張鳳偉 曹國忠 朱玉寧 劉帥

摘要 針對用戶需求預(yù)測模糊性、抽象性等問題，提出基于專利知識預(yù)測用戶需求的方法。以Web獲取的用戶顯性需求為關(guān)鍵詞檢索相關(guān)專利，基于特征提取技術(shù)利用SAS軟件挖掘?qū)＠R單元;通過專利技術(shù)單元與用戶需求之間的轉(zhuǎn)化模型挖掘用戶隱性需求，結(jié)合馬斯洛需求等級以及需求進化定律預(yù)測用戶需求;依據(jù)Kano屬性對用戶需求分類，確定用戶需求權(quán)重，完成用戶需求預(yù)測，在此基礎(chǔ)上構(gòu)建了基于專利統(tǒng)計分析的用戶需求預(yù)測模型。最后，以兒童用雙輪智能平衡車為例，論證此方法的可行性。

關(guān) 鍵 詞 Web數(shù)據(jù);專利知識;數(shù)據(jù)挖掘;需求獲取;需求預(yù)測;產(chǎn)品設(shè)計

中圖分類號 TB472 ? ? 文獻標(biāo)志碼 A

Abstract Aiming at the problems of ambiguity and abstraction of user demand forecasting， ?a method for forecasting user demand based on patent knowledge is proposed. Retrieve related patents by using the explicit user needs obtained from the Web as keywords， and use SAS software to mine patent knowledge units based on feature extraction technology; mine user hidden needs through the transformation model between patent technology units and user needs， and combine Maslow′s needs Level and the law of demand evolution predict user needs; classify user needs according to Kano attributes， determine user demand weights， and complete user demand predictions. On this basis， a user demand prediction model based on patent statistical analysis is constructed. Finally， take a two-wheeled smart balance bike for children as an example to demonstrate the feasibility of this method

Key words data; patent knowledge; data mining; demand acquisition; demand forecast; product design

0 引言

在企業(yè)發(fā)展戰(zhàn)略過程中，產(chǎn)品創(chuàng)新起著重要作用?？焖贉?zhǔn)確地確定產(chǎn)品需求、確定產(chǎn)品概念設(shè)計、明確產(chǎn)品的創(chuàng)新方向，是企業(yè)進行產(chǎn)品創(chuàng)新設(shè)計的關(guān)鍵。以用戶需求分析為前提，尋求產(chǎn)品創(chuàng)新設(shè)計方向，構(gòu)建產(chǎn)品創(chuàng)新模型，實現(xiàn)產(chǎn)品功能、性能等的全面提升，進而提高產(chǎn)品市場競爭力，滿足用戶需求。隨著移動互聯(lián)網(wǎng)、大數(shù)據(jù)、物聯(lián)網(wǎng)的迅猛發(fā)展以及消費意識的增強，用戶需求呈現(xiàn)時效性強、復(fù)雜多變的特點，及時獲取、響應(yīng)用戶需求是產(chǎn)品創(chuàng)新設(shè)計成功的關(guān)鍵。網(wǎng)絡(luò)評論拓展了用戶需求獲取的平臺，但是由于用戶需求具有的模糊性、抽象性等問題，不能直接給設(shè)計人員明確的指導(dǎo)，若未能對其進行深入挖掘而直接用于產(chǎn)品的設(shè)計，將導(dǎo)致產(chǎn)品創(chuàng)新程度較低。因此，有必要深入挖掘出用戶需求，進而對其做出準(zhǔn)確預(yù)測。

