融合用戶滿意度的用戶需求綜合重要性研究

劉大帥，楊 勤，呂 健 ，王衛星

(1.貴州大學現代制造技術教育部重點實驗室，貴州 貴陽 550025；2.貴州大學機械工程學院，貴州 貴陽 550025)

隨著經濟和技術的飛速發展，新產品的設計和開發已成為企業應對市場競爭的有效途徑。同時，隨著市場競爭的加劇，產品設計開發也逐漸變成多樣化和復雜化的綜合過程[1-2]。用戶需求分析是產品設計和開發的重要基礎，也是設計過程的重要輸入[3]。因此，用戶需求的初級重要性和用戶對產品的滿意度成為產品設計與開發研究的重點，也是衡量產品設計和開發成功與否的重要因素[4]。

針對用戶需求初級重要度計算，RAVIV等[5]采用層次分析法對使用塔吊風險嚴重程度等級進行定量評估，并揭示了塔吊領域技術因素與人為因素之間的相互關系。劉悅[6]采用專家打分求平均值法對公理化設計中的用戶需求信息以及結構-設計參數映射矩陣進行重要性和匹配性確定。LIN 等[7]應用層次分析法對客戶需求和產品設計特點的總體重要性進行評價。因此，目前主要采用專家打分求平均值法、層次分析法以及企業簡單的主觀決策等方法確定重要的用戶需求，其存在主觀性強、準確性低和過度依賴專家經驗等問題。熵權法根據決策矩陣客觀地計算代表各品質因素權重的熵權，有效地避免了專家主觀判斷誤差對權重分析的影響[8]。GORGIJ等[9]利用熵權法對伊朗阿扎爾沙赫爾平原的地下水樣品進行了飲用水質評價，結果表明，熵權法可保證水質指標的客觀性，有效地避免了專家的主觀判斷。

用戶滿意度的大小決定了用戶購買產品的意愿，融入用戶滿意度的用戶需求綜合重要性確定有助于企業開發出更符合用戶實際需求和市場需要的產品。目前Kano模型是分析用戶滿意度的常用方法，但用戶滿意度的獲取具有一定的模糊性，傳統Kano模型很難準確地獲取到用戶需求的滿意度。因此，需要采用模糊Kano問卷代替傳統Kano問卷，能更準確地挖掘出受訪者的猶豫心理[10]。席樂等[11]利用模糊卡諾模型方法完成了對服務機器人產品的質量要素屬性的準確分類，并得到用戶重點需要的質量要素信息。汪天雄[12]針對傳統Kano模型不能有效獲取到用戶復雜的心理需求信息，構建了基于模糊Kano模型的客戶需求分類方法，通過模糊Kano問卷對用戶需求的品質屬性進行了劃分。但模糊Kano模型并未明確給出同一分類中用戶需求滿意度的優先順序，即模糊Kano模型并不能確定用戶對每個需求的滿意度值[13]。逼近理想解排序法(technique for order preferenceby similarity to ideal solution，TOPSIS)是系統工程中有限方案多屬性決策分析的常用方法，其可以使用每個方案的原始評估數據，根據方案與理想目標的貼近度對方案進行排序[14]。本文利用TOPSIS法將模糊Kano模型中各質量要素的滿意度系數和不滿意度系數進行貼近度計算，可得到用戶滿意度重要性決策值。

本文采用熵權法客觀地計算用戶需求初級重要性；其次，通過模糊Kano模型對問卷調研結果進行分析，并利用TOPSIS法對用戶需求的滿意度系數和不滿意度系數進行決策；最后，將用戶需求的初級重要性權重與用戶需求滿意度的決策值相結合，得到用戶需求的綜合重要性函數。

1 融合用戶滿意度的用戶需求綜合重要性確定流程圖

在獲取用戶需求的基礎上，利用模糊Kano模型(fuzzy Kano model，FKM)對用戶需求的滿意度進行調查，并利用TOPSIS法對調查結果進行決策。其次，采用熵權法計算用戶需求的初級重要性，最終得到用戶需求綜合重要性函數，具體流程如圖1所示。

