[논문 리뷰] Form + Function: Optimizing Aesthetic Product Design via Adaptive, Geometrized Preference Elicitation

Namwoo Kang, Yi Ren외 2명|arXiv (Cornell University)|2019. 12. 10.

Color perception and design참고 문헌 68인용 수 12

한 줄 요약

이 논문은 실시간 3D 렌더링된 제품 구성과 기계학습을 통합하여 미적 제품 디자인을 최적화하는 새로운 적응형 기하학 기반 공조 방법을 제안한다. 시각적 형태와 가격과 같은 기능적 특성 간의 상호교환 관계를 파악하기 위해 이중 수준의 쿼리 작업을 사용함으로써, 기존의 공조 분석으로는 불가능한 개인 및 집단 수준의 최적 디자인을 제공하는 데 성공했으며, 예측 정확도가 향상되었다.

ABSTRACT

Visual design is critical to product success, and the subject of intensive marketing research effort. Yet visual elements, due to their holistic and interactive nature, do not lend themselves well to optimization using extant decompositional methods for preference elicitation. Here we present a systematic methodology to incorporate interactive, 3D-rendered product configurations into a conjoint-like framework. The method relies on rapid, scalable machine learning algorithms to adaptively update product designs along with standard information-oriented product attributes. At its heart is a parametric account of a product's geometry, along with a novel, adaptive "bi-level" query task that can estimate individuals' visual design form preferences and their trade-offs against such traditional elements as price and product features. We illustrate the method's performance through extensive simulations and robustness checks, a formal proof of the bi-level query methodology's domain of superiority, and a field test for the design of a mid-priced sedan, using real-time 3D rendering for an online panel. Results indicate not only substantially enhanced predictive accuracy, but two quantities beyond the reach of standard conjoint methods: trade-offs between form and function overall, and willingness-to-pay for specific design elements. Moreover -- and most critically for applications -- the method provides "optimal" visual designs for both individuals and model-derived or analyst-supplied consumer groupings, as well as their sensitivities to form and functional elements.

연구 동기 및 목표

• 표준 분해 기반 선호도 유도 기법으로는 모델링하기 어려운 통합적이고 상호작용적인 시각적 제품 디자인 최적화 문제를 해결하기 위해.
• 3D 제품 구성에 대해 체계적인 프레임워크를 개발하여, 매개변수 기반 기하 모델링과 적응형 공조 유사 선호도 유도를 통합하기 위해.
• 가격과 성능과 같은 기능적 특성과의 개인 및 집단 수준의 상호교환 관계를 추정하여 데이터 기반 디자인 최적화를 가능하게 하기 위해.
• 개인 및 소비자 집단 수준에서 실행 가능한 최적의 시각적 디자인을 제공하고, 형태 및 기능적 요소에 대한 민감도 분석을 수행하기 위해.
• 시뮬레이션, 공식적 증명 및 중급 가격대 승용차 디자인에 대한 실세계 현장 테스트를 통해 이 방법의 확장성과 견고성을 입증하기 위해.

제안 방법

• 이 방법은 실시간으로 상호작용 가능한 3D 렌더링된 제품 구성 생성을 위해 제품 기하학의 매개변수 표현을 사용한다.
• 소비자가 두 개의 3D 렌더링된 디자인 중에서 선택한 후, 가격과 기능과 같은 기능적 특성과의 상호교환 관계를 평가하는 새로운 이중 수준의 적응형 쿼리 작업을 사용하여 선호도를 유도한다.
• 기계학습 알고리즘이 응답에 기반해 설계 공간과 특성 값을 적응적으로 업데이트함으로써 개인 선호도에 효율적으로 수렴하도록 보장한다.
• 표준 공조 분석 구성 요소(예: 유틸리티 추정)를 기하학적 제품 표현과 통합하여 통합적인 시각적 형태 선호도를 모델링한다.
• 실시간 웹 기반 인터페이스를 통해 온라인 패널과의 배포가 가능하며, 표준 프rotocols를 사용해 확장 가능한 데이터 수집이 가능하다.
• 이 방법은 시각적 디자인과 기능적 특성 간의 상호교환 관계에 대한 사후 분석을 지원하며, 특정 디자인 요소에 대한 지불의사 금액도 추정할 수 있다.

실험 결과

연구 질문

• RQ1 통합적이고 상호작용적인 시각적 제품 형태는 어떤 식으로 선호도 유도 기법을 통해 효과적으로 모델링하고 최적화할 수 있는가?
• RQ2 기존 방법에 비해 적응형 기하학 인식 쿼리가 시각적 디자인 선호도 모델링의 예측 정확도를 얼마나 향상시킬 수 있는가?
• RQ3 이 방법은 가격과 성능과 같은 기능적 특성과의 개인 및 집단 수준의 상호교환 관계를 신뢰성 있게 추정할 수 있는가?
• RQ4 제안된 이중 수준 쿼리 방법론은 다른 선호도 유도 프레임워크에 비해 어떤 영역에서 우월한가?
• RQ5 이 방법은 미적 선호도와 기능적 제약 조건을 모두 반영한 최적의 개인 맞춤형 시각적 디자인을 생성할 수 있는가?

주요 결과

• 기존의 표준 공조 방법에 비해 자동차 디자인에 대한 소비자 선호도 추정에서 상당한 예측 정확도 향상을 달성했다.
• 기존 공조 분석에서 부재했던 특정 시각적 디자인 요소에 대한 지불의사 금액 추정이 가능해졌다.
• 이 방법은 형태와 기능 간의 총합 상호교환 관계를 성공적으로 정량화하여, 소비자가 미적 요소와 성능을 어떻게 균형 잡는지에 대한 통찰을 제공했다.
• 개인뿐 아니라 분석자가 정의한 소비자 그룹에 대해서도 최적의 시각적 디자인을 생성했으며, 형태 및 기능적 요소에 대한 민감도 분석을 수행했다.
• 이중 수준 쿼리 방법론의 우월성 영역을 공식적으로 증명함으로써 이론적 견고성을 확인했다.
• 실시간 3D 렌더링을 활용한 온라인 패널에서의 현장 테스트를 통해 이 방법의 실현 가능성과 확장성을 실세계 제품 디자인 맥락에서 입증했다.