基于顧客滿(mǎn)意度的產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)方法研究

鄭皎 章恒全 焦俊

摘 要：顧客滿(mǎn)意度是評(píng)價(jià)產(chǎn)品設(shè)計(jì)成敗的重要指標(biāo)?？紤]到受訪(fǎng)者評(píng)價(jià)過(guò)程以及KANO問(wèn)卷信息量化過(guò)程中的不確定性，采用云模型對(duì)滿(mǎn)意度評(píng)價(jià)語(yǔ)義變量進(jìn)行量化，并采用云相似度算法確定各功能需求的類(lèi)型?；贙ANO問(wèn)卷分析的結(jié)果建立了產(chǎn)品功能需求實(shí)現(xiàn)程度與顧客滿(mǎn)意度之間的S-FR函數(shù)，實(shí)現(xiàn)了顧客滿(mǎn)意度的量化，進(jìn)而構(gòu)建了滿(mǎn)意度矩陣。將熵值法用于計(jì)算各功能需求權(quán)重，并采用TOPSIS法計(jì)算各備選方案的相對(duì)貼進(jìn)度，從而實(shí)現(xiàn)方案的最終排序。最后以實(shí)例驗(yàn)證了所提方法的可行性和有效性。

關(guān)鍵詞：云模型；KANO模型；熵值法；TOPSIS

中圖分類(lèi)號(hào)：TB 文獻(xiàn)標(biāo)識(shí)碼：A doi：10.19311/j.cnki.1672-3198.2018.35.095

0 引言

隨著消費(fèi)市場(chǎng)由企業(yè)主導(dǎo)型向顧客主導(dǎo)型的轉(zhuǎn)變，如何更好地滿(mǎn)足顧客多樣化的需求，提升顧客滿(mǎn)意度，成為企業(yè)產(chǎn)品設(shè)計(jì)以及產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)過(guò)程中最為關(guān)鍵的出發(fā)點(diǎn)和落腳點(diǎn)。針對(duì)顧客需求分析以及顧客需求與顧客滿(mǎn)意度間的相互關(guān)系，日本學(xué)者狩野紀(jì)昭（NoriakiKano）提出了KANO模型。產(chǎn)品功能需求是顧客需求的直接體現(xiàn)，文獻(xiàn)[2]運(yùn)用KANO模型的基本理論，結(jié)合在線(xiàn)問(wèn)卷調(diào)查，對(duì)微信功能需求進(jìn)行了分析，最后提供了微信差異化服務(wù)的優(yōu)化改進(jìn)建議。然而以往研究中KANO模型常常只是用于需求類(lèi)型的定性分析，如何更好地實(shí)現(xiàn)需求與滿(mǎn)意度的定量化是KANO模型研究的重點(diǎn)。文獻(xiàn)[3]考慮到產(chǎn)品/服務(wù)屬性績(jī)效與顧客滿(mǎn)意之間的非線(xiàn)性關(guān)系，構(gòu)建了一種定量化KANO模型，實(shí)現(xiàn)了顧客需求分類(lèi)的客觀化。文獻(xiàn)[4]采用調(diào)研的方式統(tǒng)計(jì)分析需求項(xiàng)實(shí)現(xiàn)程度與顧客滿(mǎn)意度之間的關(guān)系，建立了顧客滿(mǎn)意度數(shù)學(xué)模型，實(shí)現(xiàn)了顧客滿(mǎn)意度的量化計(jì)算。文獻(xiàn)[5]通過(guò)KANO模型中的滿(mǎn)意系數(shù)和不滿(mǎn)意系數(shù)確定出需求滿(mǎn)意度函數(shù)上兩點(diǎn)坐標(biāo)，進(jìn)而求得需求實(shí)現(xiàn)程度和顧客滿(mǎn)意度之間的函數(shù)方程。

KANO模型中需求問(wèn)卷信息的量化和集結(jié)是需求類(lèi)型分析以及顧客滿(mǎn)意度量化的基礎(chǔ)和關(guān)鍵，然而傳統(tǒng)KANO模型中往往根據(jù)KANO問(wèn)卷統(tǒng)計(jì)的需求類(lèi)型頻數(shù)來(lái)確定最終需求類(lèi)型，未能充分考慮到需求評(píng)價(jià)過(guò)程中的不確定性。鑒于此，文獻(xiàn)[6-8]提出采用模糊KANO問(wèn)卷來(lái)實(shí)現(xiàn)需求的調(diào)查和統(tǒng)計(jì)。在模糊KANO問(wèn)卷中受訪(fǎng)者需要憑借自我經(jīng)驗(yàn)賦予滿(mǎn)意度語(yǔ)義變量相應(yīng)的百分比，然而這同樣存在著極大的主觀性，評(píng)價(jià)過(guò)程中的不確定性問(wèn)題并沒(méi)有得到很好的解決。為了更好地刻畫(huà)了自然語(yǔ)言中定性概念的不確定性，李德毅院士于1995年在概率論和模糊數(shù)學(xué)基礎(chǔ)上提出了云模型的概念，云模型同時(shí)研究了模糊性和隨機(jī)性以及兩者之間的關(guān)聯(lián)性。云模型的提出為方案評(píng)價(jià)方法以及決策問(wèn)題的研究提供了新支持工具，將云模型分別于AHP以及VIKOR相結(jié)合，用于解決不確定環(huán)境下的多準(zhǔn)則和多屬性群決策問(wèn)題。本文采用云模型作為滿(mǎn)意度語(yǔ)義變量的量化工具，并將云相似度算法用于KANO模型中需求類(lèi)型的分析和滿(mǎn)意度的量化。

