìn)化論結(jié)合的分支，發(fā)展成為“知識(shí)基因理論”。國(guó)內(nèi)學(xué)者李伯文[16]最早提出“知識(shí)基因”的概念，即科學(xué)的知識(shí)基因就是科學(xué)概念；劉植惠[17]于20世紀(jì)末開始嘗試提出一套知識(shí)基因的理論體系。知識(shí)基因理論創(chuàng)立的出發(fā)點(diǎn)是把握知識(shí)演化規(guī)律，為知識(shí)創(chuàng)新提供支持。因而知識(shí)基因理論能夠激發(fā)設(shè)計(jì)思維，從產(chǎn)品知識(shí)底層邏輯出發(fā)增強(qiáng)設(shè)計(jì)過(guò)程中的創(chuàng)造力。然而目前將知識(shí)基因理論應(yīng)用于設(shè)計(jì)實(shí)踐的研究并不多，尚未有學(xué)者運(yùn)用知識(shí)基因理論指導(dǎo)顛覆式創(chuàng)新，這是本文的主要?jiǎng)?chuàng)新點(diǎn)之一。本文從可行性與必要性兩個(gè)角度對(duì)設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新模糊前端階段引入知識(shí)基因理論進(jìn)行分析。

1.4.1 可行性分析

第一，從研究對(duì)象來(lái)看，本研究將產(chǎn)品信息數(shù)據(jù)（功能、外觀、結(jié)構(gòu)）作為知識(shí)基因，稱之為“產(chǎn)品知識(shí)基因”，其決定產(chǎn)品生命周期且具有遺傳價(jià)值，具有基因?qū)傩?。將技術(shù)基因組作為知識(shí)DNA，其由產(chǎn)品知識(shí)基因構(gòu)成，掌握著產(chǎn)品變化規(guī)律，具有DNA屬性。

第二，設(shè)計(jì)思維與知識(shí)基因表達(dá)過(guò)程具有相似性，見表1。社會(huì)通常與知識(shí)基因共同決定知識(shí)的性狀，同理，設(shè)計(jì)思維通過(guò)從社會(huì)角度識(shí)別未來(lái)用戶需求，賦予產(chǎn)品意義，并與產(chǎn)品信息數(shù)據(jù)交織，從而得到產(chǎn)品設(shè)計(jì)方案，即產(chǎn)品知識(shí)基因表達(dá)的性狀。

第三，生物基因工程與設(shè)計(jì)驅(qū)動(dòng)顛覆式創(chuàng)新模糊前端階段類似，見表2。生物基因工程利用DNA重組技術(shù)，將目的基因與載體基因在體外進(jìn)行重組并重新導(dǎo)入載體，該工程可依照人類意愿產(chǎn)出新遺傳物質(zhì)和新生物類型。設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新探索深層次未來(lái)用戶需求，從產(chǎn)品知識(shí)庫(kù)中提取目標(biāo)產(chǎn)品知識(shí)基因，通過(guò)產(chǎn)品知識(shí)基因重組的方式構(gòu)建新的產(chǎn)品知識(shí)基因模型，產(chǎn)出顛覆式創(chuàng)新產(chǎn)品方案，即產(chǎn)品知識(shí)基因表達(dá)的性狀。

綜上所述，本研究將產(chǎn)品信息數(shù)據(jù)作為知識(shí)基因，技術(shù)基因組作為知識(shí)DNA，理論層面設(shè)計(jì)思維與知識(shí)基因表達(dá)過(guò)程相似；再者設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新的底層邏輯是設(shè)計(jì)思維，生物基因工程的思想對(duì)其適用性很高，同時(shí)說(shuō)明知識(shí)基因理論在產(chǎn)品顛覆式創(chuàng)新設(shè)計(jì)中的實(shí)踐應(yīng)用環(huán)節(jié)可行。

1.4.2 必要性分析

第一，克服顛覆式創(chuàng)新僅從技術(shù)與市場(chǎng)驅(qū)動(dòng)的局限性。深度探討如何利用設(shè)計(jì)思維實(shí)現(xiàn)顛覆式創(chuàng)新，構(gòu)建科學(xué)完善的研究體系框架，旨在豐富設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新理論與實(shí)踐應(yīng)用研究。

第二，有利于拓展知識(shí)基因理論在知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘方面的應(yīng)用[18]。通過(guò)知識(shí)基因理論指導(dǎo)產(chǎn)品知識(shí)融合，旨在提高企業(yè)獲取知識(shí)的能力、擴(kuò)展知識(shí)獲取的廣度、增加探索知識(shí)關(guān)聯(lián)的效率，為產(chǎn)品創(chuàng)新研究提供一套早期識(shí)別方法研究體系，為知識(shí)創(chuàng)新提供支持。

表1 基因—知識(shí)基因—產(chǎn)品知識(shí)基因類比分析

Tab.1 Analogical analysis of gene, knowledge gene and product knowledge gene

表2 生物基因工程與設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新

Tab.2 Biological genetic engineering and design-driven disruptive innovation

第三，有助于運(yùn)用科學(xué)的手段實(shí)現(xiàn)設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新。設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新模糊前端階段中產(chǎn)品知識(shí)組合具有高度不確定性，知識(shí)基因的穩(wěn)定性與持久性有助于提高產(chǎn)品知識(shí)重組研究的科學(xué)性與有效性，旨在構(gòu)建多源異構(gòu)知識(shí)交叉融合知識(shí)庫(kù)，縱深全面挖掘產(chǎn)品信息數(shù)據(jù)，為企業(yè)資源優(yōu)化配置提供建議。

2 研究框架

為提高設(shè)計(jì)驅(qū)動(dòng)顛覆式創(chuàng)新模糊前端階段的科學(xué)性與有效性，本研究基于知識(shí)基因與深度學(xué)習(xí)協(xié)同優(yōu)化，提出一套運(yùn)用生物基因工程思想實(shí)現(xiàn)顛覆式創(chuàng)新的研究框架，見圖3。

該框架將產(chǎn)品信息數(shù)據(jù)作為產(chǎn)品知識(shí)基因，將產(chǎn)品設(shè)計(jì)方案作為產(chǎn)品知識(shí)基因表達(dá)的性狀特征，產(chǎn)品設(shè)計(jì)方案（性狀特征）由社會(huì)人文與產(chǎn)品知識(shí)基因共同決定。本研究創(chuàng)新點(diǎn)包括以下3個(gè)流程。

一是未來(lái)用戶需求識(shí)別，即模糊前端—識(shí)別未來(lái)需求，進(jìn)行產(chǎn)品意義重構(gòu)。首先利用大數(shù)據(jù)文本分析對(duì)開放網(wǎng)站用戶在線評(píng)論數(shù)據(jù)進(jìn)行抓取，清洗后從中提取篩選產(chǎn)品特征詞，在此基礎(chǔ)上構(gòu)建產(chǎn)品情感詞典，最終依據(jù)產(chǎn)品特征類別與情感詞典對(duì)用戶痛點(diǎn)進(jìn)行分析，結(jié)合使用場(chǎng)景洞察用戶情感波動(dòng)，挖掘潛在用戶需求，賦予產(chǎn)品新意義。

