甘美辰， 李 敏,2,3

(1. 東華大學 服裝與藝術設計學院， 上海 200051； 2. 東華大學 現代服裝設計與技術教育部重點實驗室，上海 200051； 3. 東華大學 海派時尚設計及價值創(chuàng)造協(xié)同創(chuàng)新中心， 上海 200051)

商品推薦是日常最為常見的線上用戶服務，而這類“個性化推送”已逐漸變?yōu)椤袄畔⑥Z炸”[1]。究其原因，線上推薦技術基于用戶歷史數據，針對的往往是消費者已購買產品的類似商品，而非正打算購買的產品。如何挖掘消費者的真實購買需求，為其提供具有針對性、實用性的推薦，是各電子商務平臺目前面臨的隱形難題。

對于網絡服裝消費市場而言，重復性購買較少，而對可搭配服裝推薦的需求巨大。根據公眾號大數據服務商“西瓜數據”提供的數據顯示，黎貝卡的異想世界、gogoboi等大批時尚搭配類微信公眾號蓬勃發(fā)展，目前已擁有百萬粉絲；近年來，穿搭類智能產品領域熱度遞增，如淘寶舉辦穿衣搭配算法大賽、亞馬遜推出穿衣小助手“Echo Look”等；穿衣助手、挖兔美搭等一批時尚搭配類App陸續(xù)上線，用戶數量與銷售額在未進行或進行小范圍營銷推廣的情況下已能實現快速增長。這些情況已明確反映出服裝搭配推薦已成為消費者的需求痛點，然而從市場總體來看，此類服務仍處小眾范圍，尚需更多關注與技術支持。

近年來，部分學者從各類不同角度對服裝搭配推薦方式進行了研究。文獻[2-3]均基于專家系統(tǒng)構建了服裝搭配推薦系統(tǒng)，該系統(tǒng)依據服裝搭配知識庫為消費者直接推薦成套搭配，但無法依據某一商品推薦其可搭配單品；Ma等[4]通過多模式深度學習模型舉例分析了不同設計元素間的可搭配程度，此類搭配方式細致但較為復雜，需要大量搭配圖片作為數據庫支撐。在服裝搭配推薦的市場應用方面，通過對4類電子商務平臺(典型購物網站、典型時尚搭配類網站、服裝品牌官網與時尚搭配類App)的調研發(fā)現，各平臺現有的可搭單品推薦方式均為依據已成套搭配好的范例圖片進行推薦，大大限制了商品推薦范圍，可推薦單品數量極其有限。此外，僅在部分網站中用戶可直接點擊推薦單品的圖片進行購買，加大了消費者的購買難度。綜上可看出，目前市場上的服裝搭配推薦服務還存在諸多不足，相關研究也存在進一步優(yōu)化與簡化的可能。本文以女裝品牌L為案例，采用感性工學和問卷調研來建立服裝風格量化模型，利用該模型與女裝搭配關聯(lián)規(guī)則構建女裝搭配推薦系統(tǒng)，通過服裝自身屬性為其建立搭配關系而無需建立龐大的搭配數據庫，使線上每款在售服裝均能實現自動化搭配，擴大其推薦范圍并提升其搭配靈活性，為服裝企業(yè)及電子商務平臺提供服裝搭配推薦服務的可行性案例參考。

1 服裝風格量化模型構建

1.1 服裝風格量化

服裝風格量化是對服裝風格進行量化研究，達到可通過科學手段穩(wěn)定控制服裝風格或客觀評價服裝風格的效果。本文將依據感性工學理論對服裝風格進行量化分析，研究服裝風格感性意象與設計要素之間的對應關系，以此構建服裝風格量化模型，達到通過分析服裝具有的設計要素自動預測服裝風格的目的。

1.2 感性工學概述

感性工學[5]以顧客需求為導向，將消費者模糊不明的感性意象量化，以實現產品設計要素與感性意象之間的相互轉換，為消費者決策輔助系統(tǒng)和設計人員決策輔助系統(tǒng)提供幫助。

根據研究方法的不同，可將感性工學分為多個類別。本文參考正向定量推論式感性工學的實施程序來進行服裝風格量化，其過程可分為3個階段[6]：1)感性意象形容詞與設計要素的挑選；2)服裝風格感性意象與設計要素的結合；3)服裝風格量化模型構建。

