基于在線(xiàn)評(píng)論的重要度績(jī)效競(jìng)爭(zhēng)對(duì)手分析的產(chǎn)品設(shè)計(jì)改進(jìn)方法

王克勤，劉朝明

(西北工業(yè)大學(xué) 管理學(xué)院，陜西 西安 710072)

0 引言

產(chǎn)品設(shè)計(jì)改進(jìn)是在現(xiàn)有產(chǎn)品基礎(chǔ)上，對(duì)產(chǎn)品使用后出現(xiàn)的缺陷進(jìn)行優(yōu)化設(shè)計(jì)，從而開(kāi)發(fā)出新一代產(chǎn)品的持續(xù)過(guò)程[1]。在該過(guò)程中，及時(shí)全面地獲取顧客需求至關(guān)重要。通過(guò)分析顧客需求，設(shè)計(jì)人員可以了解顧客對(duì)產(chǎn)品的不滿(mǎn)點(diǎn)，發(fā)現(xiàn)產(chǎn)品問(wèn)題，從而指導(dǎo)新一代產(chǎn)品改進(jìn)[2]。傳統(tǒng)的顧客需求獲取采用電話(huà)、email和調(diào)查問(wèn)卷等方法，存在反饋周期長(zhǎng)、人力物力消耗大等諸多弊端[3]，已無(wú)法滿(mǎn)足企業(yè)及時(shí)獲取信息的要求。與傳統(tǒng)的需求獲取方法相比，互聯(lián)網(wǎng)用戶(hù)針對(duì)購(gòu)買(mǎi)和使用產(chǎn)品發(fā)表的在線(xiàn)評(píng)論數(shù)據(jù)，具有體量大、易獲取、可靠性高等特點(diǎn)，迅速成為獲取顧客需求的新來(lái)源[4-5]。

當(dāng)前基于在線(xiàn)評(píng)論的顧客需求挖掘研究主要集中于產(chǎn)品特征提取和產(chǎn)品特征情感分析，這些研究通常將顧客關(guān)注的產(chǎn)品特征和相應(yīng)的情感態(tài)度作為顧客需求的主要內(nèi)容。特征提取是指從評(píng)論中提取用戶(hù)關(guān)注的產(chǎn)品部件或功能，基于詞性統(tǒng)計(jì)和語(yǔ)言規(guī)則是兩種常見(jiàn)的特征提取方法。前者將評(píng)論語(yǔ)料中頻繁出現(xiàn)的名詞或名詞組合作為產(chǎn)品特征[6]，后者根據(jù)評(píng)論語(yǔ)料中詞語(yǔ)間的依存關(guān)系設(shè)置句法模板提取產(chǎn)品特征[7]。情感分析旨在識(shí)別顧客對(duì)產(chǎn)品特征的情感傾向和情感強(qiáng)度，幫助企業(yè)洞察產(chǎn)品的優(yōu)缺點(diǎn)，情感詞典和機(jī)器學(xué)習(xí)是情感分析常用的兩種方法。情感詞典方法以預(yù)先設(shè)定的情感詞為依據(jù)，分析句法結(jié)構(gòu)并設(shè)計(jì)情感判別規(guī)則，識(shí)別產(chǎn)品特征的情感極性和強(qiáng)度[8]。機(jī)器學(xué)習(xí)方法主要采用向量空間模型表示文本，并構(gòu)建分類(lèi)器判斷情感類(lèi)別，情感極性識(shí)別屬于二元分類(lèi)[9]，情感強(qiáng)度識(shí)別則屬于多元分類(lèi)[10]。此外，獲取顧客需求還有其他方法，如，基于案例推理的方法[11]、基于圖的需求獲取方法[12]等。