二是產(chǎn)品知識(shí)基因提取及知識(shí)庫(kù)構(gòu)建，即模糊前端—?jiǎng)?chuàng)意生成，深度挖掘產(chǎn)品知識(shí)并構(gòu)建知識(shí)庫(kù)。首先依據(jù)研究對(duì)象制定檢索表達(dá)式，收集相關(guān)專利數(shù)據(jù)并作清洗預(yù)處理；其次先后對(duì)專利數(shù)據(jù)進(jìn)行“主語(yǔ)—行為—賓語(yǔ)”（Subject-Action-Object，SAO）結(jié)構(gòu)與“技術(shù)—關(guān)系—技術(shù)”（Technology-Relationship- Technology，TRT）結(jié)構(gòu)語(yǔ)義分析；最后整合分析數(shù)據(jù)，并歸類為功能基因、外觀基因、結(jié)構(gòu)基因三大類，完成產(chǎn)品知識(shí)庫(kù)構(gòu)建。

圖3 設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新研究框架

三是顛覆式創(chuàng)新機(jī)會(huì)發(fā)現(xiàn)，即模糊前端——?jiǎng)?chuàng)意評(píng)估與篩選、方案定義，依據(jù)未來(lái)用戶需求（產(chǎn)品新意義），對(duì)既有技術(shù)進(jìn)行應(yīng)用或二次開發(fā)，將產(chǎn)品知識(shí)轉(zhuǎn)化為顛覆式產(chǎn)品設(shè)計(jì)方案。首先構(gòu)建現(xiàn)有產(chǎn)品基礎(chǔ)基因模型，依據(jù)產(chǎn)品新意義從產(chǎn)品基因庫(kù)中提取滿足條件的“目的基因”，組合出多個(gè)設(shè)計(jì)方案（新技術(shù)基因模型），從這些方案中選出最優(yōu)解，依據(jù)新產(chǎn)品基因模型得到顛覆式創(chuàng)新產(chǎn)品。

3 實(shí)驗(yàn)過(guò)程

在本實(shí)驗(yàn)中，以未來(lái)空調(diào)為目標(biāo)產(chǎn)品對(duì)上述框架步驟作詳細(xì)解釋說(shuō)明。因現(xiàn)有空調(diào)產(chǎn)品作為生活必需品，用戶數(shù)量龐大，市場(chǎng)廣大，蘊(yùn)藏大量產(chǎn)品知識(shí)，便于分析；且未來(lái)智能生活方式設(shè)計(jì)在工業(yè)設(shè)計(jì)領(lǐng)域已然成為新興設(shè)計(jì)的一大方向，具有廣闊前景，符合顛覆式創(chuàng)新設(shè)計(jì)背景。

3.1 未來(lái)用戶需求識(shí)別

依據(jù)用戶認(rèn)知將需求分為兩類：一是顯性需求，即用戶意識(shí)到且明確表達(dá)的需求，如質(zhì)量、價(jià)格、性能等；二是隱性需求，包括用戶意識(shí)到卻表達(dá)模糊的或用戶未意識(shí)到的潛在需求，如情感、體驗(yàn)、價(jià)值等。設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新主要獲取的是隱性需求，隱性需求的界定應(yīng)當(dāng)融合情感因素與認(rèn)知因素。需立足于當(dāng)前產(chǎn)品市場(chǎng)，令產(chǎn)品、人（情感）、情景相互交融，將非結(jié)構(gòu)化的需求進(jìn)行感性轉(zhuǎn)化，并與使用場(chǎng)景相結(jié)合，洞察用戶情感與心理變化，把握潛在的未來(lái)需求，從而重構(gòu)產(chǎn)品意義。類比傳統(tǒng)市場(chǎng)問(wèn)卷調(diào)研，從產(chǎn)品評(píng)論中能夠快速且高效地獲取更加可靠的信息[19]，通過(guò)大量觀點(diǎn)文本數(shù)據(jù)，可以提取出潛在、不被重視的用戶需求。目前，在線評(píng)論的研究主要包括：主觀句識(shí)別、產(chǎn)品特征提取、話題聚類、情感分析等[20]。為獲取未來(lái)用戶需求信息，需要聯(lián)動(dòng)文本挖掘與自然語(yǔ)言處理等技術(shù)，并結(jié)合統(tǒng)計(jì)學(xué)、心理學(xué)等相關(guān)知識(shí)對(duì)評(píng)論文本進(jìn)行分析。分析過(guò)程包括：評(píng)論數(shù)據(jù)獲取及預(yù)處理、評(píng)論數(shù)據(jù)挖掘（產(chǎn)品特征提取、產(chǎn)品情感詞典構(gòu)建）、未來(lái)用戶需求分析等內(nèi)容，具體步驟見圖4。

3.1.1 用戶評(píng)論數(shù)據(jù)獲取及預(yù)處理

評(píng)論來(lái)源選擇以電器數(shù)碼產(chǎn)品起家的電商平臺(tái)，該平臺(tái)產(chǎn)品用戶數(shù)量龐大，未消費(fèi)用戶亦可提問(wèn)評(píng)論，樣本量充足。利用“Instant Data Scraper”大數(shù)據(jù)文本分析獲取各品牌空調(diào)產(chǎn)品用戶評(píng)論數(shù)據(jù) 30 451條，篩選出樣本數(shù)據(jù)29 436條，將文本數(shù)據(jù)導(dǎo)出為excel文件，并進(jìn)行預(yù)處理。

1）數(shù)據(jù)清理。將一些與產(chǎn)品特征無(wú)關(guān)或不涉及用戶觀點(diǎn)的“噪聲數(shù)據(jù)”進(jìn)行刪除，例如“產(chǎn)品不錯(cuò)很好”。

2）分詞分句。采用python語(yǔ)言的jieba分詞工具中的“精確模式”對(duì)文本進(jìn)行切分，例如“空調(diào)的制冷效果不好”，分詞后為“空調(diào)│的│制冷│效果│不│好”。

圖4 未來(lái)用戶需求識(shí)別研究框架

3）詞性標(biāo)注。使用jieba工具中自帶的posseg模塊對(duì)句子進(jìn)行詞性標(biāo)注。

4）去停用詞。利用停用詞表去除文檔中頻率高卻無(wú)意義的虛詞，包括但不限于副形詞ad、方位詞f、數(shù)詞m、人名nr、擬聲詞o及狀態(tài)詞z等，例如“啊”“呢”“的”“在”。

