基于SPSS和在線評論分析的產(chǎn)品用戶需求洞察方法研究

李翔，胡昀，王毅力

基于SPSS和在線評論分析的產(chǎn)品用戶需求洞察方法研究

李翔，胡昀，王毅力

（武漢理工大學(xué)，武漢 430070）

面向當下工業(yè)產(chǎn)品系統(tǒng)化、用戶需求信息復(fù)雜化和信息內(nèi)容數(shù)據(jù)化等特點，擬通過研究統(tǒng)計分析和大數(shù)據(jù)挖掘方法在用戶需求獲取和處理中的應(yīng)用，探究產(chǎn)品設(shè)計中用戶需求洞察的創(chuàng)新方法。以案例分析和因子分析方法進行目標產(chǎn)品設(shè)計因素提取，并通過多元回歸法進行顯著性分析；進而采用產(chǎn)品在線評論挖掘和情感分析方法獲取并處理針對產(chǎn)品特征的用戶顯性需求，以及從情景分析角度獲取用戶在使用情景下的行為痛點和隱性需求；最后，對應(yīng)產(chǎn)品特征和使用情景下的用戶需求指標，導(dǎo)出產(chǎn)品屬性要求及產(chǎn)品情景適應(yīng)性要求。綜合應(yīng)用SPSS和在線評論分析方法，解決目前產(chǎn)品用戶需求洞察中方法應(yīng)用不足、缺乏客觀性的問題。有助于設(shè)計人員在面對復(fù)雜產(chǎn)品系統(tǒng)及用戶需求復(fù)雜的設(shè)計任務(wù)時，精準獲得產(chǎn)品設(shè)計目標。并以重卡生活艙用戶需求分析進行實證，獲得適應(yīng)重卡生活艙環(huán)境的產(chǎn)品設(shè)計要求。

用戶需求；產(chǎn)品設(shè)計；因子分析；評論挖掘

對用戶需求信息的獲取、分析和評估一直是產(chǎn)品設(shè)計流程中的關(guān)鍵點，準確及全面地洞察用戶需求是順利實施產(chǎn)品開發(fā)的前提。隨著智能化和數(shù)據(jù)化的發(fā)展，針對實體產(chǎn)品的用戶需求表達方式在不斷改變。一方面，用戶體驗由單一產(chǎn)品使用體驗轉(zhuǎn)向場景化、系統(tǒng)化的產(chǎn)品群綜合使用體驗，如智能家居場景下的系統(tǒng)化家電產(chǎn)品給用戶帶來了多重交互感受，這使用戶需求更多樣化、復(fù)雜化，若僅憑設(shè)計人員的主觀經(jīng)驗就難以客觀分析繁多的需求信息及定義設(shè)計問題。

另一方面，互聯(lián)網(wǎng)給用戶提供了暢所欲言的機會和豐富的社交渠道，各網(wǎng)站每天都能獲取大量用戶生成內(nèi)容（UGC）[1]。實體產(chǎn)品設(shè)計中通過線下獲取的方法已不能夠全面了解用戶的需求，大數(shù)據(jù)背景下海量線上數(shù)據(jù)信息則可以有效解決樣本量不足的問題，楊煥[2]基于大數(shù)據(jù)分析構(gòu)建了“用戶畫像—用戶體驗旅程—情景分析”的用戶需求洞察創(chuàng)新路徑；涂海麗[1]針對在線評論用戶數(shù)據(jù)構(gòu)建了用戶需求挖掘模型，這類研究深入探索了如何將大數(shù)據(jù)分析方法應(yīng)用于互聯(lián)網(wǎng)產(chǎn)品設(shè)計及虛擬服務(wù)方面，但在實體產(chǎn)品設(shè)計領(lǐng)域應(yīng)用研究較少。因此，文中針對現(xiàn)代產(chǎn)品復(fù)雜化及系統(tǒng)化、需求信息分析主觀性較強、用戶需求繁雜的問題，探索運用統(tǒng)計學(xué)和大數(shù)據(jù)分析，進行產(chǎn)品用戶需求洞察的創(chuàng)新方法研究，并以重卡生活艙設(shè)計的用戶需求洞察為研究對象實施創(chuàng)新方法的應(yīng)用及實證研究。

