張亞菲，申 彥，敬露藝

（江蘇大學(xué) 管理學(xué)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(xué)習(xí)、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(jī)、贏得市場(chǎng)，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(dǎo)致了市場(chǎng)需求的不穩(wěn)定，也給生產(chǎn)企業(yè)準(zhǔn)確挖掘用戶需求帶來了極大挑戰(zhàn)。

雖然目前有關(guān)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(duì)未來用戶的產(chǎn)品需求數(shù)量進(jìn)行預(yù)測(cè)方面。對(duì)于產(chǎn)品設(shè)計(jì)部門而言，產(chǎn)品需求數(shù)量并不能反映顧客對(duì)產(chǎn)品特性的需求，因而無法為產(chǎn)品設(shè)計(jì)提供參考。如今電子商務(wù)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(nèi)容（User Generated Content，UGC）。以用戶在線評(píng)論為代表的UGC，相較于傳統(tǒng)獲取困難、代表性不強(qiáng)的市場(chǎng)反饋而言，不僅獲取方式簡(jiǎn)單，而且包含了用戶具體的功能性需求，可成為企業(yè)相關(guān)部門了解用戶詳細(xì)、動(dòng)態(tài)需求的重要來源。由于在線評(píng)論是UGC 中的典型代表，因此以下內(nèi)容不再對(duì)UGC 與在線評(píng)論進(jìn)行區(qū)分。如何利用在線評(píng)論內(nèi)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(guān)研究？基于此，本文旨在解決如下兩個(gè)問題：①如何從在線評(píng)論中快速、準(zhǔn)確地挖掘用戶對(duì)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(jí)。

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

本研究的主要貢獻(xiàn)如下：

（1）提出一種結(jié)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(shí)效性和準(zhǔn)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(guān)部門的決策制定提供參考。

1 相關(guān)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(shí)效性強(qiáng)、更新?lián)Q代快、價(jià)格變化快的產(chǎn)品，包括體驗(yàn)型產(chǎn)品（如電影）、電子產(chǎn)品（如移動(dòng)終端、平板電腦）等［1］。目前，針對(duì)短生命周期電子產(chǎn)品的研究大多從銷量預(yù)測(cè)方面出發(fā)。如李杰等［2］針對(duì)移動(dòng)終端設(shè)備生命周期短、銷量波動(dòng)大、銷售預(yù)測(cè)困難等特征，構(gòu)建用于移動(dòng)終端設(shè)備銷量預(yù)測(cè)的s-bass 模型；劉朝霞［3］利用馬爾可夫過程模型預(yù)測(cè)短生命周期產(chǎn)品的市場(chǎng)需求，并以M 公司手機(jī)產(chǎn)品為例，通過模型得出該款手機(jī)的潛在市場(chǎng)占有率。然而，這些研究只在銷量層面進(jìn)行產(chǎn)品數(shù)量上的需求預(yù)測(cè)，而缺乏對(duì)影響產(chǎn)品銷量的用戶功能性需求的關(guān)注。因此，為提高產(chǎn)品銷量，相關(guān)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(zhǔn)確、快速地挖掘用戶的功能性需求，并爭(zhēng)取在最短時(shí)間內(nèi)對(duì)用戶需求作出響應(yīng)。

