增强现实在新零售时代的应用设计研究

摘要：随着新零售时代的到来，传统零售模式在满足消费者多样化需求方面逐渐力不从心。增强现实（AR）技术凭借其独特优势，成为新零售业革新购物体验的关键力量。本研究基于 KANO 模型，确定六项消费者需求指标并开展问卷调研。通过数据分析明确各功能的 KANO 属性与优先级，进而制定以消费者体验为中心，包含商品信息高效接收、个性化服务及确保商家数据准确等方面的 AR 应用设计策略。研究为新零售行业的创新发展提供坚实的理论支撑与实践指引。

关键词：新零售； 增强现实技术； KANO模型； 消费者体验

引言

2016年10月，马云在云栖大会上首次提出“新零售”概念，强调以消费者体验为核心，通过数字化和智能化手段深度改造传统零售业[1]。这一概念的提出，源于传统零售模式面临的诸多挑战：过度依赖线下实体店，难以覆盖广泛消费群体；随着“宅文化”在年轻群体中的盛行，消费者更加注重购物的便捷性和商品的使用体验[2]；此外，传统零售缺乏对消费者行为的深度分析，难以精准把握市场需求，且消费者体验的个性化和互动性不足[3]。为应对这些挑战，新零售模式通过整合线上线下渠道，利用社交媒体和内容营销提升品牌曝光度与用户粘性，同时基于用户消费数据提供定制化推荐和服务，满足个性化需求。

增强现实（AR）技术作为新零售的重要支撑，通过虚拟信息与现实环境的融合，创造了沉浸式体验，已在教育、家居、医疗、娱乐等领域广泛应用。例如，Sephora的AR试妆应用和Zara的AR虚拟试衣功能，显著提升了消费者的购物体验[4]。近年来，国内学者也在AR技术应用研究方面取得了显著进展，研究领域主要集中在商品包装设计、线下体验门店及家居等方向。例如，史嘉宁探讨了AR技术在快消品包装设计中的创新应用[5]，卢熠等学者研究了AR技术在咖啡包装设计中的实践价值[6]，王必亮等人则聚焦于AR技术在实体花店中的具体应用场景[7]。然而，现有研究多集中于AR技术的应用场景和技术实现，而对消费者在AR体验中的主观感受、需求偏好及其对购物决策的影响缺乏深入探讨。基于此，本研究致力于实现研究视角的转变，即从“给用户更好的”转向“用户想要的”，这一转变不仅有助于提升AR技术在新零售中的应用效果，还能为零售企业提供更具针对性的消费者洞察。

1.基于AR技术在新零售中的应用特征，结合消费者需求分析，本研究确立了六个关键需求指标：虚拟试穿（F1）、商品摆放模拟（F2）、虚拟试用（F3）、商品3D展示（F4）、定制搭配（F5）和虚拟导购（F6）。研究采用KANO模型作为理论框架，该模型能够有效区分消费者需求的优先级，为本研究分析AR技术在新零售中的应用需求提供了理论支持[8]。通过深入的市场调研，本研究系统分析消费者在购物体验中的核心诉求，研究结果将为AR技术在零售行业的创新应用提供坚实的理论支撑和实践指导，从而有力推动新零售模式的转型升级。

1.1基于KANO模型调研设计与实施

KANO模型主要用于产品设计和品质管理领域。该模型将应用特性分为五类：必需型质量（M）、期望型质量（O）、魅力型质量（A）、无差异型质量（I）和反向型质量（R）。由此，设计者可以根据不同需求优化应用，提升消费者满意度和购物体验，提供更便捷高效的服务。根据六项需求指标，问卷采用正反问题设置和李克特五级量表法，涵盖需求强度和重要性评估。调研对象为太原市民，通过实地和网络方式收集数据，共回收有效问卷500份。样本性别分布均匀，男性占52.19%，女性占47.81%；年龄分布以26岁以上群体为主，确保了数据的稳定性和代表性。对调研所得数据进行整理与综合分析，然后对各项功能需求进行评估，从而更准确地了解消费者在新零售环境中的消费期望，并为后续的研发提供重要的理论依据。

