短生命周期類電子產(chǎn)品的用戶需求挖掘研究

張亞菲，申 彥，敬露藝

（江蘇大學 管理學院，江蘇 鎮(zhèn)江 212013）

0 引言

隨著科技的不斷發(fā)展，電子產(chǎn)品大量涌現(xiàn)，為人們的學習、工作和生活提供了極大便利。一些電子產(chǎn)品企業(yè)為了搶占先機、贏得市場，不斷提高產(chǎn)品迭代速度。電子產(chǎn)品生命周期的不斷縮短，不僅導致了市場需求的不穩(wěn)定，也給生產(chǎn)企業(yè)準確挖掘用戶需求帶來了極大挑戰(zhàn)。

雖然目前有關短生命周期類電子產(chǎn)品用戶需求的研究有很多，但大多集中在借助歷史銷售數(shù)據(jù)對未來用戶的產(chǎn)品需求數(shù)量進行預測方面。對于產(chǎn)品設計部門而言，產(chǎn)品需求數(shù)量并不能反映顧客對產(chǎn)品特性的需求，因而無法為產(chǎn)品設計提供參考。如今電子商務的普及使得越來越多用戶傾向于在網(wǎng)上購物，并產(chǎn)生了大量的用戶生成內容（User Generated Content，UGC）。以用戶在線評論為代表的UGC，相較于傳統(tǒng)獲取困難、代表性不強的市場反饋而言，不僅獲取方式簡單，而且包含了用戶具體的功能性需求，可成為企業(yè)相關部門了解用戶詳細、動態(tài)需求的重要來源。由于在線評論是UGC 中的典型代表，因此以下內容不再對UGC 與在線評論進行區(qū)分。如何利用在線評論內容挖掘用戶需求，以豐富短生命周期類電子產(chǎn)品功能性需求挖掘方面相關研究？基于此，本文旨在解決如下兩個問題：①如何從在線評論中快速、準確地挖掘用戶對短生命周期類電子產(chǎn)品的需求；②如何確定用戶需求的優(yōu)先級。

為此，本文以UGC 中的短生命周期類電子產(chǎn)品的在線評論為數(shù)據(jù)源，通過構建短生命周期類電子產(chǎn)品用戶需求挖掘框架對用戶產(chǎn)品需求進行挖掘。首先，利用LDA 從在線評論中提取產(chǎn)品特征主題，并使用SnowNLP 對提取到的特征主題進行情感極性分類；然后，利用多元邏輯回歸模型和Kano 模型實現(xiàn)短生命周期類電子產(chǎn)品用戶需求的分類與排序。該研究框架以在線評論作為輸入，克服了傳統(tǒng)需求獲取方法在時效性和準確性方面的不足，有助于企業(yè)相關部門快速了解產(chǎn)品優(yōu)缺點、獲取用戶需求，從而更有針對性地進行產(chǎn)品優(yōu)化。

本研究的主要貢獻如下：

（1）提出一種結合傳統(tǒng)管理分析方法和大數(shù)據(jù)分析方法的用戶需求獲取框架，大大提高了用戶需求挖掘效率。

（2）以UGC 為數(shù)據(jù)源，大大提高了用戶需求挖掘的時效性和準確性。

（3）利用Kano 模型劃分并確定了用戶需求類別及其重要程度，為企業(yè)相關部門的決策制定提供參考。

1 相關研究

1.1 短生命周期電子產(chǎn)品與用戶需求研究

短生命周期產(chǎn)品是指生命周期短、時效性強、更新?lián)Q代快、價格變化快的產(chǎn)品，包括體驗型產(chǎn)品（如電影）、電子產(chǎn)品（如移動終端、平板電腦）等［1］。目前，針對短生命周期電子產(chǎn)品的研究大多從銷量預測方面出發(fā)。如李杰等［2］針對移動終端設備生命周期短、銷量波動大、銷售預測困難等特征，構建用于移動終端設備銷量預測的s-bass 模型；劉朝霞［3］利用馬爾可夫過程模型預測短生命周期產(chǎn)品的市場需求，并以M 公司手機產(chǎn)品為例，通過模型得出該款手機的潛在市場占有率。然而，這些研究只在銷量層面進行產(chǎn)品數(shù)量上的需求預測，而缺乏對影響產(chǎn)品銷量的用戶功能性需求的關注。因此，為提高產(chǎn)品銷量，相關企業(yè)和部門有必要尋找一種有效的用戶功能需求挖掘方法，以準確、快速地挖掘用戶的功能性需求，并爭取在最短時間內對用戶需求作出響應。