然而，這些研究面臨兩方面問(wèn)題：①大多僅考慮自身產(chǎn)品的在線(xiàn)評(píng)論，未與競(jìng)爭(zhēng)產(chǎn)品比較，造成改進(jìn)策略不夠準(zhǔn)確。同一市場(chǎng)內(nèi)，某產(chǎn)品通常有多家產(chǎn)品與之競(jìng)爭(zhēng)，消費(fèi)者在購(gòu)買(mǎi)產(chǎn)品時(shí)，往往會(huì)對(duì)比各產(chǎn)品的優(yōu)劣，選擇最滿(mǎn)意的產(chǎn)品。設(shè)計(jì)人員在進(jìn)行產(chǎn)品設(shè)計(jì)改進(jìn)時(shí)，如果僅考慮本企業(yè)產(chǎn)品而忽略與競(jìng)爭(zhēng)產(chǎn)品做比較，將會(huì)得到錯(cuò)誤的產(chǎn)品改進(jìn)方向，使得改進(jìn)效果不佳而流失大量顧客[13]。因此，產(chǎn)品設(shè)計(jì)改進(jìn)若同時(shí)考慮競(jìng)爭(zhēng)產(chǎn)品將會(huì)更加精準(zhǔn)有效。②目前在線(xiàn)評(píng)論數(shù)據(jù)挖掘抽取的顧客需求往往過(guò)于簡(jiǎn)單，丟失了原始評(píng)論背景信息，難以滿(mǎn)足設(shè)計(jì)人員需求[14]。現(xiàn)有研究含蓄地假設(shè)顧客需求主要包含顧客關(guān)注的產(chǎn)品特征及情感詞，因此這些研究的主要任務(wù)是從在線(xiàn)評(píng)論中提取產(chǎn)品特征及情感詞，并確定特征情感分?jǐn)?shù)。然而，這個(gè)假設(shè)存在問(wèn)題，產(chǎn)品特征和情感詞只是在線(xiàn)評(píng)論內(nèi)容中的一部分，顧客在撰寫(xiě)評(píng)論時(shí)，不僅描述了對(duì)產(chǎn)品特征的情感態(tài)度，還描述了他們使用產(chǎn)品時(shí)的使用情景以及遇到的問(wèn)題[15]。丟失使用情景以及產(chǎn)品問(wèn)題等原始信息，將造成設(shè)計(jì)人員無(wú)法全面真實(shí)地了解顧客需求，因此有必要從在線(xiàn)評(píng)論中挖掘細(xì)粒度的顧客需求信息，從而更好地支持產(chǎn)品設(shè)計(jì)改進(jìn)過(guò)程。

為解決上述問(wèn)題，本文提出一種基于在線(xiàn)評(píng)論的重要度績(jī)效競(jìng)爭(zhēng)對(duì)手分析(Importarce Performance Competitor Analysis,IPCA)的產(chǎn)品設(shè)計(jì)改進(jìn)方法。首先，應(yīng)用隱含狄利克雷分布(Latent Dirichlet Allocation,LDA)主題模型識(shí)別產(chǎn)品主題，基于文檔—主題概率分布計(jì)算產(chǎn)品特征重要度。利用依存句法分析提取在線(xiàn)評(píng)論中的情感標(biāo)簽，對(duì)情感標(biāo)簽量化后得到產(chǎn)品特征績(jī)效值。其次，對(duì)目標(biāo)產(chǎn)品及其多個(gè)競(jìng)爭(zhēng)產(chǎn)品進(jìn)行IPCA，找到目標(biāo)產(chǎn)品需要改進(jìn)的特征。最后，通過(guò)待改進(jìn)特征的情感標(biāo)簽篩選原始負(fù)面評(píng)論，并從中提取用例，使用用例圖直觀(guān)地展現(xiàn)顧客細(xì)粒度需求，發(fā)現(xiàn)潛在的產(chǎn)品問(wèn)題，進(jìn)而提出產(chǎn)品設(shè)計(jì)改進(jìn)策略。

1 理論基礎(chǔ)

1.1 IPA方法

在在線(xiàn)評(píng)論研究興起之前，一些研究使用調(diào)查問(wèn)卷等市場(chǎng)調(diào)查方法獲取顧客需求，發(fā)現(xiàn)產(chǎn)品需要改進(jìn)的地方，重要度績(jī)效分析(Importance Performance Analysis，IPA)便是其中一種行之有效的方法。IPA方法由MARTILLA等[16]首次提出，是一種簡(jiǎn)單有效的客戶(hù)滿(mǎn)意度評(píng)價(jià)方法。在IPA方法實(shí)施過(guò)程中，顧客對(duì)產(chǎn)品的各個(gè)特征的績(jī)效和重要度進(jìn)行打分，并計(jì)算單個(gè)特征的所有顧客評(píng)分的平均值，將所得平均數(shù)表示在分別代表重要度和績(jī)效的雙軸坐標(biāo)系中，從而形成IPA圖，如圖 1 所示。

圖中：區(qū)域Q1表示對(duì)顧客重要的產(chǎn)品特征績(jī)效值較高，落在該區(qū)域中的特征應(yīng)繼續(xù)保持優(yōu)勢(shì)，稱(chēng)為優(yōu)勢(shì)區(qū)；區(qū)域Q2表示重要的產(chǎn)品特征績(jī)效表現(xiàn)不理想，企業(yè)應(yīng)集中提供顧客期望并重視的因素，該區(qū)域?yàn)榧懈纳茀^(qū)；區(qū)域Q3表示不重要的產(chǎn)品特征績(jī)效值低， 該區(qū)域?qū)儆趯?duì)顧客重視度低的區(qū)域；區(qū)域Q4表示不重要的產(chǎn)品特征供給過(guò)度，屬于過(guò)度重視區(qū)。

