![]()
量化与质性共同激励下的研究契机：采访服务设计与体验设计研究学者杨焕服务设计与体验设计研究领域，一般是针对用户和各利益相关者展开研究，归根到底还是针对人的研究，这也符合设计研究的本质。服务设计与体验设计都强调情境分析，即在用户的实际环境（服务触点、体验场景）中观察和了解他们的行为和需求，以获取更真实和深入的理解。这个洞察过程涉及对定量和定性分析方法的使用，不仅仅包含问卷、访谈和观察，还可以借助一些智能设备去采集人的行为数据以进行综合分析。此外，服务设计领域更加强调协同共创的形式，与各利益相关者围绕设计问题开展对话与研讨，以求快速生成并迭代设计解决方案。服务设计在欧洲尤其是北欧更加关注在公共服务与政策设计上的应用，所以会更加重视利用灵活且动态的服务设计方法（桌面走查等）来实现各利益相关方的服务原型共创。量化研究在服务设计与体验设计的作用越来越重要。一些国内外知名互联网企业早在十几年前就开始关注通过数据来驱动体验设计。例如2010 年谷歌提出的Heart 模型就是一种衡量用户体验的模型与指标。该模型也影响了后续阿里等其他国内互联网企业制定的体验度量指标。设计学领域的量化研究方法的变化与更新会直接受益于科技的发展。从可采集的数据源而言，未来的设计分析会涉及来自不同技术媒介的多模态数据，例如生物传感器与情感识别技术等手段，可以收集和分析用户的生理指标和情感反馈，从而更好地理解用户的情感需求。随着可穿戴技术和智能环境的普及与发展，设计师可以更好地收集用户的日常行为与生活数据，并将其应用于设计过程中，以创造更加个性化和与用户生活密切相关的设计解决方案。另外，从数据分析的能力视角，人工智能和机器学习技术会极大提升设计研究人员数据分析的能力，帮助其实时且自动化处理大规模的数据，通过嵌入各类AI 技术的产品与服务系统亦能够更好地理解用户需求和行为模式，从而提供个性化、智能化的设计解决方案。服务设计与体验设计研究，不能忽视量化研究与质性研究的辅助应用。量化研究通过收集、分析和解释数值化的数据来研究现象、关系和趋势，是从统计学的角度分析用户行为的规律和异常，从中发现有价值的信息。质性研究侧重于描述、解释和理解现象背后的本质和意义，有助于我们理解用户行为背后的原因，研究经常会采取访谈或交谈的形式。在收集信息时，研究人员采用定量和定性相结合的方法，可以对正在进行的用户研究工作提供更有见地的观点，从而帮助设计研究团队在目标受众群体中发现共性，并识别他们的用户画像、行为目标与情景需求。（贾珊）通过对拥有先验知识和经验属性的设计先例开展定量分析来帮助设计团队探索问题的设计解决方案，具有重要启发意义。在此背景下，本文从以定量分析为基础的研究过程和智能化应用两个步骤对银泰百货平面设计配色规则制定展开探讨。分析案例如何确定银泰百货平面设计高频主题场景，依此提取典型设计模版的过程；如何结合客群色彩偏好开展配色研究进行分析，从而探索制定两个高频主题场景的配色规则；又如何加以智能化应用与验证。期望本文对我国百货业平面设计规则的制定有所启发。关键词：定量分析、银泰、百货平面设计、配色规则制定数据既被用作构思的来源，也支持进一步的产品开发。[1] 先验知识和经验数据尤其被视为创造性思维过程中的关键组成部分，旨在创造新事物。[2] 在设计领域中，设计先例作为设计师设计行为的成果，亦是用以指导解决后续设计问题的重要经验参考。[3] 设计师通过构建并学习设计先例库，能够找到不同设计问题中可以重复使用的问题解决元素。[4] 设计师可以使用分析先例得出的设计规则与特征，适用于当前问题，在保证设计质量的前提下实现独创性。[5] 此外，随着人工智能技术的发展，通过形成由人类和辅助AI 代理组成的AI 辅助人类团队，将人类和AI 的互补优势融合起来，是一种具有前瞻性的设计方法。[6] 与AI 合作使人类团队成员能够更多地思考，更少地行动，更加专注于信息处理和广泛探索解决方案空间。[7] 在此背景下，本文以银泰百货设计中台产出的平面设计配色规则为研究对象，从对设计先例（下文称为设计模板）与用户数据定量分析的视角，介绍了该企业内部制定百货业态下平面设计配色规则研究项目的背景、研究过程与智能化应用，以从中获得启示。
