章 蕾，董 尹

(合肥學(xué)院 經(jīng)濟(jì)與管理學(xué)院，安徽 合肥 230046)

研究表明，不同認(rèn)知方式的用戶在信息學(xué)習(xí)、瀏覽行為上有不同的偏好[1]95。因此，挖掘頁(yè)面風(fēng)格及用戶的頁(yè)面偏好的關(guān)聯(lián)性對(duì)實(shí)現(xiàn)網(wǎng)站頁(yè)面?zhèn)€性化設(shè)計(jì)及推送具有重大意義。本文在考慮網(wǎng)頁(yè)組織的多樣性的基礎(chǔ)上，通過分析商品詳情頁(yè)的特點(diǎn)，提取頁(yè)面設(shè)計(jì)屬性，將頁(yè)面?zhèn)€性特征標(biāo)準(zhǔn)化，構(gòu)建高效統(tǒng)一的商品展示頁(yè)面結(jié)構(gòu)化表示模型。

一、結(jié)構(gòu)化商品展示頁(yè)面風(fēng)格表示模型

結(jié)構(gòu)化頁(yè)面是指一種通過對(duì)頁(yè)面版塊內(nèi)容、頁(yè)面布局、信息展示方式等進(jìn)行邏輯規(guī)劃，將頁(yè)面內(nèi)容分解成有明確層次關(guān)系和關(guān)聯(lián)性的組成部分，實(shí)現(xiàn)瀏覽者使用狀況能夠通過數(shù)據(jù)庫(kù)進(jìn)行記錄和管理的頁(yè)面設(shè)計(jì)方法。構(gòu)建該表示模型的目標(biāo)，一是依據(jù)用戶的歷史瀏覽軌跡，能更多的挖掘用戶的個(gè)性頁(yè)面配置屬性偏好，從而推斷出用戶的認(rèn)知風(fēng)格；二是若已知消費(fèi)者的認(rèn)知風(fēng)格，即可依據(jù)表示模型匹配出滿足消費(fèi)者個(gè)性化展示需求的商品頁(yè)面風(fēng)格和商品內(nèi)容參數(shù)，進(jìn)行個(gè)性化展示推薦。

風(fēng)格(Style)是指由一系列要素集合具有共同的形式特征(Common Features)，以某種特定的組合規(guī)則表達(dá)出來。文獻(xiàn)[2]3025-3037將頁(yè)面風(fēng)格的維度進(jìn)行匯總，提出了四個(gè)方面八個(gè)基本維度的頁(yè)面整體風(fēng)格劃分方法。有大量學(xué)者認(rèn)為頁(yè)面的版式和布局方式是影響簡(jiǎn)潔-復(fù)雜頁(yè)面風(fēng)格維度的重要因素[1]96-101，如文獻(xiàn)[3]31-36中提出頁(yè)面的版式分欄越多越混合則越傾向于復(fù)雜風(fēng)格。除了頁(yè)面布局之外，信息的呈現(xiàn)方式、頁(yè)面信息量也會(huì)影響頁(yè)面風(fēng)格。因此，用單一要素的差異難以區(qū)分頁(yè)面整體風(fēng)格差異，本文采用語(yǔ)義詞匯學(xué)的方法試圖找出頁(yè)面風(fēng)格的評(píng)價(jià)維度。頁(yè)面風(fēng)格是頁(yè)面內(nèi)容要素不同設(shè)計(jì)形式排列組合的結(jié)果，因此頁(yè)面風(fēng)格維度的劃分和頁(yè)面內(nèi)容、內(nèi)容設(shè)計(jì)形式、內(nèi)容排列方式具有相關(guān)性。因此，可將商品展示頁(yè)面設(shè)計(jì)過程模型轉(zhuǎn)化為對(duì)頁(yè)面內(nèi)容要素(S)按照頁(yè)面設(shè)計(jì)屬性(D)進(jìn)行表述，并以頁(yè)面布局屬性(L)進(jìn)行編排(如圖1)。

圖1 商品展示頁(yè)面風(fēng)格表示模型

商品展示頁(yè)面表示模型形式化描述如下：

W=Ξ(C)

C=Ξ(W)