1.2 顧客價(jià)值研究

早在20 世紀(jì)末，美國(guó)的Lauteborn 就提出以顧客為中心，重視滿足顧客需求的顧客價(jià)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(shè)計(jì)主體從制造商向顧客轉(zhuǎn)變，而這種轉(zhuǎn)變?yōu)槠髽I(yè)帶來的巨大收益也使得顧客價(jià)值得到了廣泛認(rèn)同［4］。據(jù)麻省理工大學(xué)斯隆管理學(xué)院的調(diào)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(jié)論在哈佛大學(xué)商學(xué)院有關(guān)消費(fèi)者在新產(chǎn)品開發(fā)中發(fā)揮作用的調(diào)查中也同樣得到了印證［6］。國(guó)內(nèi)類似的調(diào)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(shí)發(fā)現(xiàn)，要在基于時(shí)間競(jìng)爭(zhēng)的環(huán)境中獲得競(jìng)爭(zhēng)優(yōu)勢(shì)，企業(yè)必須在新產(chǎn)品研發(fā)整個(gè)過程中考慮顧客價(jià)值，強(qiáng)調(diào)了顧客參與的重要性；岳秋熒［8］以線上零售為對(duì)象，對(duì)顧客參與、服務(wù)質(zhì)量和持續(xù)使用意愿進(jìn)行調(diào)查研究，也發(fā)現(xiàn)了顧客參與對(duì)線上零售的重要影響。由此看來，顧客參與決定了產(chǎn)品價(jià)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(jià)值。

1.3 用戶需求研究

作為各個(gè)行業(yè)發(fā)展的起點(diǎn)和歸宿，用戶需求始終是國(guó)內(nèi)外學(xué)術(shù)界的研究熱點(diǎn)。在國(guó)外，Li 等［9］在移動(dòng)云計(jì)算應(yīng)用服務(wù)中，基于移動(dòng)顧客資源需求實(shí)現(xiàn)了云服務(wù)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(gòu)建的SUV 汽車造型評(píng)價(jià)模型不僅為SUV 的形成性評(píng)價(jià)提供了理論依據(jù)，而且為設(shè)計(jì)者的設(shè)計(jì)工作指明了方向。同樣地，相關(guān)研究在旅游業(yè)、建筑業(yè)、電商行業(yè)等領(lǐng)域也得到了廣泛關(guān)注。如Batman 等［11］在對(duì)土耳其某旅游地區(qū)的需求調(diào)查中發(fā)現(xiàn)，游客在選擇景區(qū)時(shí)會(huì)優(yōu)先選擇更為安靜的文化旅游；Wood 等［12］針對(duì)綠色醫(yī)院設(shè)計(jì)調(diào)查問卷，以識(shí)別出顧客的主要關(guān)注點(diǎn)來完善綠色醫(yī)院的設(shè)計(jì)；Xu等［13］利用信息熵理論構(gòu)建基于顧客需求自適應(yīng)的隨機(jī)游走模型用于商品推薦，有效滿足了顧客對(duì)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(xué)、有效的方法進(jìn)行用戶需求挖掘。

1.4 UGC 相關(guān)研究

隨著移動(dòng)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(luò)上留下了大量用戶生成內(nèi)容（UGC）。作為UGC 的典型代表，在線評(píng)論不僅包含了消費(fèi)者對(duì)商品或服務(wù)質(zhì)量的真實(shí)感知，而且反映了某個(gè)產(chǎn)品或某項(xiàng)服務(wù)實(shí)現(xiàn)用戶某種愿望的程度［14］。因此，在線評(píng)論不僅成為消費(fèi)者選擇、購買產(chǎn)品或服務(wù)的依據(jù)［15］，而且成為產(chǎn)品設(shè)計(jì)與改進(jìn)的重要參考，為企業(yè)帶來了巨大的商業(yè)價(jià)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(yīng)用戶需求的不斷變化，有必要以在線評(píng)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(shí)、準(zhǔn)確地獲取用戶對(duì)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(zhì)，為企業(yè)相關(guān)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(tái)上用戶對(duì)相關(guān)產(chǎn)品的在線評(píng)論為數(shù)據(jù)源，首先利用八爪魚在線網(wǎng)絡(luò)信息采集工具抓取相關(guān)評(píng)論，并對(duì)抓取到的評(píng)論進(jìn)行預(yù)處理；其次，利用LDA 并結(jié)合電商平臺(tái)產(chǎn)品分類標(biāo)簽獲取評(píng)論中用戶關(guān)注的關(guān)鍵主題詞，同時(shí)利用SnowNLP 對(duì)各主題維度進(jìn)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?qū)τ脩粼u(píng)分結(jié)果的影響；最后，結(jié)合Kano 模型對(duì)用戶需求進(jìn)行分類與排序，從而為企業(yè)相關(guān)部門優(yōu)化產(chǎn)品提供指導(dǎo)。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(yù)處理。本研究數(shù)據(jù)主要來源于京東電商平臺(tái)中某手機(jī)產(chǎn)品的用戶評(píng)論，使用網(wǎng)絡(luò)信息采集工具——八爪魚采集器進(jìn)行在線評(píng)論信息的爬取。采集的每一條記錄包括評(píng)論內(nèi)容、評(píng)論時(shí)間和評(píng)分，并利用采集器進(jìn)行初步去重處理。