1.3 感性意象形容詞與設計要素的挑選

1.3.1 感性意象形容詞選擇

通過查閱相關文獻[7-9]、服裝商品介紹、服裝相關書籍等方式，廣泛收集描述服裝風格的感性意象形容詞。經篩選后，將語意相近的形容詞進行合并，初步選出27對語意相反的形容詞。

根據語意差異法理論，形容詞對的數量一般在5～15對之間較為合適[10]。本文以時尚商務女裝L品牌為研究案例，關注L品牌服裝主要風格，邀請了10位L品牌內部服裝專業(yè)人士作為被試者，從27對形容詞中選出5～15對最能表征L品牌服裝風格特征的感性意象形容詞。通過統(tǒng)計各形容詞對被選頻率，同時參考各對形容詞的描述角度，最終選出6對被選頻率最高的形容詞作為后續(xù)問卷調研的基礎，如表1所示。

表1 感性意象形容詞對Tab.1 Kansei image adjective pair

1.3.2 評價量表開發(fā)設計

語意差異法是感性工學中量化被試者感性意象的基本方法之一。本文選取其7階尺度量表，根據選出的6對形容詞建立服裝風格感性意象評價量表，以便后續(xù)通過問卷調研的方式對L品牌服裝風格進行感性意象偏向度調研。以“職業(yè)的—休閑的”為例，各評估值意義如圖1所示。

圖1 7階評估尺度中各評估值代表意義Fig.1 Meaning of each evaluation value in 7th order evaluation scale

1.3.3 設計要素選擇與細分

款式、色彩、面料是服裝的3大要素，三者之間的豐富組合形成不同的服裝風格[11]，因此在服裝風格量化研究中，選擇這3大類設計要素作為研究的基礎。

在參考相關文獻[12-13]分類方式的基礎上，依據L品牌2016—2018年近三年女裝主要設計特征，將這3大類設計要素細化分類，并將出現頻率少的設計要素類目與其他相近類目合并。列出各細分類目的范例圖片作為分類參照標準，以廓形分類為例，如圖2所示。

圖2 廓形分類范例Fig.2 Classification example of clothing silhouette.(a) H type; (b) A type; (c)X type

將3大類設計要素細分后共計得到10個項目，50個類目，如表2所示。其中對于衣長/褲長/裙長的分類，部分上裝(西裝、外套、襯衫、套頭衫)設定以臀圍線為基準，大衣、下裝及連身裝設定以膝圍線為基準，基準線以上為短，附近為中，以下為長。對于色彩的分類，可認為小面積裝飾色彩對服裝整體風格的影響較小，以服裝主體色為準；若一款服裝中有多種色彩且面積占比較為接近，則將其一一列出。

表2 設計要素細分表Tab.2 Classification of design elements

1.3.4 樣本選取

考慮到春夏季與秋冬季服裝的款式、色彩、面料差異較大，同一個設計要素在不同季節(jié)對服裝整體風格的影響可能有所不同。為盡可能消除此類變量影響，達到最理想預測效果，以某季服裝為調研樣本預測未來同季服裝風格。本文將以L品牌2018年春季服裝作為實證樣本，對最終所建立的女裝搭配推薦系統(tǒng)進行實例驗證，因此，此次調研樣本將在近幾年的L品牌春夏季服裝中選取，以盡可能保證調研樣本情況與實際運用環(huán)境的一致性，消除時間與季節(jié)對品牌風格、設計方式的影響。此外，因本文后續(xù)研究采用多元線性回歸分析法進行數據處理與分析，該分析方法要求樣本量應在自變量數目的20倍及以上[14]，根據表2中的設計要素類目數量計算，應選取不低于1 000個樣本進行調研。

在L品牌2016年、2017年春夏季服裝中隨機選取共計1 000件不同款式或同款不同色服裝，為其拍攝白色背景下穿著于同一人臺上的正面圖片，且圖片尺寸一致，避免服裝以外的因素對被試者主觀感受造成影響，以部分品類樣本圖片(見圖3)為例。將所拍攝的服裝圖片按順序進行編號，作為此次調研問卷的樣本。