银泰百货平面设计规则制定的背景
银泰设计中心成立于2019 年，是银泰内部为支持其百货业态线上线下商业空间和品牌形象等方面提供创新设计解决方案的设计组织。自该组织成立之初起，其每月平均承担银泰集团14000 份制图设计业务，高峰时每月设计制图量可达两万多份。为了应对数量庞大的平面设计任务，银泰设计中心于2020 年构建了银泰天艺设计中台，以输出线上可编辑设计模板的形式向银泰百货小商家提供更便捷的平面设计服务，同时让设计师从日常繁重的重复性且流程式的平面设计工作中解放出来，从事设计模板的创意分析工作。至2023 年底，银泰设计中心设计师的设计效率提升260%，实现大幅降本提效。然而，设计中心通过观察发现，虽然此举解决了快速响应百货小商家平面设计需求的痛点，但在编辑设计应用过程中由于缺乏统一的设计规范，导致设计师仅凭个人经验上传设计方案与模板，使得中台模板设计质量良莠不齐，还存在违规使用字体与图片资源的风险。基于上述问题，银泰设计中心在2023 年3 月启用的第二版天艺设计中台中添加了审核环节，以保证设计模板的质量并规避相应风险。2024 年初，为了进一步降本增效，加强设计资产数字规范化程度，同时为后续的设计资产智能化做准备，银泰设计中心提出制定银泰百货平面设计规则，并首先分析总结其配色规则。
配色规则制定的研究过程
为制定银泰百货平面设计配色规则，并指导人工智能技术学习配色规则生成高质量的设计模板，银泰设计中心需要首先对其百货平面设计主题场景进行分析，从中洞察银泰百货平面设计中所需设计的高频主题场景，为后续配色规则制定提供可靠的数据采集源。因此，设计团队先从其内部业务需求池中采集2023 年一整年完成的设计需求单，通过浏览阅读，发现所采集到的设计需求单多呈现“名词组+动词”的句式结构，例如“双旦手卡设计”；或“纯名词组”句式结构，例如“情人节扭蛋机主KV 及会场”，所以设计需求单中名词性关键词通常体现其核心设计需求。针对该结论，设计团队将所采集到的一整年设计需求单数据导入到微词云线上词频分析工具，并运用擅长分析并挖掘词项重要性的TF-IDF 算法来分析所采集到的设计需求单数据。在分析开始之前，设计师依据设计需求单句式结构特点，从微词云词性筛选界面中勾选与名词、动词相关的，以及体现活动类型的数量词词性选项，以保证所分析的词项能够真实反映设计需求。词频分析完成后，微词云会按照设计需求单中词项出现频次，由高到低得出所选词性的单词列表，共计1353 个单词。由于单词数量庞大，设计团队进一步圈定单词列表中出现频次为12 及以上的单词，共计128 个进行文本语义分析，得出所圈定单词中仍然包含许多与需求主题场景无关的词项，例如“修改”“战区”“月份”等，再将这些词项通过微词云计算参数配置界面将其移除，从而使其排除在分析范围之内。而在文本语义分析过程中，设计团队发现，一些词汇虽然其本身不体现需求主题场景，但其所处的设计需求单表达了不同场景的设计需求，例如“朋友圈”所在的设计需求单就涉及节日节气、周年庆、主题主KV 三个主题场景。因此，需要将这类词汇纳入到主题场景的分析范围。在此基础上，设计团队再将筛选得到的41个单词进行主题场景类型分析。根据银泰百货平面设计需求三大类型：通知公告、宣传推广与营销活动，设计团队对41 个单词所对应的具体场景进行合并，例如，“情人节”“520”“节气”“五一”“三八”等词汇统称为节日节气，“美妆”“品牌”“品类”“女装”“服饰”“春化”等词汇统称为品类活动，最终分析得出12 个平面设计高频主题场景，分别为活动主KV、会场头图、品类活动海报、节日节气、营销传播海报、H5 等推文、PPT 模板、开业海报、战报、倒计时、周年庆、邀请函。其中出现频次最高的两个场景为活动主KV 与品类活动海报。（图1）![]()