IPA方法操作簡(jiǎn)單、實(shí)用性強(qiáng)，目前已在學(xué)界廣泛應(yīng)用。但有學(xué)者對(duì)其簡(jiǎn)易性提出了批評(píng)[17-18]，例如，MIKULI等[17]認(rèn)為，當(dāng)不同產(chǎn)品進(jìn)行比較時(shí)，IPA模型只能評(píng)估本企業(yè)的產(chǎn)品特征的表現(xiàn)，無(wú)法考慮競(jìng)爭(zhēng)產(chǎn)品的表現(xiàn)，分析結(jié)果通常不準(zhǔn)確。為解決該問(wèn)題，現(xiàn)有研究考慮了競(jìng)爭(zhēng)產(chǎn)品的信息，提出一種更為全面的方法——IPCA方法[18-19]。

1.2 IPCA方法

在IPCA模型中，X軸表示目標(biāo)產(chǎn)品與競(jìng)爭(zhēng)產(chǎn)品的特征績(jī)效值之間的差異，即PD值；Y軸表示目標(biāo)產(chǎn)品的特征績(jī)效值和重要度的差異，即GAP值。以坐標(biāo)原點(diǎn)為中心，構(gòu)成二維矩陣，將目標(biāo)產(chǎn)品特征劃分為4個(gè)區(qū)域，如圖2所示。

圖中：位于區(qū)域Q1的產(chǎn)品特征，績(jī)效值大于重要度，且績(jī)效表現(xiàn)優(yōu)于競(jìng)爭(zhēng)產(chǎn)品，是目標(biāo)產(chǎn)品的優(yōu)勢(shì)特征，應(yīng)繼續(xù)保持，該區(qū)域稱(chēng)為穩(wěn)定的競(jìng)爭(zhēng)優(yōu)勢(shì)區(qū)；位于區(qū)域Q2的產(chǎn)品特征，績(jī)效值大于重要度，但績(jī)效表現(xiàn)弱于競(jìng)爭(zhēng)產(chǎn)品，需要投入資源改進(jìn)，至少達(dá)到競(jìng)爭(zhēng)產(chǎn)品的績(jī)效水平，該區(qū)域稱(chēng)為正面競(jìng)爭(zhēng)區(qū)；位于區(qū)域Q3的產(chǎn)品特征，績(jī)效值小于重要度，且該特征績(jī)效表現(xiàn)弱于競(jìng)爭(zhēng)產(chǎn)品，是目標(biāo)產(chǎn)品的主要競(jìng)爭(zhēng)弱點(diǎn)特征，需要投入資源重點(diǎn)改進(jìn)，該區(qū)域稱(chēng)為緊急行動(dòng)區(qū)；位于區(qū)域Q4的產(chǎn)品特征，盡管績(jī)效表現(xiàn)優(yōu)于競(jìng)爭(zhēng)產(chǎn)品，但是績(jī)效值小于重要度，沒(méi)有滿(mǎn)足顧客期望，該區(qū)域稱(chēng)為無(wú)效優(yōu)勢(shì)區(qū)。

綜上所述，IPCA方法解決了IPA方法忽略競(jìng)爭(zhēng)產(chǎn)品分析的問(wèn)題，評(píng)價(jià)結(jié)果更加準(zhǔn)確。因此，將IPCA方法應(yīng)用到本文研究中，并將其數(shù)據(jù)源從調(diào)查數(shù)據(jù)擴(kuò)展到在線(xiàn)評(píng)論數(shù)據(jù)。

2 研究方法

本文提出一種基于在線(xiàn)評(píng)論IPCA的產(chǎn)品設(shè)計(jì)改進(jìn)方法，該方法分為3個(gè)部分，流程如圖3所示。

2.1 數(shù)據(jù)采集與預(yù)處理

使用大數(shù)據(jù)采集器爬取在線(xiàn)評(píng)論數(shù)據(jù)，采集的評(píng)論數(shù)據(jù)集包括目標(biāo)產(chǎn)品評(píng)論數(shù)據(jù)與競(jìng)爭(zhēng)產(chǎn)品評(píng)論數(shù)據(jù)兩部分。競(jìng)爭(zhēng)產(chǎn)品通常利用一些分析維度來(lái)確定，如價(jià)格、產(chǎn)品型號(hào)、市場(chǎng)范圍等[20]。例如，以?xún)r(jià)格維度確定競(jìng)爭(zhēng)產(chǎn)品時(shí)，可以以目標(biāo)產(chǎn)品的價(jià)格為基準(zhǔn)，設(shè)定價(jià)格范圍，市場(chǎng)價(jià)格在此范圍內(nèi)的同類(lèi)產(chǎn)品為競(jìng)爭(zhēng)產(chǎn)品。