1.2 顧客價值研究

早在20 世紀末，美國的Lauteborn 就提出以顧客為中心，重視滿足顧客需求的顧客價值4C 理論。自此，企業(yè)為了更好地生存與發(fā)展，紛紛在新產(chǎn)品開發(fā)過程中提高顧客參與度，并逐漸將產(chǎn)品設計主體從制造商向顧客轉變，而這種轉變?yōu)槠髽I(yè)帶來的巨大收益也使得顧客價值得到了廣泛認同［4］。據(jù)麻省理工大學斯隆管理學院的調查，約有60%～80%的民用新產(chǎn)品的成功開發(fā)得益于顧客［5］，該結論在哈佛大學商學院有關消費者在新產(chǎn)品開發(fā)中發(fā)揮作用的調查中也同樣得到了印證［6］。國內類似的調查研究也有很多，如彭艷君等［7］在研究零售業(yè)新產(chǎn)品研發(fā)時發(fā)現(xiàn)，要在基于時間競爭的環(huán)境中獲得競爭優(yōu)勢，企業(yè)必須在新產(chǎn)品研發(fā)整個過程中考慮顧客價值，強調了顧客參與的重要性；岳秋熒［8］以線上零售為對象，對顧客參與、服務質量和持續(xù)使用意愿進行調查研究，也發(fā)現(xiàn)了顧客參與對線上零售的重要影響。由此看來，顧客參與決定了產(chǎn)品價值，因此只有始終以顧客為主體，從顧客角度出發(fā)，才能為企業(yè)帶來更大價值。

1.3 用戶需求研究

作為各個行業(yè)發(fā)展的起點和歸宿，用戶需求始終是國內外學術界的研究熱點。在國外，Li 等［9］在移動云計算應用服務中，基于移動顧客資源需求實現(xiàn)了云服務提供商資源配置成本的最小化。在汽車行業(yè)中，Xiao 等［10］根據(jù)顧客需求構建的SUV 汽車造型評價模型不僅為SUV 的形成性評價提供了理論依據(jù)，而且為設計者的設計工作指明了方向。同樣地，相關研究在旅游業(yè)、建筑業(yè)、電商行業(yè)等領域也得到了廣泛關注。如Batman 等［11］在對土耳其某旅游地區(qū)的需求調查中發(fā)現(xiàn)，游客在選擇景區(qū)時會優(yōu)先選擇更為安靜的文化旅游；Wood 等［12］針對綠色醫(yī)院設計調查問卷，以識別出顧客的主要關注點來完善綠色醫(yī)院的設計；Xu等［13］利用信息熵理論構建基于顧客需求自適應的隨機游走模型用于商品推薦，有效滿足了顧客對產(chǎn)品新穎性的需求。盡管現(xiàn)有的用戶需求獲取方法很多，但在處理大批量數(shù)據(jù)方面仍存在一定不足。因此，亟需尋找一種更科學、有效的方法進行用戶需求挖掘。

1.4 UGC 相關研究

隨著移動電話的普及，用戶在網(wǎng)上購物的頻率越來越高，并在網(wǎng)絡上留下了大量用戶生成內容（UGC）。作為UGC 的典型代表，在線評論不僅包含了消費者對商品或服務質量的真實感知，而且反映了某個產(chǎn)品或某項服務實現(xiàn)用戶某種愿望的程度［14］。因此，在線評論不僅成為消費者選擇、購買產(chǎn)品或服務的依據(jù)［15］，而且成為產(chǎn)品設計與改進的重要參考，為企業(yè)帶來了巨大的商業(yè)價值［16-17］。為快速獲得短生命周期類電子產(chǎn)品的用戶需求，以適應用戶需求的不斷變化，有必要以在線評論作為短生命周期類電子產(chǎn)品用戶需求挖掘研究的數(shù)據(jù)源。