在列出12 个高频主题场景后，银泰设计团队提取每个场景下百货小商家高频使用的典型设计模板，并结合活跃客户群体的色彩偏好开展配色分析，从而观察相同场景下典型案例共有的配色规律，形成相应的配色规则。因此，设计团队一方面进行消费者调研，创建代表性的百货消费活跃客群画像，了解客户的审美倾向与色彩偏好；另一方面查看百货小商家在银泰天艺设计中台对设计模板的使用次数，分析百货小商家的模板使用偏好。在消费者调研阶段，银泰设计团队首先运用集团内部问卷定制工具——Uone，制订针对银泰消费者的调查问卷。问题主要从客群概述（年龄、性别、职业、收入水平等）、消费行为（购买动机、购买频次、偏好品类等）、生活方式（娱乐休闲、信息获取渠道、生活习惯等）三个角度进行设计，并于2023 年9 月，在喵街App（银泰官方线上购物平台）以信息通知的形式进行问卷发放，且设定发放时长为一季度。截至2023 年年底，回收完整填写问卷为23593 份。通过在百货商家经营操作后台——MOS 平台查阅问卷填写者的具体信息，设计团队发现，绝大部分问卷填写者是银泰的活跃用户，这为后续典型活跃用户画像的构建提供了准确且丰富的数据支持。此外，设计团队对各年龄段活跃用户数量进行统计，并分析各年龄段活跃消费者中喵街365 会员的占比、性别占比等数据。在此基础上，设计团队对活跃消费者的消费行为、购物习惯、场景（银泰行为特征）消费观念相关的问卷内容进行深入分析，进一步模拟出银泰活跃客群画像的特征，制定出画像信息维度，生成画像。（图2、图3）画像为一名36 岁精致品质妈妈和一名28 岁奋进女性上班族，两位女性偏爱色相包括红色、绿色、黄色、蓝色和粉色，且更青睐饱和度偏低、明度高的颜色。![]()
2—3. 银泰百货活跃消费者画像
与此同时，银泰设计团队通过MOS 平台中的数据管理，导出excel 数据统计表，将百货小商家近两年使用的设计模板按照使用频次从高到低依次排列，并筛选出使用次数超过30 次的设计模板作为百货小商家高频使用的设计模板，共计501 个。然后，设计团队点击excel 表格中的“screenshot”链接，能够直接查看银泰天艺设计中台中的设计模板图片，将其提取到sketch 画板中。同时，对501 个设计模板进行筛选，除去与活跃客群色彩偏好不相符的模板，并按照先前分好的12 个场景进行归类。（图4）![]()
4. 银泰百货平面设计高频模板场景分类图
在此基础上，银泰设计团队根据设计模版使用次数，选择排名最高的两个场景——活动主KV[8]与品类活动海报[9] 的设计模版进行色彩提取尝试。然而，由于每个设计模板中的颜色成分复杂，设计师无法直接通过肉眼观察分辨。因此，设计团队将两个场景下的设计模板图片导入到eagle 图片管理器，以查看并分析每张图片的色彩比例。在分析图片色彩的过程中，设计师发现eagle 图片管理器会自动解析图片所包含的全部色彩信息，其中一部分占比较大的色彩属于设计模板中主体元素，该元素可依据品宣需求进行编辑与替换，不具有普适性。因此，应排除提取主体元素的颜色。而设计模板中的背景色占比较大且可以复用，所以设计团队聚焦在查看、分析并提取每张图片背景色所包含的各种色彩。基于该原则，设计团队根据eagle 图片管理器对背景色进行色彩分析，发现每个设计模板背景色所蕴含的颜色数量控制在1～ 5 个左右。为保证提取的颜色具有代表性，设计团队从每个设计模板中采集占比最高的2 个色块作为银泰百货典型平面设计模板的配色参考。例如：品类活动海报主题场景下银泰与时尚COSMO联名的海报，设计团队忽略产品图和标题文字仅对该海报的背景色进行提取，背景色中虽包含淡粉（占比69%）、深粉（占比3.7%）和蓝紫色（占比2.1%），但由于蓝紫色占比最低，因此设计团队只采集浅粉与深粉两种颜色。（图5）![]()