2 構建確定用戶需求綜合重要性系統

本文將FKM和TOPSIS 2種方法相結合對用戶需求滿意度量化，并利用熵權法客觀地計算出用戶需求的初級重要度，最后根據兩個值的乘積對用戶需求的重要性進行綜合決策。以幫助企業挑選出用戶迫切需要的需求，給予企業的產品設計開發指導性建議。

圖1 用戶需求綜合重要性確定流程圖

2.1 獲取用戶需求信息

通常用戶的需求信息是多方面的、動態的、模糊的、猶豫的和主觀的，很少有用戶具有清楚地自我需求信息描述能力，并且用戶之間還存在較大的差異性。因此，用戶需求的獲取和分析成為企業產品設計和開發早期階段的一個關鍵步驟。本文采用問卷調查和用戶深度訪談相結合的方法獲取用戶原始需求信息，并利用模糊聚類方法對用戶原始需求信息進行歸類，以獲得新的用戶需求信息，有效地避免了用戶需求信息雜亂對用戶需求分析的影響。

2.2 基于FKM的用戶需求屬性分類

Kano模型是由東京理工大學教授狩野紀昭提出對用戶需求分類的有效工具[15]。通過 Kano模型可在產品設計開發前對用戶需求進行定性和定量分析，在產品設計開發中滿足相關的用戶需求要素，可以有效提高用戶滿意度，提高產品服務質量。

Kano模型以不同的用戶需求與用戶滿意度之間的關系為依據，將用戶需求分為5類。為了更好地區分用戶需求的分類，文獻[16]提出了修正后的Kano模型需求分類評價表，并在Kano模型中設置了2個正反問題，見表1。其中，M表示基本需求，O表示期望需求，A表示興奮需求，I表示無關緊要需求，R表示逆向需求，Q表示問題需求。

在傳統 Kano模型問卷調查中，用戶只能從給定的選項中選擇一個最令人滿意的選項，忽略了用戶選擇時猶豫模糊的特性，導致一些用戶的需求調查數據模糊不清。因此，考慮到用戶滿意度的模糊猶豫性，文中采用 FKM 對用戶需求屬性進行分類。在傳統卡諾模型的基礎上，對FKM的需求屬性分類進行了改進。傳統的 Kano問卷只允許選擇最滿意的的一個答案，而 FKM 問卷允許用戶在區間[0,1]之間的某個值來表示對產品各項功能的滿意度，從而使用戶需求的屬性分類更加準確[17]。傳統Kano模型與FKM問卷調查表見表2和表3。

表1 Kano模型用戶需求分類評估表

表2 傳統Kano問卷調查表

表3 FKM問卷調查表

FKM 模型對用戶需求屬性分類的基本步驟如下：

以某客戶模糊Kano問卷調查表(表3)為例，假設可以實現的功能矩陣P=[0.5 0.3 0.2 0 0]，不能實現的功能矩陣N=[0 0 0.2 0.6 0.2]，則生成的交互矩陣為

通過將矩陣S中的值與Kano模型屬性分類評估表中的用戶需求屬性對應，則上述用戶需求的屬性類別隸屬度向量T為

為了獲得更可信的數據，引入閾值α對 FKM問卷調查統計結果中的數據進行篩選。取α=0.4，當Ti≥α時，該要素用1表示，否則用0表示，則T=(0 0 1 1 0)。將所有調查用戶的修正值Tij相加，得到用戶需求的分類頻數fi(i=M,O,A,I)，以其中頻數最高的屬性類別作為該用戶需求屬性類型。當統計結果中出現頻數相等的情況，用戶需求屬性劃分的優先順序為M，O，A，I。