2 用戶需求挖掘研究

為及時、準確地獲取用戶對不同種類短生命周期類電子產(chǎn)品的需求，把握影響用戶滿意度的本質，為企業(yè)相關部門的戰(zhàn)略制定指明方向，本研究提出基于UGC 的短生命周期類電子產(chǎn)品用戶需求挖掘研究框架。以電商平臺上用戶對相關產(chǎn)品的在線評論為數(shù)據(jù)源，首先利用八爪魚在線網(wǎng)絡信息采集工具抓取相關評論，并對抓取到的評論進行預處理；其次，利用LDA 并結合電商平臺產(chǎn)品分類標簽獲取評論中用戶關注的關鍵主題詞，同時利用SnowNLP 對各主題維度進行情感傾向分類；之后，借助多元邏輯回歸模型分析各主題維度不同情感傾向對用戶評分結果的影響；最后，結合Kano 模型對用戶需求進行分類與排序，從而為企業(yè)相關部門優(yōu)化產(chǎn)品提供指導。具體流程見圖1。

Fig.1 Framework of user demand mining for short life cycle electronic products圖1 短生命周期類電子產(chǎn)品用戶需求挖掘框架

步驟1：數(shù)據(jù)采集與預處理。本研究數(shù)據(jù)主要來源于京東電商平臺中某手機產(chǎn)品的用戶評論，使用網(wǎng)絡信息采集工具——八爪魚采集器進行在線評論信息的爬取。采集的每一條記錄包括評論內容、評論時間和評分，并利用采集器進行初步去重處理。

為減少噪音，需要對得到的評論數(shù)據(jù)進行過濾。過濾的評論數(shù)據(jù)主要有：①評論字數(shù)少于或等于2 個字符的評論，這種評論一般為顧客的直接情感流露，不包含顧客對手機特征的情感信息，如“不錯”“很好”等，其表達了顧客對手機的總體情感傾向，但并不能得出對手機某個特征的情感傾向，需要刪除；②只含有非中文字符的評論數(shù)據(jù)，這種評論沒有實際意義，也需要刪除。將預處理后的數(shù)據(jù)保存，以進行下一步研究。

步驟2：產(chǎn)品特征主題提取與情感分類。該步驟的主要目的是得到手機產(chǎn)品評論中顧客主要關注的產(chǎn)品特征主題及相應的情感分類結果。主要包括以下兩部分：

（1）產(chǎn)品特征主題提取。利用LDA 對預處理結果進行模型訓練，得到在線評論的特征主題列表。由于提取的主題中可能存在一些意思相近的詞，因此為得到更可靠的結果，需要對近義詞進行合并，同時結合電商平臺和在線社區(qū)的評論標簽信息，實現(xiàn)特征主題的半自動化提取。用I表示特征主題總數(shù)，用Ji表示第i 個特征主題中頻繁出現(xiàn)的詞語數(shù)，則第i 個特征主題記作fi=其中，wordij表示第i個特征主題中第j個頻繁出現(xiàn)的詞語(i=1,2,…,I),(j=1,2,…,Ji)。

（2）產(chǎn)品不同特征主題情感分類。利用目前使用較為廣泛的自然語言處理技術——SnowNLP 進行情感分類。用R表示在線評論總集合，即R={R1,R2,…,RL}，其中Rl表示第l條在線評論表示第l條評論中屬于第i個特征主題的評論(l=1,2,…,L;i=1,2,…,I)。為了得到首先需要將Rl按照標點進行子句劃分，然后根據(jù)子句是否包含某個特征主題的主題詞，得到評論子句所屬主題fi，最后對上述評論子句進行SnowNLP 情感分析得到情感值表示第l條評論中第i個特征主題fi的情感傾向其 中*∈{Pos,Neg}。為分別得到顧客正向情感和負向情感對顧客評分的影響，需要將連續(xù)型情感值轉換為離散型情感值，見式（1）。

其中，l=1,2,…,L,i=1,2,…,I。

步驟3：獲得用戶對各個特征主題情感傾向對于用戶評分的影響。目前大多數(shù)已有研究都假設顧客滿意度（顧客評分）服從高斯分布，并且是顧客對評論中提到所有特征主題情感的線性組合［18］。因此，在該步驟中使用多元邏輯回歸模型衡量顧客對不同特征主題的情感傾向對于顧客評分的影響。具體做法為：首先將上一步驟中得到的顧客對每個特征主題的情感傾向信息轉換為只包含0 和1 的（I* L）矩陣。其中，I為主題總數(shù)，L為評論總數(shù)。然后分別將矩陣和評分數(shù)據(jù)代入多元回歸模型中進行訓練，最終得到不同特征主題的不同情感傾向對顧客評分的整體影響（或重要性權重）其中表示第i個特征主題的正向情感傾向在顧客評分中的權重表示第i個特征主題的負向情感傾向在顧客評分中的權重。