W={S,D},S={SM,SP},D={DA,DM}

C={D,L},L={LA,LM},

LM∝{DM|SM,SP|}

二、基于語(yǔ)義意象的頁(yè)面風(fēng)格提取

(一)初始實(shí)驗(yàn)頁(yè)面樣本的選擇及特征分析

本研究從主流電商綜合平臺(tái)、傳統(tǒng)零售線上渠道、專業(yè)服務(wù)產(chǎn)品平臺(tái)、品牌官網(wǎng)、促銷團(tuán)購(gòu)平臺(tái)五類產(chǎn)品銷售主流渠道選取了25個(gè)網(wǎng)站的產(chǎn)品銷售頁(yè)面作為原型樣本，將頁(yè)面內(nèi)容根據(jù)功能模塊抽象并分析布局。

(二)基于詞匯學(xué)方法構(gòu)建商品展示網(wǎng)頁(yè)的風(fēng)格特質(zhì)模型

(一)頁(yè)面風(fēng)格情感詞原始詞匯的產(chǎn)生

為簡(jiǎn)化實(shí)驗(yàn)，本研究將25個(gè)頁(yè)面樣本，采用“自由聯(lián)想法”生成頁(yè)面風(fēng)格的原始詞匯。利用15分鐘邀請(qǐng)被試大學(xué)生盡可能多地寫出描述頁(yè)面風(fēng)格的詞匯。題目是：“這個(gè)頁(yè)面風(fēng)格是______。”676名大學(xué)生參加了測(cè)試，其中無效問卷23份。

(二)語(yǔ)義合并

653名被試共提供6328個(gè)詞匯或短語(yǔ)，將重復(fù)短語(yǔ)合并，共確定736個(gè)不重復(fù)詞。分三步篩選詞匯并歸類：

第一步，由兩名網(wǎng)頁(yè)設(shè)計(jì)專業(yè)的教師剔除低頻詞(如頻次為1)和明顯的不能用于描述頁(yè)面風(fēng)格的詞匯或短語(yǔ)82個(gè)。第二步，選擇同義詞中的關(guān)鍵詞。第三步，采用語(yǔ)義差異法(李克特式量表)對(duì)頁(yè)面風(fēng)格詞匯表的準(zhǔn)確性進(jìn)行評(píng)分調(diào)查。最終獲得有效問卷105份?？傆?jì)8610個(gè)數(shù)據(jù)。內(nèi)部一致性信度0.695，間隔一個(gè)月的重測(cè)信度在0.44～0.85之間，平均為0.75，表面效度良好。

(三)采用主成分分析獲得頁(yè)面風(fēng)格的特質(zhì)結(jié)構(gòu)模型

隨機(jī)生成5個(gè)正態(tài)分布的數(shù)據(jù)集，與原數(shù)據(jù)有相同的平均數(shù)和標(biāo)準(zhǔn)差。對(duì)每個(gè)數(shù)據(jù)集采用并行分析進(jìn)行正交旋轉(zhuǎn)的主成份分析。根據(jù)因素分析的方差貢獻(xiàn)率(表1)和因素分析的實(shí)際效果，抽取四個(gè)主成份，構(gòu)成頁(yè)面風(fēng)格的四個(gè)基本維度。

表1 因素分析的方差貢獻(xiàn)率

第一主成份在“簡(jiǎn)潔、簡(jiǎn)單、便捷”等詞匯上有正載荷，在“復(fù)雜、多樣化”等詞匯上有負(fù)載荷，命名為網(wǎng)頁(yè)的操作感意象，其雙極維度為簡(jiǎn)潔-復(fù)雜維度，正極表示頁(yè)面結(jié)構(gòu)簡(jiǎn)單，分欄分頁(yè)不多，直接展示信息內(nèi)容，操作模式以便捷為主要目的，頁(yè)面信息實(shí)用，具備整體一致性的風(fēng)格。

第二主成份在“扁平、豐富、突破常規(guī)”等詞匯上有正載荷，在“細(xì)長(zhǎng)、大眾化”等詞匯上有負(fù)載荷，命名為網(wǎng)頁(yè)的價(jià)值觀的意象。其雙極維度為豐富-規(guī)范維度，正極表示頁(yè)面寬闊，信息量大的個(gè)性化頁(yè)面。

第三成分在“圖像、活潑”等詞匯上有正載荷，在“沉穩(wěn)、文本”等詞匯上有負(fù)載荷，命名為網(wǎng)頁(yè)情緒感意象。其雙極維度為輕松-厚重維度，正極表示頁(yè)面色彩鮮艷，結(jié)構(gòu)多變，多采用圖像、視頻等多媒體。

