石雨鑫 曹佳琪 黃金鳳 曹熒鈺 李澤

關(guān)鍵詞：新能源汽車；產(chǎn)品創(chuàng)新；多源數(shù)據(jù)驅(qū)動；IPA模型

0 引言

近年來，全球范圍內(nèi)的能源供應(yīng)緊張、溫室效應(yīng)、環(huán)境污染等一系列問題日益嚴(yán)重，發(fā)展新能源汽車產(chǎn)業(yè)已經(jīng)成為應(yīng)對上述問題的重要途徑[1]。隨著新能源汽車產(chǎn)業(yè)的快速發(fā)展，新能源汽車企業(yè)不斷涌現(xiàn)，消費者對于新能源汽車產(chǎn)品的要求日益提高，新能源汽車企業(yè)面臨著更為激烈的市場競爭[2]。新能源汽車企業(yè)需要通過有效的產(chǎn)品創(chuàng)新以更好地滿足消費者需求并提升產(chǎn)品的市場競爭力。此外，新能源汽車是一類技術(shù)密集型產(chǎn)品，產(chǎn)品創(chuàng)新需要有效的技術(shù)支撐。新能源汽車企業(yè)需要綜合考慮消費者需求及其技術(shù)支撐情況，進(jìn)行有效的產(chǎn)品創(chuàng)新需求分析，進(jìn)而得到有效的產(chǎn)品創(chuàng)新方案。而在線評論數(shù)據(jù)、專利數(shù)據(jù)可以為新能源汽車產(chǎn)品創(chuàng)新需求分析提供有力支持。因此，如何基于多源數(shù)據(jù)進(jìn)行有效的新能源汽車產(chǎn)品創(chuàng)新需求分析，是一個具有實際意義的研究課題。

目前，產(chǎn)品創(chuàng)新需求分析問題已經(jīng)引起部分學(xué)者的關(guān)注。馮立杰等[3]基于多維創(chuàng)新地圖等相關(guān)理論，建立獲取用戶個性化需求的產(chǎn)品創(chuàng)新方案識別方法；劉鵬等[4]基于三級技術(shù)功效矩陣識別出以客戶需求為導(dǎo)向的產(chǎn)品創(chuàng)新機(jī)會識別路徑；王金鳳等[5]以模糊認(rèn)知圖挖掘用戶潛在需求并建立模型形成產(chǎn)品創(chuàng)新方案。此外，也有學(xué)者基于重要度績效分析法（Impor?tance Performance Analysis， IPA）獲取產(chǎn)品需求特征進(jìn)行產(chǎn)品創(chuàng)新。例如，王克勤等[6]基于在線評論數(shù)據(jù)提出了改進(jìn)的IPA分析方法獲取產(chǎn)品創(chuàng)新需求和設(shè)計改進(jìn)策略；陳濤[7]等建立IPA模型分析AI生成化妝品包裝設(shè)計的各項因素滿意度并獲取產(chǎn)品提升策略。另外，有學(xué)者基于專利數(shù)據(jù)進(jìn)行產(chǎn)品創(chuàng)新研究。例如，YANG等[8]基于專利數(shù)據(jù)集分析出每項專利技術(shù)的新穎性價值（VON） 以及每項研發(fā)主題的難度價值（VOD） 從而識別技術(shù)機(jī)會。Lee等[9]通過綜合考慮專利技術(shù)與產(chǎn)品的聯(lián)系，識別出產(chǎn)品潛在技術(shù)機(jī)會。

然而，已有的關(guān)于產(chǎn)品創(chuàng)新需求分析的研究往往只從消費者需求或技術(shù)支撐的單一角度進(jìn)行分析，尚缺乏將消費者需求及技術(shù)支撐相結(jié)合的產(chǎn)品創(chuàng)新需求分析方法的研究，也缺少綜合利用在線評論數(shù)據(jù)、專利數(shù)據(jù)的多源數(shù)據(jù)驅(qū)動的產(chǎn)品創(chuàng)新需求分析方法的研究。因此，有必要考慮新能源汽車產(chǎn)品創(chuàng)新的實際需求，并結(jié)合在線評論數(shù)據(jù)及專利數(shù)據(jù)的特點，提出多源數(shù)據(jù)驅(qū)動的新能源汽車產(chǎn)品創(chuàng)新需求分析方法，從而對產(chǎn)品創(chuàng)新方案的制定提供有效支持。

