元宇宙的理想与现实:基于评论挖掘的VR产品用户感知研究*
The Ideal and Reality of Metaverse: User Perception of VR Products Based on Review Mining
通讯作者: 吴江,ORCID:0000-0001-5153-5871,E-mail:jiangw@whu.edu.cn。
收稿日期: 2022-04-20 修回日期: 2022-05-10
基金资助: |
|
Corresponding authors: Wu Jiang,ORCID:0000-0001-5153-5871,E-mail:jiangw@whu.edu.cn。
Received: 2022-04-20 Revised: 2022-05-10
Fund supported: |
|
【目的】 从技术-用户的互动视角,揭示用户的技术感知与元宇宙技术需求的差距,为元宇宙技术优化提供参考借鉴。【方法】 基于京东平台上64件VR产品的36 720条评论信息,运用LDA主题建模与BERT情感分类的混合方法,构建关注度和喜爱度指标,定量分析用户对VR技术的感知程度,并结合产品客观属性和元宇宙技术需求展开对比分析。【结果】 从用户评论中提炼出VR产品的功能、品控、使用感受、营销和视听体验5个感知属性,用户在视听体验和营销两个属性上的感知程度分别为最高和最低;功能、使用感受、视听体验三个属性在元宇宙的沉浸体验、易接入性、互操作性和可扩展性等4个技术需求维度上具有高沉浸度、感官失调、多样连接、时空限制、多人互动、移动障碍、多功能设计、设备问题等8种优劣表现。【局限】 样本的多元性与均衡性有待提升;未对其它类型的元宇宙技术设备进行拓展研究。【结论】 通过感知属性提炼、感知偏好识别和感知程度分析,发现当前VR产品能够满足元宇宙在沉浸体验方面的技术需求,但在易接入性、互操作性和可扩展性方面尚存提升空间;结合产品客观属性,本研究能够为元宇宙相关技术的优化提供参考。
关键词:
[Objective] This paper investigates the gap between users’ perception of VR products and the ideal technical requirements of the metaverse, aiming to support the latter’s optimization. [Methods] First, we retrieved 36 720 user reviews of 64 VR products sold by JD.com. Then, we used the LDA topic model and BERT language model to construct indicators of attention and affection. Third, we quantitatively analyzed the users’ perception of VR products(technology). Finally, we compared these objective attributes of VR products and the technical requirements of the metaverse. [Results] We extracted five perceived attributes (function, quality control, use feeling, marketing and audio-visual experience) from the reviews. The audio-visual experience has the highest attention and affection while marketing is the lowest. The function, use feeling and audio-visual experience have eight progressive or regressive manifestations in the four dimensions of technical requirements in the metaverse (immersion experience, accessibility, interoperability and scalability). The eight manifestations are high immersion, sensory imbalance, multiple connections, time and space constraints, multiplayer interaction, mobile obstacles, multi-functional design and equipment problems. [Limitations] The diversity and balance of samples need to be improved, and more research should be conducted on other types of metaverse equipment. [Conclusions] The existing VR products can meet the technical requirements of the metaverse in immersion experience, but there is still a long way to go to achieve accessibility, interoperability and scalability.
