基于顧客滿意度的產品設計方案評價方法研究

鄭皎 章恒全 焦俊

摘 要：顧客滿意度是評價產品設計成敗的重要指標。考慮到受訪者評價過程以及KANO問卷信息量化過程中的不確定性，采用云模型對滿意度評價語義變量進行量化，并采用云相似度算法確定各功能需求的類型。基于KANO問卷分析的結果建立了產品功能需求實現程度與顧客滿意度之間的S-FR函數，實現了顧客滿意度的量化，進而構建了滿意度矩陣。將熵值法用于計算各功能需求權重，并采用TOPSIS法計算各備選方案的相對貼進度，從而實現方案的最終排序。最后以實例驗證了所提方法的可行性和有效性。

關鍵詞：云模型；KANO模型；熵值法；TOPSIS

中圖分類號：TB 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2018.35.095

0 引言

隨著消費市場由企業主導型向顧客主導型的轉變，如何更好地滿足顧客多樣化的需求，提升顧客滿意度，成為企業產品設計以及產品設計方案評價過程中最為關鍵的出發點和落腳點。針對顧客需求分析以及顧客需求與顧客滿意度間的相互關系，日本學者狩野紀昭（NoriakiKano）提出了KANO模型。產品功能需求是顧客需求的直接體現，文獻[2]運用KANO模型的基本理論，結合在線問卷調查，對微信功能需求進行了分析，最后提供了微信差異化服務的優化改進建議。然而以往研究中KANO模型常常只是用于需求類型的定性分析，如何更好地實現需求與滿意度的定量化是KANO模型研究的重點。文獻[3]考慮到產品/服務屬性績效與顧客滿意之間的非線性關系，構建了一種定量化KANO模型，實現了顧客需求分類的客觀化。文獻[4]采用調研的方式統計分析需求項實現程度與顧客滿意度之間的關系，建立了顧客滿意度數學模型，實現了顧客滿意度的量化計算。文獻[5]通過KANO模型中的滿意系數和不滿意系數確定出需求滿意度函數上兩點坐標，進而求得需求實現程度和顧客滿意度之間的函數方程。

KANO模型中需求問卷信息的量化和集結是需求類型分析以及顧客滿意度量化的基礎和關鍵，然而傳統KANO模型中往往根據KANO問卷統計的需求類型頻數來確定最終需求類型，未能充分考慮到需求評價過程中的不確定性。鑒于此，文獻[6-8]提出采用模糊KANO問卷來實現需求的調查和統計。在模糊KANO問卷中受訪者需要憑借自我經驗賦予滿意度語義變量相應的百分比，然而這同樣存在著極大的主觀性，評價過程中的不確定性問題并沒有得到很好的解決。為了更好地刻畫了自然語言中定性概念的不確定性，李德毅院士于1995年在概率論和模糊數學基礎上提出了云模型的概念，云模型同時研究了模糊性和隨機性以及兩者之間的關聯性。云模型的提出為方案評價方法以及決策問題的研究提供了新支持工具，將云模型分別于AHP以及VIKOR相結合，用于解決不確定環境下的多準則和多屬性群決策問題。本文采用云模型作為滿意度語義變量的量化工具，并將云相似度算法用于KANO模型中需求類型的分析和滿意度的量化。

方案的比較和排序決定著最終方案的選擇。逼近理想解排序法（TechniqueforOrderPreferencebySimilaritytoSolution，TOPSIS）是一種常用的方案優選方法，它在對方案進行排序時能同時兼具接近正理想解并遠離負理想解兩個準則，從而使得排序結果更具有折中性。基于云模型的距離測度算法提出了一種云-TOPSIS的多屬性群決策方法。本文以顧客滿意度作為指標，采用TOPSIS法對備選方案進行排序，并將熵值法用于計算各功能需求的權重。

本文將云模型與KANO模型相結合，首先采用云模型對產品功能需求的KANO問卷信息進行量化和集結，并采用云相似度算法確定各功能需求的類型；然后以云-KANO的需求分析結果，建立了功能需求實現程度與顧客滿意度之間的S-FR函數，并根據S-FR函數的計算結果構建了滿意度矩陣；最后以熵值法計算功能需求權重，并采用TOPSIS法對備選方案進行排序和優選。以某企業某型號A級轎車的動力系統方案評價為例驗證了所提方法的可行性和有效性。

