摘 要：互聯網時代的大數據技術正深刻影響著品牌VIS的設計與開發(fā)，以建立大數據技術為基礎的品牌VIS設計、分析與提升系統(tǒng)能快速、準確地設計出針對性強的品牌VIS方案，并對形象推廣進行跟蹤分析與量化評測，提出更有針對性的改進與升級，使企業(yè)有限的資源投入變得更具意義。

關鍵詞：大數據；VIS輔助設計模塊；VIS輔助分析模塊；VIS輔助提升模塊

引言

我國目前正大力推動“互聯網+”行動計劃、移動互聯網、云計算、大數據、物聯網等新興技術和新興產業(yè)的發(fā)展。隨著互聯網的進一步普及，大數據已經真真正正的影響到了我們的生活。在大數據技術的背景下，很多分析處理的方法正悄然發(fā)生著變化，品牌視覺識別系統(tǒng)VIS的設計開發(fā)也面臨同樣的機遇與挑戰(zhàn)。而品牌作為企業(yè)商業(yè)形態(tài)及服務形態(tài)的主要表征，在當前制造產業(yè)大升級，摒棄低端代加工，提升產品附加值的大背景下，其價值正日益凸顯。

1 品牌VIS視覺識別系統(tǒng)的重要性

一個知名的品牌在相同條件下，可以幫助企業(yè)獲得數倍的收益。當然，打造一個企業(yè)或產品的知名品牌是系統(tǒng)性工程，涉及到的內容很多。而品牌VIS視覺識別系統(tǒng)能幫助企業(yè)建立系統(tǒng)化的品牌視覺體驗，將企業(yè)和產品的信息真實的、簡約的和有意義的從視覺感受傳遞給市場與消費者，知名品牌的VIS是一種精神象征與價值理念，是企業(yè)品質優(yōu)異的視覺體現，也是品牌有別于競爭對手，展示獨特內含的無形資產。所以設計開發(fā)一套優(yōu)質的品牌VIS系統(tǒng)的重要性是不言而喻，品牌VIS對的產品銷售、定價等有著非常大的影響。

2 基于大數據技術VIS設計分析

傳統(tǒng)的品牌VIS設計有天生缺陷。其一，品牌VIS設計方案有較大的設計師主觀意識在內；其二，由于企業(yè)品牌推廣是長期的、緩慢的過程，在此過程中對品牌VIS結果的反饋也會有較大的延遲，導致設計團隊無法在第一時間給予提升支持。而國內較普通的現象是除了前期完成品牌VIS設計后，基本沒有后期的品牌VIS分析與提升。目前著名的國際調研機構新力公司就啟用大數據分析技術，結合消費者U&A行為，開發(fā)出品牌針對性人群結構研究模型，讓客戶的品牌VIS更有針對性的來改進升級。

而將大數據技術引入到品牌VIS系統(tǒng)的設計開發(fā)中是必然趨勢。因為大數據的結果能有效客觀的指導品牌VIS設計，讓開發(fā)團隊準確的設計出針對性較強的品牌VIS，并對品牌VIS進行量化評測。而在后期品牌推廣中依托大數據對VIS多項指標進行跟蹤監(jiān)測，通過多種量化的關系分析，快速得出針對性較強的修改方案并馬上加以改進提升。

2.1 品牌VIS輔助設計模塊

借助輔助設計子系統(tǒng)， 為品牌VIS設計提供全過程的信息支持和技術保證， 實現設計的數字化、信息化，提高設計效率。利用大數據建立的設計原則和設計方案資源庫的指導下明確設計任務、形成設計方案。

2.2 品牌VIS輔助分析模塊

針對企業(yè)特定需求，依托大數據建立市場信息資源庫，提供目標市場與人群的各類信息數據模型。包括受眾個體信息、群體信息、市場趨勢信息等，為品牌VIS提供設計依據，輔助設計者分析已知品牌VIS相關數據。

2.3 品牌VIS輔助提升模塊

依托前一分析模塊所得的數據，從中抽取有價值資訊，結合大數據技術自主決策算法，對品牌VIS完成進入市場后，收集到的市場、消費者、媒體、營銷者的各類信息，從目標、定位、視覺效果等方面進行綜合評價，作出相應的修改或保持結論。如果確定有修改或再設計的必要，信息綜合評價子系統(tǒng)將會把提供的信息作為修改或再設計的依據反饋給設計團隊與客戶。

此套基于大數據技術的品牌VIS設計、分析與提升系統(tǒng)，針對品牌VIS系統(tǒng)而設計，所以其研發(fā)方案也需圍繞在VIS設計、分析和提升三個重點上分別展開。

（1）品牌VIS輔助設計模塊的研究（如圖2）

（2）品牌VIS輔助分析模塊的研究（如圖3）

（3）品牌VIS輔助提升模塊的研究（如圖4）

3 結束語

系統(tǒng)最終的技術實現路線：品牌VIS設計方案的提出（客戶的基本信息與要求）——基于大數據的市場定位——基于資源庫的品牌VIS輔助設計方案生成——終稿品牌VIS設計評價——基于大數據的品牌VIS精準宣傳與信息反饋。

參考文獻

[1]黃金平.淺議企業(yè)品牌戰(zhàn)略[J].科技信息，2009（26）：48.

[2]張建.基于大數據平臺的精準廣告系統(tǒng)研究與設計[J].電腦與信息技術，2015（04）：47-50.

[3]陸艷軍.大數據平臺訪問控制方法的設計與實現[J].信息安全研究，2016（10）：926-930.

[4]張志強.基于特征學習的廣告點擊率預估技術研究[J].計算機學報，2016（04）：780-790.

[5]馬二偉.大數據時代廣告產業(yè)結構優(yōu)化研究[J].國際新聞界，2016（05）：153-168.

[6]周傲英.計算廣告：以數據為核心的Web綜合應用[J].計算機學報，2011（10）：1805-1819.

[7]陳漢德.基于大數據分析處理的DSP廣告平臺[J].電子世界，2014（10）：6-7.

作者簡介：王可偉（1981，12-），男，浙江紹興人，畢業(yè)于浙江科技學院，碩士，講師，研究方向：視覺傳達設計。