1.2增强现实在新零售场景中的需求图谱原始数据分析

调研数据显示，消费者对增强现实（AR）技术在新零售中的六项潜在功能表现出较高的期待和接受度。虚拟试穿功能（F1）受到25.64%消费者的青睐，消费者期待该功能通过实时3D建模和尺寸匹配技术，提升购物体验并实现商品信息的高效接收，帮助他们快速了解商品细节。商品摆放模拟功能（F2）获得28.12%消费者的喜爱，消费者希望该功能能够帮助他们直观了解家具尺寸与空间适配度，同时确保商家展示数据的准确性，避免因尺寸误差导致的退换货问题。虚拟试用功能（F3）以26.42%的受欢迎程度，消费者期待该功能通过个性化推荐算法，提供定制化的试用体验，例如化妆品虚拟试色、眼镜虚拟试戴等，体现了对个性化服务的强烈需求。商品3D展示功能（F4）以25.83%的认可度，消费者希望该功能通过高精度建模和实时渲染技术，优化商品信息的高效传递，帮助他们更直观地做出购买决策。定制搭配功能（F5）凭借26.16%的受欢迎程度，消费者期待该功能结合他们的历史购买记录和偏好数据，提供个性化的搭配建议，例如服装风格推荐、家居色彩搭配等，满足他们的独特需求。虚拟导购功能（F6）则以28.19%的最高支持率，消费者希望该功能通过智能语音交互和精准的商品推荐算法，提供高效的购物引导，同时帮助商家优化库存管理和营销策略，确保商家数据的准确应用。

总体而言，这六项功能在消费者中的期待值普遍较高，仅有3%-4%的消费者表示"很不喜欢"，这足以表明消费者期待这些功能能够实现商品信息的高效接收、提供个性化服务，并确保商家数据的准确性，从而为新零售模式的创新发展提供有力支持。

1.3KANO模型及Better-Worse系数分析

利用KANO问卷消费者需求功能矩阵量表，对六个需求指标进行需求归类，计算每个需求指标的频数和占比统计，频数与占比最高的则为该项需求指标的需求类型。 由于单一使用这种分类方法存在一定局限性，因此引入Better-Worse系数来进一步确定各项需求指标的需求类别[9]。 计算公式见下：

Better系数=（A+O）/（A+O+M+I）

Worse系数=-1×（O+M）/（A+O+M+I）

根据上述公式，对数据进行整合计算，得出KANO模型及Better-Worse系数分析结果，如下表1所示：

根据表1，各项功能需求被归类为不同的KANO属性，反映了消费者对新零售场景下AR技术应用的差异化期待。其中，虚拟试穿功能（F1）归为魅力属性，具有较高的Better系数，能够显著提升消费者满意度，但其Worse系数负值较小，表明不提供该功能不会导致满意度急剧下降。商品摆放模拟功能（F2）和虚拟导购功能（F6）被归类为期望属性，对满意度有正面影响，但影响程度不如魅力属性显著。虚拟试用功能（F3）、商品3D展示功能（F4）和定制搭配功能（F5）则被归类为必备属性，消费者认为这些功能是基础且必要的，其Better系数高，Worse系数负值大，表明不提供这些功能会大幅降低满意度。

依据Better和Worse系数绝对值绘制散点图，按平均值划分象限。第一象限为期望属性（商品摆放模拟、虚拟导购），第二象限为魅力属性（虚拟试穿），第三象限为无差异属性，第四象限为必备属性（商品3D展示、定制搭配、虚拟试用）。象限图为相对概念下的属性划分，可能与计算结果不一致，通常选择其中一种进行分析。若绝对属性计算结果中“无差异”功能较多，常采用象限图相对结果进行分析。

由图2可知，必备属性（F3、F4、F5）位于第四象限，表明它们对消费者满意度至关重要，必须提供以避免满意度大幅下降。魅力属性（F1）位于第二象限，表明其能显著提升满意度，是提升产品竞争力的关键因素。期望属性（F2、F6）位于第一象限，表明它们对满意度有正面影响，但不如魅力属性显著，不提供时负面影响也较大。综合来看该结论与前文分析后的结果相吻合。