為減少噪音，需要對(duì)得到的評(píng)論數(shù)據(jù)進(jìn)行過濾。過濾的評(píng)論數(shù)據(jù)主要有：①評(píng)論字?jǐn)?shù)少于或等于2 個(gè)字符的評(píng)論，這種評(píng)論一般為顧客的直接情感流露，不包含顧客對(duì)手機(jī)特征的情感信息，如“不錯(cuò)”“很好”等，其表達(dá)了顧客對(duì)手機(jī)的總體情感傾向，但并不能得出對(duì)手機(jī)某個(gè)特征的情感傾向，需要?jiǎng)h除；②只含有非中文字符的評(píng)論數(shù)據(jù)，這種評(píng)論沒有實(shí)際意義，也需要?jiǎng)h除。將預(yù)處理后的數(shù)據(jù)保存，以進(jìn)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(jī)產(chǎn)品評(píng)論中顧客主要關(guān)注的產(chǎn)品特征主題及相應(yīng)的情感分類結(jié)果。主要包括以下兩部分：

（1）產(chǎn)品特征主題提取。利用LDA 對(duì)預(yù)處理結(jié)果進(jìn)行模型訓(xùn)練，得到在線評(píng)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(jié)果，需要對(duì)近義詞進(jìn)行合并，同時(shí)結(jié)合電商平臺(tái)和在線社區(qū)的評(píng)論標(biāo)簽信息，實(shí)現(xiàn)特征主題的半自動(dòng)化提取。用I表示特征主題總數(shù)，用Ji表示第i 個(gè)特征主題中頻繁出現(xiàn)的詞語數(shù)，則第i 個(gè)特征主題記作fi=其中，wordij表示第i個(gè)特征主題中第j個(gè)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(shù)——SnowNLP 進(jìn)行情感分類。用R表示在線評(píng)論總集合，即R={R1,R2,…,RL}，其中Rl表示第l條在線評(píng)論表示第l條評(píng)論中屬于第i個(gè)特征主題的評(píng)論(l=1,2,…,L;i=1,2,…,I)。為了得到首先需要將Rl按照標(biāo)點(diǎn)進(jìn)行子句劃分，然后根據(jù)子句是否包含某個(gè)特征主題的主題詞，得到評(píng)論子句所屬主題fi，最后對(duì)上述評(píng)論子句進(jìn)行SnowNLP 情感分析得到情感值表示第l條評(píng)論中第i個(gè)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(fù)向情感對(duì)顧客評(píng)分的影響，需要將連續(xù)型情感值轉(zhuǎn)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(duì)各個(gè)特征主題情感傾向?qū)τ谟脩粼u(píng)分的影響。目前大多數(shù)已有研究都假設(shè)顧客滿意度（顧客評(píng)分）服從高斯分布，并且是顧客對(duì)評(píng)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(duì)不同特征主題的情感傾向?qū)τ陬櫩驮u(píng)分的影響。具體做法為：首先將上一步驟中得到的顧客對(duì)每個(gè)特征主題的情感傾向信息轉(zhuǎn)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(píng)論總數(shù)。然后分別將矩陣和評(píng)分?jǐn)?shù)據(jù)代入多元回歸模型中進(jìn)行訓(xùn)練，最終得到不同特征主題的不同情感傾向?qū)︻櫩驮u(píng)分的整體影響（或重要性權(quán)重）其中表示第i個(gè)特征主題的正向情感傾向在顧客評(píng)分中的權(quán)重表示第i個(gè)特征主題的負(fù)向情感傾向在顧客評(píng)分中的權(quán)重。