Keywords:
本文引用格式
曹喆, 郭慧兰, 吴江, 胡忠义.
Cao Zhe, Guo Huilan, Wu Jiang, Hu Zhongyi.
1 引言
元宇宙是全新的虚实融合数字社会,是各种数字技术之集大成者[1-2]。其中,接入技术是用户开启元宇宙体验的入口技术,其优劣直接影响元宇宙的应用效果。就当前可实现的技术产品而言,虚拟现实(Virtual Reality,VR)眼镜既能满足虚拟现实技术需求,又能满足人机交互设备需求,并且相较于增强现实(Augmented Reality,AR)与混合现实(Mixed Reality,MR),VR的发展更加成熟,使用通道基本打通,具备一定用户基础,是元宇宙向公众普及与推广的重要突破口。数据显示,2021年,VR眼镜的出货量达千万台,而AR眼镜的出货量仅有数十万台[3],这在一定程度上说明VR眼镜作为一种消费级技术产品,是联结用户共同推进元宇宙发展的可行途径。
自2021元宇宙元年以来,国内外学者围绕元宇宙展开了广泛研究,其内容主要涵盖三方面。
元宇宙生态的建立依赖于先进技术的支持与用户的参与和认同,但迄今为止,元宇宙发展、技术革新、用户反馈三者相辅相成的关系尚未得到充分研究[2,7]。想要与人更近一步,元宇宙需要结合技术产品和用户反馈两方面的信息,通过消费级技术产品打破用户与元宇宙之间的壁垒,根据用户的产品使用反馈挖掘既有技术产品的优缺点,进而通过产品优化反哺元宇宙的健康发展。作为一种用户信息反馈行为,用户评论动态地反映了用户对产品的实际感知,能够体现其对产品属性的认知与偏好。通过分析VR产品的在线评论,使用户的感知信息映射出产品的实际技术实现情况,对于精准识别VR产品的创新优化方案至关重要[12],亦有望推动VR产品不断满足元宇宙技术需求。
本文的研究思路如图1所示,通过文献梳理,提炼元宇宙技术需求,再以VR产品为切入点,运用文本挖掘方法从用户评论中识别用户对技术的感知,而后对标元宇宙技术需求,寻找元宇宙的现实和理想之间的差距,并结合产品客观属性提出优化建议,以促进元宇宙技术实现。本研究聚焦于如何通过用户反馈来优化VR产品以满足元宇宙技术需求这一问题,试图弥补元宇宙视域下技术-用户互动研究的空白,为元宇宙技术实现提供新的研究视角。
图1
2 文献综述与理论基础
2.1 元宇宙的技术需求
元宇宙是信息化发展的新阶段[2],其构建与应用依赖于强大的软硬件技术支持,只有当网络及计算、虚实对象连接、建模与管理等技术达到一定的成熟度时,才能满足元宇宙实现在技术层面的要求,而明确元宇宙技术需求是对现有技术提出优化方案的首要步骤。
Davis等在2009年提出元宇宙5个关键结构[13],即元宇宙本身、人/化身、元宇宙技术能力、行为和结果。此后,尽管有一系列研究聚焦于元宇宙技术开发[14⇓⇓⇓⇓-19],但从实际出发探讨元宇宙技术实现的研究尚少。技术使用、价值创造、结构调整和金融基础是元宇宙数字化转型的4个主要问题[20],而基础设施、设备、内容和平台是元宇宙技术体系的重要构成[21]。Dionisio等针对由当前一系列分立的虚拟社区向元宇宙转化的核心要素展开论述,认为真实性(Realism)、泛在性(Ubiquity)、互操作性(Interoperability)、可拓展性(Scalability)是具备可行性的元宇宙的4大关键特征[22];Zhang提出沉浸感打造(Immersive Engineering of Resources)、互动数字化(Digitization of Interactions)、情景服务化(Servitization of Scenarios)、服务价值化(Valuation of Services)是元宇宙建构的4大方向[23]。同时,VR技术能够带给用户即时、亲密、强交互性的沉浸体验[24-25]。
结合VR的技术特征与用户反馈视角,本研究将元宇宙技术需求划分为以下4个维度:
(1)沉浸体验,即通过VR眼镜等技术设备获得极度逼真、代入感极强的沉浸式体验。虚拟现实通过打造仿真世界,利用机器强化人的感知系统和行为系统[26],将用户带入灵境之中。
(2)易接入性,即提供多个数字设备接口和数据连接方式。手机、耳机或平板电脑等外部移动设备可通过数据线连接VR眼镜等技术设备,实现数据和功能的串联;WiFi、蓝牙等多种连接方式以及内置电池则可避免插电束缚,实现随时随地接入。
(3)互操作性,即联动多个用户单元,实现多人实时交互,将虚拟互动与现实人际关系相结合;同时,应克服耗电等移动障碍,规避技术设备自身的物理局限,为用户移动使用提供更多可能性。
(4)可扩展性,即设备的软硬件配置具备充足的能量和渠道,为产品功能的拓展与延伸提供可持续的技术支持,如VR眼镜的系统可迭代升级、产品性能和功能可优化、外接配置(如手柄、音箱、耳机、屏幕等)可选择等。
2.2 用户对技术的感知
元宇宙技术需求能够为相关技术发展指明方向,用户对技术的感知则是技术产品改进优化的主要依据。相较于单纯采用数据挖掘技术或心理学建模,针对包含相对真实的态度与意见信息的用户评论展开分析是获知用户观点更加行之有效的路径[27]。
在基于用户评论的众多细分领域中,用户对产品的感知挖掘是近年兴起的一大研究方向,例如,通过对图书馆在线评论的分析,能够了解用户对图书馆形象的感知,从而为图书馆建设提出改进建议[36]。类似地,本研究综合运用主题聚类与情感分析方法,通过在线评论获得用户对产品技术的感知,进而将VR产品的属性特征与元宇宙技术需求相连接,以小窥大,从消费级产品出发为元宇宙的技术实现提供参考借鉴。
3 研究数据与研究过程
3.1 研究数据
