01、背景
在企業的知識產權管理中，專利的申請策略和維護策略基于每件專利的價值評定。更具有實務操作性的專利價值評定方法往往基于指數體系，即選定多個維度的評價指數，并由機器或專家針對待評價專利，為每個維度的指數進行賦值(或打分)，由所有維度的賦值結果綜合評定待評價專利的價值情況。評價指數的選擇與迭代與企業的管理策略、所屬行業的特點有關，這并不是本文討論的重點。由所有維度的賦值結果綜合評定待評價專利的價值情況的具體實現過程多是：將所有維度的賦值結果加權求和，并根據和數劃定待評價專利所屬的價值區間、質量等級或重要程度。權重的選取取決于企業當前的管理策略，對更看重的指數維度設定更高的權重。基于指數體系的專利價值評定通常局限于對單件專利的質量或重要程度進行劃定，并由此確定當前專利的申請和管理策略，尚存在如下不足：可以對每件專利的總體進行評價，不能分析專利的具體不足，進而無法得出改進建議。
William J. Murphy在《Patent Valuation: Improving Decision Making through Analysis》一書中提出一種初步組合估值(PPV，Preliminary Portfolio Valuation)技術。該技術本質仍然是一種基于指數體系的專利價值評定，相對于常規實現，該技術將指標體系劃分為專利資產的戰略重要性、和專利資產的法律關系兩組，每組指標體系內包括多個指標。每組指標體系內的指標評分加權求和后得到該組指標的綜合評分，即每個專利資產具有戰略重要性評分、和法律關系評分。對專利資產的綜合評價和改進建議通過所謂PPV圖表完成。PPV圖表為一張二維圖表，兩個維度分別為戰略重要性和法律關系，每個專利資產基于其戰略重要性和法律關系的得分，落入該PPV圖表中的對應位置(參見圖1)。PPV圖表的區域被劃分為三個區域：
危險區：戰略上重要、但沒有得到足夠的法律保護并且需要立即關注的專利。
浪費區：戰略重要性不支持現有法律保護水平的合理性，除非戰略重要性可以被提升，否則就可能表示的資源和資產存在潛在浪費的專利。
最佳區：戰略重要性與現有法律保護處于平衡，并且當前不需要特別關注的專利。
圖1 PPV圖表
對于危險區和和浪費區內的專利資產，企業內部應仔細研究，確定資產是否存在相關風險或浪費情況，并分析原因，制定改善建議。
由此可見，PPV評估技術對每個專利資產并非簡單給出打分總和，而是進一步根據戰略重要性和法律關系兩組維度分別評價打分，并根據二者的匹配程度，得出評價結論。進一步通過PPV圖表可以直觀展示全部專利資產的整體分布情況，并根據每個專利資產落入的區域確定改良建議。
PPV圖表的圖表類型屬于一種散點圖，根據散點圖可以提供的視覺暗示信息，PPV圖表在實際使用中還可以呈現更多信息，本文將通過一個實際案例說明PPV圖表的實際應用過程以及PPV圖表的增強改進。
02、PPV評估框架
本文采用的PPV評估框架如圖2所示。戰略重要性和法律關系分別選擇5個評價指數。
圖2 PPV評估框架
利用上述評估框架，對待評價專利資產中的每件專利分別進行打分評估，得出的評分明細表用于后續數據處理和展示。
03、PPV評估整體圖表
圖3 PPV評估結果
參見圖3.PPV圖表了展示待評價專利資產組合的每件專利的戰略重要性和法律關系分布位置，越靠近右上方的專利資產整體價值較高，越靠近左下方的專利資產整體價值越低。落入中間對角線白色區域的專利資產其戰略重要性與法律關系相匹配，不匹配的專利資產落入危險區或浪費區。
危險區與浪費區的區域大小設定由邊界線與X軸和Y軸的截距決定，本文將該截距設定為1.因此危險區與浪費區中間的最佳區的寬度設定為
。
除傳統PPV圖表的展示信息外，本文增加如下視覺暗示信息或額外信息展示：
? 每個專利資產表示一個專利族，為此每個專利資產需要提供申請地區的信息，本文通過數據點的填充顏色映射該信息，藍色表示該專利資產只有CN專利，已過優先權期限未申請其他區域專利，黃色表示除了CN專利還有尚未進入國家的PCT專利，紅色表示除了CN專利，還有國外專利(含PCT進入國外的專利)，灰色表示暫時只有CN專利，且尚未超過優先權期限。
? 每個專利資產的人工標引重要度，通過數據點的大小映射該信息，從小到大分別表示普通、重要、核心三個級別。本文對專利資產重要度仍然采用人工標引給出，這是為了后續驗證PPV評估結果與人工標引重要度之間的關聯性。
? 每個專利資產的法律狀態，通過數據點的形狀映射該信息，方形表示Pending，圓形表示Granted。當每個數據點表示一個專利族時，Pending表示該專利族中至少有1件專利懸而未決，Granted表示該專利族中全部專利已決且存在授權專利。
? 在最佳區內增加右上角的重要區劃定，該區域內專利資產的戰略重要性和法律關系均高于特定閾值。
? 在圖表的右側和上側分別展示所有專利資產的法律關系得分和戰略重要性得分的統計直方圖，用于展示整體專利資產在兩個維度上的評價結果分布。
