面向產(chǎn)品設(shè)計(jì)的用戶需求重要度分析方法*

□ 劉名成 □ 戰(zhàn)洪飛 □ 石 幸 □ 王雨瀟

寧波大學(xué) 機(jī)械工程與力學(xué)學(xué)院 浙江寧波 315211

1 研究背景

近年來,隨著電子商務(wù)的興起,互聯(lián)網(wǎng)中出現(xiàn)了大量針對(duì)產(chǎn)品的用戶在線評(píng)論數(shù)據(jù),這些評(píng)論數(shù)據(jù)大多是用戶根據(jù)自身對(duì)產(chǎn)品的切身體驗(yàn)給出的,表達(dá)了用戶對(duì)當(dāng)前產(chǎn)品性能或服務(wù)缺陷的不滿和對(duì)下一代產(chǎn)品開發(fā)滿足自身需求的期望,是用戶內(nèi)心需求強(qiáng)有力的表達(dá)。對(duì)這些評(píng)論數(shù)據(jù)進(jìn)行有效挖掘,企業(yè)可以從中了解用戶對(duì)企業(yè)產(chǎn)品的態(tài)度,獲取用戶最新的需求,從而提高產(chǎn)品質(zhì)量,更好地為用戶服務(wù)。如何從龐大雜亂的數(shù)據(jù)中識(shí)別用戶需求的重要程度及隱含的創(chuàng)新價(jià)值是首要問題,也是筆者試圖解決的問題。

隨著大數(shù)據(jù)技術(shù)的發(fā)展,越來越多的研究者開始關(guān)注評(píng)論數(shù)據(jù)的研究,如產(chǎn)品特征提取[1]、情感傾向分析[2-3]、評(píng)論數(shù)據(jù)有用性分析[4-5]等。還有很多學(xué)者基于評(píng)論數(shù)據(jù)進(jìn)行應(yīng)用研究,如Liu Yang等[6]提出一種基于滿意度分析技術(shù)和直覺模糊集理論的商品在線評(píng)價(jià)方法,用以輔助消費(fèi)者購買決策。為了為產(chǎn)品設(shè)計(jì)人員提供知識(shí)服務(wù),林園園、戰(zhàn)洪飛等[7]基于大數(shù)據(jù)方法對(duì)多源數(shù)據(jù)進(jìn)行充分挖掘,提出數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品設(shè)計(jì)知識(shí)服務(wù)模型。為了確定最優(yōu)的服務(wù)要素配置方案,于超等[8]以用戶滿意度最高為原則,對(duì)評(píng)論數(shù)據(jù)挖掘技術(shù)與求解優(yōu)化數(shù)學(xué)模型進(jìn)行融合。在對(duì)產(chǎn)品進(jìn)行綜合評(píng)價(jià)過程中,宋君、戰(zhàn)洪飛等[9]基于評(píng)論數(shù)據(jù),通過關(guān)注度及情感傾向構(gòu)建產(chǎn)品綜合評(píng)價(jià)矩陣。在對(duì)評(píng)論數(shù)據(jù)需求挖掘方面,涂海麗等[10]將Kano模型與評(píng)論數(shù)據(jù)滿意度挖掘相結(jié)合,提出基于評(píng)論數(shù)據(jù)的需求挖掘模型。為了進(jìn)一步挖掘用戶潛在需求,Zhou Feng等[11]通過對(duì)評(píng)論數(shù)據(jù)的挖掘及常見用例與非常見用例的分析、推理,挖掘出用戶的潛在需求,并提出用戶潛在需求獲取模型。為了應(yīng)對(duì)如今高頻率的產(chǎn)品迭代,楊程等[12]通過建立關(guān)注度、滿意度等指標(biāo)體系和觀點(diǎn)挖掘,提出一種基于評(píng)論大數(shù)據(jù)的產(chǎn)品設(shè)計(jì)改進(jìn)方法。從上述研究中可以看出,對(duì)于評(píng)論數(shù)據(jù)的研究,較多體現(xiàn)在用戶的關(guān)注度及滿意度。從企業(yè)產(chǎn)品設(shè)計(jì)角度看問題,業(yè)務(wù)決策者最關(guān)注用戶評(píng)論隱藏的用戶需求對(duì)產(chǎn)品設(shè)計(jì)的重要性。用戶需求的重要性既與用戶的關(guān)注度相關(guān),也與用戶的滿意度相關(guān),并與具體產(chǎn)品設(shè)計(jì)定位密切相關(guān)。筆者結(jié)合產(chǎn)品設(shè)計(jì)需求的特點(diǎn),綜合運(yùn)用關(guān)注度與滿意度指標(biāo),構(gòu)建重要度評(píng)價(jià)體系與重要度計(jì)算模型,挖掘用戶需求信息對(duì)產(chǎn)品設(shè)計(jì)的重要程度,從而為產(chǎn)品設(shè)計(jì)的改進(jìn)及產(chǎn)品升級(jí)換代提供參考。

