LOGO界的“天选之子” 凭什么更具传播力?

简介: LOGO界的“天选之子” 凭什么更具传播力?

阿里云开发者社区文章内 1080_308.png

Logo作为一个识别符号,不仅起宣传和推广品牌的作用,它更是一个公司或企业对外的名片。因此,在商业设计中,logo设计说是最重要的一环也不为过


为了达到好的传播效果,设计师们各显神通

这些logo作品往往都有一个共同特征

简洁明了

传播学认为,越简单的符号越容易传播。

设计师们抛弃繁杂的图案,

选择直接在品牌名称上面下功夫,

于是,文字logo成为一大设计趋势。

               640 (6).gif


为什么偏偏文字LOGO就被认为更具传播力呢?

别急,让我们一步步揭开这个天选之子——文字logo被选中的道理。


01


||文字LOGO能最大程度地集中注意力

比起抽象化的文字,人们其实会更喜欢形象化的图案。

在logo中人们也往往会被那些长得花花绿绿的图案所吸引。这本是一件好事,可坏就坏在看过logo后人们只记得那些花花绿绿,这样就达不到传播效果。

当一眼看过去只有文字的时候,目光停留在文字上,心里默读,不经意间就把品牌名记住了。

image.png

(丑先生)


image.png


image.png


阿里云为“丑先生”酸菜鱼设计logo,从川菜文化和山城鱼厨角度出发,并洞察了消费者以吃辣为挑战的心理后,以燃爆的字体设计结合鱼的部分元素,打造出一个江湖少侠感十足的餐饮形象。


02


||文字logo能更直观表达品牌内涵

所谓一千个观众眼中就有一千个哈姆雷特,图案logo往往也只是设计师眼中的品牌形象。


为了设计的可操作性,设计师往往会根据甲方的讲述提炼某个重点,再根据重点设计图案。这中间对于品牌内涵的表达可能因为压缩、省略而丧失其完整性。文字logo将文字直接摆到大家面前,供大家想象与解读品牌形象。


image.png

(江山美玉)


image.png

image.png

江山美玉是一个主营高端美玉的珠宝品牌。

其品牌具有东方禅意的调性

力求传递给消费者富贵安然、奢华内敛的感受。


阿里云挖掘其品牌特性,以中式字体设计为出发点,抑扬顿挫、排列有序,字与字之间有一定的空间感,不失中式禅意气韵,更能凸显品牌气质。


03


||文字LOGO结合图文形式

我们所说的文字logo可不是简单地在电脑中打出的没有感情的“宋体”。而是设计师挖空心思创造出来的特殊文字,包括文字的变形、色彩、排版等。


所以,我们看到的字LOGO其实不仅仅是文字,也是一种图案。这种图案在表达品牌名的同时,也在帮助大家理解品牌内涵。


image.png

(喜庆堂)


image.png


image.png


在阿里云的案例中,从乌镇“喜庆堂”单独提取出“喜”字,字体上方的弧形运用了江南小桥的元素,下方的横竖起伏糅合了江南房屋的特色,整体形象深度迎合江南的地区特色和文化底蕴。

640 (6).gif


好的LOGO可能不会让您一夜成名,但一定会让消费者快速记住您的品牌。阿里云设计中心,为您提供高品质的LOGO定制设计服务,详情请点击“这里


相关文章
|
6月前
|
Linux 虚拟化 iOS开发
UTM 5.0.0 发布 - 基于 QEMU 的 macOS 虚拟机与模拟器应用
UTM 5.0.0 发布 - 基于 QEMU 的 macOS 虚拟机与模拟器应用
816 0
UTM 5.0.0 发布 - 基于 QEMU 的 macOS 虚拟机与模拟器应用
|
Linux 数据安全/隐私保护 Windows
文件传输告别龟速!1分钟搞定Windows↔CentOS高速通道 小白也能玩转的Xftp秘籍
Xftp 是一款便捷的远程文件传输工具,与 XShell 类似,支持通过 SFTP 协议实现文件上传和下载。首先需下载安装 Xftp,并获取目标 Linux 系统(如 CentOS)的 IP 地址。打开 Xftp 后,按 `Ctrl + N` 新建会话,输入主机 IP、协议(SFTP)、用户名和密码连接服务器。
1092 16
文件传输告别龟速!1分钟搞定Windows↔CentOS高速通道 小白也能玩转的Xftp秘籍
|
人工智能 自然语言处理 并行计算
MeteoRA:多任务AI框架革新!动态切换+MoE架构,推理效率提升200%
MeteoRA 是南京大学推出的多任务嵌入框架,基于 LoRA 和 MoE 架构,支持动态任务切换与高效推理。
851 3
|
存储 算法 C语言
C语言手撕实战代码_循环单链表和循环双链表
本文档详细介绍了用C语言实现循环单链表和循环双链表的相关算法。包括循环单链表的建立、逆转、左移、拆分及合并等操作;以及双链表的建立、遍历、排序和循环双链表的重组。通过具体示例和代码片段,展示了每种算法的实现思路与步骤,帮助读者深入理解并掌握这些数据结构的基本操作方法。
526 3
WK
|
机器学习/深度学习 算法 PyTorch
如何计算损失函数关于参数的梯度
计算损失函数关于参数的梯度是深度学习优化的关键,涉及前向传播、损失计算、反向传播及参数更新等多个步骤。首先,输入数据经由模型各层前向传播生成预测结果;其次,利用损失函数评估预测与实际标签间的差距;再次,采用反向传播算法自输出层逐层向前计算梯度;过程中需考虑激活函数、输入数据及相邻层梯度影响。针对不同层类型,如线性层或非线性层(ReLU、Sigmoid),梯度计算方式各异。最终,借助梯度下降法或其他优化算法更新模型参数,直至满足特定停止条件。实际应用中还需解决梯度消失与爆炸问题,确保模型稳定训练。
WK
877 0
|
存储 定位技术
关键数据备份策略的优缺点有哪些?
【6月更文挑战第20天】关键数据备份策略的优缺点有哪些?
682 2
|
API PHP
通义千问接入进阶:流式、文件、图片、上下文
通义千问接入进阶:流式、文件、图片、上下文
1700 0
|
算法 数据可视化
bilibili视频流量数据潜望镜
bilibili视频流量数据潜望镜
|
机器学习/深度学习 人工智能 自然语言处理
Stable Diffusion:开启AI魔法绘画的无限可能
Stable Diffusion:开启AI魔法绘画的无限可能
575 0
Vue3 封装 element-plus 图标选择器
Vue3 封装 element-plus 图标选择器
997 0