PPV評估結果與人工標引重要度之間的關聯性
04、根據圖3中數據點的位置和數據點的大小(映射人工標引的專利資產重要度)之間的關聯性分析可以得出如下結論：
? 當戰略重要度>=3.25 且 法律關系>=3.25.則該專利資產至少屬于重要專利。對應圖3中紅色區域示出區域。
? 當戰略重要度>4 或 法律關系>4.則該專利資產屬于核心專利。
通過反復使用確定類似上述關聯條件，可以后續根據專利資產的戰略重要性和法律關系，自動標引專利的重要度。
05、PPV整體圖表的應用
5.1、申請區域的改進建議
圖3中處于紅色區域內或數據點大小屬于重要和核心的專利，應申請國外專利，如僅僅填充為藍色，則表示需要改進。
5.2、危險區專利資產的排查及改進
落入危險區的專利需要逐一分析每件專利資產落入危險區的具體原因，并制定改進計劃，本文根據實際項目的情況，對上述原因歸納如下：
專利解決行業典型用戶體驗問題使得資產戰略重要度評分高，但專利本身的授權范圍不理想或最近一次審查意見答辯權利范圍修改不理想，導致法律關系評分相對低。改進建議：分案申請改良權利范圍或另行申請新案。
專利涉及行業典型產品形態使得資產戰略重要度評分高，但專利本身的授權范圍不理想或最近一次審查意見答辯權利范圍修改不理想，導致法律關系評分相對低。改進建議：分案申請改良權利范圍或另行申請新案。
專利涉及產品關鍵技術改進使得戰略重要度評分高，但專利技術方案挖掘不充分，說明書內容單薄，權利要求創造性風險高，導致法律關系評分相對低。改進建議：案例及法規研究、另行申請新案、以及內部質量管控強化。
06、PV圖表的拆分
當待評價專利資產數量龐大，數據點之間存在嚴重重疊時，有必要對PPV圖表按特定維度進行拆分。例如按照技術分類/技術環節對PPV圖表進行拆分，如圖4所示，不僅可以降低單個圖表中的數據點數量，還可以橫向對比不同技術分類/技術環節的專利資產價值情況。
圖4 按技術分類拆分的PPV圖表
07、PPV評估結果的密度分布分析
為了進一步分析各個技術分類的專利資產的PPV評估整體情況，分析專利資產的戰略重要度和法律關系分布密度情況，可以使用如圖5示出的數據分布圖表。在該圖表中，每列對應一個技術分類，每列圖表的左半邊(紅色填充)為該技術分類的專利資產的法律關系得分分布密度曲線，表征法律關系得分數據在連續區間內的數據分布狀況，長橫線表示均值。每列圖表的右半邊(綠色填充)為該技術分類的專利資產的戰略重要度得分分布密度曲線，表征戰略重要度得分數據在連續區間內的數據分布狀況，長橫線表示均值。
圖5 PPV評估數據分布圖表
由圖5可以看出，全部技術分類專利資產的戰略重要度整體得分及均值高于法律關系的整體得分及均值。這反映待評估的專利資產整體的法律關系維度質量需要加強。另外，戰略重要度均值與法律關系均值差值較大的技術分類，經過驗證落入危險區的專利資產數量更多。此外戰略重要度或法律關系分布密度曲線出現2個及以上峰值的情況，說明相應維度的評估結果分布分散，例如分類2中專利資產的法律關系維度、以及分類3中專利資產的戰略重要性維度均存在兩級分化的情況。
08、結論
基于初步組合估值(PPV)技術的專利價值評價及專利改進建議在實踐中證明是可行的，此外增加新的視覺暗示和新的分布統計方法，可以拓寬PPV技術的解讀結論，最終目的仍然是發現專利資產的不足以及制定相應的改良措施。
參考消息：1.William J. Murphy，《Patent Valuation: Improving Decision Making through Analysis》2.《R語言 數據可視化之美 專業圖表繪制指南》
(原標題：企業專利資產分級及綜合評定結論的使用工具——初步專利組合估值審計的應用及改進)
中企檢測認證網提供iso體系認證機構查詢，檢驗檢測、認證認可、資質資格、計量校準、知識產權貫標一站式行業企業服務平臺。中企檢測認證網為檢測行業相關檢驗、檢測、認證、計量、校準機構，儀器設備、耗材、配件、試劑、標準品供應商，法規咨詢、標準服務、實驗室軟件提供商提供包括品牌宣傳、產品展示、技術交流、新品推薦等全方位推廣服務。這個問題就給大家解答到這里了，如還需要了解更多專業性問題可以撥打中企檢測認證網在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產權、版權法律法規知識資訊，包括商標注冊、食品檢測、第三方檢測機構、網絡信息技術檢測、環境檢測、管理體系認證、服務體系認證、產品認證、版權登記、專利申請、知識產權、檢測法、認證標準等信息，中企檢測認證網為檢測認證商標專利從業者提供多種檢測、認證、知識產權、版權、商標、專利的轉讓代理查詢法律法規，咨詢輔導等知識。
本文內容整合網站：百度百科、搜狗百科、360百科、知乎、市場監督總局 、國家知識產權局
免責聲明：本文部分內容根據網絡信息整理，文章版權歸原作者所有。向原作者致敬！發布旨在積善利他，如涉及作品內容、版權和其它問題，請跟我們聯系刪除并致歉！