此外，直接從網(wǎng)上采集的數(shù)據(jù)中，不僅包含產(chǎn)品特征詞，還包含許多與產(chǎn)品特征無(wú)關(guān)的噪音詞語(yǔ)。為了得到對(duì)研究問(wèn)題有價(jià)值的分析結(jié)果，需要對(duì)原始評(píng)論數(shù)據(jù)進(jìn)行預(yù)處理，去除文本噪音。首先，對(duì)評(píng)論文本進(jìn)行分詞，使數(shù)據(jù)變?yōu)橐子诜治龅男问?；其次，刪除一些與產(chǎn)品特征毫無(wú)關(guān)聯(lián)的詞語(yǔ)，例如：“啊”、“我們”、“…” 等停用詞，“感覺(jué)”、“有點(diǎn)”、“關(guān)系” 等出現(xiàn)頻率較高但與產(chǎn)品主題無(wú)關(guān)的詞語(yǔ)；最后，根據(jù)經(jīng)驗(yàn)，去掉文本長(zhǎng)度小于3的短文本，這些評(píng)論包含信息少且影響分析結(jié)果。經(jīng)過(guò)預(yù)處理后的評(píng)論文本數(shù)據(jù)以結(jié)構(gòu)化形式存儲(chǔ)，為后續(xù)研究工作做準(zhǔn)備。

2.2 基于在線(xiàn)評(píng)論的IPCA模型構(gòu)建

2.2.1 基于LDA的產(chǎn)品特征重要度計(jì)算

應(yīng)用LDA主題模型對(duì)在線(xiàn)評(píng)論進(jìn)行處理，基于主題—詞概率分布識(shí)別在線(xiàn)評(píng)論中的產(chǎn)品主題；基于文檔—主題概率分布計(jì)算產(chǎn)品主題的重要度，進(jìn)而轉(zhuǎn)化為產(chǎn)品特征的重要度。具體步驟如下：

步驟1最佳產(chǎn)品主題數(shù)確定。通過(guò)給定產(chǎn)品主題數(shù)K，計(jì)算不同產(chǎn)品主題間的一致性分?jǐn)?shù)。當(dāng)主題一致性分?jǐn)?shù)最高時(shí)，各產(chǎn)品主題的可解釋性最好，對(duì)應(yīng)的K值最優(yōu)[21]。

步驟2產(chǎn)品主題識(shí)別?；贚DA建模的結(jié)果可以輸出主題—詞概率分布和文檔—主題概率分布[22]。主題—詞概率分布表示用戶(hù)關(guān)注的產(chǎn)品主題中相關(guān)詞語(yǔ)的概率分布，基于該分布即可確定用戶(hù)關(guān)注的產(chǎn)品主題，由此獲得K個(gè)產(chǎn)品主題集合。

步驟3產(chǎn)品特征重要度計(jì)算。文檔—主題概率分布表示單條評(píng)論中產(chǎn)品主題的概率分布，主題在單條評(píng)論中貢獻(xiàn)概率越大，代表該主題越被頻繁提及，這個(gè)主題就越重要。因此，本文使用主題對(duì)評(píng)論的貢獻(xiàn)概率衡量產(chǎn)品主題的重要度[23]，每個(gè)產(chǎn)品主題對(duì)所有在線(xiàn)評(píng)論的貢獻(xiàn)概率之和即為該產(chǎn)品主題的重要度。記產(chǎn)品主題k的重要度為T(mén)Ik，

(1)

式中：r表示評(píng)論編號(hào)；N表示評(píng)論總數(shù)量；DTMatrixk,r表示產(chǎn)品主題k對(duì)評(píng)論r的貢獻(xiàn)概率。每個(gè)產(chǎn)品主題代表對(duì)應(yīng)的產(chǎn)品特征，多個(gè)產(chǎn)品主題可能代表相同的產(chǎn)品特征，為計(jì)算產(chǎn)品特征i的重要度Impi，對(duì)K個(gè)主題中屬于同一產(chǎn)品特征的主題合并歸納，即

(2)

(3)

2.2.2 基于情感分析的產(chǎn)品特征績(jī)效值計(jì)算

在線(xiàn)評(píng)論研究中，情感強(qiáng)度反映了顧客對(duì)產(chǎn)品的滿(mǎn)意程度，情感強(qiáng)度越高，說(shuō)明顧客對(duì)產(chǎn)品越滿(mǎn)意。因此，本文將顧客對(duì)產(chǎn)品特征的情感強(qiáng)度作為產(chǎn)品特征的實(shí)際績(jī)效值。通過(guò)依存句法分析提取在線(xiàn)評(píng)論中的情感標(biāo)簽，利用基于情感詞典的情感分析方法量化情感標(biāo)簽，計(jì)算產(chǎn)品特征的情感強(qiáng)度，進(jìn)而轉(zhuǎn)化為產(chǎn)品特征的績(jī)效值。具體步驟如下：