步驟4：用戶需求分類與排序。已有研究證實，每個顧客關注的特征主題可根據(jù)Kano 模型劃分為5 類。

（1）期望型：如果此類需求得到滿足，顧客滿意度會顯著提升；如果此類需求得不到滿足，顧客不滿意度也會顯著提升。

（2）魅力型：如果此類需求得到滿足，顧客滿意度會顯著提升；如果此類需求得不到滿足，顧客不滿意度不會提升。

（3）基本型：如果此類需求得到滿足，顧客滿意度不會提升；如果此類需求得不到滿足，顧客不滿意度會顯著提升。

（4）反向型：如果此類需求得到滿足，顧客的滿意度會降低；如果此類需求得不到滿足，顧客滿意度會提升。

（5）無差異型：不管需求是否得到滿足，顧客的滿意度和不滿意度都不會提升。

3 實驗與結果分析

3.1 實驗環(huán)境

本研究的實驗環(huán)境為：AMD 瑞龍R5 3500U 的CPU，12G 雙通道內存，500G 硬盤。操作系統(tǒng)為Win10，實驗工具為網(wǎng)絡數(shù)據(jù)爬取工具八爪魚V8.1.8、Python 集成工具Ana?conda3 和統(tǒng)計工具Excel。

3.2 數(shù)據(jù)采集與預處理

本文以華為Mate30 智能終端為研究對象，從京東商城上采集用戶在線評論和評分數(shù)據(jù)。選取智能終端為研究對象的原因是：作為短生命周期類電子產(chǎn)品的典型代表，智能終端設備的生命周期越來越短，用戶對其的需求也不斷變化，符合本文對短生命周期類電子產(chǎn)品的定義。因此，本文選取國產(chǎn)手機中的華為Mate30 智能終端作為研究對象。

京東商城作為國內電子商務網(wǎng)站中最受消費者歡迎的網(wǎng)站之一，不僅為已購買用戶提供了開放式評論和滿意度五星評級功能，而且對用戶虛假評論和默認評論設置了單獨的識別機制，以保證評論數(shù)據(jù)的真實性和有效性。因此，本研究以京東商城為數(shù)據(jù)源獲取平臺，并利用該平臺上用戶生成的大量評論數(shù)據(jù)和評級數(shù)據(jù)作為用戶需求挖掘的數(shù)據(jù)源。

在數(shù)據(jù)采集與篩選方面，本研究以“華為Mate30 手機”為關鍵詞，通過網(wǎng)絡信息采集工具“八爪魚采集器”從京東商城上抓取了4 313 條在線評論和評級數(shù)據(jù)，經(jīng)去重等預處理后共得到樣本數(shù)據(jù)4 248 條。

3.3 實驗結果及分析

3.3.1 產(chǎn)品特征主題提取與情感分類

（1）產(chǎn)品特征主題提取。本研究根據(jù)電商網(wǎng)站和在線社區(qū)平臺上有關智能終端的常用標簽及專家知識，將智能終端的產(chǎn)品特征主題精簡為11 個類別：Topic1（系統(tǒng)）、Top?ic2（內存）、Topic3（外觀）、Topic4（拍照）、Topic5（電池）、Topic6（屏幕）、Topic7（價格）、Topic8（安全）、Topic9（網(wǎng)絡通訊）、Topic10（娛樂）、Topic11（配件）。詳細的特征主題分類結果見表1。

Table 1 Results of LDA feature topic classification表1 LDA 特征主題分類結果

（2）情感分類。使用SnowNLP 對每條評論進行不同特征主題的情感分類，然后利用式（1）得到不同特征主題的情感分類結果矩陣。以表2 中的3 條用戶在線評論為例進行情感分類后的結果見表3、表4。

Table 2 Examples of user online comments表2 用戶在線評論示例

Table 3 Examples of emotion matrix of different feature topics under positive emotion表3 正向情感下不同特征主題情感矩陣示例

Table 4 Examples of emotion matrix of different feature topics under negative emotion表4 負向情感下不同特征主題情感矩陣示例

3.3.2 用戶對各特征主題的情感傾向對用戶評級的影響

分別以正向和負向情感下各個主題特征的情感矩陣為自變量，以用戶評級（1 表示好評，0 表示差評）為因變量，建立不同情感下的多元邏輯回歸模型見表5、表6，得到不同情感傾向下不同主題對顧客滿意度的重要性權重見表7。