2.增强现实在新零售中的应用设计策略

消费者在购物过程中对商品信息的接收效率直接影响其决策速度和满意度。研究表明，消费者对商品材质、尺码、上身效果等核心信息高度关注，但传统图文方式难以高效传递这些信息。因此，AR技术应通过虚拟试穿功能（F1）和商品3D展示功能（F4），将静态的商品参数转化为动态、可交互的视觉体验。例如，通过实时3D建模展示衣物的垂坠感或家具的空间适配效果，帮助消费者快速理解商品特性，显著提升信息传递效率。此外，AR技术还可以结合虚拟导购功能（F6），通过智能语音交互实时解答消费者疑问，进一步缩短信息获取路径，降低认知负荷，从而优化消费者的购物体验。

消费者对个性化服务的需求日益增强，尤其是在搭配建议和定制化体验方面。研究表明，消费者期望通过定制搭配功能（F5）和虚拟试用功能（F3）获得个性化的购物体验。AR技术应结合消费者的历史购买记录和实时行为数据，提供动态的个性化推荐。例如，基于消费者的身材数据推荐合身尺码，或根据肤色、风格偏好推荐适合的服装颜色和款式。此外，AR技术还可以通过虚拟试用功能（F3），提供化妆品虚拟试色、眼镜虚拟试戴等定制化体验，满足消费者的个性化需求，提升购物满意度。

商家数据的准确性直接影响消费者的购物体验和决策信心。研究表明，消费者希望通过商品摆放模拟功能（F2）直观了解家具尺寸与空间适配度，避免因尺寸误差导致的退换货问题。因此，AR技术应通过精确的空间测量算法和高精度建模，确保商家展示数据的准确性。例如，通过AR技术实时测量消费者家中的空间尺寸，并结合商品数据进行精准匹配，确保商品与空间的适配度。此外，AR技术还可以通过虚拟导购功能（F6），帮助商家优化库存管理和营销策略，确保商家数据的准确应用，从而提升消费者的购物体验和满意度。

3.结语

本研究运用KANO模型深入探究了增强现实（AR）技术在新零售业态下的应用设计路径。根据问卷调查精准识别消费者对AR技术在新零售场景中的多元需求与期望，进而构建出一套以优化消费者体验为核心的设计策略。研究表明，促使消费者得以高效接纳商品信息、为其提供具有高度针对性的个性化服务以及保障数据的高度准确性，是增强现实在新零售领域达成应用成效的关键要素。随着科技研发的持续推进以及消费者需求喜好的演变，增强现实技术有望为新零售行业注入更强劲的动力，赋能其迈向更高层次的发展阶段，为消费者塑造出更为卓越且便捷的购物体验空间。

参考文献

[1]何兰红. 线上线下融合的新零售模式运营管理现状与展望[J].商业2.0，2024（05）：4-6.

[2]王小丹.新零售时代实体商超的转型研究[J].武汉工程职业技术学院学报，2023，35（03）：47-50.

[3]何兰红.新零售时代传统零售企业商业模式的创新路径分析[J].中国商论，2023，（23）：5-8.DOI：10.19699/j.cnki.issn2096-0298.2023.23.005.

[4]陈璐璐. 新零售时代消费者行为模式与变革趋势研究[J].中国商论，2024，33（20）：7-10.DOI：10.19699/j.cnki.issn2096-0298.2024.20.007.

[5]史嘉宁.增强现实技术在快消品零售包装设计中的应用研究[J].牡丹，2023，（12）：117-119.

[6]卢熠，朱琪颖.AR在新零售咖啡包装设计中的应用研究[J].艺术研究，2021（03）：112-114.DOI：10.13944/j.cnki.ysyj.2021.0182.

[7]王必亮，傅莎曼，邵晗婕，等.增强现实在实体花店应用探究[J].合作经济与科技，2020，（04）：100-101.DOI：10.13665/j.cnki.hzjjykj.2020.04.041.

[8]陈锦雯，杭旖萍，林秀莉，等. 新零售模式下商店形象、心流体验与消费者购买意愿研究[J].现代商业，2024（18）：3-6.DOI：10.14097/j.cnki.5392/2024.18.011.

[9]廖静静. 基于KANO模型的山东省生鲜农产品新零售模式的研究[J].黑龙江粮食，2023（12）：96-99.

李亚飞（2003年11月），男，汉族，甘肃平凉人，学生，大学本科，工业工程专业。