圖3 調研樣本圖片示例Fig.3 Examples of investigation sample images.(a)Coat; (b)Suit; (c)Shirt

1.4 服裝風格感性意象與設計要素的結合

1.4.1 服裝風格感性意象偏向度調研

1)調研工具開發(fā)。為方便調研，開發(fā)了服裝風格感性意象評價系統(tǒng)作為本次調研工具，其界面如圖4所示。被試者根據自身對系統(tǒng)界面左側所顯示樣本圖片的主觀感受對各感性意象進行評分，評價完成后點擊“下一張”并重復該步驟，依次完成全部實驗樣本的評價。

圖4 服裝風格感性意象評價系統(tǒng)Fig.4 Fashion style′s Kansei image evaluation system

2)調研執(zhí)行過程。參考相關文獻[7-8]中類似調研的被試者人數，經綜合考慮后選取9位具有服裝類專業(yè)背景和研究生學歷的人士作為本次調研的被試者。

在正式調研前，隨機選擇了30張樣本圖片對9位被試者進行預調研，并采用Kendall′s W協(xié)同系數法對預調研結果進行分析。結果顯示6組風格指標對應的Kendall′s W系數均不低于0.500，表明9位被試者對于6對感性意象形容詞的理解認知較為一致[15]。隨后于2018年5月24日—6月11日展開正式調研，所回收問卷均為有效問卷。

1.4.2 設計要素與服裝風格的關系分析

1)數據有效性檢驗。選用Kendall′s W協(xié)同系數法驗證調研數據的有效性。結果顯示6組風格指標的漸近顯著性均小于0.001，表明被試者對1 000個調研樣本的評價不相同，即1 000個調研樣本間存在顯著性差異，具有統(tǒng)計學意義。各組指標的Kendall′s W系數分別為0.671、0.616、0.590、0.559、0.500及0.515，均不低于0.500，表明9位被試者對服裝風格的評分標準較為一致[15]。通過上述檢驗證實了調研數據的有效性，可作為后續(xù)分析和研究的數據基礎。

2)數據分析。本文將基于數量化Ⅰ類理論進行數據分析。數量化Ⅰ類理論用于研究一組定性變量x(自變量)與定量變量y(因變量)之間的關系，利用多元線性回歸分析來建立二者間的數學模型，最終實現對因變量y的預測。

根據數量化 Ⅰ 類理論[7]，在本文中設計要素為自變量x(定性變量)，服裝風格感性意象評價值為因變量y(定量變量)，設共有r個設計要素項目，j為項目序數，k為類目序數，第j個設計要素項目的類目數以cj表示，δi(j,k)表示第j個項目中的第k類設計要素在第i個樣本中的表現，并定義x={δi(j,k)}，其中i= 1，2，…，1 000；j=1，2，…，r；k=1，2，…，cj。通過上述設定，即可按下式將定性的設計要素進行重新賦值，轉化為以0、1表示的定量變量：

運用多元線性回歸建立x、y二者間的數學模型，即可通過分析服裝所具有的設計要素實現對服裝風格的自動化預測。

將9份調研數據進行匯總，分別計算出6組風格指標下各樣本所得的評分均值，即因變量y。分別建立這6組風格指標的回歸模型(即建立6個服裝風格量化模型)，并編號為模型1*～6*，對這6個模型進行擬合度檢驗。分析過程中發(fā)現，在輸入的50個自變量(設計要素)中，H型、中高腰、長、白色這4個設計要素存在嚴重的共線性問題，在分析過程中被自動排除，故所建立的模型中僅包含剩余的46個自變量?；貧w擬合過程中的方差分析結果顯示，當6個模型均包含這46個自變量時，其顯著性概率值均小于0.001，表明自變量對因變量有顯著影響，最終的回歸模型應包含這46個自變量，且模型擬合效果很好[15]。

表3示出擬合過程小結。可以看出：6個模型的復相關系數R值均接近于1，表明自變量(設計要素)與因變量(服裝風格感性意象)間線性關系強；判定系數R2值及調整后R2值均大于0.7，表明建立的模型具有較高預測精度；德賓-沃森統(tǒng)計量均接近于2，達到理想標準[15]。通過繪制散點圖、直方圖和累積概率圖對6個模型進行方差齊性檢驗與殘差的正態(tài)性檢驗，觀察所繪制圖像可知，6個模型均滿足線性與方差齊性的假設，且殘差基本服從正態(tài)分布，表明6個模型都很好地擬合了原始數據，可以根據這6個模型對服裝風格進行預測，所得預測結果具有較高可信度[15]。