步驟4：用戶需求分類與排序。已有研究證實(shí)，每個(gè)顧客關(guān)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(huì)顯著提升；如果此類需求得不到滿足，顧客不滿意度也會(huì)顯著提升。

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

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

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)環(huán)境

本研究的實(shí)驗(yàn)環(huán)境為：AMD 瑞龍R5 3500U 的CPU，12G 雙通道內(nèi)存，500G 硬盤。操作系統(tǒng)為Win10，實(shí)驗(yàn)工具為網(wǎng)絡(luò)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(jì)工具Excel。

3.2 數(shù)據(jù)采集與預(yù)處理

本文以華為Mate30 智能終端為研究對(duì)象，從京東商城上采集用戶在線評(píng)論和評(píng)分?jǐn)?shù)據(jù)。選取智能終端為研究對(duì)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(shè)備的生命周期越來越短，用戶對(duì)其的需求也不斷變化，符合本文對(duì)短生命周期類電子產(chǎn)品的定義。因此，本文選取國(guó)產(chǎn)手機(jī)中的華為Mate30 智能終端作為研究對(duì)象。

京東商城作為國(guó)內(nèi)電子商務(wù)網(wǎng)站中最受消費(fèi)者歡迎的網(wǎng)站之一，不僅為已購買用戶提供了開放式評(píng)論和滿意度五星評(píng)級(jí)功能，而且對(duì)用戶虛假評(píng)論和默認(rèn)評(píng)論設(shè)置了單獨(dú)的識(shí)別機(jī)制，以保證評(píng)論數(shù)據(jù)的真實(shí)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(tái)，并利用該平臺(tái)上用戶生成的大量評(píng)論數(shù)據(jù)和評(píng)級(jí)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(jī)”為關(guān)鍵詞，通過網(wǎng)絡(luò)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(píng)論和評(píng)級(jí)數(shù)據(jù)，經(jīng)去重等預(yù)處理后共得到樣本數(shù)據(jù)4 248 條。

3.3 實(shí)驗(yàn)結(jié)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(tái)上有關(guān)智能終端的常用標(biāo)簽及專家知識(shí)，將智能終端的產(chǎn)品特征主題精簡(jiǎn)為11 個(gè)類別：Topic1（系統(tǒng)）、Top?ic2（內(nèi)存）、Topic3（外觀）、Topic4（拍照）、Topic5（電池）、Topic6（屏幕）、Topic7（價(jià)格）、Topic8（安全）、Topic9（網(wǎng)絡(luò)通訊）、Topic10（娛樂）、Topic11（配件）。詳細(xì)的特征主題分類結(jié)果見表1。

Table 1 Results of LDA feature topic classification表1 LDA 特征主題分類結(jié)果

（2）情感分類。使用SnowNLP 對(duì)每條評(píng)論進(jìn)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(jié)果矩陣。以表2 中的3 條用戶在線評(píng)論為例進(jìn)行情感分類后的結(jié)果見表3、表4。

Table 2 Examples of user online comments表2 用戶在線評(píng)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(fù)向情感下不同特征主題情感矩陣示例

