这一期和大家分享NPDP产品经理中的情感化设计，同时还有5种有助于设计者评估情感化设计对用户偏好和购买意向的方法。
消费者刚开始使用产品时，会有一些心理感受。消费者会通过感官获得的信息来感知和识别产品功能。产品功能会与消费者头脑中的设计进行情感联系，从而生成一些含义。设计者用情感化设计方法来激发消费者的情绪和感受，创造出良好的情感联想，让消费者对产品产生信任感，从而提高产品的可用性。
根据用户产生情感的程度对情感进行分类。信息处理分为本能（Visceral）、行为（Behavioral）与反思（Reflective）三种水平。本能水平最低，是与用户感觉相关的基本生理反应，如美观和色彩。行为水平居中，是与产品使用相关的记忆和学习，如功能和可用性。反思水平最高，包括感觉、情感和认知，它们决定了用户的理解、解释和推理。在该水平上，产品与自我意识及认同感相联系。
有几种方法有助于设计者评估情感化设计对用户偏好和购买意向的影响。这些方法包括感性工学、PrEmo2、日内瓦情绪轮（Geneva Emotional Wheel，GEW）及更多的分析方法，如情感分析、神经网络法、微软反应卡和突发情绪法等。下面简要介绍其中的几种主要方法。
该方法用于识别产品中的相关设计要素（如颜色、大小和形状等），这些要素决定了用户偏好。该方法需要识别感性词语。所使用的方法包括有声思维梯度法（Think-Aloud Laddering）、数量化理论I（Quantification Theory I，QTI）、偏最小二乘法（PLS Analysis）及用于估算目的的遗传算法（Genetic）和模糊逻辑（Fuzzy Logic）。
该方法用于了解人们在博客或社交网络中对产品的评论和观点，并对这些评论进行分类。可以运用自动化技术来识别评论者在产品特性上表达的意见（正面、中性或负面）。该方法运用了基本贝叶斯和深度学习算法。
该方法利用了反向传播（Back Propagation，BP）技术来建立产品或形状参数与形容词、意象词之间的关系，目的是更改设计参数，直到产品形状被接受为止。神经网络法把反向传播和灰色关联度分析作为优化算法。
该方法用于评估设计或产品的情感反应和期望（视觉吸引力）。参与者从118张写有产品词汇的卡片中选出与该产品或设计相关的卡片，并解释为什么所选卡片中的词汇要体现在该产品或设计上，最后得出结论。该方法采用聚类分析、频度分析和词汇云处理技术。
该方法认为情绪是动态、突发和递归的过程。用户对设计的反应模式是由评估结果所驱动的。情绪反应和对产品特性的期望会受到情绪影响，也会由差异化要求而引发。该方法利用人工智能环境下的神经网络和非线性动态建模来解释消费者的情绪过程，日内瓦情绪专家系统（Geneva Expert System on Emotions，GENESE）中描述了该情绪过程。返回搜狐，查看更多