表3 擬合過程小結Tab.3 Summary of fitting process

將6個模型的偏回歸系數匯總，如表4所示。

由于所有自變量單位統(tǒng)一，可以通過比較偏回歸系數大小來判斷各自變量對因變量的影響程度[15]，即可以通過比較各設計要素對應的偏回歸系數大小來解釋其與各服裝風格感性意象之間的相關程度。其中正值代表正向感知，如“休閑的”，負值代表負向感知，如“職業(yè)的”。該值的絕對值越大，表明該設計要素與該服裝風格感性意象之間的關系越密切；當該值接近于“0”時，則表明二者間幾乎沒有關聯(lián)。偏回歸系數確定了設計要素與服裝風格之間的對應關系。

1.5 服裝風格量化模型構建

多元線性回歸模型為

依據所建立的6個服裝風格量化模型，通過確定服裝具有的設計要素即可計算出服裝風格感性意象評價值，實現了對服裝風格的自動化預測，是后續(xù)構建女裝風格搭配關聯(lián)規(guī)則的基礎。

2 女裝搭配關聯(lián)規(guī)則構建

2.1 服裝搭配規(guī)則

服裝搭配規(guī)則主要分為一般性搭配原則和混搭風格搭配。混搭風格追求打破常規(guī)、自由組合的搭配方式，無固定搭配規(guī)則，通常需根據具體情況人為操作確定搭配方式；一般性搭配原則主張和諧搭配，規(guī)則簡單，應用便捷，符合大多數消費人群的審美標準[16]。通過參考L品牌定位、咨詢該品牌負責搭配相關工作的工作人員以及結合其官網成套搭配范例圖片可得知，L品牌總體定位為時尚商務女裝，每季服裝根據設計企劃又進一步細分為多個風格系列(如藝術的、理性商務的、現代潮流的等)，搭配時一般選擇同一設計師的同系列服裝建立成套搭配范例，整體搭配風格給人以和諧之感，較少采用撞色等沖擊性色彩搭配，因此可認為，L品牌最常用搭配方式遵循一般性搭配原則。本文將從服裝自身屬性出發(fā)，不受設計師和系列分類等對該品牌服裝搭配的限制，依據一般性搭配原則構建女裝搭配關聯(lián)規(guī)則，對混搭風格搭配暫不作考慮。

一般性搭配原則要求整體搭配協(xié)調統(tǒng)一、不會給人過于沖突的視覺感受，其主要因素在于色彩的統(tǒng)一搭配、面料的統(tǒng)一搭配與風格的統(tǒng)一搭配[16]。由于本文所研究的女裝搭配推薦系統(tǒng)是以L品牌為例，主要針對品牌線上在售服裝進行搭配推薦，而此類服裝所屬季節(jié)大都為當前季節(jié)或相鄰季節(jié)，任意2款服裝的面料搭配均能滿足面料的統(tǒng)一搭配原則(同類面料相互搭配、同季節(jié)面料相互搭配、相鄰季節(jié)面料相互搭配)[16]，因此在設立女裝搭配關聯(lián)規(guī)則時除考慮不同品類間的搭配外，只需考慮色彩與風格的統(tǒng)一搭配。

2.2 女裝品類搭配關聯(lián)規(guī)則構建

根據L品牌的品類分類方式，可將該品牌女裝分為大衣、西裝、外套、襯衫、套頭衫、褲子、半裙、連衣裙/連體褲8個品類。因本文遵循一般性搭配原則，即以大眾常用搭配方式和審美方式為主，因此參考L品牌及其他女裝品牌官網中的成套搭配范例，并在常用服裝購物網站(淘寶網、天貓商城、京東等)上分別對這8個品類進行搜索，查看其成套搭配圖片，將女裝品類常用搭配方式進行歸納，結果如表5所示，并以此作為女裝品類搭配關聯(lián)規(guī)則。