根據FKM問卷調查結果，計算了用戶需求滿意度的相對重要性。Si表示產品具有某功能時的用戶滿意度，DSi表示產品不具有某功能時的用戶不滿意度。假定滿足用戶需求和不滿足用戶需求同等重要[18]，即Si和DSi分別：

2.3 基于TOPSIS的用戶需求滿意度決策

TOPSIS法又稱近似理想解排序法，是一種有效的多屬性決策方法[13]。通過構建評價問題的正、負理想解，計算每個方案到理想解的相對貼近度。文中將 Kano模型中的用戶需求視為評價方案，Si和DSi被視為評估指標，2個指標的權重同等重要。其中，Si屬于效益型屬性，DSi屬于成本型屬性。然后，利用TOPSIS法計算各個用戶需求滿意度的相對貼近度值。基于TOPSIS的用戶需求滿意度決策具體步驟為：

步驟1.構建用戶需求滿意度評價矩陣。

假設在多屬性決策問題有n個方案和m個決策屬性，則評價決策矩陣為

步驟2.計算加權歸一化處理后的標準化矩陣和加權規范化決策矩陣Zij，即

其中，λj為指標權重。

步驟3.計算加權規范化評價矩陣的正、負理想解，即

其中，J為效益型屬性；j為成本型屬性。

步驟4.計算正、負理想解的Euclid距離。

步驟5.計算各目標的相對貼近度值。

2.4 確定用戶需求初級重要度

計算用戶需求要素的基本重要度通常依靠專家的主觀經驗，在計算過程中引入熵權法(entropy weight method，EWM)。熵權法對評估者的主觀依賴較少，能夠做出接近真實的評估值，增強用戶需求重要度的設計參考價值。具體計算步驟如下：

步驟1.構建用戶需求初級重要度決策矩陣。基于專家團運用 7級李克特量表進行評價，數值越大表示用戶需求的重要程度越高。假設有n個被調查對象對m個需求因素進行重要度評價，第j個被調查對象對第i個需求因素的評分用xij表示，矩陣為

步驟2.將上述矩陣標準化，將標準化矩陣中列向量與矩陣中所有元素之和之比作為歸一化矩陣，其計算公式為

其中，i= 1,2,…,m；j= 1,2,…,n；Yij為第i個評價單元第j個需求的標準化值。

步驟3.計算評價指標的熵權值，即

其中，k為調節系數，且。

步驟4.將各質量要素評價指標的熵值轉化為權重值，即用戶需求的基本重要度為

2.5 確定用戶需求綜合重要度

將用戶需求的初級重要度值iω與用戶需求的滿意度值iυ相結合，得到用戶需求的綜合重要度函數。歸一化后，得到

最后，獲得用戶需求綜合重要度向量fi=(f1,f2,···,fm)依據規范化的綜合重要度fi對各項用戶需求進行排序，以確定企業產品設計開發的合理投資方向。

3 實例研究

本文以某機床生產企業設計開發的新型民用設備為例，闡述運用所提方法進行用戶需求綜合重要度判定的具體實施過程，并驗證了該方法的可行性和有效性。

該公司考慮面向民用市場開發一款新型摩擦焊機設備并投放市場。設計和開發團隊對用戶和相關產品進行問卷調查和深入訪談，得到用戶實際所需的原始需求信息。然后通過模糊聚類對原始需求信息進行聚類，并篩選出具有代表性的的5名用戶(企業研發部組長、設計師、產品研發結構工程師、設備采購員、設備操作工人)作為專家團。用戶需求信息統計見表4和表5。

表4 收集用戶需求原始描述信息

表5 用戶需求信息聚類

采用表2的模糊Kano問卷對新的用戶需求的類型進行調研，總共發放120份問卷，調研對象為使用該產品或服務的用戶、內部員工和隨機人員，收回112份有效問卷，有效率為93%，保證了問卷調研的有效性。以模糊Kano問卷調查用戶的品牌需求為例，結果見表6。根據表6得到P=[0.6 0.3 0.1 0 0]，N=[0 0 0.2 0.6 0.2]，則生成的模糊矩陣為