1 多源數(shù)據(jù)驅(qū)動的新能源汽車產(chǎn)品創(chuàng)新需求分析方法設(shè)計

1.1 方法流程

本文提出了多源數(shù)據(jù)驅(qū)動的新能源汽車產(chǎn)品創(chuàng)新需求分析方法，方法流程如圖1所示。首先以汽車論壇網(wǎng)站為數(shù)據(jù)源，采用八爪魚采集器對新能源汽車產(chǎn)品的在線評論數(shù)據(jù)進(jìn)行爬取，并對收集到的在線評論數(shù)據(jù)進(jìn)行文本預(yù)處理，包括數(shù)據(jù)清洗、分詞、去除標(biāo)點符號及停用詞等操作；其次，利用TF-IDF方法提取產(chǎn)品創(chuàng)新需求，分別進(jìn)行產(chǎn)品創(chuàng)新需求的關(guān)鍵詞詞頻統(tǒng)計及情感分析，獲得其重要度及績效值以構(gòu)建目標(biāo)產(chǎn)品IPA模型，并基于模型構(gòu)建結(jié)果對創(chuàng)新需求進(jìn)行篩選；然后，根據(jù)產(chǎn)品創(chuàng)新需求的IPA分析結(jié)果構(gòu)建檢索式進(jìn)行專利數(shù)據(jù)采集，通過統(tǒng)計專利數(shù)量獲取需求的技術(shù)支撐度；最后，綜合考慮創(chuàng)新需求的重要度、績效值和技術(shù)支撐度確定創(chuàng)新需求的優(yōu)先級。

1.2 基于在線評論數(shù)據(jù)的產(chǎn)品創(chuàng)新需求IPA 分析

基于預(yù)處理后的在線評論數(shù)據(jù)，本文通過TFIDF方法（Term Frequency-Inverse Document Fre?quency） 提取產(chǎn)品創(chuàng)新需求[10]。TF-IDF方法挖掘出的關(guān)鍵詞根據(jù)TF-IDF權(quán)重由大到小排序，這里輸出TFIDF權(quán)重值最大的前ε 個關(guān)鍵詞。由于部分關(guān)鍵詞語義相似度高，需要根據(jù)專家意見對輸出的關(guān)鍵詞進(jìn)行同義詞合并，進(jìn)而確定產(chǎn)品創(chuàng)新需求類別，最終得到I個產(chǎn)品創(chuàng)新需求。令FRi 表示第i 項需求，F(xiàn)Wij 表示第i 項需求的第j 個關(guān)鍵詞，TFij 表示關(guān)鍵詞FWij 的詞頻，i =1，2，...，I， ; j =1，2，...，J。

針對初步提取出的產(chǎn)品創(chuàng)新需求，本文基于IPA 模型（Importance-Performance Analysis） [11]，綜合考慮創(chuàng)新需求的重要性和績效值，篩選出待改進(jìn)的產(chǎn)品創(chuàng)新需求。

首先，基于需求被提及的頻率計算產(chǎn)品創(chuàng)新需求的重要度。當(dāng)某產(chǎn)品創(chuàng)新需求被消費者提及的頻率越高，表明該項需求對消費者越重要，基于此，本文基于創(chuàng)新需求被提及的頻率確定產(chǎn)品創(chuàng)新需求FRi 的重要度SIi，即：

然后，基于情感分析結(jié)果計算產(chǎn)品創(chuàng)新需求的績效值。百度AI是百度公司開發(fā)的人工智能技術(shù)平臺，提供豐富的人工智能服務(wù)，其中包括文本情感分析功能。百度AI的情感分析結(jié)果通常會將文本的情感分為消極、中性和積極，分別返回情感得分值0、1和2。

在線評論對產(chǎn)品/服務(wù)相關(guān)屬性的情感傾向反映了客戶對相關(guān)屬性的滿意程度，可視為產(chǎn)品/服務(wù)相關(guān)屬性的績效值。為了便于進(jìn)一步分析，本文將客戶對產(chǎn)品創(chuàng)新需求的情感強(qiáng)度（即在線評論的情感傾向）轉(zhuǎn)換為產(chǎn)品創(chuàng)新需求的績效值[6]。根據(jù)產(chǎn)品創(chuàng)新需求FRi 對應(yīng)的關(guān)鍵詞FWij，通過文本檢索將含有關(guān)鍵詞FWij 的評論語句歸類至需求FRi 評論語句集中，并基于百度AI對該需求的所有評論語句進(jìn)行情感分析，并將評論語句的平均情感得分作為該產(chǎn)品創(chuàng)新需求的績效值 SSn 。令 Scif 代表需求FRi 中第f 條評論的情感得分，f = 1，2，...，F(xiàn)，F(xiàn) 為需求FRi 的評論語句總個數(shù)，則需求FRi 的績效值可表示為

進(jìn)一步地，基于產(chǎn)品創(chuàng)新需求提取結(jié)果以及其重要度和績效值的計算結(jié)果構(gòu)建IPA模型，以產(chǎn)品創(chuàng)新需求的重要度SIi 作為橫軸，產(chǎn)品創(chuàng)新需求的績效值SSi作為縱軸[12]，劃分出四個象限如圖2所示。