3.1.2 用戶評(píng)論數(shù)據(jù)挖掘

3.1.2.1 產(chǎn)品特征詞提取

該步驟的目的是提取評(píng)論數(shù)據(jù)中出現(xiàn)的產(chǎn)品特征，便于后續(xù)需求映射。常用獲取特征詞的方法是通過(guò)詞頻統(tǒng)計(jì)選取高頻詞作為特征詞，但該方法存在遺漏某些重要低頻詞的可能性。因而本研究采用隱含狄利克雷分布（Latent Dirichlet Allocation，LDA）模型，其常被用于識(shí)別文本中潛在的主題信息，能將文本根據(jù)主題進(jìn)行主題聚類或文本分類，可以更全面地了解文本的主題分布。

基于評(píng)論文本分詞結(jié)果，提取名詞與名詞短語(yǔ)作為產(chǎn)品評(píng)論特征詞篩選文本。在LDA模型提取主題詞前，通過(guò)使用K-means算法計(jì)算評(píng)論文本的Dist-ortions系數(shù)（簇內(nèi)誤差平方系數(shù)）與Silhouette系數(shù)（輪廓系數(shù)），明確最優(yōu)聚類數(shù)（Distortions系數(shù)越小越好，Silhouette系數(shù)越大越好），結(jié)果如圖5所示，綜合考慮最優(yōu)聚類數(shù)=9最為合理。

在python環(huán)境中選取最優(yōu)聚類數(shù)9進(jìn)行LDA主題聚類，利用專家知識(shí)定義特征類別，得到該類別下的典型特征詞與文本占比數(shù)，該占比數(shù)為同一類別下的特征詞占名詞/名詞短語(yǔ)篩選文本的頻數(shù)，結(jié)果見表3。

3.1.2.2 產(chǎn)品情感詞典構(gòu)建

該步驟的目的是識(shí)別每個(gè)產(chǎn)品特征的情感強(qiáng)度。本研究采用基于情感詞典的分析方法，并結(jié)合機(jī)器學(xué)習(xí)方法制定規(guī)則，有效減少時(shí)間成本且獲得較為準(zhǔn)確全面的情感分析。由于通用情感詞典不能囊括特定領(lǐng)域情感詞，需對(duì)其進(jìn)行補(bǔ)充，補(bǔ)充內(nèi)容包括從評(píng)論文本中篩選出的具有明顯情感傾向的動(dòng)詞、形容詞，并依據(jù)通用情感詞典的規(guī)則對(duì)這些詞語(yǔ)進(jìn)行標(biāo)注，形成產(chǎn)品情感詞典。

圖5 空調(diào)簇內(nèi)誤差平方和系數(shù)與輪廓系數(shù)

此次實(shí)驗(yàn)選用中文情感詞匯本體作為通用情感詞典，其情感分類體系在Ekman六大類情感分類體系基礎(chǔ)上構(gòu)建，包括詞語(yǔ)詞性種類、情感類別、情感強(qiáng)度及極性等信息，這些信息便于對(duì)用戶痛點(diǎn)進(jìn)行快速量化。依據(jù)中文情感詞匯本體庫(kù)詞語(yǔ)規(guī)則，利用專家知識(shí)標(biāo)注空調(diào)特征情感詞詞庫(kù)，結(jié)果見表4。

空調(diào)特征情感詞詞庫(kù)對(duì)中文情感詞匯本體庫(kù)（含情感詞27 466個(gè)）進(jìn)行補(bǔ)充，最終形成空調(diào)產(chǎn)品情感詞典，見表5。

表3 空調(diào)LDA主題模型結(jié)果

Tab.3 air conditioner LDA statistics

表4 空調(diào)特征情感詞詞庫(kù)標(biāo)注（部分）

Tab.4 Air conditioner emotional lexicon tagging (partial)

表5 空調(diào)產(chǎn)品情感詞典（部分）

Tab.5 Air conditioner emotion dictionary (partial)

3.1.3 未來(lái)用戶需求分析

該步驟的目的是利用Python語(yǔ)言依據(jù)產(chǎn)品特征類別對(duì)用戶痛點(diǎn)進(jìn)行分析，洞察用戶情感波動(dòng)，結(jié)合使用場(chǎng)景深度挖掘目標(biāo)產(chǎn)品的未來(lái)潛在用戶需求，實(shí)現(xiàn)產(chǎn)品意義變革。

3.1.3.1 基于產(chǎn)品特征的情感計(jì)算

由于一條評(píng)論數(shù)據(jù)囊括多個(gè)特征詞，需將其切分成每條只含有一個(gè)特征詞的單句。實(shí)驗(yàn)以特征詞為情感分析對(duì)象，對(duì)與特征詞處于同一單句的情感詞進(jìn)行情感值計(jì)算，以平均值作為該特征詞的情感值，見式（1）。

其中，Mean表示特征詞的情感平均值；S表示特征詞在第個(gè)單句中情感值；為特征詞出現(xiàn)的次數(shù)。由于否定詞同樣會(huì)對(duì)情感極性產(chǎn)生影響，本實(shí)驗(yàn)構(gòu)建否定詞合集，包括不能、可以、不得、沒有、不會(huì)、不可、不是、不可能8個(gè)常用否定詞，權(quán)重為–1，即在處理含有否定詞的情感分析單元時(shí)，對(duì)應(yīng)的情感詞極性乘–1。由式（1）計(jì)算得出空調(diào)產(chǎn)品特征類別情感平均值，數(shù)據(jù)展示見表6。

表6 空調(diào)產(chǎn)品特征類別情感平均值

Tab.6 Emotional average of air conditioner feature category

3.1.3.2 用戶痛點(diǎn)分析

發(fā)現(xiàn)用戶痛點(diǎn)是隱性需求挖掘的基礎(chǔ)，用戶痛點(diǎn)的分析需要考慮用戶關(guān)注度與用戶情感值兩個(gè)指標(biāo)，即每個(gè)產(chǎn)品特征所占比例與重要度。研究選擇特征類別的詞語(yǔ)頻率factor及特征類別的情感平均值Mean作為衡量關(guān)注度與情感值的量化指標(biāo)。其中factor為包含同一產(chǎn)品特征類別的評(píng)論數(shù)在評(píng)論樣本數(shù)中所占比例，Mean為該產(chǎn)品特征類別的情感平均值。

首先通過(guò)factor與Mean對(duì)各特征類別用戶痛感進(jìn)行加權(quán)，計(jì)算用戶痛點(diǎn)指數(shù)1，其計(jì)算見式（2）。

由推理過(guò)程可知，Mean越低，用戶痛感越強(qiáng)。因此，取1的相反數(shù)作為實(shí)際運(yùn)算中的痛點(diǎn)指數(shù)2，見式（3）。