2 面向產(chǎn)品設(shè)計(jì)的用戶需求重要度計(jì)算模型

用戶需求重要度是相對(duì)于產(chǎn)品設(shè)計(jì)業(yè)務(wù)決策問題而言的,是用戶不同需求的重要程度及用戶評(píng)論中潛在創(chuàng)新價(jià)值的衡量指標(biāo)。在評(píng)論數(shù)據(jù)中,產(chǎn)品的評(píng)論數(shù)據(jù)所反映的評(píng)價(jià)內(nèi)容具有很強(qiáng)的主觀能動(dòng)性,能夠由用戶關(guān)注度和用戶滿意度兩個(gè)評(píng)價(jià)指標(biāo)反映用戶對(duì)不同需求的期望實(shí)現(xiàn)程度。滿意度越低,關(guān)注度越高,需求期望實(shí)現(xiàn)程度越高,用戶需求的重要程度及潛在的創(chuàng)新價(jià)值就越高。因此,用戶需求重要度指標(biāo)與用戶關(guān)注度、滿意度最為密切相關(guān),關(guān)注度與滿意度兩者互為補(bǔ)充,是重要度綜合指標(biāo)的兩個(gè)維度。面向不同的業(yè)務(wù)活動(dòng),用戶需求的價(jià)值性是不同的,需要基于不同的業(yè)務(wù)需求,對(duì)用戶評(píng)論中所體現(xiàn)的用戶需求進(jìn)行篩選。對(duì)此,在對(duì)用戶需求滿意度和關(guān)注度的計(jì)算過程中,基于期刊、專利數(shù)據(jù)和TextRank算法構(gòu)建產(chǎn)品設(shè)計(jì)需求篩選庫,使設(shè)計(jì)人員聚焦于與產(chǎn)品設(shè)計(jì)密切相關(guān)的用戶需求。同時(shí),為了精確計(jì)算評(píng)論數(shù)據(jù)中的用戶需求滿意度和關(guān)注度,需要考慮不同產(chǎn)品領(lǐng)域的用語不一樣,且評(píng)論數(shù)據(jù)中包含了豐富的不規(guī)則用語,基于人工方式構(gòu)造詞典工作量較大。對(duì)此,筆者采用TextRank算法、詞典和規(guī)則相結(jié)合的方法,構(gòu)建用戶需求重要度評(píng)價(jià)要素池。在用戶需求重要度評(píng)價(jià)要素池對(duì)評(píng)論數(shù)據(jù)中用戶需求關(guān)注度和滿意度精確計(jì)算的基礎(chǔ)上,對(duì)用戶需求滿意度和關(guān)注度進(jìn)行分析,引入二八定律,構(gòu)建用戶需求重要度綜合評(píng)測(cè)參數(shù)。面向產(chǎn)品設(shè)計(jì)的用戶需求重要度計(jì)算模型包括需求重要度計(jì)算層、關(guān)注度與滿意度計(jì)算層、產(chǎn)品設(shè)計(jì)需求篩選層和用戶需求挖掘?qū)铀膫€(gè)部分,如圖1所示。

▲圖1 面向產(chǎn)品設(shè)計(jì)的用戶需求重要度計(jì)算模型

(1) 需求重要度計(jì)算層。通過用戶需求重要度評(píng)價(jià)要素池對(duì)評(píng)論數(shù)據(jù)進(jìn)行檢測(cè),識(shí)別出產(chǎn)品設(shè)計(jì)用戶需求,并計(jì)算出滿意度及關(guān)注度。不同具有潛在創(chuàng)新價(jià)值的產(chǎn)品設(shè)計(jì)需求對(duì)應(yīng)不同的滿意度和關(guān)注度。為了識(shí)別出高創(chuàng)新價(jià)值的用戶需求,引入二八定律,將滿意度和關(guān)注度作為坐標(biāo)軸形成的區(qū)域劃分為具有不同創(chuàng)新價(jià)值的四個(gè)區(qū)域。對(duì)用戶需求所處區(qū)域的位置以面積的形式進(jìn)行描述,并歸一化處理衡量用戶需求重要度。

(2) 關(guān)注度與滿意度計(jì)算層。關(guān)注度和滿意度是衡量用戶需求重要度的量化指標(biāo)。為了精確計(jì)算用戶需求的滿意度和關(guān)注度,在體系指標(biāo)分析的基礎(chǔ)上,基于TextRank算法、詞典和規(guī)則構(gòu)建用戶需求重要度評(píng)價(jià)要素池。在對(duì)用戶需求滿意度計(jì)算的過程中,考慮程度副詞、否定副詞對(duì)情感傾向的影響,并將連詞對(duì)情感傾向的影響也考慮在內(nèi),同時(shí)給出相應(yīng)的用戶需求滿意度計(jì)算方法,以便對(duì)用戶需求滿意度進(jìn)行特征詞級(jí)的計(jì)算。

(3) 產(chǎn)品設(shè)計(jì)需求篩選層。經(jīng)專利或期刊數(shù)據(jù)抓取、停用詞和分詞處理、主題詞抽取、詞性篩選等操作,構(gòu)建產(chǎn)品設(shè)計(jì)需求篩選庫,從用戶需求特征詞集合中篩選出設(shè)計(jì)需求特征詞。

(4) 用戶需求挖掘?qū)?。用戶需求重要度?jì)算模型從用戶需求挖掘開始,通過評(píng)論數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征詞與情感詞提取,構(gòu)建用戶需求特征詞、情感詞詞典,通過特征詞與產(chǎn)品設(shè)計(jì)需求映射庫檢測(cè),確定用戶需求。