选取京东商城作为数据源,根据京东的商品分类体系,以“数码→智能设备→VR眼镜”分类下的商品信息及用户评论为研究对象。首先,借助八爪鱼采集器获取综合排序下商品列表中前100页的商品信息,以商品唯一编号为依据进行去重后得到3 901条数据;其次,观察比对类别和价格字段,筛选价格在989元以上的非配件类商品以保证分析对象为具备VR功能体验的产品,同时为确保商品评论的可分析性,筛选评论数量在1 000条及以上的商品,为使品牌之间可比较,筛选商品数量在5件以上的品牌,得到商品共计64件;最后,通过商品详情页链接获取商品介绍和规格与包装信息(统称“客观属性信息”),以及前100页的用户评论数据,对获取的评论数据进行去重处理,并剔除少于10个字符的文本,得到36 720条评论。
对于客观属性信息,需要进行缺失值填补和标准化处理,而后通过描述性统计初步呈现VR产品的客观属性特征,为后续的解释工作奠定基础。本研究所分析的64件VR产品的客观属性信息如表1所示。
表1 VR产品客观属性的各类别数量及占比
Table 1
品牌 | 类别 | 连接方式 | 双眼分辨率 | 视场角(度) | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Pico | 24 | 37.5% | VR头显 | 19 | 29.7% | 蓝牙 | 17 | 26.6% | 4 896×2 448 | 2 | 3.1% | 360 | 1 | 1.6% |
华为(HUAWEI) | 10 | 15.6% | AR眼镜 | 1 | 1.6% | USB | 27 | 42.2% | 4 320×2 160 | 7 | 10.9% | 120 | 4 | 6.3% |
NOLO | 10 | 15.6% | VR一体机 | 44 | 68.8% | USB-C | 23 | 35.9% | 3 840×2 160 | 6 | 9.4% | 110 | 12 | 18.8% |
HTC VIVE | 9 | 14.1% | 功能 | 网线 | 3 | 4.7% | 3 664×1 920 | 20 | 31.3% | 101 | 6 | 9.4% | ||
HTC | 6 | 9.4% | WiFi | 40 | 62.5% | 3 200×1 600 | 4 | 6.3% | 100 | 4 | 6.3% | |||
爱奇艺VR | 5 | 7.8% | 玩游戏 | 16 | 25.0% | 其它 | 21 | 32.8% | 2 880×1 600 | 9 | 14.1% | 98 | 24 | 37.5% |
适用场景 | 看电影 | 4 | 6.3% | — | 2 560×1 440 | 2 | 3.1% | 96 | 2 | 3.1% | ||||
近视可用 | 7 | 10.9% | 1 440×1 600 | 1 | 1.6% | 93 | 4 | 6.3% | ||||||
卧室/客厅/浴室/书房 | 63 | 98.4% | 瞳距调节 | 6 | 9.4% | 其它 | 12 | 18.8% | 90 | 6 | 9.4% | |||
地铁/动车/高铁/飞机 | 1 | 1.6% | 未标识 | 31 | 48.4% | 延迟率 | 未标识 | 1 | 1.6% | 0 | 1 | 1.6% | ||
适用人群 | 电池 | 屏幕材质 | ||||||||||||
小于等于20ms | 50 | 78.1% | ||||||||||||
游戏达人 | 59 | 92.2% | 无电池 | 21 | 32.8% | 小于等于40ms | 5 | 7.8% | OLED | 11 | 17.2% | 无屏幕 | 1 | 1.6% |
追剧达人 | 5 | 7.8% | 内置电池 | 43 | 67.2% | 小于等于60ms | 9 | 14.1% | LCD | 32 | 50.0% | 未标识 | 20 | 31.3% |
3.2 研究过程
本研究的技术路线如图2所示。
图2
获取所需数据后,首先进行数据预处理;然后借助LDA模型对评论文本进行主题聚类,提炼出用户评论所涉及商品的感知属性及其对应的关键词,作为用户的技术感知与元宇宙技术需求之间匹配的依据;运用BERT情感分类模型对评论在各感知属性上的情感进行极性标注,获取用户对各感知属性的偏好,作为判断元宇宙技术需求在VR产品上是否被满足的依据;最后,通过计算关注度和喜爱度,从两个维度分析用户对VR技术的感知程度。由此实现对用户的技术感知的挖掘,对标元宇宙技术需求找到不足,进而为VR产品的技术优化提出建议。
(1) 感知属性提炼
采用经典主题模型潜在狄利克雷分配(Latent Dirichlet Allocation,LDA)模型可实现感知属性提炼[37]。通过观察评论文本特征构建自定义词典和停用词表,经Jieba分词、去停用词等自然语言处理步骤后,计算困惑度得到适宜的主题聚类数量,在此基础上运用LDA模型进行主题识别,得到若干主题聚类及其对应的关键词。根据德尔菲法,选择5名具备相关知识背景的研究人员,针对各主题聚类的命名进行三轮意见征集与反馈,最终达成一致,得到产品的感知属性名称。
(2) 感知偏好识别
图3
BERT模型有字符级别和句子级别两种输出形式,本文采用后者,认为[CLS]向量能够代表整个句子的语义,由此将输入层的评论文本转化为其对应的短文本向量表示。将生成的[CLS]向量输入全连接层,采用Tanh激活函数,将学习到的分布式特征表示映射到样本标注空间。为防止过拟合,在训练过程中加入Dropout层,在更新参数时随机丢弃20%的输入神经元。最后,在情感预测层采用Softmax激活函数映射,将特征向量通过全连接方式输出为情感预测三分类结果(分类规则如表2所示)。模型采用多分类的交叉熵作为损失函数,优化目标是最小化训练样本预测输出值和实际样本值的交叉熵,交叉熵损失函数如公式(1)所示。
其中,
表2 情感分类规则
Table 2
情感倾向 | 含义 |
---|---|
-1 | 负向情感(不满意、消极) |
0 | 中性情感(未显露出情感倾向) |