在用戶需求預(yù)測方面，王晨等[1]從用戶需求屬性、需求本體以及認(rèn)知過程研究需求獲取和表達，張建輝等[2]分析需求的層次性和進化性本質(zhì)，將需求進化定律與TRIZ中的技術(shù)進化理論相融合，從宏觀、微觀2個層次上定性把握產(chǎn)品的用戶需求進化方向，進而提出了用戶需求獲取的原理過程。Lent等[3]提出利用文本挖掘技術(shù)基于序列分析等方法研究專利技術(shù)的發(fā)展動態(tài)。邱洪華等[4]從專利文獻的結(jié)構(gòu)化項目和非結(jié)構(gòu)化項目2個方面出發(fā)，利用專利關(guān)鍵詞和專利申請日，通過K-means聚類算法和語義網(wǎng)絡(luò)的運用，為分析專利信息提出了一個研究和制作專利地圖的方法，利用該方法制作的專利地圖將目標(biāo)產(chǎn)品相關(guān)技術(shù)領(lǐng)域的專利發(fā)展現(xiàn)狀相對全面地呈現(xiàn)出來，有助于研究人員了解有關(guān)目標(biāo)產(chǎn)品相關(guān)技術(shù)的發(fā)展?fàn)顟B(tài)，預(yù)測專利技術(shù)發(fā)展趨勢，為目標(biāo)產(chǎn)品的創(chuàng)新設(shè)計提供更多的思路。檀潤華等[5]提出了基于需求進化定律的用戶需求預(yù)測模型，如圖1所示。圖中橫向分為5個區(qū)分別為表示需求進化定律1到5進化的區(qū)域，縱向分為已滿足需求、可預(yù)測需求及目前不可預(yù)測需求的3個區(qū)。其中不可預(yù)測需求是基于目前技術(shù)水平或知識限制，通過需求進化定律仍然無法預(yù)測的用戶需求?？深A(yù)測需求區(qū)相對更接近理想需求狀態(tài)，大部分需求都是新需求，在進行用戶需求預(yù)測時該部分需求應(yīng)是研究的重點。

用戶需求的重要度評判在產(chǎn)品開發(fā)中技術(shù)配置方面起著決定性作用，Huang等[6]利用兩兩比較的方法分析用戶需求權(quán)重。Kong等[7]利用模糊層次分析法計算出用戶需求權(quán)重。白濤等[8]通過設(shè)置精確的Kano問卷獲取用戶需求信息，根據(jù)調(diào)查結(jié)果基于模糊Kano模型計算用戶需求重要度，并應(yīng)用Kano模糊模型將所獲取的用戶需求信息進行分類。翟娜等[9]利用TRIZ理論對產(chǎn)品零部件的技術(shù)系統(tǒng)進行分析，從中發(fā)現(xiàn)產(chǎn)品進化規(guī)律，預(yù)測產(chǎn)品未來的發(fā)展趨勢，并根據(jù)技術(shù)的預(yù)測結(jié)果設(shè)計產(chǎn)品相關(guān)調(diào)查問卷，通過調(diào)查問卷結(jié)果的分析綜合分析得出用戶需求。

在現(xiàn)有研究的基礎(chǔ)之上，本文基于Web數(shù)據(jù)中獲取的用戶顯性需求，研究結(jié)合專利知識單元以及需求進化定律挖掘用戶隱性需求的過程，并依據(jù)Kano模型確定用戶需求權(quán)重，并從產(chǎn)品功能、性能以及外觀等3個方面對用戶需求分類，最終形成用戶需求預(yù)測的方法模型。

由于用戶在產(chǎn)品功能、性能以及外觀3個方面，對產(chǎn)品的需求程度會有所不同。為了使用戶需求在產(chǎn)品功能、性能和外觀方面的重要程度更加具體化，設(shè)置Kano問卷，根據(jù)問卷調(diào)查結(jié)果將用戶需求從產(chǎn)品功能、性能和外觀3個方面分為基本需求、期望需求和興奮需求，并根據(jù)Kano評估分類表判斷需求權(quán)重。綜合上述分析過程及結(jié)果，得出用戶需求集，供設(shè)計人員參考。

3 用戶需求預(yù)測模型

根據(jù)上述關(guān)鍵技術(shù)的研究，利用SAS軟件基于專利知識單元用戶需求預(yù)測方法的具體流程如下。

第1步：通過內(nèi)部和外部的資源整合，確定目標(biāo)產(chǎn)品;

第2步：選擇Web數(shù)據(jù)源，基于特征提取技術(shù)利用SAS軟件獲取用戶顯性需求;