其中，區(qū)域Q1 為優(yōu)勢區(qū)，該區(qū)域的產(chǎn)品創(chuàng)新需求重要度及績效值均較高，應(yīng)繼續(xù)保持優(yōu)勢；區(qū)域Q2 為改進(jìn)區(qū)，該區(qū)域表示產(chǎn)品創(chuàng)新需求重要度較高但績效值較低，企業(yè)應(yīng)集中改進(jìn)這些顧客期望并重視的需求；區(qū)域Q3 為機(jī)會區(qū)，表示產(chǎn)品創(chuàng)新需求重要度較低且績效值也較低；區(qū)域Q4 為維持區(qū)，表示產(chǎn)品創(chuàng)新需求重要度及績效值均較高[13]。將產(chǎn)品創(chuàng)新需求劃分到四個象限中，由于改進(jìn)區(qū)中的各產(chǎn)品創(chuàng)新需求的重要度高于平均水平，績效值低于平均水平，為產(chǎn)品創(chuàng)新的集中改善區(qū)，所以本文選取Q2 區(qū)域中的產(chǎn)品創(chuàng)新需求作為待改進(jìn)產(chǎn)品創(chuàng)新需求 PIDn，n = 1，2，...，N，N 表示待改進(jìn)需求的數(shù)量。

1.3 基于專利數(shù)據(jù)的產(chǎn)品創(chuàng)新需求技術(shù)支撐度分析

產(chǎn)品創(chuàng)新需求的滿足，需要創(chuàng)新技術(shù)的支撐。新能源汽車企業(yè)在產(chǎn)品創(chuàng)新需求分析中，需要考慮產(chǎn)品創(chuàng)新需求的技術(shù)支撐情況。專利數(shù)據(jù)中涉及各項產(chǎn)品創(chuàng)新需求的專利數(shù)量，可以直接反映該產(chǎn)品創(chuàng)新需求在技術(shù)層面可獲得的支撐程度，進(jìn)而可以從技術(shù)層面反映該項創(chuàng)新需求能夠被滿足的程度。因此，本文通過各創(chuàng)新需求對應(yīng)專利的數(shù)量在涉及所有需求的專利中所占的比例對產(chǎn)品創(chuàng)新需求的技術(shù)支撐度進(jìn)行衡量。

本文所使用的專利數(shù)據(jù)來源于德溫特數(shù)據(jù)庫（www.derwent.com）。將根據(jù)在線評論數(shù)據(jù)提取并得到的待改進(jìn)產(chǎn)品創(chuàng)新需求PIDn 對應(yīng)的關(guān)鍵詞轉(zhuǎn)換成對應(yīng)的英文關(guān)鍵詞，并依據(jù)德溫特數(shù)據(jù)庫的邏輯符號構(gòu)建檢索表達(dá)式，產(chǎn)品創(chuàng)新需求 PIDn 對應(yīng)的檢索表達(dá)式為（new energy vehicle or new energy vehicles or newenergy car or new energy cars））and PIDn）。根據(jù)檢索式在德溫特數(shù)據(jù)庫中進(jìn)行檢索，選擇近十年的專利數(shù)據(jù)進(jìn)行導(dǎo)出，可以獲得各產(chǎn)品創(chuàng)新需求 PIDn 所對應(yīng)的近十年的專利數(shù)量 FRWn。在此基礎(chǔ)上，通過分別計算各產(chǎn)品創(chuàng)新需求對應(yīng)的專利數(shù)量在總專利數(shù)量中所占的比例，得出產(chǎn)品創(chuàng)新需求 PIDn 的技術(shù)支撐度TSDn，即：

1.4 多源數(shù)據(jù)驅(qū)動的產(chǎn)品創(chuàng)新需求優(yōu)先級確定

確定新能源汽車產(chǎn)品創(chuàng)新需求的優(yōu)先級可以幫助新能源汽車企業(yè)制定有效的產(chǎn)品創(chuàng)新方案，有助于企業(yè)優(yōu)化資源配置。確定新能源汽車產(chǎn)品創(chuàng)新需求PIDn 的優(yōu)先級 Kn 需要綜合考慮產(chǎn)品創(chuàng)新需求的重要度SIn、績效值 SSn 及技術(shù)支撐度 TSDn 三方面的因素，一方面，某一產(chǎn)品創(chuàng)新需求的重要度越高、績效值越低，表現(xiàn)了用戶越重視且越期待改善該產(chǎn)品創(chuàng)新需求，所以該創(chuàng)新需求也越應(yīng)優(yōu)先改進(jìn)；另一方面，某一產(chǎn)品創(chuàng)新需求的技術(shù)支撐度越高，反映了企業(yè)基于該創(chuàng)新需求在現(xiàn)有技術(shù)條件下進(jìn)行產(chǎn)品創(chuàng)新開發(fā)就越可能得以實現(xiàn)，所以也應(yīng)具有較高的優(yōu)先級。