3 用戶需求重要度計(jì)算流程

3.1 流程概述

用戶需求重要度的計(jì)算從用戶評(píng)論需求挖掘開始,通過對(duì)評(píng)論數(shù)據(jù)中特征詞及情感詞的挖掘獲取用戶需求,結(jié)合外部詞典對(duì)評(píng)價(jià)要素池進(jìn)行初步構(gòu)建。在評(píng)價(jià)要素池的初步構(gòu)建過程中,為了對(duì)用戶需求進(jìn)行識(shí)別及統(tǒng)計(jì),考慮特征詞與用戶需求間存在映射關(guān)系,構(gòu)建特征詞與用戶需求映射庫。在評(píng)價(jià)要素池對(duì)情感強(qiáng)度的計(jì)算過程中,考慮同一情感詞修飾不同的用戶需求所對(duì)應(yīng)的特征詞時(shí)表達(dá)的情感可能會(huì)不同,如情感詞“大”在修飾特征詞“噪聲”時(shí)為負(fù)向情感,而在修飾特征詞“冰箱容量”時(shí)則為正向情感。為了使情感分析結(jié)果更為精確,需要對(duì)每個(gè)特征詞構(gòu)建相應(yīng)的情感詞詞典。同時(shí),考慮副詞、連詞對(duì)情感強(qiáng)度的影響,構(gòu)建副詞及連詞詞典,確定副詞情感因子及連詞修正規(guī)則。為了檢測(cè)評(píng)論數(shù)據(jù)中各詞語的詞性、位置及數(shù)量,考慮設(shè)置檢測(cè)窗口。為了對(duì)產(chǎn)品設(shè)計(jì)需求進(jìn)行篩選,通過期刊及專利數(shù)據(jù)的挖掘構(gòu)建產(chǎn)品設(shè)計(jì)需求篩選庫,用于從用戶評(píng)論需求中篩選出設(shè)計(jì)需求,并完成特征詞與用戶需求映射庫向特征詞與產(chǎn)品設(shè)計(jì)需求映射庫的轉(zhuǎn)換,以及特征詞、情感詞詞典的重構(gòu),進(jìn)而完成評(píng)價(jià)要素池的重構(gòu),實(shí)現(xiàn)面向產(chǎn)品設(shè)計(jì)決策的評(píng)價(jià)要素池構(gòu)建。

在評(píng)價(jià)要素池對(duì)評(píng)論數(shù)據(jù)進(jìn)行檢測(cè)后,對(duì)用戶需求重要度指標(biāo)進(jìn)行計(jì)算及分析,構(gòu)建用戶需求重要度評(píng)測(cè)參數(shù)。

3.2 數(shù)據(jù)采集與預(yù)處理

在評(píng)論數(shù)據(jù)中,用戶需求為用戶對(duì)產(chǎn)品性能的評(píng)價(jià)。同一款產(chǎn)品中,同一個(gè)性能可以由不同的特征詞來表示,即特征詞F與用戶需求SR存在映射關(guān)系:

SR=f(F)

(1)

對(duì)用戶需求的識(shí)別過程,也是評(píng)論數(shù)據(jù)中特征詞F及情感詞的挖掘過程。

筆者所采集的數(shù)據(jù)主要服務(wù)于產(chǎn)品的升級(jí)工作,因此采集的數(shù)據(jù)必須是待改進(jìn)產(chǎn)品的評(píng)論信息。由于采集的評(píng)論數(shù)據(jù)具有冗余、非結(jié)構(gòu)化、雜亂等特點(diǎn),因此在采集完用戶評(píng)論數(shù)據(jù)后,需要對(duì)所采集的評(píng)論數(shù)據(jù)進(jìn)行預(yù)處理。針對(duì)評(píng)論數(shù)據(jù)的預(yù)處理流程包括三個(gè)步驟。

(1) 剔除無效評(píng)論及符號(hào)。由于評(píng)論數(shù)據(jù)中存在大量重復(fù)、無用的評(píng)論信息,這些信息會(huì)對(duì)評(píng)價(jià)要素池的構(gòu)建及滿意度和關(guān)注度的計(jì)算產(chǎn)生干擾,因此主要考慮剔除兩類干擾信息。第一類為重復(fù)評(píng)論。用戶在評(píng)論過程中,為了獲得積分等,采取復(fù)制其他用戶評(píng)論數(shù)據(jù)的行為,因此需要對(duì)重復(fù)評(píng)論數(shù)據(jù)進(jìn)行剔除。第二類為無用評(píng)論。評(píng)論數(shù)據(jù)中,無用評(píng)論不能體現(xiàn)用戶對(duì)產(chǎn)品性能的評(píng)價(jià)信息。

(2) 分詞處理并標(biāo)注詞性。借助Python中文分詞工具對(duì)用戶在線評(píng)論進(jìn)行分詞處理和詞性標(biāo)注。

(3) 停用詞過濾。停用詞指在句子中出現(xiàn)的詞頻較高但信息含量低的詞。停用詞會(huì)對(duì)評(píng)價(jià)要素池的構(gòu)建產(chǎn)生干擾,為了提高評(píng)價(jià)要素池構(gòu)建的效率及準(zhǔn)確性,有必要對(duì)評(píng)論數(shù)據(jù)進(jìn)行停用詞過濾。

3.3 特征詞、情感詞詞典構(gòu)建

不同產(chǎn)品領(lǐng)域的特征詞詞典不同,所對(duì)應(yīng)的情感詞也千差萬別,按照人工方式構(gòu)造詞典,工作量較大。TextRank算法[13]是一種基于圖排序的算法,在特征詞提取過程中,通過詞頻共現(xiàn)建立圖模型,以對(duì)特征詞進(jìn)行提取,具有良好的效果。

特征詞與情感詞往往以共現(xiàn)的形式出現(xiàn),因此筆者采用基于TextRank算法的無監(jiān)督特征詞與情感詞詞對(duì)提取方法。

TextRank算法將文本分割成若干單詞,以每個(gè)詞作為頂點(diǎn),所有頂點(diǎn)形成一個(gè)網(wǎng)絡(luò),建立圖模型。利用投票機(jī)制,計(jì)算各頂點(diǎn)的權(quán)重值大小,即:

(2)

式中:d為阻尼因子,一般設(shè)置為0.85;Vi、Vj為不相同的任意兩節(jié)點(diǎn);I(Vi)為指向頂點(diǎn)Vi的所有頂點(diǎn)集合;O(Vi)為由頂點(diǎn)Vj連接出去的所有頂點(diǎn)集合;wij為頂點(diǎn)Vi和Vj的連接權(quán)重;WS(Vi)、WS(Vj)分別為頂點(diǎn)Vi、Vj的最終排序權(quán)重;Vk為頂點(diǎn)Vj連接出去的頂點(diǎn);ωj,k為頂點(diǎn)Vj和Vk的連接權(quán)重。

特征詞、情感詞詞典構(gòu)建流程如圖2所示。經(jīng)過預(yù)處理的評(píng)論數(shù)據(jù)通過TextRank算法確定詞語的最終排序權(quán)重,抽取出若干特征詞,形成特征詞集合Fs。在評(píng)論數(shù)據(jù)中,特征詞和情感詞通常以共現(xiàn)形式出現(xiàn),特征詞、情感詞詞對(duì)出現(xiàn)的頻率較高。為了構(gòu)建特征詞、情感詞詞典,篩選出包含特征詞Fsi的短語,并合并形成特征詞Fsi所對(duì)應(yīng)的文檔Wi。將經(jīng)過預(yù)處理的文檔Wi經(jīng)TextRank算法抽取出與特征詞Fsi組成的詞對(duì),由于情感詞往往由形容詞、副詞、動(dòng)詞構(gòu)成,篩選出與特征詞Fsi組成的詞對(duì)中詞性為形容詞、副詞或動(dòng)詞的詞,并與情感詞詞典提供的正負(fù)向情感分析詞語集取交集,形成特征詞Fsi對(duì)應(yīng)的正負(fù)向情感詞,由人工篩選與調(diào)整詞極性判斷錯(cuò)誤的情感詞。遍歷特征詞集合Fs中的其它特征詞,重復(fù)上述操作,完成特征詞、情感詞詞典的初始構(gòu)建。

▲圖2 特征詞、情感詞詞典構(gòu)建流程

3.4 特征詞與用戶需求映射庫構(gòu)建

特征詞、情感詞詞典中的特征詞,是用戶評(píng)論需求特征詞。根據(jù)特征詞、情感詞詞對(duì),可確定特征詞對(duì)應(yīng)的用戶需求。由于用戶評(píng)論需求特征詞集合Fs中的特征詞數(shù)量較多,對(duì)應(yīng)的用戶評(píng)論需求種類也繁多,因此直接構(gòu)建特征詞與用戶需求映射庫較為煩瑣。對(duì)此,筆者抽取評(píng)論特征詞集合Fs中出現(xiàn)頻率較高的主題詞,初步構(gòu)建特征詞與用戶需求映射庫。相同特征詞對(duì)應(yīng)的不同情感詞所表達(dá)的需求一般具有相似性,如在冰箱設(shè)計(jì)中特征詞與情感詞詞形成的詞對(duì)“聲音吵”和“聲音大”,所對(duì)應(yīng)的用戶需求均為“降低噪聲”。特征詞與用戶需求間的映射具有模糊性,因此采用ABC模糊評(píng)價(jià)法,根據(jù)特征詞、情感詞詞對(duì)確定各特征詞對(duì)應(yīng)的用戶需求,同時(shí)對(duì)相似的用戶需求特征詞進(jìn)行合并,進(jìn)而建立特征詞與用戶需求映射庫。

3.5 副詞、連詞詞典構(gòu)建

副詞包括程度副詞與否定副詞,連詞主要分為讓步連詞、并列連詞、轉(zhuǎn)折連詞、遞進(jìn)連詞等。副詞和連詞的存在會(huì)對(duì)情感強(qiáng)度產(chǎn)生影響。在副詞和連詞詞典的構(gòu)建過程中,王曉耘等[14]將程度副詞分為極量、高量、中量、低量四種等級(jí),并對(duì)不同等級(jí)的程度副詞賦予不同的權(quán)重。筆者在借鑒的基礎(chǔ)上,對(duì)程度副詞詞典進(jìn)行構(gòu)建,并賦予相應(yīng)的修正因子。同時(shí)結(jié)合字典,構(gòu)造否定副詞詞典。否定副詞的修正會(huì)導(dǎo)致情感極性的變化,因此其修正因子為-1。文獻(xiàn)[15]副詞詞表見表1。

表1 副詞詞表

在連詞詞典構(gòu)建過程中,參考文獻(xiàn)[15],在詞典的基礎(chǔ)上構(gòu)建連詞詞表,見表2。連詞對(duì)情感強(qiáng)度可以按四種方式進(jìn)行修正。

表2 連詞詞表

(1) 在單條評(píng)論數(shù)據(jù)中有轉(zhuǎn)折連詞,且轉(zhuǎn)折連詞前后對(duì)應(yīng)同種含義的用戶需求所對(duì)應(yīng)的特征詞,如“容量較小,但是夠用”,按轉(zhuǎn)折連詞后的情感權(quán)重確定該條評(píng)論中用戶需求的情感權(quán)重。