1 | 正向情感(满意、积极) |
(3)感知程度分析
用户对感知属性的关注度能够反映用户对各属性感知的强烈程度,用户对感知属性的喜爱度则进一步体现出用户在各属性上的情感倾向,对产品优化升级具有重要参考价值。因此,本文综合关注度与喜爱度两个指标深入挖掘用户对VR产品的感知程度。
假设主题聚类得到
基于此,用户对VR产品各个属性的关注度如公式(2)所示。
类似地,基于用户在感知属性上的情感倾向定义喜爱度,即提及属性
4 结果分析
4.1 感知属性的内容分析
经LDA主题聚类得到全部商品及各品牌商品的评论-主题与主题-Top10关键词的映射结果如表3所示。为更加清晰地比较不同品牌下产品评论的主题聚类结果,利用“共同关键词”和“特有关键词”分别表示各品牌在不同聚类下共同包含和各自独有的关键词。可以发现,用户主要感知到产品的5方面属性,即视听体验、功能、使用感受、品控和营销,这些感知属性的具体表现在各品牌之间存在一定异同。
表3 主题聚类结果
Table 3
品牌 | 主题 | 共同关键词 | 特有关键词 |
---|---|---|---|
全部 | 使用感受 | 操作 简单 舒服 | 清晰 上手 做工 舒适 佩戴 眼镜 外观 |
功能 | 游戏 体验 | 手柄 pico 串流 支持 电脑 设备 定位 steam | |
品控 | 客服 体验 | 打卡 游戏 活动 很快 下单 包装 物流 第二天 耐心 | |
视听体验 | 体验 清晰 电影院 | 游戏 电影 好玩 玩游戏 视频 第一次 身临其境 | |
HTC | 功能 | 游戏 体验 | 安装 手柄 定位 操作 简单 定位器 清晰 舒服 |
品控 | 体验 客服 | 包装 很快 质量 htc 好评 值得 价格 公司 | |
HTC VIVE | 品控 | 体验 客服 | 包装 游戏 配件 技术人员 解决 商家 无线 服务态度 |
使用感受 | 操作 舒服 简单 | 安装 技术 清晰 想象 科技 质量 htc | |
华为 | 功能 | 游戏 体验 | 手机 电影 华为 眼镜 视频 连接 3d 资源 |
品控 | 体验 客服 | 华为 包装 价格 物流 值得 支持 很快 下单 | |
使用感受 | 操作 简单 舒服 | 清晰 上手 近视 做工 华为 舒适 科技 | |
爱奇艺VR | 营销 | 游戏 体验 电影 好玩 打卡 活动 | 爱奇艺 奇遇 第一次 会员 |
使用感受 | 操作 简单 舒服 | 手柄 佩戴 上手 舒适 游戏 外观 做工 | |
视听体验 | 体验 电影院 清晰 | 电影 影院 震撼 值得 3d 质量 爱奇艺 | |
NOLO | 视听体验 | 体验 清晰 电影院 | 电影 游戏 眼镜 华为 手机 视频 玩游戏 |
品控 | 体验 客服 | 游戏 性价比 第一次 steam 值得 孩子 手柄 推荐 | |
使用感受 | 操作 简单 舒服 | 清晰 质量 上手 做工 舒适 外观 包装 | |
Pico | 营销 | 游戏 打卡 活动 体验 好玩 电影 | 运动 入手 180 值得 |
功能 | 体验 游戏 | pico 串流 neo3 支持 国产 手柄 视频 电影 | |
品控 | 客服 体验 | 很快 下单 迫不及待 第二天 游戏 包装 物流 耐心 | |
使用感受 | 操作 简单 舒服 | 清晰 上手 游戏 眼镜 手柄 佩戴 舒适 |
(1)视听体验是VR产品带给用户直观的感受,主要表现为画面清晰、音效生动、临场感强等方面,极致的视听体验是元宇宙高沉浸度在人体感官上的直观映射。由表3可知,爱奇艺VR和NOLO两个品牌的用户对视听体验有所感知,前者依托于其影视资源,能够提供丰富的VR电影体验;后者与华为联合开发配套产品,具备坚实的技术支持,有助于品牌口碑建立与产品推广。
(2)功能是从技术视角对VR产品的进一步认识,包括硬件设备的支持性、组件性能的优劣、资源的丰富性等方面,完善的功能体系是构成产品竞争力的核心要素,也是元宇宙技术实现的前提和基础。评论中包含功能这一主题的商品集中在HTC、华为和Pico三个品牌下,HTC旗下的VR产品在定位精准性方面的表现相对受到用户关注;华为的产品评论多聚焦设备连接和近视可用方面;Pico产品的串流体验则被用户更广泛地感知。实际上,伴随着VR产品用户规模的不断扩大,华为和Pico均推出了具有近视可用功能的产品,这既体现出VR产品功能的日益丰富,也反映出品牌的人性化设计理念。
(3)使用感受主要指用户对于产品外形的美观性、操作的简便性、体验的舒适度等方面的评价,是用户在体验VR产品之后给予的生动反馈,能够为元宇宙的技术普及与应用提供重要参考。从除HTC以外的5个品牌的产品评论中,均可识别出这一主题,可以发现,操作简单和佩戴舒适是出现频率较高的关键词,特别地,HTC VIVE和华为的评论还体现出用户对产品科技感的感知。从关键词中不难看出,用户对VR产品的使用反馈整体较为积极。
(4)本文将品控定义为商家或平台对产品质量的控制,包括产品包装的完整性、物流客服的高效性和售后服务的完备性等方面。除爱奇艺VR以外,其他品牌VR产品的品控特征均受到较多用户的关注,特别地,NOLO的性价比在各品牌之中表现突出。全部评论和包含“性价比”一词的评论中各品牌的占比情况如图4所示,其中NOLO的占比分别为20%和29%,可见其在该属性上的特征更值得注意。事实上,本数据集所包含的64件商品均价约为4 285元,而NOLO的产品均价仅为2 729元,该品牌在价格上的优势在评论中也有所体现。相比之下,HTC和HTC VIVE的产品价格较高,均价皆高于8 000元,这也是相关评论数量较少(HTC VIVE没有包含“性价比”的评论)的可能原因。
图4
(5)营销是商家通过设计一系列产品推广策略以吸引用户关注、提升用户黏性,进而获取长期盈利的一种手段。相较于其他品牌,爱奇艺VR和Pico在营销方面更胜一筹,如180天的打卡活动提升了用户参与感,会员权限、内容资源的赠送增加了用户体验虚拟现实世界的机会,多种多样的营销手段有助于品牌争取更广阔的市场空间。