為更直觀地展現(xiàn)用戶痛感，研究使用指數(shù)形式對(duì)用戶痛點(diǎn)指數(shù)進(jìn)行處理，使用戶痛點(diǎn)指數(shù)User統(tǒng)一為正數(shù)，見式（4）。

依據(jù)指數(shù)函數(shù)特性，采用User=1判斷該產(chǎn)品特征是否為用戶痛點(diǎn)，即當(dāng)User＞1，該特征類別為用戶痛點(diǎn)，且數(shù)值越大，用戶痛感越強(qiáng)；當(dāng)0＜User＜1，該特征類別不被識(shí)別為用戶痛點(diǎn)，但是數(shù)值大小仍能反應(yīng)用戶痛感。上述公式計(jì)算結(jié)果示例見表7，空調(diào)產(chǎn)品在能源消耗、質(zhì)量、價(jià)格、外觀、聲音、智能化與吹風(fēng)系統(tǒng)7個(gè)方面均被識(shí)別為用戶痛點(diǎn)，其中能源消耗、外觀、智能化這3個(gè)方面用戶痛感更強(qiáng)，優(yōu)先級(jí)更高。

表7 空調(diào)產(chǎn)品特征類別情感平均值與痛點(diǎn)指數(shù)結(jié)果

Tab.7 Emotional average and pain point index (air conditioner feature category)

3.1.3.3 隱性需求轉(zhuǎn)化

將痛點(diǎn)延伸并結(jié)合使用場(chǎng)景逐漸轉(zhuǎn)變成需求的過(guò)程，是重構(gòu)產(chǎn)品意義的過(guò)程。依據(jù)上述實(shí)驗(yàn)結(jié)果，可以明確用戶痛點(diǎn)主要集中在能源消耗、外觀、智能化3個(gè)方面，利用專家知識(shí)對(duì)該特征類別進(jìn)行進(jìn)一步情感與場(chǎng)景分析，延伸成為隱性需求，明確差異化，定義產(chǎn)品新意義，結(jié)果示例見表8。

3.2 產(chǎn)品知識(shí)基因提取與知識(shí)庫(kù)構(gòu)建

產(chǎn)品設(shè)計(jì)的過(guò)程本質(zhì)上是獲取產(chǎn)品知識(shí)，并將這些知識(shí)運(yùn)用到整個(gè)設(shè)計(jì)過(guò)程，有研究表明，有效利用專利文獻(xiàn)中的設(shè)計(jì)知識(shí)可使企業(yè)減少40%的研發(fā)時(shí)間與資金。因此，采用從專利數(shù)據(jù)中挖掘產(chǎn)品知識(shí)為設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新提供服務(wù)。該研究過(guò)程包括：專利數(shù)據(jù)收集及預(yù)處理、產(chǎn)品知識(shí)基因提?。⊿AO結(jié)構(gòu)提取、TRT結(jié)構(gòu)提?。┡c產(chǎn)品知識(shí)庫(kù)構(gòu)建，具體步驟見圖6。

3.2.1 產(chǎn)品知識(shí)基因的分類

提取專利數(shù)據(jù)的最終目的是構(gòu)建產(chǎn)品知識(shí)庫(kù)，明確產(chǎn)品知識(shí)基因的定義是確定專利數(shù)據(jù)提取方式的前提。產(chǎn)品的特征一般是由產(chǎn)品的功能、結(jié)構(gòu)、外觀所體現(xiàn)，這些信息決定了產(chǎn)品的生命周期且具有遺傳價(jià)值。本研究將產(chǎn)品知識(shí)基因劃分為三類，一是功能基因，描述產(chǎn)品的用途或功用，可由多個(gè)子功能構(gòu)成；二是結(jié)構(gòu)基因，描述產(chǎn)品的幾何結(jié)構(gòu)、裝配關(guān)系與材料特性，可由多個(gè)子結(jié)構(gòu)構(gòu)成；三是外觀基因，描述產(chǎn)品的外在形象、藝術(shù)美感、色彩搭配等，滿足用戶的美學(xué)需要。

表8 空調(diào)產(chǎn)品隱性需求分析

Tab.8 Hidden demand analysis of air conditioners

圖6 產(chǎn)品知識(shí)基因提取與產(chǎn)品知識(shí)庫(kù)構(gòu)建研究框架

3.2.2 產(chǎn)品專利數(shù)據(jù)收集及預(yù)處理

專利文獻(xiàn)有規(guī)范的線性表達(dá)形式，均需包含標(biāo)題（相關(guān)專利產(chǎn)品或者精尖技術(shù)）、摘要（概括專利發(fā)明結(jié)構(gòu)、工作原理等）、權(quán)利要求（涉及獨(dú)特的設(shè)計(jì)及知識(shí)產(chǎn)權(quán)保護(hù)效用的范圍）、技術(shù)領(lǐng)域（專利發(fā)明所屬或直接應(yīng)用的領(lǐng)域）、背景技術(shù)（敘述與發(fā)明相關(guān)的已有技術(shù)或研究成果并指出存在的不足）、發(fā)明內(nèi)容（描述產(chǎn)品發(fā)明所要解決的技術(shù)問(wèn)題）與具體實(shí)施方案（詳盡描述實(shí)現(xiàn)發(fā)明專利所采用的技術(shù)方案）等內(nèi)容，因此專利數(shù)據(jù)通常具有較大的篇幅，在構(gòu)建知識(shí)庫(kù)前需要對(duì)專利數(shù)據(jù)進(jìn)行篩選與清洗處理，以便后續(xù)研究工作的開展。

首先進(jìn)行數(shù)據(jù)檢索。本研究專利數(shù)據(jù)來(lái)源于德溫特專利數(shù)據(jù)庫(kù)（Derwent Innovations Index，DII），該數(shù)據(jù)庫(kù)是全球最權(quán)威的專利情報(bào)與科技情報(bào)機(jī)構(gòu)之一，收錄來(lái)自世界40多個(gè)專利機(jī)構(gòu)的專利[17]，使用DII作為數(shù)據(jù)來(lái)源，可保證數(shù)據(jù)的準(zhǔn)確性與完整性。本實(shí)驗(yàn)研究對(duì)象為未來(lái)智能空調(diào)，實(shí)驗(yàn)?zāi)康氖菍?shí)現(xiàn)產(chǎn)品顛覆式設(shè)計(jì)，依據(jù)空調(diào)定義拓展、用戶需求功能描述及DII檢索規(guī)則確定空調(diào)領(lǐng)域?qū)＠麢z索表達(dá)式：主題=（“air condition*” OR “refrigerat * equipment*” OR “refrigerat* unit*” OR “cool* machine*” OR “refrigerat* machine*” OR “thermoregulat*” OR “attemperat*”），時(shí)間跨度為最近5年，檢索時(shí)間是2022年7月5日，完成專利數(shù)據(jù)清洗后最終收集到135 312條題錄數(shù)據(jù)。