表5 女裝品類搭配關聯(lián)規(guī)則Tab.5 Collocation rules of women′s clothing category

2.3 女裝色彩搭配關聯(lián)規(guī)則構建

參考L品牌的色彩分類方式，可將該品牌服裝色彩分為紅色系、黃色系、綠色系、藍色系、棕色系這5類有彩色，以及灰色系、白色、黑色這3類無彩色。對于有彩色而言，色彩的統(tǒng)一搭配主要為同色系配色法、鄰近色系(色相環(huán)中的相鄰色系)配色法2種方式[17]。無彩色不含色彩傾向，只具備明度，最易調和[17]，可認為其與任意色彩相搭配都可呈現和諧配色的效果。其中棕色系因其明度低，與其他色彩并置時對比不強烈，因此可認為它與無彩色一樣，與其他色彩皆可進行和諧搭配。

有彩色除上述色相屬性外，還具有明度和純度屬性，可統(tǒng)稱為色調[17]。目前暫無具體標準對色調進行分類，且統(tǒng)一色調搭配與雙色調搭配(如明色、暗色對比組合)均屬于和諧配色[17]，可看出在色彩的統(tǒng)一搭配中色相是最主要因素，色調對色彩調和的影響較弱，因此在本文中僅對色相進行區(qū)分與搭配。

在進行色彩搭配時可認為，小面積裝飾色彩對服裝整體色彩結構的影響較小，僅考慮服裝的主體色搭配；若一款服裝中有多種色彩且面積占比較為接近，則將其一一列出，均作為色彩搭配時參考的一部分。對于內外疊穿的搭配方式，因穿著方式(如系扣、不系扣)不同，其內衣的露出面積也會有所不同，為保證無論何種穿著方式均能表現為和諧搭配，不再對內衣露出的色彩面積大小進行區(qū)分，所有情況均遵循上述色彩的統(tǒng)一搭配原則。依照以上規(guī)則，可建立8類色彩之間的可搭配關系，如表6所示，并將其作為女裝色彩搭配關聯(lián)規(guī)則。

表6 女裝色彩搭配關聯(lián)規(guī)則Tab.6 Collocation rules of women′s clothing color

2.4 女裝風格搭配關聯(lián)規(guī)則構建

風格的統(tǒng)一搭配以同風格搭配為原則，即2款服裝的風格相似度越高，表明其風格越統(tǒng)一，搭配和諧度越高，越符合一般性搭配原則。已構建的服裝風格量化模型為這一規(guī)則的實現提供支持?；谠撃Ｐ?，只需確定線上在售服裝的設計要素即可對所有服裝進行自動化風格預測。當消費者選中某款服裝時，通過計算該選中服裝與其他待推薦服裝的風格相似度來匹配風格最為一致的服裝，以此依照同風格搭配原則進行服裝的搭配。

3 女裝搭配推薦系統(tǒng)構建與驗證

3.1 研究思路

根據對相關文獻[2-4]及4類電子商務平臺(典型購物網站、典型時尚搭配類網站、服裝品牌官網與時尚搭配類App)的研究可知，現有服裝搭配推薦研究和市場服務主要存在3點不足：1)大多為成套搭配推薦而不可針對任一商品進行多個可搭配單品推薦；2)可推薦單品依賴于數據庫，使得推薦范圍受限；3)消費者不能直接點擊推薦單品進行購買。因此本文主要針對以上問題提出解決思路：1)根據服裝的自身屬性(品類、色彩及風格)進行搭配，無需建立搭配數據庫，增加搭配可能性與靈活性，擴大推薦范圍；2)設置推薦單品購買鏈接，使消費者可以直接點擊推薦單品進行購買，提高其購買可能性與購買效率。

3.2 系統(tǒng)推薦原理

3.2.1 服裝風格相似度計算

在此推薦系統(tǒng)中，選擇采用相似度計算來檢索風格最相似服裝并進行搭配推薦，以滿足風格的統(tǒng)一搭配原則。相似度計算用于比較2個事物的相似性，一般通過計算事物特征之間的距離來確定，距離小則相似度大，距離大則相似度小，常選用歐幾里得距離公式計算。