4.2 感知属性的情感分析
采用基于BERT的情感分类模型进一步展开情感分析。通过分层抽样方法得到包含3 000条评论的子数据集,对其在上述5个感知属性上分别标注情感极性。例如,对于评论文本“目前做活动价格给力,用了几天,空间感很好,画质清晰,体验很不错,运行速度也很快,眼镜的外形超酷,颜值杠杠的”,在功能、使用感受、营销、视听体验4个属性上标注为+1,在品控方面未表露出情感倾向,则标注为0。由于用户评论存在显著的中性、正向情感多于负向情感的现象,在选取样本时需要进行比例把控,在各属性上将三类评论(正向、中性、负向)的比例控制在约2∶1∶3,以避免训练时出现样本不均衡导致的欠拟合或过拟合问题。将标注后的评论数据按照2∶1的比例随机分为训练集和验证集,得到产品评论在5个属性上的情感值,模型的准确率、召回率与F1值如表4所示。
表4 5个感知属性的实验结果
Table 4
属性 | 准确率 | 召回率 | F1值 |
---|---|---|---|
功能 | 0.806 | 0.772 | 0.780 |
品控 | 0.884 | 0.869 | 0.871 |
使用感受 | 0.815 | 0.805 | 0.788 |
营销 | 0.832 | 0.851 | 0.820 |
视听体验 | 0.827 | 0.789 | 0.783 |
全部用户评论的情感分布如表5所示,正向评论数显著高于中性评论和负向评论,说明用户对技术的感知具有明显的情感倾向。其中,用户对营销属性的感知较为特殊,感知程度较弱且情感强度相对低,具体体现为包含该属性的评论数量少且中性评论占比相对高。
表5 5个感知属性的正中负情感用户评论数
Table 5
属性 | 正向评论数 | 中性评论数 | 负向评论数 | 评论数 占比(%) |
---|---|---|---|---|
功能 | 12 400 | 664 | 2 078 | 41.3 |
品控 | 14 594 | 410 | 859 | 43.2 |
使用感受 | 15 387 | 874 | 1 106 | 47.3 |
营销 | 2 056 | 2 632 | 90 | 13.1 |
视听体验 | 19 014 | 322 | 697 | 54.6 |
(注:一条评论可能包含多个属性,故占比之和高于100%。)
4.3 感知属性的程度分析
用户对产品技术的感知程度可以反映到关注度和喜爱度两个指标上,计算得到5个感知属性的关注度和喜爱度指标水平如图5所示。视听体验是用户关注最多并且认可度最高的属性,在20 033条提及该属性的文本中,有19 014条文本(约94.9%)显露出正向情感;营销则是用户关注较少并且情感强度较弱的属性,评论数量极少(4 778条,约13.1%),其中,正向评论和负向评论分别仅占43%和1.9%;相较而言,当前VR产品的功能表现不尽如人意,尽管关注度达到41.2%,但喜爱度仅有28.1%,说明用户对产品的功能属性需求尚未被充分满足,这或将是未来产品优化的着力点之一。
图5
图5
用户对VR产品在5个感知属性上的关注度与喜爱度
Fig.5
Attention and Affection of VR Products on Five Perceived Attributes
各品牌在5个感知属性上的关注度与喜爱度如图6所示,喜爱度和关注度整体呈正相关关系。爱奇艺VR在所有品牌中的指标表现突出,尤其是视听体验这一属性的关注度和喜爱度分别高达73.4%和71.9%,依托于爱奇艺丰富的影视资源打造影院般的临场感,其VR产品能够为用户带来极度沉浸的感官体验。HTC VIVE在品控和营销两个属性上表现尚好,具体表现为关注度和喜爱度均为6个品牌之首,但在其他三个属性上的指标水平均为最低。
图6
图6
6个品牌的VR产品在5个感知属性上的关注度与喜爱度
Fig.6
Attention and Affection of VR Products on Five Perceived Attributes Among Six Brands
由于品控和营销侧重于产品的后期销售,例如物流、售后、平台与商家的打卡返现促销活动等,与产品客观属性相关度不高,对产品优化或技术提升无实际参考价值,因此在后续讨论中,将着重关注VR产品的功能、使用感受与视听体验三大属性的用户感知特征。进一步对6个品牌的产品在三个感知属性上的评论内容展开细粒度分析,通过词频统计比较用户对产品技术感知细节的异同(详见支撑数据)。由于HTC VIVE品牌下可分析的评论数量过少,缺乏代表性,故不作分析。
功能是三个属性中各品牌用户感知程度均较弱的属性,具体表现为关注度不高并且喜爱度较低。当前VR产品大多应用于游戏领域,这与产品客观属性中92.2%的适用人群为“游戏达人”相符,结合98.4%的适用场景为“卧室/客厅/浴室/书房”的情况来看,可知产品应用的多样性尚存显著提升空间。具体到各个品牌,Pico的串流技术深受用户关注,体现出其对游戏体验的重视;华为及其合作品牌NOLO的近视可用功能则为近视人群带来优良的VR体验,反映出其对具有特殊需求用户的体贴化设计;HTC的定位精准性得到用户相对强烈的反馈,但评论褒贬不一;爱奇艺VR则以独特的内容资源优势赢得用户青睐。
在使用感受方面,各品牌的关注度和喜爱度均较高,正向情感大多来源于操作简单、做工精致、体验舒适等因素。同时,也存在少数负面评论对漏光、头盔重、电池盖难拆卸、连接麻烦等提出了意见和建议,尽管评论在一定程度上受到用户个人素质的影响,但此类反馈也有助于产品质量的提升。事实上,交互设计和做工外形是技术产品开发过程中相对容易的环节,较少存在过高的技术壁垒,而更需要以用户为中心的理念,研究结果显示,当前的VR产品在这方面表现尚佳,值得肯定,但对比更为硬核的功能属性指标表现,也凸显出从技术角度攻关以进一步优化用户体验的必要性。