Table 5 Examples of multiple logistic regression model parameters under positive emotion表5 正向情感下的多元邏輯回歸模型參數(shù)示例

Table 6 Examples of multiple logistic regression model parameters under negative emotion表6 負向情感下的多元邏輯回歸模型參數(shù)示例

Table 7 Weights of different topics on customer satisfaction under different emotions表7 不同情感下不同主題對顧客滿意度的權重

3.3.3 用戶需求分類與排序

將不同特征主題在不同情感傾向下的權重代入Kano模型，根據(jù)Kano 模型的定義對不同特征主題進行需求分類與排序。根據(jù)Kano 模型定義可知，在這11 個主題中，“安全”“網(wǎng)絡通訊”為魅力型需求，“系統(tǒng)”“內存”“外觀”“拍照”“價格”“配 件”均為期望型需求，“電池”“娛樂”為基本型需求，“屏幕”為反向型需求。

根據(jù)需求特征和原理，對于魅力型需求，當顧客需求得到滿足時，顧客滿意度會急劇上升。5G 時代的到來，給用戶帶來了前所未有的快速上傳、下載的體驗，并成為了用戶滿意度提升的關鍵。另外，針對市面上出現(xiàn)的信息安全問題，華為推出雙重生物識別技術，為用戶的信息安全提供了雙重保障，從而為用戶滿意度的提升奠定了基礎。因此，對于“安全”“網(wǎng)絡通訊”這兩個魅力型需求，企業(yè)相關部門可在控制成本的基礎上不斷強化該特征，以增強自身競爭力。

如今智能終端用戶更多地關注“內存”大小及“系統(tǒng)”流暢度，內存越大，系統(tǒng)越流暢，用戶滿意度越高，反之，內存越小，系統(tǒng)越不流暢，則會導致用戶滿意度降低。對自身外在形象的注重，也造成很多手機用戶非常關注手機的“外觀”與“拍照”功能。5G 網(wǎng)絡的出現(xiàn)雖然給用戶帶來了方便，但應用5G 網(wǎng)絡價格高昂，也使用戶對手機的滿意度大打折扣。另外，不單獨贈送手機配件也成為了目前商家的主流選擇，但許多手機用戶仍希望商家贈送手機配件，并對不贈送手機配件的商家表示不滿。因此，對于期望型需求中的“價格”和“配件”特征，企業(yè)需要在控制成本的情況下，最大限度地促使其向魅力型需求轉換，從而形成自身的競爭優(yōu)勢。

在智能終端層出不窮的現(xiàn)在，“電池”“娛樂”不再成為吸引顧客的主要因素。因此，對于“電池”“娛樂”這類基本型需求，企業(yè)在滿足該類需求的同時，要避免對其關注過多。而對于反向需求——“屏幕”來說，全新的曲面屏設計雖然新潮，卻不符合大多數(shù)用戶使用習慣。因此，相關企業(yè)需要綜合考慮該特征存在的必要性，在兼顧新屏幕樣式的同時，在必要時可對該特征進行優(yōu)化。

4 結語

作為顧客的真實反映，UGC 逐漸成為企業(yè)進行顧客需求挖掘的有力工具。在產(chǎn)品生命周期不斷縮短的現(xiàn)在，根據(jù)短生命周期產(chǎn)品時效性強、更新?lián)Q代快、需求不確定性強等特點，依據(jù)顧客價值理論，如何從顧客生成的在線評論中及時、準確地挖掘顧客需求成為研究熱點，有著重要的理論與實踐意義。本文通過借助LDA、SnowNLP、多元邏輯回歸和Kano 模型，構建了一個基于用戶在線評論的短生命周期類產(chǎn)品需求挖掘框架。該框架利用LDA 并結合各大平臺網(wǎng)站的產(chǎn)品相關信息得出顧客關注的主題維度，并利用SnowNLP 進行某個主題的情感分析計算，使用多元邏輯回歸建立不同特征主題的不同情感類別對顧客評分的影響關系，得出不同主題在不同情感傾向下對顧客滿意度的重要性權重，實現(xiàn)了在線評論的Kano 需求分類與排序。從實驗結果來看，本文提出的模型是有效的。然而，本文仍然存在一些不足，如數(shù)據(jù)來源較為單一，只選取了京東商城的用戶生成內容作為數(shù)據(jù)源，未來可采集更多網(wǎng)站的數(shù)據(jù)信息進行更全面的分析。