方案的比較和排序決定著最終方案的選擇。逼近理想解排序法（TechniqueforOrderPreferencebySimilaritytoSolution，TOPSIS）是一種常用的方案優(yōu)選方法，它在對(duì)方案進(jìn)行排序時(shí)能同時(shí)兼具接近正理想解并遠(yuǎn)離負(fù)理想解兩個(gè)準(zhǔn)則，從而使得排序結(jié)果更具有折中性?；谠颇Ｐ偷木嚯x測(cè)度算法提出了一種云-TOPSIS的多屬性群決策方法。本文以顧客滿(mǎn)意度作為指標(biāo)，采用TOPSIS法對(duì)備選方案進(jìn)行排序，并將熵值法用于計(jì)算各功能需求的權(quán)重。

本文將云模型與KANO模型相結(jié)合，首先采用云模型對(duì)產(chǎn)品功能需求的KANO問(wèn)卷信息進(jìn)行量化和集結(jié)，并采用云相似度算法確定各功能需求的類(lèi)型；然后以云-KANO的需求分析結(jié)果，建立了功能需求實(shí)現(xiàn)程度與顧客滿(mǎn)意度之間的S-FR函數(shù)，并根據(jù)S-FR函數(shù)的計(jì)算結(jié)果構(gòu)建了滿(mǎn)意度矩陣；最后以熵值法計(jì)算功能需求權(quán)重，并采用TOPSIS法對(duì)備選方案進(jìn)行排序和優(yōu)選。以某企業(yè)某型號(hào)A級(jí)轎車(chē)的動(dòng)力系統(tǒng)方案評(píng)價(jià)為例驗(yàn)證了所提方法的可行性和有效性。

1 云模型概述

該車(chē)動(dòng)力系統(tǒng)的各功能需求參數(shù)如表6所示，由公式（8、9）計(jì)算各功能需求參數(shù)的實(shí)現(xiàn)程度xij，并將xij代入表6中相應(yīng)的S-FR公式得到滿(mǎn)意度矩陣S，進(jìn)而由熵值法計(jì)算得到功能需求FRj的權(quán)重wj為：0.138，0.187，0.083，0.075，0.079，0.131，0.179，0.128。將功能需求權(quán)重wj分別與滿(mǎn)意度矩陣S第j列各元素sij相乘從而得到加權(quán)滿(mǎn)意度矩陣V，并由式（10-11）確定正、負(fù)理想解為：V+={0.060，0.103，0.238，0.178，0.612，0.277，1.935，2.243}，V-={-0.711，-0.816，-0.658，-0.693，0.014，-0.538，0.083，0.282}。由公式（23-24）計(jì)算各備選方案與正負(fù)理想解間的距離，進(jìn)而由公式（25）計(jì)算各備選方案的相對(duì)貼近度，結(jié)果如表7所示。根據(jù)表7中的計(jì)算結(jié)果對(duì)各備選方案的優(yōu)劣排序?yàn)椋篈3A2A4A1A5。

為更好地表明本文所提方法的可行性和有效性，不采用云模型對(duì)KANO問(wèn)卷信息進(jìn)行量化，而是采用頻數(shù)統(tǒng)計(jì)結(jié)果計(jì)算得到S-FR函數(shù)，并最終由TOPSIS法對(duì)各備選方案進(jìn)行排序，排序結(jié)果為A3A4A2A1A5。

通過(guò)以上計(jì)算結(jié)果的對(duì)比，傳統(tǒng)TOPSIS的排序與本文所提方法均以方案A3為最優(yōu)選擇，但在對(duì)A4A2的排序上均有不同，且對(duì)A3與A4的貼近度計(jì)算差異較大。與傳統(tǒng)KANO方法相比，本文將云模型用于KANO模型中問(wèn)卷的量化，更有效地保證了不確定信息量化的準(zhǔn)確性，從而使排序結(jié)果更可靠。

6 結(jié)束語(yǔ)