在对品类活动海报与活动主KV 海报两个高频应用场景设计模板中的案例进行色块提取之后，银泰设计团队需要先对大量提取的色块进行聚类分析，从而定义具有相同色相特征的色块集群，并进一步比较分析色块集群的色相在场景色块数据集中的出现频次，以得出该场景中被高频使用的色相。此外，HSV 色彩模型是一种面向人类视觉感知的色彩模型，其将颜色的色相、饱和度和明度属性分离。因此，相较于RGB 色彩空间，采用HSV 颜色空间来实现颜色检测的效果会更好。[10] 所以在具体分析过程中，设计团队利用HSV 颜色模式中的色相值来对色相进行编码，并将相同色相（H）数值的色块进行归类整理，同时按照色相数值由低到高的顺序对聚类色块集群进行排列。（图6）设计团队首先提取品类活动海报场景下各色块集群的色相值，将其输入到曲线图工具中。其中曲线图横轴代表色相数值从左至右由低到高的分布，纵轴代表色相数值出现频次从下到上由低至高的排布。通过观察曲线图中的波峰数值，可以发现色相数值为0、24、202、274、324、331 的出现频次相对较高。（图7）6. 品类活动海报场景和活动主KV 海报场景设计模板色块集群
因此，设计团队将色相数值为0 的红色、数值为24 的橙色、数值为202 的蓝绿色、数值为274的紫蓝色、数值为324 的蓝紫色、数值为331 的洋红色，共六种色定义为品类活动海报场景下的配色基础色。依照上述分析流程，设计团队得出色相数值为0 的红色、数值为5 的橙红色、数值为24的橙色、数值为28 的橙黄色、数值为121的黄绿色、数值为202 的蓝绿色、数值为256 的蓝紫色、数值为327 的紫色、数值为342 的紫红色、数值为348 的品红色、数值为357 的红紫色共11 种色彩定义为活动主KV 海报场景下的配色基础色。此外，在HSV 颜色模式下，定义饱和度S和明度V 的值可以帮助我们更好地理解和控制颜色，从而实现更加准确和有趣的图像处理和设计。[11] 因此，设计团队先将具有6 个配色基础色色相值的色块从色块集群中提取出来，组成新的以配色基础色为特征的色块集群。（图8）基于该色块集群，进一步综合分析品类活动海报场景下6 个配色基础色对应的饱和度与明度的值，以此来界定整个配色规则中的饱和度与明度区间范围，从而帮助团队围绕基础色选择并定义合适的辅助色。在饱和度分析环节，设计团队将6 个配色基础色对应的饱和度值在新色块集群中出现频次可视化为饼状图，其中饱和度数值为20%和51% 的区间占比最高，各占比20.5%；0、3%、13%、17%、20%、32% 的低饱和度数值区间占比总和为79.5%。（图9）8. 品类活动海报和活动主KV 海报场景设计模板配色基础色聚类分析
9. 品类活动海报和活动主KV 海报场景设计模板配色基础色的饱和度与明度分布饼状图总体而言，品类活动海报场景下大部分配色基础色为低饱和度，依据辅助色是与基础色相配合颜色的原则，并结合前文分析得出百货消费活跃客群画像的低饱和度色彩偏好，可以将品类活动海报场景下设计模板的整体配色饱和度值定义在0 ～ 51% 区间。在明度分析阶段，设计团队同样利用饼状图分析6 个配色基础色对应的明度值在新色块集群中出现频次，占比最高的明度数值为77% 和80%，各占比20.5%，并且所有的明度值均在75% 以上，这体现出品类活动海报场景下设计模板的高明度色彩倾向。因此，设计团队将品类活动海报场景下设计模板的整体配色明度值设定在76% ～ 96% 区间。而在活动主KV 海报场景下，设计团队经过相同分析流程对该场景11 个配色基础色对应的饱和度和明度数值进行研究，得出饱和度值为11%占比最高，达到17%。尽管饱和度值为83%、91%、98% 所对应区间占比亦较高，但饱和度值为50% 以下的区间总占比达到63.3%，显示出活动主KV 海报场景下的配色基础色具有较为明显的低饱和度倾向。因此，设计团队将主KV 海报场景的设计模板整体配色饱和度值定义在0 ～ 46%区间。在明度分析环节，得出明度值为95% 的区间占比最高，达17.1%，且明度值为57% 以上的区间总占比达到87.6%。另外，明度值为44% 的区间也占有一定的比重，这说明活动主KV 海报场景下的配色基础色普遍呈现高明度特点，可以将配色基础色的明度数值界定在44% ～ 95% 区间。此外，设计团队通过Eagle 图片管理器综合分析了两类主题设计模板的背景色，在排除主体元素色彩的基础上，统计分析得出背景色通常由5 个以内的颜色组成，且单色系设计模板背景色一般由3 个以内的颜色构成。基于上述分析，设计团队总结得出银泰百货业品类活动海报场景与活动主KV 海报场景下的平面设计配色规则。![]()