第四個(gè)主成份在“活躍、交互式”等詞匯上有正載荷，在“封閉、專業(yè)”等詞匯上有負(fù)載荷，命名為網(wǎng)頁(yè)的活躍感意象。其雙極維度為活躍-封閉維度，正極表示頁(yè)面有大量外部鏈接、廣告和推薦，提供更多產(chǎn)品幫助，鼓勵(lì)用戶分享、互動(dòng)。

三、基于多元尺度相似性分析的商品展示頁(yè)面風(fēng)格的聚類

(一)基于多元尺度法的樣本相似度分析實(shí)驗(yàn)

本實(shí)驗(yàn)以抽樣方式請(qǐng)若干位被試者對(duì)上節(jié)中的商品展示頁(yè)面樣本依據(jù)個(gè)人主觀感受分群。3位頁(yè)面設(shè)計(jì)專家的預(yù)實(shí)驗(yàn)發(fā)現(xiàn)分群目標(biāo)為4～5群時(shí)，被試者分群效果最好。被試者觀察過所有樣本后，把他們認(rèn)為相似的樣本序號(hào)填寫在相同欄目?jī)?nèi)，當(dāng)兩對(duì)應(yīng)頁(yè)面為同一類時(shí)，記一分。累計(jì)所有被試的分類得分，得到相似性數(shù)值及相似性矩陣。然后將矩陣進(jìn)行Multidimensional Scaling的二維至六維的多元尺度分析[4]277-287，得到表2說明六維模型對(duì)觀察數(shù)據(jù)的擬合效果有效。

表2 多元尺度二維至六維指數(shù)表

表3 認(rèn)知空間中各樣本的坐標(biāo)值

通過MDS分析得到各樣本在認(rèn)知空間的坐標(biāo)表(見表4)。

(二)利用樣本位置進(jìn)行聚類分析

將MDS分析獲得的樣本維度坐標(biāo)值作為分類變量進(jìn)行聚類，結(jié)果見表4，列出了每個(gè)樣本到該類別中心的距離，距離最短者可視為該類別的代表性樣本。得到八類代表性樣本分別為：3號(hào)、19號(hào)、12號(hào)、9號(hào)、22號(hào)、2號(hào)、7號(hào)、24號(hào)樣本。

表4 聚類分析結(jié)果

四、基于嵌套隨機(jī)集的頁(yè)面風(fēng)格與要素特征認(rèn)知關(guān)系的量化實(shí)驗(yàn)

(一)頁(yè)面風(fēng)格與要素特征相關(guān)性的基本假設(shè)

通過綜述行為理論與10位人機(jī)交互研究領(lǐng)域的專家對(duì)頁(yè)面構(gòu)成要素對(duì)頁(yè)面風(fēng)格影響的調(diào)查結(jié)果，本文對(duì)頁(yè)面風(fēng)格要素的考量指標(biāo)提出的相關(guān)假設(shè)如下：

H1：簡(jiǎn)單-復(fù)雜風(fēng)格與信息組織結(jié)構(gòu)、表現(xiàn)形式、信息內(nèi)容相關(guān)。簡(jiǎn)單風(fēng)格與線性組織結(jié)構(gòu)正相關(guān)；與展示風(fēng)格的種類、信息內(nèi)容量負(fù)相關(guān)。

H2：豐富-規(guī)范風(fēng)格與信息組織結(jié)構(gòu)、表現(xiàn)形式、頁(yè)面版式、信息內(nèi)容相關(guān)。豐富風(fēng)格與線性組織結(jié)構(gòu)負(fù)相關(guān)；與內(nèi)容表現(xiàn)形式種類、扁平結(jié)構(gòu)、信息內(nèi)容量正相關(guān)。

H3：輕松-厚重風(fēng)格與信息組織結(jié)構(gòu)、表現(xiàn)形式相關(guān)。輕松風(fēng)格與線性組織結(jié)構(gòu)負(fù)相關(guān)；與表現(xiàn)形式種類正相關(guān)。

H4：活躍-封閉風(fēng)格與表現(xiàn)形式、信息內(nèi)容相關(guān)。活躍風(fēng)格與圖片、超鏈接表現(xiàn)形式種類正相關(guān)；與信息內(nèi)容量正相關(guān)。