綜合考慮以上原因，本文給出了綜合考慮產(chǎn)品創(chuàng)新需求 PIDn 的重要度SIn、績效值 SSn 及技術(shù)支撐度TSDn 的創(chuàng)新需求優(yōu)先級 Kn 確定方法，即：

2 實驗分析

2.1 新能源汽車產(chǎn)品創(chuàng)新需求獲取

本文以“比亞迪 海豹 2022款” 新能源汽車作為目標(biāo)產(chǎn)品，利用八爪魚采集器在汽車之家論壇（www.autohome.com.cn）上爬取該產(chǎn)品從2022年8月至2023 年9月的在線評論數(shù)據(jù)進(jìn)行實驗分析，所爬取的數(shù)據(jù)共計1 480條， 平均評論長度為798字。產(chǎn)品創(chuàng)新需求獲取以預(yù)處理后的評論數(shù)據(jù)集為基礎(chǔ)，應(yīng)用TF-IDF 方法并輸出TF-IDF權(quán)重值最大的前200個關(guān)鍵詞，使用第1.2節(jié)的方法得到的產(chǎn)品創(chuàng)新需求FRi 及對應(yīng)關(guān)鍵詞FWij如表1所示。

2.2 新能源汽車產(chǎn)品創(chuàng)新需求IPA 分析

基于2.1節(jié)獲取的新能源汽車產(chǎn)品創(chuàng)新需求，使用公式（1）、公式（2）分別計算新能源汽車產(chǎn)品創(chuàng)新需求的重要度及績效值，計算結(jié)果如表2所示。

基于此，構(gòu)建比亞迪海豹2022款的IPA模型如圖2所示。從圖2可以看出，產(chǎn)品創(chuàng)新需求“底盤（PID1）”“空間（PID2）”和“內(nèi)飾（PID3）”位于Q2 區(qū)域，作為待改進(jìn)產(chǎn)品創(chuàng)新需求。

2.3 新能源汽車產(chǎn)品創(chuàng)新需求技術(shù)支撐度分析

根據(jù)IPA模型分析篩選得到的待改進(jìn)產(chǎn)品創(chuàng)新需求 PIDn 構(gòu)建專利檢索表達(dá)式，在德溫特專利數(shù)據(jù)庫中分別對近十年的專利數(shù)據(jù)進(jìn)行檢索，各產(chǎn)品創(chuàng)新需求對應(yīng)的檢索表達(dá)式及檢索結(jié)果如表3所示。

使用公式（3）計算的產(chǎn)品創(chuàng)新需求計算支撐度，可以得到新能源汽車產(chǎn)品創(chuàng)新需求“底盤（PID1）”“空間（PID2）”和“ 內(nèi)飾（PID3）”的技術(shù)支撐度TSD1、TSD2、TSD3分別為0.228、0.561、0.089。

2.4 新能源汽車產(chǎn)品創(chuàng)新需求優(yōu)先級分析

根據(jù)公式（4）可計算出產(chǎn)品創(chuàng)新需求 PIDn 的優(yōu)先級并得到優(yōu)先級排序結(jié)果如表4所示。

通過以上對比亞迪公司新能源汽車的產(chǎn)品創(chuàng)新需求分析可知，比亞迪公司需要考慮對汽車產(chǎn)品的“底盤（PID1）”“空間（PID2）”和“內(nèi)飾（PID3）”的需求進(jìn)行創(chuàng)新設(shè)計與開發(fā)，且優(yōu)先級排序為“空間（PID2）”>“底盤（PID1）”>“內(nèi)飾（PID3 ）”。

3 結(jié)束語

現(xiàn)階段，市場需求驅(qū)動的新能源汽車行業(yè)蓬勃發(fā)展，只有進(jìn)行有效的創(chuàng)新需求分析才能滿足用戶需求并贏得市場競爭。本文提出的多源數(shù)據(jù)驅(qū)動的新能源汽車產(chǎn)品創(chuàng)新需求分析方法綜合利用了用戶評論數(shù)據(jù)和專利數(shù)據(jù)，將消費者需求及技術(shù)支撐相結(jié)合，能夠在市場需求驅(qū)動的大背景下對新能源汽車產(chǎn)品的創(chuàng)新需求進(jìn)行有效的分析，極大地提高了分析結(jié)果的可靠性和適用性，并可為新能源汽車產(chǎn)品及其他產(chǎn)品的創(chuàng)新方案制定提供一定的參考和支撐。