(2) 在單條評(píng)論數(shù)據(jù)中有并列連詞,且并列連詞前后對(duì)應(yīng)同種含義的用戶需求所對(duì)應(yīng)的特征詞,如“聲音小和低”,用戶需求對(duì)應(yīng)的情感權(quán)值分別為g和h,那么該用戶需求的情感傾向性權(quán)值為(g+h)/2。

(3) 在單條評(píng)論數(shù)據(jù)中有遞進(jìn)連詞,且遞進(jìn)連詞前后對(duì)應(yīng)同種含義的用戶需求所對(duì)應(yīng)的特征詞,如“容積大且很足”,用戶需求對(duì)應(yīng)的情感權(quán)值分別為g和h,那么該用戶需求的情感傾向性權(quán)值為(g+h)/2×1.5。

(4) 在單條評(píng)論數(shù)據(jù)中有讓步連詞,且讓步連詞前后對(duì)應(yīng)同種含義的用戶需求所對(duì)應(yīng)的特征詞,如“即使容積很大,我也覺得不好”,用戶需求對(duì)應(yīng)的情感權(quán)值分別為g和h,那么該用戶需求的情感傾向性權(quán)值為h×1.2。

3.6 檢測(cè)窗口設(shè)置

為了有效根據(jù)已經(jīng)建立的詞典、庫或規(guī)則從評(píng)論數(shù)據(jù)中識(shí)別出用戶需求,并對(duì)關(guān)注度和滿意度進(jìn)行計(jì)算,有必要設(shè)置用戶需求所對(duì)應(yīng)的特征詞、特征詞所對(duì)應(yīng)的情感詞,以及副詞和連詞的檢測(cè)窗口。通過對(duì)評(píng)論數(shù)據(jù)進(jìn)行分析,總結(jié)出檢測(cè)窗口的設(shè)置方法。

特征詞及其所對(duì)應(yīng)的情感詞的檢測(cè)窗口應(yīng)用于檢測(cè)單個(gè)句子,由于特征詞與其所對(duì)應(yīng)的情感詞以鍵值對(duì)形式存在于詞典中,因此可設(shè)置雙窗口分別對(duì)特征詞及其所對(duì)應(yīng)的情感詞進(jìn)行檢測(cè)。在第i條評(píng)論中,特征詞檢測(cè)窗口檢測(cè)到用戶需求SR對(duì)應(yīng)的特征詞,且情感詞檢測(cè)窗口檢測(cè)到用戶需求SR的特征詞所對(duì)應(yīng)情感詞的極性αi,若為正面情感,則αi為1,若為負(fù)面情感,則αi為-1,可見αi∈{-1,1}。

根據(jù)中文的語法結(jié)構(gòu),程度副詞往往出現(xiàn)在情感詞的前后文,否定副詞往往出現(xiàn)于情感詞的前文,因此將程度副詞檢測(cè)窗口設(shè)置于情感詞的前后文。在第i條評(píng)論中,若用戶需求SR的特征詞所對(duì)應(yīng)情感詞的前后文檢測(cè)到程度副詞,則按照程度副詞對(duì)情感強(qiáng)度的改變因子γi進(jìn)行修正。否定副詞的檢測(cè)窗口設(shè)置于情感詞的前文,并將窗口大小設(shè)為5。在第i條評(píng)論中,若用戶需求SR的特征詞所對(duì)應(yīng)情感詞的前文檢測(cè)到否定副詞,則按否定副詞的個(gè)數(shù)ni對(duì)情感強(qiáng)度進(jìn)行修正。

連詞檢測(cè)窗口應(yīng)用于檢測(cè)整個(gè)單句。在第i條評(píng)論中,若檢測(cè)到用戶需求SR的特征詞及連詞,則按連詞對(duì)情感強(qiáng)度的修正方法進(jìn)行修正。

3.7 產(chǎn)品設(shè)計(jì)需求篩選庫構(gòu)建

評(píng)論數(shù)據(jù)中所體現(xiàn)的用戶需求,在不同的業(yè)務(wù)中價(jià)值會(huì)有差異。為了從評(píng)論數(shù)據(jù)中提取、識(shí)別、篩選出與產(chǎn)品設(shè)計(jì)密切相關(guān)的設(shè)計(jì)需求,需要構(gòu)建產(chǎn)品設(shè)計(jì)需求篩選庫。產(chǎn)品設(shè)計(jì)中,用戶需求更加關(guān)注于產(chǎn)品性質(zhì)指標(biāo)的反映,因而基于用戶需求的這一特點(diǎn),產(chǎn)品設(shè)計(jì)中用戶需求特征詞匯為產(chǎn)品功能詞與產(chǎn)品效果詞的集合。

產(chǎn)品設(shè)計(jì)需求篩選庫中用戶需求特征詞的構(gòu)建過程也是產(chǎn)品功能詞與產(chǎn)品效果詞的挖掘過程。產(chǎn)品功能詞為形容產(chǎn)品功能的詞的集合,如制冷、保鮮等。產(chǎn)品效果詞為單獨(dú)或與情感詞形成詞組的體現(xiàn)用戶對(duì)產(chǎn)品功能評(píng)價(jià)的詞語集合,如物美價(jià)廉、美觀、容量等。期刊文獻(xiàn)與專利中,技術(shù)信息、設(shè)計(jì)方法、創(chuàng)新結(jié)構(gòu)等最新成果的介紹及進(jìn)行的評(píng)價(jià)與驗(yàn)證,都為基于機(jī)器學(xué)習(xí)的產(chǎn)品設(shè)計(jì)需求篩選庫構(gòu)建提供了便捷條件。產(chǎn)品設(shè)計(jì)需求篩選庫篩選流程如圖3所示。