3.2.3 產(chǎn)品知識(shí)基因提取

知識(shí)提取是專利數(shù)據(jù)挖掘的主要目的，利用自然語(yǔ)言技術(shù)將文本轉(zhuǎn)化為所需展示模型是專利數(shù)據(jù)的挖掘方式之一。目前專利文本數(shù)據(jù)結(jié)構(gòu)化處理方法主要有兩種，一是特征提取方法，即基于現(xiàn)有詞性分析基礎(chǔ)上構(gòu)建特征識(shí)別規(guī)則，通過(guò)統(tǒng)計(jì)方法進(jìn)行特征提取并形成特征空間表示模型；另一種是語(yǔ)義分析方法，即將專利文本轉(zhuǎn)化為結(jié)構(gòu)化專利語(yǔ)義表示模型。因已明確產(chǎn)品知識(shí)基因的三個(gè)分類，且該步驟的目的是獲取產(chǎn)品信息數(shù)據(jù)，所以本研究采用第2種方法。

1）SAO（Subject-Action-Object）結(jié)構(gòu)，即“主語(yǔ)—?jiǎng)幼鳌e語(yǔ)”結(jié)構(gòu)，利用動(dòng)詞來(lái)定義主語(yǔ)與賓語(yǔ)之間的關(guān)系，該結(jié)構(gòu)可以清晰地描述功能關(guān)系。本實(shí)驗(yàn)利用Stanford CoreNLP自然語(yǔ)言處理工具包對(duì)收集的專利數(shù)據(jù)進(jìn)行SAO結(jié)構(gòu)提取，并結(jié)合專家知識(shí)篩選出提取數(shù)據(jù)中表示功能的結(jié)構(gòu)，最終獲得SAO產(chǎn)品功能基因3 856條，部分?jǐn)?shù)據(jù)展示見表9。

表9 空調(diào)專利數(shù)據(jù)SAO提取結(jié)果（部分）

Tab.9 SAO results of air conditioner patent data (partial)

2）TRT（Technology-Relationship-Technology）結(jié)構(gòu)，即“技術(shù)—關(guān)系—技術(shù)”結(jié)構(gòu)，通過(guò)分析文本中介詞的意義來(lái)確定關(guān)鍵詞之間的結(jié)構(gòu)關(guān)系（非功能性關(guān)系）。該分析方法彌補(bǔ)了SAO分析不具備的結(jié)構(gòu)關(guān)系，與其成互補(bǔ)關(guān)系[21]，兩種分析方法結(jié)合可以更全面地挖掘?qū)＠谋局械漠a(chǎn)品知識(shí)。

本實(shí)驗(yàn)采用Python中的Natural Language Toolkigt（NLTK）包開發(fā)NP-PP（名詞短語(yǔ)－介詞短語(yǔ)）提取程序，提取的結(jié)構(gòu)關(guān)系有包含關(guān)系、目的關(guān)系、過(guò)程關(guān)系、不包含關(guān)系、相似關(guān)系、結(jié)構(gòu)關(guān)系、時(shí)間關(guān)系等，提取的原則是NP與PP在語(yǔ)法樹中具有相同深度，若有多個(gè)NP在語(yǔ)法樹中相同的深度并通過(guò)“and”或“or”連接，則同時(shí)提取多個(gè)NP[18]。對(duì)清洗過(guò)的專利數(shù)據(jù)進(jìn)行TRT結(jié)構(gòu)提取，利用專家知識(shí)對(duì)提取數(shù)據(jù)作進(jìn)一步處理，最終的TRT結(jié)構(gòu)數(shù)據(jù)共有5 692條，部分?jǐn)?shù)據(jù)展示見表10。

3.2.4 產(chǎn)品知識(shí)庫(kù)構(gòu)建

產(chǎn)品知識(shí)庫(kù)構(gòu)建即合并SAO與TRT結(jié)構(gòu)的產(chǎn)品知識(shí)基因。由于SAO結(jié)構(gòu)提取的信息本身就表示功能，所以可將其直接視為功能基因；通過(guò)專家知識(shí)識(shí)別TRT結(jié)構(gòu)中的信息，將其歸類為功能基因、外觀基因、結(jié)構(gòu)基因三大類；最終得兩者合并，完成智能空調(diào)領(lǐng)域產(chǎn)品知識(shí)庫(kù)構(gòu)建（9 548條）其中功能基因6 201條（64.95%）、結(jié)構(gòu)基因2 198條（23.02%）、外觀基因1 149條（12.03%）。

3.3 顛覆式創(chuàng)新機(jī)會(huì)發(fā)現(xiàn)

3.3.1 創(chuàng)新原理分析

在產(chǎn)品知識(shí)領(lǐng)域，技術(shù)是探索產(chǎn)品變化規(guī)律的知識(shí)體系，扮演著DNA的角色。本研究將產(chǎn)品顛覆式創(chuàng)新過(guò)程概括為通過(guò)對(duì)現(xiàn)有產(chǎn)品實(shí)例種群進(jìn)行功能分類、結(jié)構(gòu)拆分與外觀分析[22]，整合成為相應(yīng)產(chǎn)品知識(shí)基因并構(gòu)建對(duì)應(yīng)產(chǎn)品領(lǐng)域的知識(shí)庫(kù)；當(dāng)設(shè)計(jì)新產(chǎn)品時(shí)，首先針對(duì)現(xiàn)有產(chǎn)品構(gòu)建產(chǎn)品基礎(chǔ)知識(shí)基因模型[23]，依據(jù)未來(lái)用戶需求（產(chǎn)品新意義）對(duì)顛覆式創(chuàng)新產(chǎn)品的功能、結(jié)構(gòu)或外觀進(jìn)行分析；其次建立對(duì)應(yīng)的技術(shù)基因組模型，從產(chǎn)品知識(shí)庫(kù)中提取滿足條件的基因（目的基因）進(jìn)行重組，形成多個(gè)新技術(shù)基因組模型（多個(gè)設(shè)計(jì)方案），最后從這些方案中選出最優(yōu)解，依照新產(chǎn)品知識(shí)基因模型得到顛覆式創(chuàng)新產(chǎn)品，見圖7。

表10 空調(diào)專利數(shù)據(jù)TRT提取結(jié)果（部分）

Tab.10 TRT results of air conditioner patent data (partial)