第3步：建立目標(biāo)數(shù)據(jù)庫，根據(jù)目標(biāo)產(chǎn)品選擇目標(biāo)專利庫，以用戶顯性需求或相近表述為關(guān)鍵詞檢索相關(guān)專利，將專利文獻的標(biāo)題及摘要下載下來，并保存到以用戶顯性需求為模塊的數(shù)據(jù)庫中;

第4步：對中文專利進行文本分詞;

第5步：數(shù)據(jù)轉(zhuǎn)換;

第6步：去除停用詞，基于詞共現(xiàn)原理獲取專利知識單元，并進行詞頻統(tǒng)計;

第7步：通過圖3挖掘用戶隱性需求;

第8步：根據(jù)圖5使用戶需求具體化并確定用戶需求進化方向;

第9步：設(shè)置Kano問卷，根據(jù)問卷調(diào)查結(jié)果對用戶需求進行分類，并計算需求權(quán)重，并將用戶需求從產(chǎn)品功能、性能和外觀3個方面分為基本需求、期望需求和興奮需求。

基于Web和專利知識的用戶需求預(yù)測模型如圖6所示。

4 實例驗證

隨著人們環(huán)保意識的加強，以及交通擁堵日趨加劇，智能平衡車因其操作方便、時尚、低碳環(huán)保等優(yōu)點，成為城市代步的理想首選。

4.1 基于Web評論數(shù)據(jù)用戶顯性需求獲取

第1步：確定目標(biāo)產(chǎn)品。通過對市場產(chǎn)品調(diào)查分析，確定目標(biāo)產(chǎn)品為兒童用智能平衡車。

第2步：獲取用戶顯性需求。對比各網(wǎng)絡(luò)平臺，選擇以京東網(wǎng)絡(luò)購物平臺作為主要數(shù)據(jù)源。選擇評論條數(shù)在1 500條以上的12款產(chǎn)品，總共抓取評論46 200條，將其以.xls格式保存在目標(biāo)數(shù)據(jù)庫中。本文采用中科院的中文分析系統(tǒng)NLPIR進行文本分詞，以編碼為UTF-8的TXT格式保存在目標(biāo)數(shù)據(jù)庫中。利用SAS軟件對數(shù)據(jù)進行分析，部分程序如圖7所示，得出用戶顯性需求集，如表1所示。

4.2 基于專利知識單元用戶需求預(yù)測

第3步：建立目標(biāo)數(shù)據(jù)庫。以patsnap為目標(biāo)專利庫，以用戶顯性需求或相近表述為關(guān)鍵詞進行專利檢索。以“X1”為例，在patsnap檢索欄中輸入“平衡車”，以“造型”“外觀”等為篩選關(guān)鍵詞，整理出重要專利1 078條，將其保存在目標(biāo)產(chǎn)品專利數(shù)據(jù)庫中。

第4步：文本分詞。利用SAS軟件，采用評論數(shù)據(jù)分詞方法對中文專利進行分詞。

第5步：數(shù)據(jù)轉(zhuǎn)化。利用SAS軟件將分詞后以句子為單位的專利文本，轉(zhuǎn)化為以詞為單位，對數(shù)據(jù)進行降維處理。

第6步：獲取專利知識單元。利用SAS軟件按照現(xiàn)行需求獲取的方法挖掘?qū)＠R單元，得出外觀知識單元為“越野型”，“卡通造型”，“休閑娛樂”等。以同樣方法獲取各顯性需求模塊所需的專利知識單元，如表2所示。

第7步：用戶需求隱性需求挖掘。根據(jù)圖3，挖掘用戶隱性需求。

第8步：預(yù)測用戶需求進化方向。對用戶隱性需求歸約處理后根據(jù)圖5使用戶需求具體化，并對用戶需求進行預(yù)測，如表3所示。

第9步：用戶需求分類。對用戶需求設(shè)置正反兩個問題，例如“如果提高智能平衡車的故障可視化水平你感覺怎么樣”和“如果智能平衡車的故障可視化水平較低你感覺怎么樣”，設(shè)置Kano問卷。通過對問卷調(diào)查結(jié)果數(shù)據(jù)的信度和效度進行分析，整理出有研究價值的數(shù)據(jù)。