通過公式計算受訪者的人機交互評價矩陣，并將矩陣與卡諾模型分類評價表進行比較并計算。

由式(2)計算得到調研對象關于產品人機交互的評價矩陣，并將矩陣與Kano模型屬性分類評估(表1)對照，得到。采用=0.4α對數據進行篩選，Tc1=(0 0 1 0 0)，將所有評價的修正值記錄到表7內，得到人機交互需求的評價信息統計表。類似地，計算其他用戶需求的分類頻數，并利用式(3)和式(4)計算出Si和DSi，統計結果見表8。

表6 某用戶的品牌性需求問卷調查結果

表7 品牌性的Kano評價信息統計表

表8 用戶需求分類評價統計

根據式(5)～(8)，得到了歸一化的用戶需求滿意度矩陣及其正、負理想解，結果見表9。

表9 用戶需求滿意度加權規范化矩陣及其正、負理想解

根據規范化的用戶滿意度決策矩陣和正、負理想解，利用式(9)～(11)求得各用戶需求滿意度的正、負理想解的Euclid距離、相對貼近度iυ值，結果見表10。

表10 用戶需求的相對貼近度及其正、負理想解的Euclid距離

通過篩選的5名專家團對用戶需求進行評價，評價矩陣信息見表11。

表11 用戶需求基本重要度專家評價結果

根據式(12)～(16)獲得用戶需求初級重要性的熵值和熵權值，并通過式(17)計算用戶需求的綜合重要性，結果見表12。

表12 用戶需求初級重要度的熵值和熵權值及用戶需求的綜合重要度

由表10和表12可知，與單一的計算用戶需求重要性相比考慮用戶滿意度的綜合重要度有較大的變化，其綜合優先級為：C2＞C1＞C3＞C4＞C7＞C6＞C5。其中，C2對提高用戶的滿意度最大，其綜合重要性有很大的提升且屬于興奮型需求，因此提高摩擦焊機機床產品的整體安全性應成為企業首要研發和投資的方向。C1的基本重要性最大，且屬于期望型需求，因此提升企業產品的品牌性，以增加產品的附加價值也同樣需要企業給予較高的關注，并策劃企業的品牌計劃方案。C3和 C4的綜合重要性較高且屬于期望型需求，因此使產品的人機工程設計和價格合理給予較高的關注。C7、C6和 C5的綜合重要性很低，因此在產品開發中產品只需具備基本的功能即可。

4 結論

確定用戶需求的綜合重要性是公司在產品設計和開發早期階段的重要階段，也是確保產品設計和開發成功的關鍵步驟。本文構建了基于 FKM、TOPSIS和熵權法的集成模型，建立了用戶需求滿意度的重要性和用戶需求基本重要度綜合評價函數。該方法將TOPSIS用于FKM中滿意度問卷的量化，有效地保證了模糊信息量化的準確性；其次，利用熵權法計算用戶需求的初級重要性，可以有效弱化用戶對需求重要性的主觀判斷；兩者結合有效地避免了用熵權法評價時權重值相同的問題，同時也綜合考慮了用戶需求評價的模糊性和客觀性及用戶需求的屬性分類，從而使最終的排序結果更合理有效。通過實例證明，本文方法將用戶對需求的滿意度和初級重要度有效的結合，在一定程度上彌補了傳統用戶需求重要性確定中的不足，增加了產品設計和開發的成功概率。然而，本文研究主要考慮的是用戶需求的初級重要性及其滿意度的綜合評價結果，而用戶需求綜合重要性的確定是多因素和動態的。因此，下一階段研究的重點是應用數據挖掘從市場趨勢、競品、用戶習慣等多維信息對用戶需求的重要性進行綜合動態分析，以提升用戶需求綜合重要性確定的全面性。