3.3.2 產(chǎn)品基礎(chǔ)知識(shí)基因模型構(gòu)建

由分析可得出，產(chǎn)品結(jié)構(gòu)由功能與外觀決定，而產(chǎn)品功能與外觀大多是獨(dú)立存在的，可以理解為一個(gè)或多個(gè)功能基因、外觀基因?qū)?yīng)一項(xiàng)技術(shù)，每項(xiàng)技術(shù)又對(duì)應(yīng)一個(gè)或多個(gè)結(jié)構(gòu)基因。因此，產(chǎn)品功能與結(jié)構(gòu)及外觀與結(jié)構(gòu)由技術(shù)聯(lián)系在一起。在知識(shí)庫(kù)中，設(shè)技術(shù)為T，T包含的功能基因、外觀基因、結(jié)構(gòu)基因分別為fi、ai、si。產(chǎn)品知識(shí)基因可按照自上而下的結(jié)構(gòu)構(gòu)建樹狀產(chǎn)品知識(shí)基因模型，見圖8。

產(chǎn)品顛覆式創(chuàng)新設(shè)計(jì)的前提是構(gòu)建目標(biāo)產(chǎn)品基礎(chǔ)知識(shí)基因模型，該模型可以描述現(xiàn)有產(chǎn)品的基本構(gòu)成，所包含的知識(shí)基因具有遺傳性，可以遺傳到產(chǎn)品種群的新產(chǎn)品中。本實(shí)驗(yàn)以智能空調(diào)領(lǐng)域中使用頻率較高且具有代表性的壁掛式空調(diào)為例，分析其基本功能與外觀設(shè)計(jì)，建立這一類產(chǎn)品的基礎(chǔ)知識(shí)基因模型，見圖9。

3.3.3 技術(shù)基因模型構(gòu)建

技術(shù)基因組作為產(chǎn)品知識(shí)DNA，包含多種產(chǎn)品知識(shí)基因，故技術(shù)基因組的表達(dá)見式（5）。

如圖9所示，智能調(diào)控技術(shù)對(duì)應(yīng)的技術(shù)基因組表示如下：

圖7 設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新原理分析

圖8 產(chǎn)品知識(shí)基因模型

圖9 智能空調(diào)基礎(chǔ)知識(shí)基因模型

3.3.4 基于產(chǎn)品知識(shí)基因的顛覆式創(chuàng)新設(shè)計(jì)

依據(jù)上文分析可知，產(chǎn)品新意義為具備調(diào)溫功能的綠色環(huán)保裝飾物，拆分為三部分，一是盡可能降低能源消耗，綠色環(huán)保；二是優(yōu)化外觀設(shè)計(jì)，具有裝飾性；三是智能操控更加自動(dòng)化。本實(shí)驗(yàn)從以上三個(gè)方向切入，檢索知識(shí)庫(kù)中的目標(biāo)基因，構(gòu)建新技術(shù)基因組模型。

功能基因方面，滿足低能耗且自動(dòng)化的制冷/制熱技術(shù)基因組表示如下：

外觀基因方面，具有裝飾效果的相關(guān)技術(shù)基因組，表示如下：

將以上基因利用專家知識(shí)篩選重組加入產(chǎn)品基礎(chǔ)知識(shí)基因模型，依據(jù)新產(chǎn)品知識(shí)基因模型指導(dǎo)設(shè)計(jì)，能較快地實(shí)現(xiàn)產(chǎn)品顛覆式創(chuàng)新。例如，利用自變溫材料或壓力轉(zhuǎn)化實(shí)現(xiàn)制冷，實(shí)現(xiàn)綠色可持續(xù)；結(jié)合材料特點(diǎn)以編織的形式使空調(diào)兼具功能性、裝飾性。

4 實(shí)驗(yàn)結(jié)果

本研究界定的未來(lái)空調(diào)為方法論的驗(yàn)證結(jié)果，基于現(xiàn)有用戶評(píng)論、專利等海量數(shù)據(jù)推導(dǎo)得出，在此客觀資料和事實(shí)依據(jù)的基礎(chǔ)上進(jìn)行創(chuàng)新設(shè)計(jì)，不代表未來(lái)智能家居發(fā)展方向及內(nèi)容組成。

基于上述實(shí)驗(yàn)步驟，整體利用設(shè)計(jì)思維輸出以下顛覆式產(chǎn)品設(shè)計(jì)方案，見表11。

表11 設(shè)計(jì)方案

Tab.11 Design plan

續(xù)表11

由于家居用品大多被視為“技術(shù)黑匣子”，復(fù)雜程序或多樣選擇可能會(huì)導(dǎo)致用戶無(wú)法理解技術(shù)，甚至誤用，因此本實(shí)驗(yàn)結(jié)合用戶需求，降低技術(shù)透明度，采用方案一建立新產(chǎn)品知識(shí)基因模型，見圖10。

圖10 未來(lái)空調(diào)知識(shí)基因模型

使用場(chǎng)景如圖11所示，這是一款顛覆式的無(wú)源空調(diào)，靈感來(lái)源于掛毯工藝，由高導(dǎo)熱材料的條帶與若干根管道編織而成，管道內(nèi)部有相變材料（PCM）生物基脂肪酸，通過(guò)固態(tài)液化可以實(shí)現(xiàn)自然地吸收熱量，以在夏季降低房間的溫度，并阻擋從外部通過(guò)墻壁傳遞的熱量；這款空調(diào)不僅能以一種可持續(xù)的方式調(diào)節(jié)室內(nèi)溫度，還具備裝飾功能，高導(dǎo)熱材料的管道可以填充色塊，白天溫度升高，PCM吸熱熔化變透明，管道色彩呈現(xiàn)，夜晚溫度降低，PCM呈白色固態(tài)，實(shí)現(xiàn)不同溫度下的色彩變化。

依據(jù)使用場(chǎng)景進(jìn)行建模，如圖12a—b，為PCM白色固態(tài)時(shí)的空調(diào)細(xì)節(jié)展示；如圖12c—d，為PCM吸熱熔化后管道色彩展現(xiàn)時(shí)空調(diào)場(chǎng)景展示；如圖12e，為不同編織方法的空調(diào)使用場(chǎng)景展示，除自定義圖案與色彩外，用戶還可以根據(jù)自己的喜好編織空調(diào)，以適應(yīng)更多的室內(nèi)裝修風(fēng)格。

圖11 未來(lái)空調(diào)使用場(chǎng)景

為驗(yàn)證設(shè)計(jì)方案是否能夠顛覆式滿足未來(lái)用戶的需求，本實(shí)驗(yàn)對(duì)方案進(jìn)行問(wèn)卷調(diào)研，問(wèn)卷內(nèi)容包括設(shè)計(jì)方案說(shuō)明與用戶滿意度調(diào)查，共發(fā)放問(wèn)卷108份，有效回收108份，部分結(jié)果展示見圖13。由結(jié)果可得，通過(guò)本研究提出的研究方法得到的未來(lái)空調(diào)設(shè)計(jì)方案，用戶對(duì)其功能與裝飾滿意度很高并具有較高購(gòu)買傾向，認(rèn)為該方案突破了傳統(tǒng)空調(diào)概念。因此，本研究提出的設(shè)計(jì)方法行之有效，對(duì)企業(yè)開發(fā)顛覆式產(chǎn)品具有較高的學(xué)術(shù)與實(shí)踐參考價(jià)值。