步驟1情感標(biāo)簽提取。情感標(biāo)簽指的是顧客對(duì)產(chǎn)品特征的直觀(guān)評(píng)價(jià)，一般包含了產(chǎn)品特征詞、程度副詞或否定詞，以及情感詞三個(gè)部分，例如(外觀(guān)，很，漂亮)。通過(guò)設(shè)定句法規(guī)則，使用哈工大語(yǔ)言技術(shù)平臺(tái)上的依存句法分析工具進(jìn)行依存句法分析[24]，獲取特征詞、程度副詞或否定詞以及情感詞之間的語(yǔ)法關(guān)系，提取情感標(biāo)簽。若依存關(guān)系標(biāo)注為主謂關(guān)系(SBV)、定中關(guān)系(ATT)、狀中關(guān)系(ADV)或動(dòng)賓關(guān)系(VOB)，則句子中的名詞、名詞詞組或動(dòng)詞為產(chǎn)品特征詞，產(chǎn)品特征詞依賴(lài)的形容詞為情感詞，與情感詞之間的依存關(guān)系為ADV(狀中關(guān)系)的詞語(yǔ)為程度副詞或否定詞。其中，情感詞的識(shí)別依賴(lài)于特定的情感詞典，可參考知網(wǎng)情感詞典(Hownet)。對(duì)于某些特殊的產(chǎn)品，也可以構(gòu)建專(zhuān)門(mén)的領(lǐng)域情感詞典。

步驟2情感標(biāo)簽量化。采用文獻(xiàn)[8]中的基于情感詞典的情感分析方法，對(duì)情感標(biāo)簽內(nèi)的情感詞、程度副詞或否定詞進(jìn)行量化。量化標(biāo)準(zhǔn)參考知網(wǎng)情感詞典(Hownet)自帶的分類(lèi)標(biāo)準(zhǔn)，正向和負(fù)向情感極性詞分別量化為1和-1；程度副詞按照修飾情感詞的強(qiáng)烈程度依次量化為2、1.5、0.5，若未識(shí)別到程度副詞按1處理；若出現(xiàn)否定詞，則取相反極性；若未識(shí)別到情感詞，則情感極性為0。具體情感極性相關(guān)詞的量化標(biāo)準(zhǔn)如表1所示。

表1 情感極性相關(guān)詞的量化標(biāo)準(zhǔn)

續(xù)表1

步驟3產(chǎn)品特征績(jī)效值計(jì)算?；诒?，對(duì)于每條情感標(biāo)簽j來(lái)說(shuō)，其對(duì)應(yīng)的情感強(qiáng)度

SentiValuej=EmoValue×AdValue×NegValue。

(4)

匯總每類(lèi)特征的所有情感標(biāo)簽，計(jì)算產(chǎn)品特征i的情感強(qiáng)度

(5)

(6)

2.2.3 IPCA模型構(gòu)建

(7)

目標(biāo)產(chǎn)品與競(jìng)爭(zhēng)產(chǎn)品m的各特征Fi的績(jī)效差異值為：

(8)

2.3 產(chǎn)品改進(jìn)策略分析

通過(guò)IPCA識(shí)別了目標(biāo)產(chǎn)品的改進(jìn)方向后，為了解產(chǎn)品特征的改進(jìn)細(xì)節(jié)，進(jìn)一步挖掘包含待改進(jìn)產(chǎn)品特征的原始評(píng)論，提取更細(xì)粒度的顧客需求并發(fā)現(xiàn)主要的產(chǎn)品問(wèn)題，進(jìn)而提出產(chǎn)品改進(jìn)策略。具體步驟如下：

步驟1提取待改進(jìn)產(chǎn)品特征的原始評(píng)論。在獲得目標(biāo)產(chǎn)品待改進(jìn)特征后，統(tǒng)計(jì)包含產(chǎn)品待改進(jìn)特征的情感標(biāo)簽，篩選包含這些情感標(biāo)簽的原始在線(xiàn)評(píng)論。

步驟2篩選負(fù)面評(píng)論。在得到包含目標(biāo)產(chǎn)品待改進(jìn)特征的原始評(píng)論后，為了準(zhǔn)確分析顧客不滿(mǎn)意的原因，篩選出情感標(biāo)簽情感分?jǐn)?shù)SentiValue<0對(duì)應(yīng)的負(fù)面原始評(píng)論。

步驟3挖掘細(xì)粒度需求。在獲取待改進(jìn)特征相關(guān)的負(fù)面評(píng)論后，按照“產(chǎn)品特征、使用者、使用情景、遇到的問(wèn)題”等4個(gè)要素對(duì)評(píng)論進(jìn)行人工標(biāo)記，統(tǒng)計(jì)頻數(shù)及占比信息并繪制用例圖，更直觀(guān)形象地把握顧客需求。

下面以3條汽車(chē)評(píng)論數(shù)據(jù)為例說(shuō)明標(biāo)記過(guò)程：

(1)在市區(qū)跑的話(huà)油耗會(huì)稍微的多一點(diǎn)，在高速的話(huà)就會(huì)稍微的少一點(diǎn)。

(2)動(dòng)力一般，冬天早上啟動(dòng)的時(shí)候聲音有點(diǎn)大，2.0自吸的平?；乩霞疑舷掳喽?jí)蛴谩?/p>

(3)大部分時(shí)間一個(gè)人開(kāi)，空間沒(méi)有太多感受。后排凸起是唯一的槽點(diǎn)。

對(duì)以上3個(gè)句子進(jìn)行標(biāo)記，結(jié)果如表2所示。其中，如果用戶(hù)沒(méi)有明確提及使用者(如：我、朋友、老婆等)，則默認(rèn)使用者為普通用戶(hù)；如果用戶(hù)有具體的描述，則記為其他。