10. 银泰百货业品类活动海报场景与活动主KV 海报场景下的平面设计配色规则示意图
配色规则的智能化应用
2024 年3 月，银泰设计中心引入人工智能技术，构建了新的瑶光AI 设计中台。基于该中台，银泰设计中心前期制定的银泰百货平面设计配色规则训练应用LoRA模型，使配色规则智能化，让设计师能够更加便捷地使用中台产出设计模板，并使百货小商家更加容易使用设计模板生成配色良好的设计方案。在此背景下，传统模板设计的工作流程发生了变化，新增了负责LoRA模型训练的设计师角色。（图11）11. 配色规则的智能化工作流程图
依据前文分析得出的品类活动海报场景和活动主KV 海报场景的配色规则，LoRA 模型训练设计师对接银泰设计中心平面设计师提出的配色规则训练需求，由平面设计师向LoRA 模型训练设计师提供符合两个主题场景配色规则的典型设计模板各一份。为了保证典型设计模板的有效性，平面设计师严格按照配色规则以及主题场景的内容特点设计了典型模板，例如为品类活动海报场景设计的主色为蓝紫色（H324, S13%, V93%），辅色为洋红色（H331,S32%, V76%）与红色（H0, S17%, V86%），整体配色呈低饱和度与高明度多色系配色特点的服饰美妆营销海报。而为活动主KV 海报场景设计的主色为品红色（H348, S42%, V95%），辅色为紫色（H327, S25%, V94%）与红色（H0, S0%,V95%），整体配色呈低饱和度与高明度多色系配色特点的七夕奢品季活动主KV 海报。LoRA 模型训练设计师将这两张海报分别作为两个主题场景的素材采集蓝本，并删除海报中的文案信息、品牌标志与主体元素，以利于针对海报背景配色的LoRA 模型训练素材精准采集。然后，运用图生图的AI 生成原理，LoRA 模型训练设计师通过Midjourney 与Stable Diffusion 分别生成与海报背景配色原则一致的初始素材，并通过比较分析选择更契合配色原则的素材图片，合并成用于训练LoRA 模型的初始素材集。由于两个场景生成的初始素材集都属于具象类图片，例如爱心、花卉，而用于LoRA 模型训练的具象类图片需控制在15 ～ 30 张之间，以避免模型过度拟合训练数据。因此，LoRA 模型训练设计师需要从初始素材集中遴选出与配色原则高度契合的素材图片。最终筛选得出，品类活动海报场景的素材集图片数量为15 张，活动主KV 海报场景数量为20张。
在获得经过筛选的数据集后，设计团队使用SD trainer 自带的打标器给筛选出的素材集打标。例如将品类活动海报场景素材集中的第一张玻璃花卉图片的标签设定为：Translucent flower, no humans, still life, Metallic reflective material,
elegant, Center blank, glass material, Crystal material, flower, gradient,
simple background, blurry background。但机器在识别素材图片的过程中会将玻璃花卉识别成Aflower、Acid flower 等与图片定位有较大差异的标签，手动去除此类标签需要耗费大量的时间成本。因此，在生成初始的标签之后，可以使用BooruDatasetTagManager（批量标签处理器）对生成标签的机器识别性进行批量调整。在此基础上，通过选择底模文件，将带有标签的素材集导入本地部署的SD trainer，设置LoRA 模型的保存名称，实施训练并生成5 个LoRA 模型。LoRA模型训练设计师对这5 个LoRA 模型进行配色规则学习的本地测试，尝试通过正向与反向提示词来生成图片，并判断图片是否符合配色规则，以评价LoRA 模型是否完全理解配色规则并加以学习掌握。