3.2.2 推薦過程描述

此系統(tǒng)運用場景是根據消費者所選服裝，向其推送搭配協(xié)調度最高的在售商品，具體推薦過程如表7所示。

表7 女裝搭配推薦過程Tab.7 Women′s clothing collocation recommendation process

3.3 系統(tǒng)構建與界面展示

根據上述推薦原理構建女裝搭配推薦系統(tǒng)，界面功能大致模擬線上服裝銷售平臺功能。導入L品牌2018年春季服裝圖片及所有服裝的設計要素屬性信息，即可看到系統(tǒng)初始頁面如圖5所示。用戶可通過點擊“上一頁”、“下一頁”來進行商品的瀏覽，或直接勾選想要購買的品類和顏色進行搜索，若發(fā)現心儀商品則可點擊該商品進入單品購買頁面。在單品購買頁面中，當該單品與推薦的可搭配單品同框顯示時，更便于用戶判斷二者的搭配協(xié)調度，因此最佳推薦區(qū)域應為頁面右側或商品大圖下方。此系統(tǒng)的“精選搭配”板塊設在單品購買頁面右側，該板塊中為系統(tǒng)自動推薦的各品類可搭配單品，每頁各可搭品類顯示一款推薦。以某大衣類單品購買頁面為例，如圖6所示。用戶可點擊“下一頁”查看更多搭配推薦，在N頁“精選搭配”中所顯示的均為搭配協(xié)調度較高的單品。若對“精選搭配”中推薦的某款服裝有購買意向，可以點擊該商品直接進入其單品購買頁面。同樣，該購買頁面右側也會有相應的“精選搭配”板塊。此系統(tǒng)可推薦任一商品的多個可搭單品，搭配推薦范圍不受限制，并設置了可搭配單品購買鏈接，對研究中所發(fā)現的問題進行了解決。

圖5 系統(tǒng)初始頁面Fig.5 System initial page

圖6 單品購買頁面Fig.6 Product purchase page

3.4 推薦結果驗證與系統(tǒng)完善

考慮到本文所研究推薦系統(tǒng)的實際運用場景，采用分類準確度來對推薦結果進行驗證，即通過實際調研來計算該推薦系統(tǒng)對用戶是否喜歡某個推薦商品判斷正確的比例[18]，包含準確率P、召回率R和綜合評價F這3個評價指標。其中準確率P表示用戶喜歡被推薦商品的概率，召回率R表示用戶喜歡的商品被推薦的概率，二者值越高，則表明推薦效果越好。由于這二者存在負相關關聯(lián)，采用綜合評價指標F對其進行同時考察。3個評價指標的計算公式分別為[18]：

式中：Nrs表示推薦正確的商品數；Ns表示推薦列表中商品的總數；Nr表示用戶喜歡的商品總數。

選取L品牌2018年春季共386件不同款式或同款不同色服裝，為所有服裝拍攝白色背景下穿著于同一人臺上的正面圖片，圖片尺寸一致，避免服裝以外的因素對被試者主觀感受造成影響。將所拍攝的服裝圖片及所有服裝的設計要素屬性信息導入系統(tǒng)，準備調研。

根據L品牌目標消費群體定位(職場上的新生力量)，選取了30位25歲左右、購買過或有意向購買L品牌服裝的女性消費者進行調研。調研執(zhí)行過程與系統(tǒng)的實際購買流程相同，即用戶選中某一心儀商品并點擊進入該商品購買頁面后，可看到頁面右側“精選搭配”板塊中有可搭配單品推薦。用戶通過點擊“下一頁”直至瀏覽完N頁推薦，在固定某一搭配品類中根據自身喜好選擇想要購買的n件商品，并將選擇結果以頁面序號的形式記錄下來。由于此系統(tǒng)的評價結果受到推薦列表長度N的影響，因此參考常用購物網站(淘寶網、天貓商城、京東)的服裝類單品購買頁面中可與該單品同框顯示的推薦商品數量(分別為3～6個、12個、15個)，在此次調研中假設N分別為3、6、9、12、15，并對這5種情景下的推薦結果進行評價和對比，從中選取最佳值。根據評價指標的計算方式可知，在調研中N的實際取值需大于15。為減少被試者負擔，取N為20，即僅向被試者展示“精選搭配”板塊的前20頁。