顧客滿(mǎn)意度是評(píng)價(jià)產(chǎn)品設(shè)計(jì)成敗的重要指標(biāo)，也是影響產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力的重要因素。本文以顧客滿(mǎn)意度作為方案評(píng)價(jià)優(yōu)選的衡量指標(biāo)，所提方法的特點(diǎn)如下：

（1）將云模型與KANO模型相結(jié)合，采用云模型作為滿(mǎn)意度語(yǔ)義變量的量化工具，并將用云的相似度算法用于確定功能需求評(píng)價(jià)矩陣，更好地表達(dá)了定性概念的模糊性和隨機(jī)性。

（2）在KANO問(wèn)卷信息集結(jié)的基礎(chǔ)上，對(duì)產(chǎn)品功能需求實(shí)現(xiàn)程度與顧客滿(mǎn)意度之間的函數(shù)關(guān)系進(jìn)行擬合，進(jìn)而建立了S-FR方程，使得顧客滿(mǎn)意度的量化更加精確合理。

（3）根據(jù)S-FR方程計(jì)算各備選方案的滿(mǎn)意度，構(gòu)建了滿(mǎn)意度矩陣，以熵值法計(jì)算各功能需求權(quán)重，最后基于TOPSIS法對(duì)各備選方案進(jìn)行排序優(yōu)選，使得排序結(jié)果更具有折中性。

通過(guò)對(duì)某型號(hào)A級(jí)轎車(chē)動(dòng)力系統(tǒng)的方案評(píng)價(jià)，驗(yàn)證了所提理論與方法的有效性與可行性。

參考文獻(xiàn)

[1]Kano N，Seraku N，Takahashi F，etal.Attractive quality and mustbe quality[J].The Journal of the Japanese Society for Quality Control，1984，14（2）：39-48.

[2]涂海麗，唐曉波.微信功能需求的KANO模型分析[J].情報(bào)雜志，2015，34（5）：174-179.

[3]孟慶良，蔣秀軍.基于定量化KANO模型的顧客需求最終重要度確定方法[J].統(tǒng)計(jì)與決策，2012，（6）：32-35.

[4]孫園園，劉飛，李麗.基于KANO-QFD的個(gè)性化產(chǎn)品屬性指標(biāo)重要度確定方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2014，20（11）：2697-2704.

[5]JIP，JINJ，WANGT，etal.Quantification and integration of Kanos mode linto QFD for optimising product design[J].International Journal of Production Research，2014，52（21）：6335-6348.

[6]Lee Y C，Huang S Y.A new fuzzy concept approach for Kanos model[J].Expert Systems with Applications，2009，36（3）：4479-4484.

[7]白濤，李中凱.基于模糊KANO模型的顧客需求重要度計(jì)算方法[J].中國(guó)機(jī)械工程，2012，23（8）：975-980.

[8]耿秀麗，徐士東，葉春明.考慮定量KANO分析的產(chǎn)品功能需求優(yōu)化設(shè)計(jì)[J].計(jì)算機(jī)集成制造系統(tǒng)，2016，22（7）：1645-1653.

[9]李德毅，孟海軍，史雪梅.隸屬云和隸屬云發(fā)生器[J].計(jì)算機(jī)研究和發(fā)展，1995，32（6）：16-21.

[10]李德毅，劉常昱.論正態(tài)云模型的普適性[J].中國(guó)工程科學(xué)，2004，6（8）：28-34.

[11]沈進(jìn)昌，杜樹(shù)新，羅祎，等.基于云模型的模糊綜合評(píng)價(jià)方法及應(yīng)用[J].模糊系統(tǒng)與數(shù)學(xué)，2012，26（6）：115-123.

[12]徐士東，耿秀麗，董雪琦.基于云模型的改進(jìn)FMEA風(fēng)險(xiǎn)評(píng)估方法[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（2）：228-233.

[13]徐選華，王佩，蔡晨光.基于云相似度的語(yǔ)言偏好信息多屬性大群體決策方法[J].控制與決策，2017，32（3）：459-466.

[14]YANGXJ，YANLL，ZENGL.How to handle uncertainties in AHP：The Cloud Delphi hierarchical analysis[J].Information Sciences，2013，（222）：384-404.

[15]鄭皎，章恒全，焦俊，等.云模型與VIKOR集成的多屬性群決策方法[J].計(jì)算機(jī)工程與應(yīng)用，2017，53（24）：94-99.

[16]張芳蘭，楊明朗，劉衛(wèi)東.基于模糊TOPSIS方法的汽車(chē)形態(tài)設(shè)計(jì)方案評(píng)價(jià)[J].計(jì)算機(jī)集成制造系統(tǒng)，2014，20（2）：276-286.

[17]徐士東，耿秀麗.云模型與TOPSlS相結(jié)合的多屬性群決策方法[J].計(jì)算機(jī)應(yīng)用研究，2017，34（10）：2964-2967.