3.3.2 用戶對(duì)各特征主題的情感傾向?qū)τ脩粼u(píng)級(jí)的影響

分別以正向和負(fù)向情感下各個(gè)主題特征的情感矩陣為自變量，以用戶評(píng)級(jí)（1 表示好評(píng)，0 表示差評(píng)）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(duì)顧客滿意度的重要性權(quán)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(fù)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(duì)顧客滿意度的權(quán)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(quán)重代入Kano模型，根據(jù)Kano 模型的定義對(duì)不同特征主題進(jìn)行需求分類與排序。根據(jù)Kano 模型定義可知，在這11 個(gè)主題中，“安全”“網(wǎng)絡(luò)通訊”為魅力型需求，“系統(tǒng)”“內(nèi)存”“外觀”“拍照”“價(jià)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(duì)于魅力型需求，當(dāng)顧客需求得到滿足時(shí)，顧客滿意度會(huì)急劇上升。5G 時(shí)代的到來，給用戶帶來了前所未有的快速上傳、下載的體驗(yàn)，并成為了用戶滿意度提升的關(guān)鍵。另外，針對(duì)市面上出現(xiàn)的信息安全問題，華為推出雙重生物識(shí)別技術(shù)，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(chǔ)。因此，對(duì)于“安全”“網(wǎng)絡(luò)通訊”這兩個(gè)魅力型需求，企業(yè)相關(guān)部門可在控制成本的基礎(chǔ)上不斷強(qiáng)化該特征，以增強(qiáng)自身競(jìng)爭(zhēng)力。

如今智能終端用戶更多地關(guān)注“內(nèi)存”大小及“系統(tǒng)”流暢度，內(nèi)存越大，系統(tǒng)越流暢，用戶滿意度越高，反之，內(nèi)存越小，系統(tǒng)越不流暢，則會(huì)導(dǎo)致用戶滿意度降低。對(duì)自身外在形象的注重，也造成很多手機(jī)用戶非常關(guān)注手機(jī)的“外觀”與“拍照”功能。5G 網(wǎng)絡(luò)的出現(xiàn)雖然給用戶帶來了方便，但應(yīng)用5G 網(wǎng)絡(luò)價(jià)格高昂，也使用戶對(duì)手機(jī)的滿意度大打折扣。另外，不單獨(dú)贈(zèng)送手機(jī)配件也成為了目前商家的主流選擇，但許多手機(jī)用戶仍希望商家贈(zèng)送手機(jī)配件，并對(duì)不贈(zèng)送手機(jī)配件的商家表示不滿。因此，對(duì)于期望型需求中的“價(jià)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(zhuǎn)換，從而形成自身的競(jìng)爭(zhēng)優(yōu)勢(shì)。

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(duì)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(shí)，要避免對(duì)其關(guān)注過多。而對(duì)于反向需求——“屏幕”來說，全新的曲面屏設(shè)計(jì)雖然新潮，卻不符合大多數(shù)用戶使用習(xí)慣。因此，相關(guān)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(shí)，在必要時(shí)可對(duì)該特征進(jìn)行優(yōu)化。

4 結(jié)語

作為顧客的真實(shí)反映，UGC 逐漸成為企業(yè)進(jìn)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(shí)效性強(qiáng)、更新?lián)Q代快、需求不確定性強(qiáng)等特點(diǎn)，依據(jù)顧客價(jià)值理論，如何從顧客生成的在線評(píng)論中及時(shí)、準(zhǔn)確地挖掘顧客需求成為研究熱點(diǎn)，有著重要的理論與實(shí)踐意義。本文通過借助LDA、SnowNLP、多元邏輯回歸和Kano 模型，構(gòu)建了一個(gè)基于用戶在線評(píng)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(jié)合各大平臺(tái)網(wǎng)站的產(chǎn)品相關(guān)信息得出顧客關(guān)注的主題維度，并利用SnowNLP 進(jìn)行某個(gè)主題的情感分析計(jì)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(duì)顧客評(píng)分的影響關(guān)系，得出不同主題在不同情感傾向下對(duì)顧客滿意度的重要性權(quán)重，實(shí)現(xiàn)了在線評(píng)論的Kano 需求分類與排序。從實(shí)驗(yàn)結(jié)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(nèi)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(jìn)行更全面的分析。