對調研結果進行統(tǒng)計分析，30位被試者在固定品類的20件推薦商品中選擇購買的平均商品數量為11件，其推薦結果評價均值如表8所示。

表8 推薦結果評價均值Tab.8 Average of recommended results

由表8可知，當推薦列表取不同長度時，各評價指標值都在合理區(qū)間內。當N取最小值3時，準確率有最高值78.9%，即推薦列表中78.9%的商品都是用戶感興趣的；當N取最大值15時，召回率達到最大值87.0%，表明87.0%的用戶感興趣的商品都包含在推薦列表中；當N取12時，綜合評價指標可得最大值74.4%，表明此時推薦效果最好。通過上述分析可知，在不同推薦列表長度下，3個指標都有各自較好的表現，表明該推薦系統(tǒng)能夠有效推送用戶喜歡的商品，且推薦結果的準確度較高。且此運用場景中，在系統(tǒng)構建中設置N為12時推薦效果最好，即依據Top-N方法將各品類中風格相似度最大的12件商品推薦給用戶，也即在任一單品購買頁面中，使用戶共可瀏覽12頁“精選搭配”內容。由此對系統(tǒng)進行完善，以達到最佳推薦效果。

3.5 用戶評價

從調研所選取的30位被試者中選擇了3位，通過訪談形式了解她們對該系統(tǒng)的使用感受與主觀評價。這3位受訪者購買L品牌服裝的數量、頻率較為突出，在調研中其推薦結果評價也表現較好，表明她們對系統(tǒng)的接受度和對推薦商品的購買意愿度較高，且對該系統(tǒng)的主觀評價也較為一致，可認為這3位受訪者的評價具有一定可信度。3位受訪者的評價內容可歸納為4點：1)該系統(tǒng)適合不善于搭配的消費者，可為其提供多種搭配參考；2)為時間緊迫或疲于從眾多商品中挑選可搭配服裝的消費者提供了更精準的選擇范圍，降低其時間成本；3)所推薦的可搭配單品可直接點擊購買，方便快捷；4)由于該系統(tǒng)遵循一般性搭配原則，對于追求個性化風格的消費者，該系統(tǒng)的搭配推薦可能難以滿足其全部需求。

由上述總結可知，所構建的女裝搭配推薦系統(tǒng)已能基本滿足消費者對于服裝搭配推薦服務的需求，也能夠為其提供一定程度上的便捷。在服裝搭配規(guī)則方面，則還存在進一步優(yōu)化的空間。

4 結 論

本文以L品牌為研究案例，依據感性工學量化流程構建了服裝風格量化模型，在該模型與女裝搭配關聯(lián)規(guī)則的基礎上，構建了女裝搭配推薦系統(tǒng)，旨在為消費者選購服裝時提供搭配建議，并通過實際調研證實了該系統(tǒng)能夠有效推送用戶喜歡的商品，在一定程度上滿足用戶對服裝搭配服務的需求。此系統(tǒng)與調研中的4類電子商務平臺相比，其優(yōu)勢與特點主要為以下4方面：1)為消費者提供更精準的選擇空間，提升購買效率；2)可隨時為不善于搭配的消費者提供任意一件在售商品的搭配參考；3)可以通過點擊推薦單品直接進行購買，操作便捷，易產生連帶購買效應；4)相較于各電子商務平臺的現有搭配推薦服務而言，具有更多的搭配可能性，推薦品類和款式豐富，搭配方式更靈活。

根據該系統(tǒng)的設計目的與特點總結，可按其設計思路重新進行構建，并將其運用于服裝品牌官網或購物網站(如淘寶網等)中，以期達到以下效果：1)作為商家的線上服務特色，為用戶帶來更好的消費體驗，增強企業(yè)競爭力；2)將該系統(tǒng)與庫存數據、銷售數據等相關聯(lián)，為用戶推薦搭配款的同時增加滯銷款曝光機會，帶動滯銷款銷量，降低庫存，同理也可作為主推產品的輔助銷售工具，提升銷售業(yè)績。此外，也可將此系統(tǒng)與實體店鋪相結合，通過顯示店內商品的多種搭配方式，為產品陳列及導購推薦服務起到一定的參考作用。在實際運用中，可以擴大樣本容量、按需增加服裝設計要素與服裝風格類別，使其能運用于更多元化的場景中。