▲圖3 產(chǎn)品設(shè)計(jì)需求篩選庫篩選流程

由于產(chǎn)品功能詞與產(chǎn)品效果詞在專利或期刊數(shù)據(jù)中通常是以固定的句式框架存在的,如“本方法…,有助于…”,因此可以對(duì)提取的主題詞進(jìn)行初步篩選,對(duì)不在固定句式下的主題詞進(jìn)行剔除。由于產(chǎn)品功能詞與產(chǎn)品效果詞由形容詞、名詞或動(dòng)詞組成,因此篩選出主題詞集合中的形容詞、名詞和動(dòng)詞,并將不是產(chǎn)品功能詞或產(chǎn)品效果詞的特征詞剔除,形成設(shè)計(jì)需求篩選特征詞集合。對(duì)用戶評(píng)論需求特征詞集合與設(shè)計(jì)需求篩選特征詞集合取交集,形成篩選后設(shè)計(jì)需求特征詞集合。

3.8 評(píng)價(jià)要素池重構(gòu)

(1) 特征詞、情感詞詞典的重構(gòu)。對(duì)篩選后的設(shè)計(jì)需求特征詞集合與基于評(píng)論數(shù)據(jù)建立的特征詞、情感詞詞典中的特征詞集合取交集,完成特征詞、情感詞詞典的重構(gòu)。

(2) 特征詞與產(chǎn)品設(shè)計(jì)需求映射庫的構(gòu)建。對(duì)篩選后設(shè)計(jì)需求特征詞集合與基于評(píng)論數(shù)據(jù)建立的特征詞及用戶需求映射庫中的特征詞取交集,完成特征詞與用戶需求映射庫的篩選,進(jìn)而形成特征詞與產(chǎn)品設(shè)計(jì)需求映射庫。由于特征詞集合中余下未建立設(shè)計(jì)需求映射關(guān)系的特征詞數(shù)量較少,因此可采用ABC模糊評(píng)價(jià)法,根據(jù)特征詞、情感詞對(duì)確定篩選后設(shè)計(jì)需求特征詞集合中未建立設(shè)計(jì)需求映射關(guān)系的特征詞對(duì)應(yīng)的用戶需求。對(duì)相似的用戶需求特征詞進(jìn)行合并,完成特征詞與產(chǎn)品設(shè)計(jì)需求映射庫的擴(kuò)充,用于識(shí)別及統(tǒng)計(jì)評(píng)論數(shù)據(jù)中特征詞所對(duì)應(yīng)的設(shè)計(jì)需求。

3.9 用戶需求關(guān)注度計(jì)算

用戶關(guān)注度用于衡量用戶對(duì)各用戶需求的關(guān)心程度。評(píng)論數(shù)據(jù)中包含用戶需求SR的評(píng)論數(shù)反映了用戶對(duì)該用戶需求的關(guān)心程度,對(duì)用戶需求關(guān)注度的計(jì)算過程也就是對(duì)文本中特征詞、觀點(diǎn)詞進(jìn)行識(shí)別和統(tǒng)計(jì)的過程。用戶需求SR的用戶關(guān)注度UA為:

UA=Nj/N

(3)

式中:Nj為評(píng)論數(shù)據(jù)中包含用戶需求SR所對(duì)應(yīng)特征詞或觀點(diǎn)詞的評(píng)論總數(shù);N為評(píng)論數(shù)據(jù)中有效評(píng)論總數(shù)。

3.10 用戶需求滿意度計(jì)算

在評(píng)論數(shù)據(jù)中,用戶需求滿意度被表達(dá)為用戶對(duì)產(chǎn)品性能的情感強(qiáng)度。對(duì)用戶需求滿意度的計(jì)算過程也就是對(duì)產(chǎn)品性能情感強(qiáng)度的計(jì)算過程。考慮副詞、連詞對(duì)用戶評(píng)論情感強(qiáng)度的影響,情感強(qiáng)度vi的計(jì)算式為:

vi=-1niγiαicici∈C

(4)

式中:ci為在第i條評(píng)論數(shù)據(jù)且包含用戶需求SR的評(píng)論短語中,檢測(cè)到連詞對(duì)情感特征詞情感強(qiáng)度的修正規(guī)則;C為連詞對(duì)情感特征詞情感強(qiáng)度的修正規(guī)則集。

(5)

3.11 用戶需求重要度計(jì)算

用戶需求滿意度和用戶需求關(guān)注度的大小不同,所對(duì)應(yīng)的創(chuàng)新價(jià)值也具有差異性。如何識(shí)別出產(chǎn)品設(shè)計(jì)中用戶需求的創(chuàng)新價(jià)值,對(duì)于提升產(chǎn)品競(jìng)爭力而言具有重要意義。二八定律指出,任何一個(gè)事物80%的價(jià)值集中在20%的組成部分上。因此,筆者以用戶需求滿意度和用戶需求關(guān)注度建立坐標(biāo)系,引入二八定律,將坐標(biāo)系劃分為四個(gè)區(qū)域,得到用戶需求重要度分析模型,如圖4所示。滿意度高、關(guān)注度高是主保持區(qū),滿意度高、關(guān)注度低是次保持區(qū),滿意度低、關(guān)注度低是次改進(jìn)區(qū),滿意度低、關(guān)注度高是主改進(jìn)區(qū)。在四個(gè)區(qū)域內(nèi),用戶需求滿意度和用戶需求關(guān)注度越高,所對(duì)應(yīng)的用戶關(guān)注和好評(píng)率越高,潛在創(chuàng)新價(jià)值越低,產(chǎn)品性能改進(jìn)的必要性越低,保持的必要性越高,即點(diǎn)Ai越靠近保持區(qū)中的點(diǎn)N,陰影部分的梯形面積Si越低,所對(duì)應(yīng)的用戶需求重要度越低。關(guān)注度越高,滿意度越低,所對(duì)應(yīng)的用戶關(guān)注較多,抱怨較頻繁,潛在創(chuàng)新價(jià)值越高,產(chǎn)品性能改進(jìn)的必要性越高,保持的必要性越低,即點(diǎn)Ai越靠近主改進(jìn)區(qū)中的點(diǎn)M,陰影部分的梯形面積Si越大,所對(duì)應(yīng)的用戶需求重要度越高。