(二)基于嵌套隨機(jī)集[5] 5089-5097的頁(yè)面風(fēng)格與要素特征相關(guān)性模型

頁(yè)面風(fēng)格與設(shè)計(jì)元素特征之間的關(guān)系構(gòu)造問題可以數(shù)學(xué)描述為：

本文借鑒數(shù)量化I類理論的定性數(shù)據(jù)分析方法，利用多元回歸分析，解決定性變量相關(guān)性和相似性的判別問題。將頁(yè)面構(gòu)成設(shè)計(jì)要素作為自變量x，頁(yè)面風(fēng)格評(píng)價(jià)值作為因變量y，有r個(gè)設(shè)計(jì)要素，第j個(gè)設(shè)計(jì)要素的類別數(shù)目由cj表示，當(dāng)δi(j,k)=1時(shí)表示第i個(gè)樣品中，第j個(gè)設(shè)計(jì)要素的定性數(shù)據(jù)為第k類。將x定義為：x={δi(j,k)}，，i=1,2,…,n；j=1,2,…,r；k=1,2,…,cj

假設(shè)風(fēng)格評(píng)價(jià)值與設(shè)計(jì)要素各類別的選取有線性關(guān)系，則可得到線性模型：

為了更方便的解釋頁(yè)面風(fēng)格與頁(yè)面設(shè)計(jì)要素間的對(duì)應(yīng)關(guān)系，可進(jìn)一步假設(shè)模型為：

為了確保模型的精度，使用復(fù)相關(guān)系數(shù)R，可按下式求解：

頁(yè)面設(shè)計(jì)要素對(duì)風(fēng)格評(píng)價(jià)影響的貢獻(xiàn)值，可通過求解需求的相關(guān)偏相關(guān)系數(shù)來解決。記風(fēng)格評(píng)價(jià)值y與頁(yè)面設(shè)計(jì)要素的相關(guān)矩陣B及其逆矩陣B-1為：

(三)實(shí)驗(yàn)設(shè)計(jì)

為避免頁(yè)面風(fēng)格以外其他因素的影響，對(duì)聚類得出的8個(gè)代表性樣本頁(yè)面進(jìn)行了重新的編輯，將頁(yè)面保留原有的版式、組織結(jié)構(gòu)和表達(dá)方式，但內(nèi)容全部替換成一致的產(chǎn)品信息，以保證測(cè)試者不受價(jià)格、圖片等具體內(nèi)容的影響。

選取206名學(xué)生采用問卷調(diào)查的方式獲得受測(cè)者對(duì)設(shè)計(jì)要素的主觀評(píng)價(jià)，每個(gè)班觀看兩個(gè)頁(yè)面，去除無效問卷后，每單個(gè)樣本頁(yè)面平均獲得47份問卷結(jié)果。

1.風(fēng)格意象影響因子與設(shè)計(jì)要素的回歸關(guān)系

頁(yè)面風(fēng)格評(píng)價(jià)的數(shù)據(jù)預(yù)處理后的平均值如表5所示。將要素設(shè)計(jì)要素評(píng)分作為自變量，將某一維度的風(fēng)格評(píng)價(jià)均值作為因變量，依據(jù)數(shù)量化I類的基本原理在SPSS中進(jìn)行全回歸模型分析,最終得到多元線性回歸分析結(jié)果。結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理后，可得到各風(fēng)格評(píng)價(jià)維度對(duì)應(yīng)的項(xiàng)目得分、回歸常數(shù)項(xiàng)等數(shù)據(jù)，見表6、表7。

表5 8個(gè)樣本頁(yè)面在4個(gè)風(fēng)格影響因子下的平均值

表6 代表頁(yè)面各風(fēng)格唯獨(dú)的要素評(píng)價(jià)得分

表7 各回歸方程的常數(shù)項(xiàng)和系數(shù)列表

(1)決定系數(shù)

決定系數(shù)R2表示統(tǒng)計(jì)結(jié)果可信度。由表4可知，本研究中R2的設(shè)計(jì)要素項(xiàng)目得分均高于0.7，表明實(shí)驗(yàn)的預(yù)測(cè)精度較高。

(2)項(xiàng)目得分

項(xiàng)目得分的大小代表了各設(shè)計(jì)要素與風(fēng)格意象語(yǔ)意的相關(guān)程度。例如，在操作感風(fēng)格維度中，復(fù)雜因子這一風(fēng)格維度中，偏向簡(jiǎn)單風(fēng)格的得分為負(fù)，偏向復(fù)雜風(fēng)格的得分為正值，數(shù)值大小表示設(shè)計(jì)元素與這一風(fēng)格維度的相關(guān)程度。從表6結(jié)果可看出，版式、展示方式、交互功能、廣告選項(xiàng)和內(nèi)容選項(xiàng)與復(fù)雜風(fēng)格維度影響程度由強(qiáng)到弱。