视听体验则是除HTC外各品牌关注度和喜爱度均最高的属性,诸多用户表达了对画质清晰、沉浸感强等方面的肯定。对于用户来讲,VR产品带来的感官刺激往往最直接和不同寻常,虚拟与现实交错引发的视听转变能够较为容易地引发用户好感,因此,开发者可能倾向于优化这一技术细节以激励用户使用VR产品,这也为用户适应元宇宙环境奠定了良好的基础。但同时,应当注意有用户对画面模糊、颗粒感强等问题表示不满,尤其是在HTC品牌下的用户评论中,尽管该品牌以高品质著称,但高价格和高产品定位与用户对其的期待并不相符,这从侧面体现出降低技术开发成本和消费门槛的必要性。
5 讨论
5.1 元宇宙技术需求与优劣表现
用户能够感知到产品的技术存在的优缺点,投射到用户评论上表现为正向与负向情感。由表5可知,正向评论数高于负向评论数,说明用户对产品优势之处的感知更为敏感,能够对其予以积极响应;负向评论的存在,以及关注度与喜爱度之间的差异,也在一定程度上反映出用户实际感知与其期望的差距,这有助于发现产品的劣势之处以制定改进方案。由此,本研究将用户感知特征投射到VR产品上的具体表现称为感知属性的优劣性,一个感知属性可以兼具优势和劣势两种表现。其中,激发用户正向情感、提升产品关注度和喜爱度的表现称为属性的优势,引发用户负向情感、降低喜爱度与关注度的表现称为属性的劣势。
将沉浸体验、易接入性、互操作性与可扩展性4大需求维度联接到VR产品的功能、使用感受和视听体验三大属性。基于主题聚类得到的主题及其对应的关键词,将各感知属性匹配到不同维度上;根据情感分类得到的情感倾向,判断感知属性在不同维度上的优劣表现;由此得到三个感知属性在4个技术需求维度上的8种优劣表现,如图7所示。元宇宙技术需求是从整体的角度对产品技术提出的要求和指导,4个需求维度与三个感知属性并非一一对应。以功能属性为例,包括屏幕材质、双眼分辨率、手柄、USB、蓝牙、WiFi、电池等多个技术参数,该属性可以对应多个维度的需求,不同技术参数在不同维度上也会表现出不同的优劣性,例如,高分辨率在沉浸体验维度上表现为高沉浸度的优势,而无内置电池所带来的插线必要性在易接入性维度上表现为时空限制的劣势。
图7
图7
元宇宙技术需求及感知属性的优劣表现
Fig.7
Technical Requirements of Metaverse and Progressive and Regressive Performance of Perceived Attributes
5.2 元宇宙理想与现实的差距
用户对产品技术的感知是技术实现的直接反映,明晰产品技术实现与元宇宙技术需求的差距,进而结合产品客观属性分析原因,有助于为优化VR产品以加速元宇宙构建提供有益参考。
从沉浸体验来看,高沉浸度是虚实共生的基础,相关技术缺乏所导致的感官失调会使用户将元宇宙世界拒之门外。研究结果显示,当前大部分品牌的VR产品均能够为用户提供良好的视听体验,诸如“非常赞,身临其境的感觉,很震撼”等评论充分反映出已有产品在画质、音效等方面出色的表现。实际上,目前市面上超半数VR产品的分辨率已达到3664×1920像素及以上,近八成产品的延迟率小于等于20ms,约1/4产品的视场角超过110度,接近通常情况下人眼视角的124度,技术参数不断提升正带来更高沉浸度的VR体验。诚然,已有产品中尚存的纱窗效应、边缘模糊等问题有待进一步解决,也有用户提出对8K分辨率的期望,可见距离为用户提供极度沉浸的元宇宙体验仍有很大提升空间。值得注意的是,HTC和HTC VIVE两个品牌在视听体验方面的指标表现较差,但实际上,其产品的推介标语是“超越经典,全面沉浸”,并且有像素为4 896×2 448的高分辨率VR头显产出,可能的解释为该产品所提供的视听体验未达到用户对高价商品的预期,因而形成一定的落差,致使用户的负面情感较多。
从易接入性来看,多样连接能够方便用户随时随地接入,而相关技术不成熟则会使进入元宇宙场景受到时空限制。用户对这一维度的感知较弱,仅有部分评论体现出连接设备的操作简便性以及连接方式的多样性。在现阶段,VR产品的连接方式包括蓝牙、WiFi、USB、网线等,均为用户日常使用电子设备所常用的接口,因而并不会较大地影响用户体验。同时,仍有少数负面评论出现,例如“挂着一个线转几圈就好像脐带缠脖一样”、“有时连接时断时续”等反映出用户对于附属物精简与连接流畅性的需求,这不仅对VR产品自身的设计给予了一定启示,也为配套技术与基础设施的同步优化提出了新的要求。若欲构建虚拟空间与实体空间交织的新型栖居环境,无时无刻在虚实中穿梭将是亟需克服的关键技术挑战。
从互操作性来看,多人互动将极大地扩展元宇宙应用场景,而使用VR产品过程中的移动障碍需要极力克服。尽管现有产品已支持部分联机游戏并能带给用户良好体验,诸如“跟朋友联机玩游戏太开心了”等评论将多人实时互动的愉悦感体现得淋漓尽致,但空间场地的不足以及电池耗电过快等局限性为互操作性的真正实现造成了一定阻碍。由于VR体验需要施展一定幅度的动作,极有可能在公共场合造成不便,即便在私域空间,也存在体验过程中破坏身边物品的风险,因而目前绝大多数VR产品仍局限于室内场景;从能源支持的角度来看,超过2/3的产品为内置电池,这为用户自由移动提供了可能,但电池耗电过快致使VR体验不可持续,也是引发用户负面情绪的重要原因之一,欲真正实现互操作性仍需进一步探索。
从可扩展性来看,多功能设计是元宇宙多场景多领域应用的前提,设备尚存的种种问题则抑制了可扩展性的实现。事实上,用户对于技术的感知存在一定局限性,滞后于技术的实际发展,评论中所反映的内容仅是基于产品已有属性形成的观点和态度,难以对潜在的技术需求予以启发。尽管如此,用户在体验操作时依然能够发现产品在实际应用中存在的短板,例如,有用户对“不支持mkv格式”“对格式支持的少”等问题表达出不满,未来的VR产品只有适应多格式、跨平台、设备之间的自由转换,方能在更广泛的意义上实现可扩展,从而使元宇宙真正渗透到人们生产生活的方方面面。