如果LoRA 模型表现欠佳，LoRA 模型训练设计师需要从数据集的精准度、标签的拟合度与数量等维度逐步排查影响LoRA模型学习配色规则的因素并加以解决，使训练出的LoRA 模型更加容易生成遵循配色规则的设计模板。银泰设计中心平面设计师将训练好的蕴含品类活动海报场景与活动主KV 海报场景配色规则的LoRA 模型内嵌于瑶光AI 模板设计平台中，通过调用LoRA模型，生成上述两个场景下契合配色规则的设计模板，并基于设计模板产出海报设计方案：1. 女装品类活动海报；2. 母亲节活动主KV 海报。为了验证前文所构建的银泰百货平面设计配色规则，设计团队将学习配色规则形成的LoRA模型生成的海报设计方案，以满意度评价结合李克特量表问卷形式发放给银泰设计中心内部设计师与运营人员。共回收有效问卷27 份，其中设计师填写了18 份，运营人员填写了9 份。由于银泰内部设计师的日常工作就是在了解消费者审美偏好的情况下应对百货小商家的平面设计需求，所以可以将其视为银泰百货平面设计的专家级用户。而运营人员更贴近业务并侧重从企业营销视角提出设计需求，因此可以将其当作银泰百货平面设计的专家级需求方。对设计师与运营人员开展问卷调研，能够有效评价配色规则的合理性与有效性。通过观察与分析回收到的问卷信息，可以得出银泰设计中心内部设计师从符合品类产品调性、文字与配色搭配合理性两个维度给予女装品类活动海报配色较高的满意度评价（同意以上占比均超过88%），并对该品类活动海报配色打出平均8.6 的评价高分，体现出设计师对该品类活动海报配色整体是满意的。而运营人员从凸显品类独特性方面对女装品类活动海报配色给予较高的满意度评价（同意以上占比超过88%），在认为配色符合目标受众喜好，激发消费者情感层面均给予了一定的认同支持（同意以上占比均超过66%），同时对该品类活动海报配色打出平均8.8的评价高分。另一方面，设计师对母亲节活动主KV 海报配色符合活动主题印象与调性给予了较高的满意度评价（同意以上占比均超过88%），总体配色打分为8.8 分，显示了设计师对该张主KV 海报配色满意度较高。另外，大部分运营人员认为母亲节活动主KV 海报配色符合目标受众需求（同意以上占比超过77%），超过半数的运营人员认为，配色突出了本次活动的独特性，并激发了消费者的情感。运营人员给予该张主KV 海报配色8.8 的高分整体评价，这说明运营人员对该主KV 海报配色比较认同。总体而言，设计师与运营人员都对上述两个主题下的海报配色满意度较高，这在一定程度上说明了文章所构建的银泰百货平面设计配色规则是合理且有效的。（图12）![]()
12. 生成方案的配色满意度评价展示
为了有效应对日常大量重复性且流程式的平面设计工作，将设计师从重复且程式化的工作中解放出来，以从事更具创意性的设计活动，提升设计组织内部的设计工作效率与价值，银泰设计中心一直在思考与探索如何将设计资产（案例）数字化，并发挥与利用设计资产的价值。尤其是前两版银泰天艺设计中台先后投入使用，让设计中心意识到建立银泰百货平面设计规则的重要性，并首先通过各类定量分析方法与工具开展配色规则制定研究。最终设计团队将分析得出配色规则进行智能化应用，通过中心内部人员满意度测试，显示了文章所构建配色规则的合理性与有效性。该案例的成功充分说明通过定量分析可采集到的设计先例，将分析结论转化为设计知识储备，可以帮助设计团队更好的总结与归纳不同问题场景下的设计规范与原则，并可通过人工智能技术对其进行快速应用与验证。同时亦为我国百货业平面设计规则的制定提供了新的研究思路。* 致谢：感谢银泰设计中心霍然、陶志鹏、胡江琼、王柔欢、夏淇、李乐对本文资料收集的支持。＊基金项目：杭州师范大学“卓越人才计划”项目支持。[1] Katerina Gorkovenko, Adam Jenkins, Kami Vaniea, Dave Murray-Rust.Data-Enhanced Design: Engaging Designers in Exploratory Sensemaking with Multimodal Data[J]. International Journal of Design , 2023, 17(3): 1-23.