▲圖4 用戶需求重要度分析模型

陰影部分梯形面積Si體現(xiàn)了用戶需求所處的位置,與用戶需求重要度成正比。陰影部分的梯形面積Si為:

Si=(yi+b)(a-xi)/2

(6)

式中:a、b分別為用戶需求滿意度和用戶需求關(guān)注度的上限,取b=1,a=1.5。

陰影部分梯形面積Si越高,點(diǎn)Ai的用戶需求重要度越高。對(duì)各用戶需求進(jìn)行歸一化,可得點(diǎn)Ai所對(duì)應(yīng)的用戶需求重要度ωi為:

(7)

通過前述各式,可以得到用戶需求重要度集合Wd為:

Wd=(w1,w2,…,wn)T

(8)

4 實(shí)例驗(yàn)證

為驗(yàn)證用戶需求重要度分析方法的有效性,筆者選取2017年兩款比較受歡迎的冰箱產(chǎn)品P1、P2進(jìn)行驗(yàn)證。采集2017年至2018年的評(píng)論數(shù)據(jù),進(jìn)行用戶需求重要度計(jì)算,給出P1與P2的改進(jìn)建議。之后選擇2019年推出的同樣受歡迎的P1與P2的升級(jí)產(chǎn)品P3與P4,將升級(jí)方案與筆者的建議方案進(jìn)行比較,證明筆者分析方法的有效性。

4.1 評(píng)價(jià)要素池初步構(gòu)建

獲取冰箱評(píng)論數(shù)據(jù),共采集7 321條。對(duì)采集的評(píng)論數(shù)據(jù)進(jìn)行預(yù)處理,剔除無效評(píng)論數(shù)據(jù),最終得到有效評(píng)論數(shù)據(jù)共計(jì)5 016條。其中,P1評(píng)論數(shù)據(jù)2 336條,P2評(píng)論數(shù)據(jù)2 680條。對(duì)評(píng)論數(shù)據(jù)進(jìn)行分詞處理與停用詞過濾,由TextRank算法確定詞語的最終排序權(quán)重,從而抽取出若干特征詞,形成特征詞集合{冰箱,聲音,冷凍,外觀,保鮮,速凍保鮮,物流,性價(jià)比,空間,節(jié)能,質(zhì)量,購物,大氣,價(jià)格,服務(wù)態(tài)度,感覺,服務(wù),下單…}。按照特征詞、情感詞詞典的構(gòu)建流程,完成特征詞、情感詞詞典的初步構(gòu)建,將正負(fù)向情感詞初始得分分別記為1、-1。提取出高頻特征詞,得到11個(gè)主要用戶需求主題詞,分別為冰箱、空間、聲音、速凍保鮮、節(jié)能、包裝、物流、外觀、性價(jià)比、品牌、服務(wù)態(tài)度。冰箱用戶需求主題詞云圖如圖5所示。按照特征詞與用戶需求映射庫的構(gòu)建流程,確定用戶需求主題詞所對(duì)應(yīng)的用戶需求,由此初步建立特征詞與用戶需求映射庫。

▲圖5 冰箱用戶需求主題詞云圖

構(gòu)建程度副詞表、否定副詞表及連詞詞表,確定程度副詞的修正因子和連詞的修正規(guī)則,對(duì)相應(yīng)的詞設(shè)置對(duì)應(yīng)的檢測(cè)窗口,最終完成用戶需求重要度評(píng)價(jià)要素池的初始構(gòu)建。

4.2 評(píng)價(jià)要素池重構(gòu)

通過專利、期刊文獻(xiàn)數(shù)據(jù)的主題詞提取,按照設(shè)計(jì)需求篩選特征詞集合,形成產(chǎn)品功能詞集合{制冷,速凍保鮮,降噪,冷凍,存儲(chǔ),保鮮,除味,蓄冷,冷藏…}與產(chǎn)品效果詞集合{物美價(jià)廉,外觀,容量,靜音,美觀,省錢,空間,聲音,性價(jià)比,節(jié)能,箱體,壓縮機(jī),微凍板,蒸發(fā)器…},進(jìn)一步構(gòu)建設(shè)計(jì)需求篩選特征詞集合{制冷、速凍保鮮、物美價(jià)廉,靜音,降噪,冷凍,存儲(chǔ),省錢,美觀,外觀,容量,空間,聲音,保鮮,性價(jià)比,除味,蓄冷,冷藏,箱體,壓縮機(jī),微凍板,蒸發(fā)器…}。

對(duì)用戶評(píng)論需求特征詞集合與設(shè)計(jì)需求篩選特征詞集合取交集,由此得到篩選后設(shè)計(jì)需求特征詞集合{空間,聲音,速凍保鮮,節(jié)能,外觀,性價(jià)比,保鮮,冷凍…}。