5.3 从VR产品看元宇宙技术实现
综上,针对VR产品技术优化及元宇宙的技术实现可提出如下参考建议:
(1)提升系统流畅度,增强产品视听技术模块。VR眼镜作为感官延伸类型的产品,优质的视听体验是用户对产品最基本的期待,评论中所反映出的卡顿、头晕、纱窗效应等问题不容忽视,应坚持优化服务系统,增强网络稳定性,提高屏幕清晰度和双眼分辨率,用技术增强感官,提升沉浸体验。
(2)减少配件连接的束缚,提升产品兼容性,提供多类型的接口,方便随时随地接入。针对用户反馈的手机型号不适用、电脑配置不兼容、Steam串联出错、有线缠绕等连接性问题,应作及时调整,元宇宙技术要求易接入性即是为摆脱人群与时空的限制,适应更多元化的发展要求。
(3)建设VR社区服务,增强用户间的互动性;完善内容生态,促进游戏、音视频等资源的开放与共享。根据用户反馈的产品内载资源少、可玩性低的问题,品牌方应积极探索互动游戏、多人影院等促进用户沟通交流的新形式,同时做好内容服务,形成完善的产品生态。
(4)改变强制性或固定不变的服务方式,尝试运行系统可优化、外接设备可转换、内载配置可升级等多功能的扩展性服务。伴随用户规模扩大及其技术感知能力的提升,产品迭代升级成为VR产品开发过程中的重要环节,产品型号适配与功能版本可延展是满足元宇宙可扩展性技术需求的具体体现。
(5)降低技术开发成本,提供高性价比的产品与服务。消费级VR产品应坚持普适性、广泛性的产品定位,不能盲目追求产品设计高级或技术细节尖端,过高的技术投入会抬高产品生产成本和销售价格,进而提高用户对产品的期待,若最终导致用户理想预期与实际感受不符,新技术的普及应用将受到极大阻碍。
实际上,VR产品作为元宇宙初级阶段的核心技术载体之一,尽管为用户打开了虚实相融的世界之门,但远不足以支持全部的元宇宙技术体系。一方面,作为接入技术的一种形式,在轻量化和续航等方面有AR作为补充,脑机接口技术则是有机生命形式的脑或神经系统与具有处理或计算能力的设备之间直接进行信息交换的连接通路,各种接入方式应当相辅相成;另一方面,元宇宙的技术实现依赖于现实世界、接入访问终端、基础支撑平台和虚拟世界的融会贯通,需要政策、技术、社会等多个层面的协同,从而形成健康有序的元宇宙生态。
6 结语
本研究从元宇宙技术需求出发,以VR产品为突破口,借助LDA主题模型和基于BERT的情感分类模型,从用户评论中挖掘用户的技术感知现状,并与元宇宙技术需求对比,结合产品客观属性提出改进方案,以更好地支撑元宇宙发展。本研究经文献调研总结出沉浸体验、易接入性、互操作性和可扩展性4个元宇宙技术需求维度,通过主题聚类提炼出功能、品控、使用感受、营销和视听体验5个感知属性,通过情感极性标注得到用户评论在各感知属性上的情感倾向,基于此计算关注度与喜爱度,并在不同品牌和属性之间展开比较分析,着重分析功能、使用感受以及视听体验三个属性在4个维度上的具体表现,从而总结出当前VR产品在技术实现方面的优势与劣势,并提出优化建议。
本研究存在一定的局限性。其一,样本的多元性与均衡性不足致使情感分类准确度尚存提升空间,然而,用户评论本具有一定的情感倾向,例如VR产品在营销方面的欠缺可能是当前行业普遍存在的问题,未来可通过扩展样本量在一定程度上予以弥补。其二,VR产品仅是元宇宙的接口之一,AR、脑机接口等尚未步入消费级行列的技术有待进一步研究。如何在更丰富的样本基础上针对更多元的元宇宙技术产品展开分析,揭示相关技术实现对元宇宙技术需求的满足程度,从而为元宇宙发展提供更坚实的技术支撑,是未来从技术-用户互动视角研究元宇宙技术实现的新方向。
作者贡献声明
曹喆:设计研究方案,采集、清洗和分析数据,论文撰写与修订;
郭慧兰:采集、清洗和分析数据,论文撰写;
吴江:提出研究思路,设计研究方案,论文修订;
胡忠义:设计研究方案,论文修订。
利益冲突声明
所有作者声明不存在利益冲突关系。
支撑数据
支撑数据由作者自存储,E-mail: caozhe@whu.edu.cn。
[1] 曹喆. VR_comments.csv. VR产品评论集合.
[2] 曹喆. Comments_analysis.zip. 模型程序.
参考文献
元宇宙视域下的用户信息行为:框架与展望
[J].
Users’ Information Behavior from the Perspective of Metaverse: Framework and Prospect
[J].
元宇宙技术综述
[J].
A Survey of Metaverse Technology
[J].
中国元宇宙白皮书
[R].
China Metaverse White Paper
[R].
Augmented Duality: Overlapping a Metaverse with the Real World
[C]//
技术和文明的变迁——元宇宙的概念研究
[J].
Conceptualizing Metaverse: A Perspective from Technology and Civilization
[J].
元宇宙的秩序:一个不完全契约理论的视角
[J].
The Order of the Metaverse: A Perspective of Incomplete Contract Theory
[J].
国外元宇宙领域研究现状、热点及启示
[J].
Research Status, Hot Spots and Enlightenment in the Field of Metaverse Abroad
[J].
从虚拟现实到元宇宙:在线教育的新方向
[J].
From Virtual Reality to Metaverse: A New Direction of Online Education
[J].