根據(jù)Kano問卷結(jié)果，通過增加后的滿意系數(shù)（Better）=（魅力屬性+期望屬性）/（魅力屬性+期望屬性+基本屬性+無差異屬性）和消除后的不滿意系數(shù)（worse）=（期望屬性+基本屬性）/（魅力屬性+期望屬性+基本屬性+無差異屬性）×（-1），計算Better- worse系數(shù)表，增加后的滿意系數(shù)（Better）可確定用戶需求屬性，以及各需求權(quán)重，如表4所示。

從平衡車功能、性能和外觀3個方面調(diào)整用戶需求分類。根據(jù)以上分析，最終確定產(chǎn)品設(shè)計用戶需求任務(wù)書，如表5所示。

5 結(jié)論

用戶需求預(yù)測是產(chǎn)品設(shè)計的首要環(huán)節(jié)也是最重要環(huán)節(jié)，專利知識蘊含著豐富的用戶需求信息，是產(chǎn)品創(chuàng)新設(shè)計重要的數(shù)據(jù)資源?；趯＠R單元用戶需求預(yù)測方法，基于Web中獲取的用戶顯性需求為關(guān)鍵詞，從大量的專利知識信息中及時、有效地挖掘用戶隱性需求，基于馬斯洛需求層次理論和需求進化定律的需求預(yù)測模型能夠有效解決用戶需求預(yù)測模糊性、抽象性等問題，增強需求預(yù)測的準(zhǔn)確度。用戶需求等級的劃分、需求權(quán)重的確定以及需求分類為設(shè)計人員在進行產(chǎn)品創(chuàng)新設(shè)計時，對用戶需求的篩選提供了有價值的理論依據(jù)。雙輪平衡車需求獲取及預(yù)測實例表明，該方法有利于專利知識用戶需求的準(zhǔn)確預(yù)測，具有較強的實用性和有效性。

參考文獻：

[1] ? ?王晨，趙武，王杰，等. 基于本體的多維度用戶需求獲取[J]. 計算機集成制造系統(tǒng)，2016，22（4）：908-916.

[2] ? ?張建輝，李勇，張鵬，等. 需求進化和技術(shù)進化集成的產(chǎn)品用戶需求獲取研究[J]. 機械設(shè)計，2017，34（7）：15-22.

[3] ? ?LENT B. Discovering trends in text databases[C]//International Conference on Knowledge Discovery & Data Mining，1997：227-230.

[4] ? ?邱洪華，余翔. 基于k-means聚類算法的專利地圖制作方法研究[J]. 科研管理，2009，30（2）：70-76.

[5] ? ?檀潤華，劉芳. 需求進化與功能進化集成的創(chuàng)新設(shè)想產(chǎn)生研究[J]. 計算機集成制造系統(tǒng)，2011，17（10）：2093-2100.

[6] ? ?HUANG Y M. On the general evaluation of customer requirements during conceptual design[J]. Journal of Mechanical Design，1999，121（1）：92-97.

[7] ? ?KWONG C，BAI H. A fuzzy AHP approach to the determination of importance weights of customer requirements in quality function deployment[J]. Journal of Intelligent Manufacturing，2002，13（5）：367-377.

[8] ? ?白濤，李中凱. 基于模糊Kano模型的顧客需求重要度計算方法[J]. 中國機械工程，2012，23（8）：975-980.

[9] ? ?翟娜. 產(chǎn)品創(chuàng)新設(shè)計的需求獲取與分析技術(shù)研究[D]. 武漢：華中科技大學(xué)，2012.

[10] ?姚宏興. 基于專利知識的產(chǎn)品創(chuàng)新設(shè)計方法研究[D]. 杭州：浙江大學(xué)，2016.

[11] ?張曉雷. 面向Web挖掘的主題網(wǎng)絡(luò)爬蟲的研究與實現(xiàn)[D]. 西安：西安電子科技大學(xué)，2012.

[12] ?LI Y，QIN Z，XU W R，et al. A holistic model of mining product aspects and associated sentiments from online reviews[J]. Multimedia Tools and Applications，2015，74（23）：10177-10194.

[責(zé)任編輯 ? ?楊 ? ?屹]