圖12 未來(lái)空調(diào)產(chǎn)品方案

圖13 部分問(wèn)卷調(diào)研結(jié)果（部分）

5 結(jié)語(yǔ)

本研究針對(duì)設(shè)計(jì)驅(qū)動(dòng)顛覆式創(chuàng)新模糊前端階段，提出一種知識(shí)視角下創(chuàng)新機(jī)會(huì)早期識(shí)別方法，論文涵蓋相關(guān)理論研究、知識(shí)框架構(gòu)建、設(shè)計(jì)方法提出及案例實(shí)證檢驗(yàn)4個(gè)基本階段，創(chuàng)新點(diǎn)在于該方法基于知識(shí)基因與深度學(xué)習(xí)協(xié)同優(yōu)化，從在線評(píng)論數(shù)據(jù)中抽取隱性需求，感知用戶情感波動(dòng)，準(zhǔn)確把握產(chǎn)品未來(lái)用戶需求，賦予產(chǎn)品新意義；明確產(chǎn)品知識(shí)基因定位，將其歸類為功能基因、外觀基因、結(jié)構(gòu)基因，利用技術(shù)基因組（知識(shí)DNA）探尋知識(shí)間的關(guān)聯(lián)性；以專利文本作為數(shù)據(jù)基礎(chǔ)構(gòu)建產(chǎn)品知識(shí)庫(kù)，知識(shí)來(lái)源囊括多領(lǐng)域、多層次，適用性更廣；利用生物基因工程思想，從設(shè)計(jì)思維底層邏輯出發(fā)實(shí)現(xiàn)顛覆式創(chuàng)新，把握知識(shí)進(jìn)化規(guī)律，既豐富知識(shí)基因理論，同時(shí)也嘗試為設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新提供一套系統(tǒng)科學(xué)的方法論。理論與實(shí)證研究的結(jié)果皆證實(shí)，在知識(shí)基因與深度學(xué)習(xí)協(xié)同作用下，以設(shè)計(jì)驅(qū)動(dòng)的顛覆式創(chuàng)新研究模型能夠較快地識(shí)別顛覆式創(chuàng)新機(jī)會(huì)，整合產(chǎn)品信息數(shù)據(jù)，對(duì)企業(yè)優(yōu)化資源配置具有一定指導(dǎo)作用。

本研究仍存在局限性，有待進(jìn)一步研究分析。其一，網(wǎng)絡(luò)開放平臺(tái)僅針對(duì)某一個(gè)電商平臺(tái)，存在樣本數(shù)據(jù)不夠全面的現(xiàn)象，可能會(huì)遺漏其他平臺(tái)某些重要的用戶信息；其二，用戶痛點(diǎn)轉(zhuǎn)化為隱性需求的過(guò)程需要極強(qiáng)創(chuàng)新性思維凝練，描述隱匿的未來(lái)需求，對(duì)專家知識(shí)的專業(yè)度有極高要求；其三，借鑒知識(shí)基因思想研究顛覆式創(chuàng)新仍處于起步階段，對(duì)產(chǎn)品知識(shí)基因的劃分稍顯武斷，各產(chǎn)品知識(shí)基因之間的關(guān)系尚不夠清晰；其四，本研究?jī)H針對(duì)創(chuàng)新模糊前端階段，未來(lái)空調(diào)設(shè)計(jì)方案屬于概念化設(shè)計(jì)，界定的未來(lái)空調(diào)更適用于碳中和背景下的產(chǎn)品開發(fā)，試圖從新生態(tài)環(huán)境材料入手及其運(yùn)用相關(guān)技術(shù)進(jìn)行顛覆式創(chuàng)新，市場(chǎng)投放效果未知，有待驗(yàn)證與進(jìn)一步完善；最后，框架流程各個(gè)步驟仍有進(jìn)步空間，且研究開發(fā)、行業(yè)標(biāo)準(zhǔn)化、市場(chǎng)商業(yè)化3個(gè)階段并未涉及，伴隨科技的進(jìn)步，未來(lái)有必要采用更精準(zhǔn)的技術(shù)手段，實(shí)現(xiàn)更科學(xué)嚴(yán)謹(jǐn)?shù)姆椒ㄕ摗?/p>

[1] 約瑟夫·阿洛伊斯·熊彼特. 經(jīng)濟(jì)發(fā)展理論: 對(duì)利潤(rùn)、資本、信貸、利息和經(jīng)濟(jì)周期的探究[M]. 葉華, 譯. 北京: 九州出版社, 2006. SCUMPETER A J. The Theory of Economic Develop-ment[M]. YE Hua, Translated. Beijing: Kyushu Press, 2006.

[2] ANDERSON P, TUSHMAN M L. Technological Disco-ntinuities and Dominant Designs: A Cyclical Model of Technological Change[J]. Administrative Science Quar-terly, 1990, 35(4): 604.

[3] CHRISTENSEN C M. The Innovator's Dilemma: When New Technologies Cause Great Firms to Fail[M]. Boston, Mass: Harvard Business School Press, 1997.

[4] 張光宇, 曹陽(yáng)春, 戴海聞, 等. 顛覆性創(chuàng)新國(guó)際研究25年回顧: 基于文獻(xiàn)計(jì)量分析[J]. 科技管理研究, 2021, 41(15): 1-10.ZHANG Guang-yu, CAO Yang-chun, DAI Hai-wen, et al. Review of International Research on Disruptive Inno-vation in the Past 25 Years: Based on Bibliometric Analysis[J]. Science and Technology Management Research, 2021, 41(15): 1-10.

[5] VERGANTI R. Design as Brokering of Languages: Innovation Strategies in Italian Firms[J]. Design Mana-gement Journal (Former Series), 2003, 14(3): 34-42.

[6] SIMONI M, CAUTELA C, ZURLO F. Product Design Strategies in Technological Shifts: An Explorative Study of Italian Design-Driven Companies[J]. Technovation, 2014, 34(11): 702-715.

[7] LANDONI P, DELL'ERA C, FERRALORO G, et al. Design Contribution to the Competitive Performance of SMEs: The Role of Design Innovation Capabilities[J]. Creativity and Innovation Management, 2016, 25(4): 484-499.

[8] 賴紅波. 設(shè)計(jì)驅(qū)動(dòng)創(chuàng)新微觀機(jī)理與顧客感知情感價(jià)值研究[J]. 科研管理, 2019, 40(3): 1-9. LAI Hong-bo. An Empirical Study of the Design-Driven Innovation Micro-Mechanism and the Customer Perce-ption Emotional Value[J]. Science Research Manage-ment, 2019, 40(3): 1-9.