對(duì)篩選后設(shè)計(jì)需求特征詞集合與特征詞、情感詞詞典中的特征詞取交集,完成特征詞、情感詞詞典的重構(gòu)。同時(shí),對(duì)篩選后設(shè)計(jì)需求特征詞集合與基于評(píng)論數(shù)據(jù)建立的特征詞與用戶需求映射庫中的特征詞取交集,完成特征詞與用戶需求映射庫的篩選,得到六個(gè)設(shè)計(jì)需求主題——儲(chǔ)物空間、速凍保鮮、聲音、節(jié)能、外觀、性價(jià)比。采用ABC模糊評(píng)價(jià)法,根據(jù)特征詞、情感詞詞對(duì)得到六個(gè)設(shè)計(jì)需求主題分別對(duì)應(yīng)六個(gè)用戶需求項(xiàng):有效容積大,冷凍保鮮效果好,聲響小,省電,外觀好看,性價(jià)比高。采用ABC模糊評(píng)價(jià)法,根據(jù)特征詞、情感詞詞對(duì)確定篩選后設(shè)計(jì)需求特征詞集合中余下未建立設(shè)計(jì)需求映射關(guān)系的特征詞對(duì)應(yīng)的用戶需求,同時(shí)對(duì)相似的用戶需求特征詞進(jìn)行合并,進(jìn)而完成特征詞與產(chǎn)品設(shè)計(jì)需求映射庫的擴(kuò)充,最終構(gòu)建用戶需求重要度評(píng)價(jià)要素池。

4.3 用戶需求重要度計(jì)算

通過評(píng)價(jià)要素池檢測(cè)單條評(píng)論中用戶需求所對(duì)應(yīng)的特征詞、情感詞、副詞及連詞,按式(3)～式(5)計(jì)算用戶需求滿意度和用戶需求關(guān)注度,計(jì)算結(jié)果分別如圖6、圖7所示。

▲圖6 冰箱用戶需求滿意度

為了形象展示各用戶需求所處區(qū)域位置,以用戶需求滿意度為橫坐標(biāo),以用戶需求關(guān)注度為縱坐標(biāo),繪制用戶需求區(qū)域分布圖,如圖8所示。

按式(6)～式(7)計(jì)算得到兩款冰箱產(chǎn)品的用戶需求重要度wP1、wP2:

wP1=[0.127,0.142,0.258,0.153,0.167,0.152]T

wP2=[0.175,0.155,0.192,0.127,0.186,0.164]T

▲圖7 冰箱用戶需求關(guān)注度▲圖8 冰箱用戶需求區(qū)域分布圖

對(duì)于P1,用戶需求“聲響小”處于待改進(jìn)區(qū),其用戶需求重要度為0.258,相比其它用戶需求顯著較大,應(yīng)首先對(duì)“聲響小”進(jìn)行滿足,建議降低噪聲。

對(duì)于P2,用戶需求“聲響小”的需求重要度為0.192,值最大,應(yīng)首先對(duì)“聲響小”進(jìn)行滿足,建議降低噪聲。用戶需求“外觀好看”的用戶需求重要度為0.186,與用戶需求“聲響小”相差較小,建議對(duì)顏色進(jìn)行關(guān)注。更換顏色布局和降低噪聲不沖突,可以同時(shí)進(jìn)行改進(jìn)。由于用戶需求“有效容積大”與用戶需求“性價(jià)比高”的用戶需求重要度相差不大,需求沖突,因此不考慮改進(jìn)。用戶需求“冷凍保鮮好”和“省電”的用戶需求重要度較小,不考慮改進(jìn)。

對(duì)P1、P2改進(jìn)意見及升級(jí)產(chǎn)品改進(jìn)方向進(jìn)行匯總,見表3。

表3 冰箱改進(jìn)意見及改進(jìn)方向

由表3可知,根據(jù)評(píng)論數(shù)據(jù)分析得出的產(chǎn)品改進(jìn)意見與產(chǎn)品實(shí)際改進(jìn)方向基本一致。由此可見,筆者提出的用戶需求重要度分析方法具有有效性和一定的實(shí)用性。

5 結(jié)束語

筆者提出一種面向產(chǎn)品設(shè)計(jì)的用戶需求重要度分析方法,將文本挖掘技術(shù)和情感分析技術(shù)應(yīng)用于產(chǎn)品的用戶需求重要度分析過程中,并以冰箱產(chǎn)品為例,進(jìn)行了實(shí)例驗(yàn)證。研究結(jié)果表明,筆者所提出的方法能夠有效幫助設(shè)計(jì)人員通過評(píng)論數(shù)據(jù)了解用戶需求,確定用戶需求重要度,從而幫助設(shè)計(jì)人員確定產(chǎn)品的設(shè)計(jì)創(chuàng)新方向,以提高產(chǎn)品在市場(chǎng)中的競(jìng)爭力。

筆者從評(píng)論數(shù)據(jù)中挖掘出用戶需求重要度,豐富了傳統(tǒng)用戶需求重要度計(jì)算方法,改進(jìn)了傳統(tǒng)用戶需求重要度確定過程中用戶需求及評(píng)價(jià)數(shù)據(jù)獲取方面的缺陷或不足,為解決用戶需求重要度的確定提供了理論參考,并為產(chǎn)品的設(shè)計(jì)決策提供支撐,以幫助設(shè)計(jì)者對(duì)產(chǎn)品進(jìn)行迭代更新,提高產(chǎn)品的市場(chǎng)競(jìng)爭力,具有一定的實(shí)用價(jià)值。