1 云模型概述

該車動力系統的各功能需求參數如表6所示，由公式（8、9）計算各功能需求參數的實現程度xij，并將xij代入表6中相應的S-FR公式得到滿意度矩陣S，進而由熵值法計算得到功能需求FRj的權重wj為：0.138，0.187，0.083，0.075，0.079，0.131，0.179，0.128。將功能需求權重wj分別與滿意度矩陣S第j列各元素sij相乘從而得到加權滿意度矩陣V，并由式（10-11）確定正、負理想解為：V+={0.060，0.103，0.238，0.178，0.612，0.277，1.935，2.243}，V-={-0.711，-0.816，-0.658，-0.693，0.014，-0.538，0.083，0.282}。由公式（23-24）計算各備選方案與正負理想解間的距離，進而由公式（25）計算各備選方案的相對貼近度，結果如表7所示。根據表7中的計算結果對各備選方案的優劣排序為：A3A2A4A1A5。

為更好地表明本文所提方法的可行性和有效性，不采用云模型對KANO問卷信息進行量化，而是采用頻數統計結果計算得到S-FR函數，并最終由TOPSIS法對各備選方案進行排序，排序結果為A3A4A2A1A5。

通過以上計算結果的對比，傳統TOPSIS的排序與本文所提方法均以方案A3為最優選擇，但在對A4A2的排序上均有不同，且對A3與A4的貼近度計算差異較大。與傳統KANO方法相比，本文將云模型用于KANO模型中問卷的量化，更有效地保證了不確定信息量化的準確性，從而使排序結果更可靠。

6 結束語

顧客滿意度是評價產品設計成敗的重要指標，也是影響產品市場競爭力的重要因素。本文以顧客滿意度作為方案評價優選的衡量指標，所提方法的特點如下：

（1）將云模型與KANO模型相結合，采用云模型作為滿意度語義變量的量化工具，并將用云的相似度算法用于確定功能需求評價矩陣，更好地表達了定性概念的模糊性和隨機性。

（2）在KANO問卷信息集結的基礎上，對產品功能需求實現程度與顧客滿意度之間的函數關系進行擬合，進而建立了S-FR方程，使得顧客滿意度的量化更加精確合理。

（3）根據S-FR方程計算各備選方案的滿意度，構建了滿意度矩陣，以熵值法計算各功能需求權重，最后基于TOPSIS法對各備選方案進行排序優選，使得排序結果更具有折中性。

通過對某型號A級轎車動力系統的方案評價，驗證了所提理論與方法的有效性與可行性。

參考文獻

[1]Kano N，Seraku N，Takahashi F，etal.Attractive quality and mustbe quality[J].The Journal of the Japanese Society for Quality Control，1984，14（2）：39-48.

[2]涂海麗，唐曉波.微信功能需求的KANO模型分析[J].情報雜志，2015，34（5）：174-179.

[3]孟慶良，蔣秀軍.基于定量化KANO模型的顧客需求最終重要度確定方法[J].統計與決策，2012，（6）：32-35.

[4]孫園園，劉飛，李麗.基于KANO-QFD的個性化產品屬性指標重要度確定方法[J].計算機集成制造系統，2014，20（11）：2697-2704.

[5]JIP，JINJ，WANGT，etal.Quantification and integration of Kanos mode linto QFD for optimising product design[J].International Journal of Production Research，2014，52（21）：6335-6348.

[6]Lee Y C，Huang S Y.A new fuzzy concept approach for Kanos model[J].Expert Systems with Applications，2009，36（3）：4479-4484.

[7]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.

[8]耿秀麗，徐士東，葉春明.考慮定量KANO分析的產品功能需求優化設計[J].計算機集成制造系統，2016，22（7）：1645-1653.

[9]李德毅，孟海軍，史雪梅.隸屬云和隸屬云發生器[J].計算機研究和發展，1995，32（6）：16-21.

[10]李德毅，劉常昱.論正態云模型的普適性[J].中國工程科學，2004，6（8）：28-34.

[11]沈進昌，杜樹新，羅祎，等.基于云模型的模糊綜合評價方法及應用[J].模糊系統與數學，2012，26（6）：115-123.

[12]徐士東，耿秀麗，董雪琦.基于云模型的改進FMEA風險評估方法[J].計算機工程與應用，2018，54（2）：228-233.

[13]徐選華，王佩，蔡晨光.基于云相似度的語言偏好信息多屬性大群體決策方法[J].控制與決策，2017，32（3）：459-466.

[14]YANGXJ，YANLL，ZENGL.How to handle uncertainties in AHP：The Cloud Delphi hierarchical analysis[J].Information Sciences，2013，（222）：384-404.

[15]鄭皎，章恒全，焦俊，等.云模型與VIKOR集成的多屬性群決策方法[J].計算機工程與應用，2017，53（24）：94-99.

[16]張芳蘭，楊明朗，劉衛東.基于模糊TOPSIS方法的汽車形態設計方案評價[J].計算機集成制造系統，2014，20（2）：276-286.

[17]徐士東，耿秀麗.云模型與TOPSlS相結合的多屬性群決策方法[J].計算機應用研究，2017，34（10）：2964-2967.