表2 原始評(píng)論標(biāo)記示例

步驟4提出產(chǎn)品改進(jìn)策略。基于用例圖找到產(chǎn)品的主要問(wèn)題后，咨詢(xún)專(zhuān)家意見(jiàn)，提出具體的產(chǎn)品改進(jìn)策略。

3 案例研究

3.1 實(shí)驗(yàn)設(shè)計(jì)

3.1.1 汽車(chē)口碑?dāng)?shù)據(jù)采集與預(yù)處理

本文選擇汽車(chē)之家(autohome.com.cn)口碑作為數(shù)據(jù)源，進(jìn)行實(shí)驗(yàn)分析。以“邁銳寶XL 2019款”汽車(chē)作為目標(biāo)產(chǎn)品，選擇與其車(chē)型和價(jià)格相近的熱門(mén)車(chē)型中的前6款作為競(jìng)爭(zhēng)產(chǎn)品。利用八爪魚(yú)采集器在汽車(chē)之家論壇上爬取7款汽車(chē)產(chǎn)品的所有口碑，共計(jì)8 243條，數(shù)據(jù)起止時(shí)間為2019年1月～2020年1月，各汽車(chē)產(chǎn)品的評(píng)論數(shù)量以及在2020年1月的口碑綜合評(píng)分如表3所示。經(jīng)預(yù)處理，依圖3流程進(jìn)行分析。

表3 汽車(chē)產(chǎn)品口碑采集結(jié)果及口碑綜合評(píng)分(2020)

3.1.2 汽車(chē)產(chǎn)品特征重要度計(jì)算

應(yīng)用LDA主題模型對(duì)預(yù)處理后的邁銳寶XL汽車(chē)的口碑?dāng)?shù)據(jù)進(jìn)行處理。給定主題數(shù)K的值，計(jì)算主題一致性分?jǐn)?shù)。通過(guò)計(jì)算發(fā)現(xiàn)，當(dāng)K=27時(shí)，主題一致性分?jǐn)?shù)最高，因此設(shè)定最佳主題數(shù)為27，同時(shí)保留每個(gè)主題的前15個(gè)關(guān)鍵詞用于主題標(biāo)記[23]。LDA主題模型輸出的主題—詞概率分布和文檔—主題概率分布如表4和表5所示。

表4 邁銳寶XL汽車(chē)的主題—詞概率分布(部分)

表5 邁銳寶XL汽車(chē)的文檔—主題概率分布(部分)

LDA屬于無(wú)監(jiān)督主題模型，因此生成的主題依次用“Topic1”、“Topic2”、“Topic3”表示，這樣的標(biāo)記獲取不到任何信息，需要結(jié)合主題下的關(guān)鍵詞分布對(duì)各主題進(jìn)行標(biāo)記。通過(guò)咨詢(xún)專(zhuān)業(yè)汽車(chē)設(shè)計(jì)人員的意見(jiàn)并結(jié)合汽車(chē)之家等知名汽車(chē)論壇對(duì)汽車(chē)特征的分類(lèi)標(biāo)準(zhǔn)，最終選取操控、動(dòng)力、空間、內(nèi)飾、舒適性、外觀(guān)、性?xún)r(jià)比、油耗等8類(lèi)產(chǎn)品特征主題。例如，Topic1被命名為內(nèi)飾，因?yàn)樵撝黝}下排序靠前的關(guān)鍵詞為“內(nèi)飾”、“好看”、“簡(jiǎn)單”、“材質(zhì)”、“不錯(cuò)”等與內(nèi)飾相關(guān)的詞語(yǔ)，權(quán)重占比達(dá)64.95%，反映了邁銳寶XL汽車(chē)的內(nèi)飾簡(jiǎn)約美觀(guān)。

表6 邁銳寶XL汽車(chē)的產(chǎn)品特征重要度

3.1.3 汽車(chē)產(chǎn)品特征績(jī)效值計(jì)算

使用2.2.2節(jié)的算法提取情感標(biāo)簽并量化，獲得各汽車(chē)產(chǎn)品的特征績(jī)效值如表7所示。其中，Perfi(i=1,2,…,8)分別表示操控、動(dòng)力、空間、內(nèi)飾、舒適性、外觀(guān)、性?xún)r(jià)比、油耗等8類(lèi)產(chǎn)品特征的績(jī)效值。