[9] 王志瑋, 葉凌峰. 基于設(shè)計(jì)驅(qū)動(dòng)的顛覆性創(chuàng)新機(jī)理研究[J]. 創(chuàng)新科技, 2020, 20(5): 28-37. WANG Zhi-wei, YE Ling-feng. Research on the Design- Driven Disruptive Innovation Mechanism[J]. Innovation Science and Technology, 2020, 20(5): 28-37.

[10] 李云, 施琴芬, 于娛. 知識(shí)視角下的顛覆式創(chuàng)新過(guò)程分析[J]. 科技管理研究, 2018, 38(13): 17-22.LI Yun, SHI Qin-fen, YU Yu. The Analysis of Disru-ptive Innovation Process from Knowledge Angle[J]. Science and Technology Management Research, 2018, 38(13): 17-22.

[11] YOUNG T, HAZARIKA D, PORIA S, et al. Recent Trends in Deep Learning Based Natural Language Processing[J]. IEEE Computational Intelligence Maga-zine, 2018, 13(3): 55-75.

[12] HINTON G E, OSINDERO S, TEH Y W. A Fast Learning Algorithm for Deep Belief Nets[J]. Neural Comp-utation, 2006, 18(7): 1527-1554.

[13] MIKOLOV T, SUTSKEVER I, CHEN Kai, et al. Distributed Representations of Words and Phrases and Their Compositionality[EB/OL]. (2013-10-16) [2022- 10-22]. https://arxiv.org/abs/1310.4546.

[14] DEVLIN J, CHANG Ming-wei, LEE K, et al. BERT: Pre-Training of Deep Bidirectional Transformers for Language Understanding[EB/OL]. (2019-05-24) [2022- 10-22]. https://arxiv.org/abs.

[15] 王新, 喬文文. 基于云平臺(tái)的用戶隱式需求分析方法研究[J]. 機(jī)械設(shè)計(jì)與研究, 2020, 36(5): 8-11. WANG Xin, QIAO Wen-wen. Research on User Implicit Demand Analysis Based on Cloud Platform[J]. Machine Design & Research, 2020, 36(5): 8-11.

[16] 李伯文. 論科學(xué)的“遺傳”和“變異”[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理, 1985, 6(10): 21-25. LI Bo-wen. On "Inheritance" and "Variation" of Science[J]. Science of Science and Management of S & T, 1985, 6(10): 21-25.

[17] 劉植惠. 知識(shí)基因理論新進(jìn)展[J]. 情報(bào)科學(xué), 2003, 21(12): 1243-1245. LIU Zhi-hui. About the New Development of Know-ledge Gene Theory[J]. Information Science, 2003, 21(12): 1243-1245.

[18] 王艷, 苗紅, 李欣, 等. 知識(shí)基因視角下的技術(shù)融合機(jī)會(huì)發(fā)現(xiàn)研究[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理, 2021, 42(7): 18-34. WANG Yan, MIAO Hong, LI Xin, et al. Research on Technology Convergence Opportunity Discovery from the Perspective of Knowledge Genes[J]. Science of Science and Management of S & T, 2021, 42(7): 18-34.

[19] 肖人彬, 林文廣. 數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品創(chuàng)新設(shè)計(jì)研究[J]. 機(jī)械設(shè)計(jì), 2019, 36(12): 1-9. XIAO Ren-bin, LIN Wen-guang. Research on Data- Driven Product Innovation Design[J]. Journal of Machine Design, 2019, 36(12): 1-9.

[20] 李翔, 胡昀, 王毅力. 基于SPSS和在線評(píng)論分析的產(chǎn)品用戶需求洞察方法研究[J]. 包裝工程, 2022, 43(2): 106-115. LI Xiang, HU Yun, WANG Yi-li. Product User Demand Insight Method Based on SPSS and Online Comment Analysis[J]. Packaging Engineering, 2022, 43(2): 106- 115.

[21] AN J, KIM K, MORTARA L, et al. Deriving Technology Intelligence from Patents: Preposition-Based Semantic Analysis[J]. Journal of Informetrics, 2018, 12(1): 217- 236.

[22] 陳曉菁, 成思源, 楊雪榮. 面向?qū)＠a(chǎn)品創(chuàng)新設(shè)計(jì)的可拓變換方法研究[J]. 包裝工程, 2020, 41(24): 137-142. CHEN Xiao-jing, CHENG Si-yuan, YANG Xue-rong. Extension Transform Method for Patent Product Innova-tion Design[J]. Packaging Engineering, 2020, 41(24): 137-142.

[23] 張海燕, 成思源, 楊雪榮, 等. 基于功能相似矩陣的專利產(chǎn)品創(chuàng)新設(shè)計(jì)研究[J]. 包裝工程, 2017, 38(12): 150-154.ZHANG Hai-yan, CHENG Si-yuan, YANG Xue-rong, et al. Patent Product Innovation Design Based on Function Similarity Matrix[J]. Packaging Engineering, 2017, 38(12): 150-154.

Design-driven Disruptive Innovation Method from the Perspective of Knowledge

WEI Chu-fan, LIU Jian, XI Shang-lin, HUANG Sai

(College of Art and Design, Beijing University of Technology, Beijing 100124, China)

Disruptive innovation is an important path for enterprises to achieve leapfrog catch-up. In view of the lack of current identification of subversive innovation opportunities, the work aims to propose a design-driven early identification method of disruptive innovation based on the collaborative optimization of knowledge gene and in-depth learning. Combing the design-driven disruptive innovation process from the perspective of knowledge, and aiming at the fuzzy front-end stage of innovation and based on the concept of "product knowledge gene", firstly, the big data text analysis method was used to gain insight into the future needs of users and reconstruct the meaning of the product. Secondly, the semantic analysis of "subject-behavior-object" structure and "technology-relation-technology" structure of patent data in related fields was carried out, and the product knowledge base was established. On this basis, the technical scheme of genetic engineering thinking mode reorganization was compared to seek disruptive innovation of product. Verifying the feasibility and effectiveness of the research method with the future air conditioner as the design research object can help enterprises to identify disruptive innovative design opportunities, and has practical guiding value for optimizing resource allocation and planning and design strategy.

disruptive innovation; design-driven; product meaning; product knowledge gene; product knowledge base

TB472

A

1001-3563(2023)10-0040-14

10.19554/j.cnki.1001-3563.2023.10.004

2022–12–14

教育部2021年第2批產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目（202102055017）；北京工業(yè)大學(xué)國(guó)際合作交流項(xiàng)目（2021A18）；教育部人文社科項(xiàng)目（20YJC760034）

魏楚凡（1998—），女，碩士生，主攻智能化設(shè)計(jì)研究方法。

劉鍵（1987—），男，博士，副教授，主要研究創(chuàng)新設(shè)計(jì)研究方法、智能化設(shè)計(jì)。

責(zé)任編輯：陳作