[2] Runco M A, Chand I. Cognition and Creativity[J]. Educational Psychology Review , 1995, 7: 243-267.[3] Kim E J, Kim K M. Cognitive Styles in Design Problem Solving: Insights from Network-based Cognitive Maps[J]. Design Studies , 2015, 40: 1-38.[4] Chen H J, Chen Y T, Yang C H. Behaviors of Novice and Expert Designers in the Design Process: From Discovery to Design[J]. International Journal of Design , 2022, 16(3): 59-76.[5] Eilouti B H. Design Knowledge Recycling Using Precedent-Based Analysis and Synthesis Models[J]. Design Studies, 2009, 30(4): 340-368.[6] Moradi M, Moradi M, Bayat F, et al. Collective Hybrid Intelligence: Towards a Conceptual Framework[J]. International Journal of Crowd Science , 2019, 3(2): 198-220.[7] Song B, Gyory J T, Zhang G, et al. Decoding the Agility of Artificial Intelligence-assisted Human Design Teams[J]. Design Studies , 2022, 79: 1-33.[8] 活动主KV ：是指在某个特定主题活动中用于核心展示和传达活动核心信息的主要视觉设计元素。该类海报用于确保品牌形象和活动信息的一致性和辨识度。[9] 品类活动海报：是指针对特定商品或产品种类而设计的宣传海报。该类海报通常会突出该品类的特点、优势或特价优惠，以吸引顾客购买。[10] 袁奋杰、周晓、丁军、吉国威、汤勇明、夏军：《基于FPGA 的RGB 和HSV 色空间转换算法实现》[J]，《电子器件》，2010 年第4 期，第493—497 页。[11] Muhatasim Intisar, Mohammad Monirujjaman Khan, Mohammad Rezaul Islam, Mehedi Masud. Computer Vision Based Robotic Arm Controlled Using Interactive GUI[J]. Intelligent Automation & Soft Computing , 2021, 27（2）:533-549.原文：《以定量分析为基础的银泰百货平面设计配色规则制定研究》作者：杨 焕、赵鹏浩、陈 彤，杭州师范大学美术学院；霍 然、陶志鹏，银泰设计中心延伸阅读：
《装饰》2024年第3期介绍
优秀论文 | 法海寺壁画的色彩数字化研究
E-mail：zhuangshi689@263.net地址：北京市海淀区清华园清华大学美术学院A431 中国装饰杂志社编辑部电话：010-62798189 010-62798878投稿1.5月后可致电（010-62798878）查询初审结果