游戏、元宇宙:交互界面的媒介谱系
[J].
Game, Metaverse: Media Spectrum of Interactive Interfaces
[J].
关于当前我国元宇宙发展及在商业银行的应用战略研究
[J].
On the Current Development of China’s Meta-Universe and Research on Its Application Strategy in Commercial Banks
[J].
元宇宙的政治社会风险及其防治
[J].
The Political and Social Risk of Metaverse and Its Prevention
[J].
基于在线评论考虑潜在用户需求的产品创新方案识别研究
[J].
Research on Product Innovation Scheme Identification Considering Potential User Needs Based on Online Comments
[J].
Avatars, People, and Virtual Worlds: Foundations for Research in Metaverses
[J].DOI:10.17705/1jais.00183 URL [本文引用: 1]
Evaluation of Metaverse Server in a Widely-Distributed Environment
[C]//
Foundational Principles & Technologies for the Metaverse
[C]//
Critical Questions for Facebook’s Virtual Reality: Data, Power and the Metaverse
[J].
Searching for the Metaverse
[C]//
Location-Based Service Use: A Metaverse Investigation
[J].DOI:10.1080/17489721003742827 URL [本文引用: 1]
A Scalable Server for 3D Metaverses
[C]//
Digital Transformation, Business Model and Metaverse
[J].
A Study on the Components of the Metaverse Ecosystem
[J].
3D Virtual Worlds and the Metaverse
[J].
MRA: Metaverse Reference Architecture
[C]//
From Video Streaming to Virtual Reality Worlds: An Academic, Reflective, and Creative Study on Live Theatre and Performance in the Metaverse
[J].DOI:10.1080/14794713.2021.2024398 URL [本文引用: 1]
Virtual Reality Consumer Experience Escapes: Preparing for the Metaverse
[J].DOI:10.1007/s10055-022-00641-7 URL [本文引用: 1]
虚拟现实与沉浸式传播的形成
[J].
Virtual Reality and the Formation of Immersive Communication
[J].
Analysis of User Comments: An Approach for Software Requirements Evolution
[C]//
基于在线评论的用户需求挖掘模型研究
[J].
Research on User Needs Mining Model Based on Online Reviews
[J].
基于在线评论的产品需求偏好判别与客户细分——以智能手机为例
[J/OL].
Online Reviews for Product Demand Preference Discrimination and Customer Segmentation: A Case Study of the Smart Phone Data
[J/OL].
Sentiment Classification Using Machine Learning Techniques
[C]//
Recognizing Contextual Polarity: An Exploration of Features for Phrase-Level Sentiment Analysis
[J].DOI:10.1162/coli.08-012-R1-06-90 URL [本文引用: 1]
Sentence Subjectivity Analysis in Social Domains
[C]//
基于在线评论数据的产品需求趋势挖掘
[J].
Trend Mining of Product Requirements from Online Reviews
[J].
面向在线评论的用户需求分析框架与实证研究——基于KANO模型
[J].
Analytical Framework and Empirical Study of User Needs for Online Reviews Based on KANO Model
[J].
在线社区用户画像及自我呈现主题挖掘——以网易云音乐社区为例
[J].
Mining Online User Profiles and Self-Presentations: Case Study of NetEase Music Community
[J].
基于扎根理论的图书馆形象用户感知研究——来自大众点评网用户评论
[J].
Research on User Perception of Library Image Based on Grounded Theory—A Case Study of User Comments from Dianping.com
[J].
Latent Dirichlet Allocation
[J].
BERT: Pre-Training of Deep Bidirectional Transformers for Language Understanding
[OL]. arXiv Preprint, arXiv: 1810.04805.
自然语言处理预训练模型的研究综述
[J].
DOI:10.3778/j.issn.1002-8331.2006-0040
[本文引用: 1]
<p>In recent years, deep learning technology has been advancing, pre-training technology for deep learning brings natural language processing into a new era. Pre-training model aims to how to make pre-trained model stay in good initial state and achieve better performances in subsequent downstream tasks. This paper firstly introduces pre-training technology and its development history. And then, this paper further classifies it into the following two types, namely probability-statistics-based traditional model and deep-learning-based new model, according to different features of pre-training models to conduct corresponding detailed introductions. Firstly, it briefly analyzes the characteristics and limitations of today’s pre-training models and highlights the existing deep-learning-based pre-training models. And based on their performances in downstream tasks, it gives necessary comparisons and assessments accordingly. Finally, it combs out a series of whole-new pre-training models with instructive significances,briefly describes corresponding feasible improvement mechanisms and the performance enhancements achieved in downstream tasks, summarizes the problems existing therein, as well as prospectes its development trend in near future.</p>
Review of Pre-Training Models for Natural Language Processing
[J].
DOI:10.3778/j.issn.1002-8331.2006-0040
[本文引用: 1]
<p>In recent years, deep learning technology has been advancing, pre-training technology for deep learning brings natural language processing into a new era. Pre-training model aims to how to make pre-trained model stay in good initial state and achieve better performances in subsequent downstream tasks. This paper firstly introduces pre-training technology and its development history. And then, this paper further classifies it into the following two types, namely probability-statistics-based traditional model and deep-learning-based new model, according to different features of pre-training models to conduct corresponding detailed introductions. Firstly, it briefly analyzes the characteristics and limitations of today’s pre-training models and highlights the existing deep-learning-based pre-training models. And based on their performances in downstream tasks, it gives necessary comparisons and assessments accordingly. Finally, it combs out a series of whole-new pre-training models with instructive significances,briefly describes corresponding feasible improvement mechanisms and the performance enhancements achieved in downstream tasks, summarizes the problems existing therein, as well as prospectes its development trend in near future.</p>
/
〈 |
|
〉 |
