相信绝大多数创新者都有跟我一样的经历——在最开始使用专利检索网站时,常常像用百度或谷歌一样直接输入某个关键词(如指纹识别,“FingerPrint”),然后一个猛子扎进去,一件一件地看起来。
图片来自patentcloud网站FingerPrint关键词搜索
但渐渐地,你会发现自己完全迷失在这片浩瀚的海洋之中——区区一个指纹识别的中文专利,已经公开的就有228,961件(截止2018.6.11)。
按照创新者每天阅读30件专利的速度,仍然需要7632天(21年)——且不说我们很难做到每天坚持阅读30篇专利文献,就算能做到,在我们阅读期间,该领域的专利也在飞速地增长着,我们的阅读速度完全无法追上它的增长速度。
图片来自patentcloud网站FingerPrint关键词分析
这样看来,要想穷尽一个微小的领域也是不可能完成的任务,我们究竟该怎么办?
如何进行最有效的专利检索,可以说是每一位创新者需要面临的第一课。
目前创新者们所采用的是两种截然不同的方法:正向追踪检索(倚天剑)与逆向追踪检索(屠龙刀)。
这两种方法在不同的场合发挥着各自巨大的作用,它们不见得是最有效的方法,所以需要大家跟我一起来打磨,使得这两件利器越来越得心应手。
废话少说,让我们先来看看创新者的倚天剑:正向追踪。
正向追踪,说白了就是将我们的搜索范围迅速缩小、聚焦,让我们在短时间内一步步洞察出该领域真正符合我们要求的目标专利。
一般而言,倚天剑将挥出如下几剑:
1. 专利数据分析;
2. 批量去噪
3. 技术分解;
4. 组合查询。
先来看看专利数据分析。
这个分析可以让我们从全局的角度对整个战场和所有竞争对手目前的态势进行一览无余的分析与洞察。
这块我一般会进行三类排序分析:
1. 分类号排序分析;
2. 申请人排序分析;
3. 发明人排序分析。
但针对申请人和发明人的排序分析更适合逆向追踪,这里咱们重点看看“分类号排序分析”。仍以指纹识别(FingerPrint)为例,排名前十的分类号如下:
1. (25930) G06K 9/00;
2. (12753) H04L 29/06;
3. (10986) G06F 17/30;
4. (7631) H04L 9/32;
5. (7601) C12Q 1/68;
6. (7331) G07C 9/00;
7. (5954) G06F 21/32;
8. (5598) G06F 21/00;
9. (4697) H04L 29/08;
10. (4235) G06F 19/00。
为节省篇幅,这里只列出前10位,但实际操作中建议全部列出以便逐一进行分析。这里,前面括号内为该分类专利数,后面为其国际分类号(你也可以根据需要列出美国分类号或其它分类号)。
分类号排序后,我们可以清楚地看到哪个战场竞争最为激烈。
需要大家注意的是,我这里直接按照“小组分类号”进行统计,这样最为精准。比如排名第一位的“G06K 9/00”这个分类,我们可以看到很多信息:
1. G:首字母G,代表其分类的“部”为“物理”;
2. G06:按大类分,G06,代表“物理”部下面的“计算;推算;计数”这一大类;
3. G06K:按小类分,G06K,代表再下一层的“数据识别;数据表示;记录载体;记录载体的处理”这一小类;
4. G06K9/00:按大组分,G06K9/00代表“用于阅读或识别印刷或书写字符或者用于识别图形,例如,指纹的方法或装置”。
这个分类没有到达“小组”的级别,但没关系,至此我们已经较为清楚这25,930件专利主要针对些什么,而上述10个分类对应的解释分别是:
1. (25930) G06K 9/00:用于阅读或识别印刷或书写字符或者用于识别图形,例如,指纹的方法或装置;
2. (12753) H04L 29/06以协议为特征的;
3. (10986) G06F 17/30:信息检索;及其数据库结构;
4. (7631) H04L 9/32:包括用于检验系统用户的身份或凭据的装置;
5. (7601) C12Q 1/68:包括核酸;
6. (7331) G07C 9/00:独个输入口或输出口登记器;
7. (5954) G06F 21/32:防止未授权行为的保护计算机或计算机系统的安全装置;
8. (5598) G06F 21/00:防止未授权行为的保护计算机或计算机系统的安全装置;
9. (4697) H04L 29/08:传输控制规程,例如数据链级控制规程;
10. (4235) G06F 19/00 :专门适用于特定应用的数字计算或数据处理的设备或方法。
通过对分类号进行排序,我们可以对该领域进行全局性纵览,目的是为了看清整个战场当前的态势,并选择合适的切入点。
从上面不难发现,对于C12Q 1/68(包括核酸)这个小类中关于指纹的技术,与我们的领域(智能设备)关系不大,而H04L 29/06(以协议为特征的)我个人也基本不会涉及。
于是,我们可以进入到下一步“批量去噪”环节。