表7 各汽車(chē)產(chǎn)品的特征績(jī)效值

3.2 實(shí)驗(yàn)結(jié)果分析

3.2.1 汽車(chē)產(chǎn)品IPCA模型構(gòu)建結(jié)果

3.2.2 汽車(chē)產(chǎn)品設(shè)計(jì)改進(jìn)方向識(shí)別

根據(jù)圖4特征在各象限落點(diǎn)的分布情況，將6個(gè)IPCA圖分為兩組：第一組(圖4a～圖4c)包括天籟、亞洲龍、凱美瑞汽車(chē)，該組的落點(diǎn)集中在Q1、Q2、Q3區(qū)域，而Q4區(qū)域沒(méi)有落點(diǎn)。邁銳寶XL汽車(chē)的空間、動(dòng)力、操控、外觀(guān)、性?xún)r(jià)比的績(jī)效均滿(mǎn)足了顧客期望，但與競(jìng)爭(zhēng)產(chǎn)品的績(jī)效存在差異。位于Q2區(qū)域的特征處于競(jìng)爭(zhēng)劣勢(shì)，需要“稍微改進(jìn)”，至少達(dá)到競(jìng)爭(zhēng)產(chǎn)品的水平。此外，該組Q3區(qū)域落點(diǎn)情況完全一致，這表明與天籟、亞洲龍、凱美瑞汽車(chē)相比，邁銳寶XL汽車(chē)的內(nèi)飾、油耗、性?xún)r(jià)比是主要的競(jìng)爭(zhēng)弱點(diǎn)，需要投入大量資源“重點(diǎn)改進(jìn)”。Q4區(qū)域沒(méi)有落點(diǎn)表明邁銳寶XL汽車(chē)不存在資源浪費(fèi)，沒(méi)有無(wú)效的競(jìng)爭(zhēng)優(yōu)勢(shì)。第二組(圖4d～圖4f)包括帕薩特、君威、邁騰汽車(chē)，該組4個(gè)象限內(nèi)均有落點(diǎn)，其中Q3和Q4區(qū)域落點(diǎn)情況完全一致。以邁銳寶XL汽車(chē)與君威汽車(chē)為例，設(shè)計(jì)人員需要“重點(diǎn)改進(jìn)”內(nèi)飾，“稍微改進(jìn)”外觀(guān)、油耗和舒適性，提高邁銳寶XL汽車(chē)的市場(chǎng)競(jìng)爭(zhēng)力。

3.2.3 汽車(chē)產(chǎn)品改進(jìn)策略分析

以圖4第一組IPCA圖為例，與天籟、亞洲龍、凱美瑞3款汽車(chē)相比，邁銳寶XL汽車(chē)的“內(nèi)飾”、“油耗”、“舒適性”等特征需要采取緊急行動(dòng)改進(jìn)?；?.3節(jié)的方法，篩選與這些特征相關(guān)的原始負(fù)面評(píng)論。然后，進(jìn)行人工標(biāo)記，提取評(píng)論中的“產(chǎn)品特征、使用者、使用情景、產(chǎn)品問(wèn)題”等元素并統(tǒng)計(jì)其頻數(shù)及占比，繪制用例圖。為節(jié)省空間，以“舒適性”特征為例展示分析結(jié)果，如圖5和表8所示。油耗和內(nèi)飾的分析過(guò)程與舒適性類(lèi)似，此處不列舉。

表8 邁銳寶XL汽車(chē)的負(fù)面評(píng)論標(biāo)記信息統(tǒng)計(jì)表

如圖5所示，在使用情景方面，用戶(hù)抱怨邁銳寶XL汽車(chē)在“過(guò)減速帶”、“過(guò)坑坎、碎石路面等較差路況”、“車(chē)速80以上等高速行駛”等情境下容易發(fā)生問(wèn)題，設(shè)計(jì)人員在產(chǎn)品檢測(cè)階段，可模擬真實(shí)環(huán)境進(jìn)行多情景測(cè)試，提升用戶(hù)在過(guò)減速帶、較差路況以及高速情境下的體驗(yàn)。在產(chǎn)生的問(wèn)題中，用戶(hù)描述最多的是邁銳寶XL汽車(chē)“底盤(pán)懸架偏硬，減震差，顛簸感明顯”、“隔音差，發(fā)動(dòng)機(jī)、胎噪等噪聲大”以及“座椅偏硬”等問(wèn)題。在確定邁銳寶XL汽車(chē)舒適性特征的主要問(wèn)題后，基于專(zhuān)家的意見(jiàn)，提出具體的改進(jìn)策略如下：

(1)提升底盤(pán)調(diào)校技術(shù)，應(yīng)用液壓緩沖系統(tǒng)，裝配較軟的輪胎，減少不同路況下對(duì)車(chē)身的沖擊，改善避震性能，減少車(chē)身多余震動(dòng)。

(2)在發(fā)動(dòng)機(jī)引擎蓋下增加吸聲材料，吸收發(fā)動(dòng)機(jī)噪音；改善減震板和吸音墊隔音性能，降低路噪和胎噪等噪聲；加強(qiáng)密封阻力，使用車(chē)門(mén)密封條，減少風(fēng)噪。