2.建立模型

將相關(guān)程度較高的設(shè)計(jì)元素作為該頁(yè)面風(fēng)格維度的影響因子，可建立多元回歸方程。本文將相關(guān)度高于0.4的設(shè)計(jì)元素全部保留，以可操作性風(fēng)格維度為例，保留的設(shè)計(jì)因素包括δi(1,1)、δi(1,4)、δi(1,5)、δi(2,3)、δi(2,4)、δi(3,1)和δi(5,4)，則可建立多元線性回歸回歸方程為：

從上述相關(guān)因子數(shù)據(jù)，可驗(yàn)證假設(shè)，規(guī)范風(fēng)格與單欄標(biāo)準(zhǔn)版式、文字展示方式和交互功能單一正相關(guān)；豐富風(fēng)格與混合多欄版式、選項(xiàng)卡的展示方式和多樣化的人際互動(dòng)功能正相關(guān)。

厚重風(fēng)格與單欄版式、文字展示方式和推廣功能單一正相關(guān)；輕松風(fēng)格與混合多欄版式、隱藏展示方式、內(nèi)容模塊多樣化、第三方共享等多重互動(dòng)方式因素正相關(guān)。

封閉風(fēng)格與扁平單欄版式、內(nèi)容模塊僅包含主要信息、無交互功能和廣告內(nèi)容少四個(gè)因素正相關(guān)；活躍風(fēng)格與混合多欄版式、隱藏或選項(xiàng)卡展示方式、含第三方評(píng)價(jià)和商品推薦、多種互動(dòng)方式和廣告板塊正相關(guān)。

五、預(yù)測(cè)結(jié)果一致性驗(yàn)證與分析

為驗(yàn)證商品展示頁(yè)面項(xiàng)目要素與風(fēng)格維度相關(guān)性檢驗(yàn)與實(shí)際頁(yè)面風(fēng)格評(píng)測(cè)維度具有一致性，本文將要素構(gòu)成的頁(yè)面風(fēng)格預(yù)測(cè)結(jié)果與實(shí)驗(yàn)樣本用戶風(fēng)格評(píng)價(jià)值進(jìn)行了對(duì)比T實(shí)驗(yàn)。

(一)一致性檢驗(yàn)結(jié)果實(shí)驗(yàn)設(shè)計(jì)

首先從剩余17個(gè)初始樣本頁(yè)面中挑出6個(gè)作為新實(shí)驗(yàn)樣本，讓受試者觀察后，采用語(yǔ)義差異的李克特量表進(jìn)行風(fēng)格維度的評(píng)測(cè)；并將這6個(gè)樣本的設(shè)計(jì)要素編碼(如表8)代入構(gòu)建好的風(fēng)格影響因素模型中計(jì)算出風(fēng)格評(píng)價(jià)的分值。

表8 驗(yàn)證實(shí)驗(yàn)樣本設(shè)計(jì)要素編碼表

邀請(qǐng)30位被測(cè)進(jìn)行語(yǔ)意評(píng)價(jià)，統(tǒng)計(jì)結(jié)果的平均值見表9左。并將設(shè)計(jì)要素編碼代入構(gòu)建好的風(fēng)格影響因素模型中計(jì)算出風(fēng)格評(píng)價(jià)的分值，計(jì)算結(jié)果如表9右所示。

表9 驗(yàn)證樣本的各意象語(yǔ)意評(píng)價(jià)平均值及風(fēng)格影響因子計(jì)算結(jié)果

(二)預(yù)測(cè)結(jié)果一致性檢驗(yàn)

將語(yǔ)意評(píng)價(jià)的實(shí)測(cè)值與模型計(jì)算出的風(fēng)格預(yù)測(cè)值成對(duì)進(jìn)行T檢驗(yàn)(見表10)。

表10 T檢驗(yàn)結(jié)果

從結(jié)果可看出，四個(gè)頁(yè)面風(fēng)格維度的實(shí)測(cè)值與預(yù)測(cè)值之間不存在顯著差異，可以用該風(fēng)格量化模型預(yù)測(cè)某個(gè)商品展示頁(yè)面的主觀評(píng)價(jià)風(fēng)格,也證明了頁(yè)面風(fēng)格與設(shè)計(jì)要素之間存在相關(guān)性。