(3)設(shè)計(jì)座椅時(shí)，注重人體工程學(xué)設(shè)計(jì)，使用材質(zhì)較軟的材料，提升座椅柔軟度、包裹性和支撐性。

3.3 驗(yàn)證實(shí)驗(yàn)

本文提出的產(chǎn)品設(shè)計(jì)改進(jìn)方法主要是通過(guò)建立基于在線(xiàn)評(píng)論的IPCA模型，將目標(biāo)產(chǎn)品與多個(gè)競(jìng)爭(zhēng)產(chǎn)品比較，進(jìn)而確定產(chǎn)品改進(jìn)的方向。因此，該方法的有效性主要與基于在線(xiàn)評(píng)論的IPCA模型的準(zhǔn)確性有關(guān)。

為了驗(yàn)證基于在線(xiàn)評(píng)論的IPCA模型的準(zhǔn)確性，有必要將本文所提模型(以下記為Review-IPCA)與已有研究中基于調(diào)查問(wèn)卷打分?jǐn)?shù)據(jù)的IPCA模型(以下記為Rating-IPCA)進(jìn)行對(duì)比，如果兩者結(jié)果一致，則證明Review-IPCA是有效的。在汽車(chē)之家口碑?dāng)?shù)據(jù)中，除了用戶(hù)評(píng)論內(nèi)容，用戶(hù)還對(duì)汽車(chē)的各個(gè)特征的滿(mǎn)意度(當(dāng)測(cè)量滿(mǎn)意度時(shí)，績(jī)效值等同于滿(mǎn)意度)和總體滿(mǎn)意度進(jìn)行打分，這些打分?jǐn)?shù)據(jù)可以作為Rating-IPCA的數(shù)據(jù)來(lái)源。另外，采用文獻(xiàn)[25]的方法計(jì)算產(chǎn)品特征重要度，該方法考慮單個(gè)特征的滿(mǎn)意度得分Si和總體顧客滿(mǎn)意度評(píng)價(jià)OS兩個(gè)要素。將各特征滿(mǎn)意度得分Si取自然對(duì)數(shù)后，計(jì)算OS和ln(Si)之間的偏相關(guān)系數(shù)即可得到重要度得分，偏相關(guān)系數(shù)可在SPSS軟件中使用相關(guān)矩陣求逆法計(jì)算。基于滿(mǎn)意度打分和重要度得分?jǐn)?shù)據(jù)，可構(gòu)建Rating-IPCA模型。為了節(jié)省空間，本文僅針對(duì)邁銳寶XL與天籟汽車(chē)的IPCA模型進(jìn)行驗(yàn)證，結(jié)果如圖6所示。通過(guò)對(duì)比發(fā)現(xiàn)，Rating-IPCA模型和本文的Review-IPCA模型的結(jié)果保持一致，進(jìn)而驗(yàn)證了本文方法的有效性。

4 結(jié)束語(yǔ)

本文提出一種基于在線(xiàn)評(píng)論IPCA的產(chǎn)品設(shè)計(jì)改進(jìn)方法。首先，應(yīng)用LDA主題模型和情感分析方法處理在線(xiàn)評(píng)論文本，識(shí)別產(chǎn)品特征的績(jī)效值和重要度。其次，在此基礎(chǔ)上，構(gòu)建多個(gè)IPCA模型，將目標(biāo)產(chǎn)品與多個(gè)競(jìng)爭(zhēng)產(chǎn)品比較，識(shí)別目標(biāo)產(chǎn)品的改進(jìn)方向。最后，通過(guò)提取原始負(fù)面評(píng)論用例，找到產(chǎn)品問(wèn)題，進(jìn)而確定相應(yīng)的產(chǎn)品改進(jìn)策略。實(shí)驗(yàn)結(jié)果表明，本文提出的方法是有效的。但是，本文尚存在一些不足，本文使用人工標(biāo)記的方法提取評(píng)論用例，當(dāng)評(píng)論數(shù)量足夠大時(shí)，人工標(biāo)記的工作量將會(huì)大幅提升，因此未來(lái)需要在自動(dòng)識(shí)別上做進(jìn)一步研究；對(duì)情感標(biāo)簽的提取方法也應(yīng)進(jìn)一步改進(jìn)，盡量從評(píng)論文本中抽取更多的情感標(biāo)簽；另外，本文主要研究如何從在線(xiàn)評(píng)論中提取細(xì)粒度顧客需求、發(fā)現(xiàn)產(chǎn)品問(wèn)題并提出產(chǎn)品改進(jìn)策略，尚未探索產(chǎn)品質(zhì)量改進(jìn)后的效果，未來(lái)研究可以利用在線(xiàn)評(píng)論從時(shí)間維度分析產(chǎn)品改進(jìn)后的效果。