1 產(chǎn)品用戶需求洞察方法應(yīng)用研究

1.1 實體產(chǎn)品用戶需求洞察方法研究現(xiàn)狀

為了在產(chǎn)品開發(fā)前期精準捕獲市場和用戶需求，學(xué)者們提出和應(yīng)用了諸多理論方法，包括且不限于問卷法、KJ法、用戶行為地圖等獲取用戶需求信息；聚類分析法、層次分析法、熵權(quán)理論等求解用戶需求權(quán)重[3]；TRIZ理論、QFD法等轉(zhuǎn)化需求為方案生成[4-5]。可看出方法的應(yīng)用聚焦于需求分析，在問題定義、需求獲取階段仍存在信息片面性和主觀性的問題。文中引入SPSS和數(shù)據(jù)分析方法對該階段進行拓展和創(chuàng)新。

1.2 基于SPSS分析的產(chǎn)品用戶需求洞察方法

SPSS是常用的統(tǒng)計學(xué)數(shù)據(jù)分析軟件，廣泛用于數(shù)據(jù)分析、決策分析、精準營銷等方面。有學(xué)者提出利用統(tǒng)計學(xué)方法來明確設(shè)計問題和用戶需求問題，楊浩[6]采用因子分析對用戶問題進行降維，抽出關(guān)鍵問題進行設(shè)計解決；萬福成[7]提出基于因子主成分法的用戶需求分類方法，有效歸類并提煉出用戶關(guān)鍵需求。因此，在用戶需求分析前采用SPSS分析方法，以應(yīng)對現(xiàn)代產(chǎn)品特點變化趨勢及彌補現(xiàn)有洞察流程中前期方法應(yīng)用不足的問題。

1.3 基于在線評論的產(chǎn)品用戶需求洞察方法

在數(shù)據(jù)驅(qū)動的用戶需求研究方法中，早期大多以后臺網(wǎng)絡(luò)日志、用戶行為等作為數(shù)據(jù)源，這類數(shù)據(jù)往往涉及用戶隱私，且較少涉及用戶對產(chǎn)品的看法。如今用戶可以通過微博、貼吧等社交媒體表達自己關(guān)于某產(chǎn)品的看法、感受和意見。相比問卷調(diào)查等方式，以社交數(shù)據(jù)為數(shù)據(jù)源獲取用戶對產(chǎn)品的在線評論，優(yōu)勢在于數(shù)據(jù)量龐大、時效性強、更新速度快[8]，因為來自用戶真實的主動分享，所以避免了設(shè)計人員主觀經(jīng)驗干擾。目前，在線評論的研究主要包括：主觀句識別、產(chǎn)品特征提取、話題聚類、情感分析等。設(shè)計人員通過網(wǎng)絡(luò)信息采集工具可抓取用戶對互聯(lián)網(wǎng)產(chǎn)品的線上評論數(shù)據(jù)，用于構(gòu)建用戶畫像、了解用戶需求、進行競品分析等。在實體產(chǎn)品開發(fā)中用戶需求分析也要充分了解用戶對產(chǎn)品的態(tài)度及使用體驗，通過提取產(chǎn)品特征詞及情感分析來洞察實體產(chǎn)品的用戶需求，有助于設(shè)計人員判斷產(chǎn)品優(yōu)的化方向。

2 產(chǎn)品用戶需求洞察創(chuàng)新方法研究

上述方法的應(yīng)用都通過將定性化的用戶需求信息和情感態(tài)度轉(zhuǎn)化為定量數(shù)據(jù)，量化用戶主動表達的直觀需求，側(cè)重于用戶顯性需求挖掘。從定性分析角度出發(fā)，情景化分析用戶在產(chǎn)品使用中的行為，洞察用戶潛在的隱性需求。結(jié)合SPSS分析和在線評論挖掘方法，提出一種產(chǎn)品用戶需求洞察的創(chuàng)新方法，見圖1。該方法主要包括3個階段：（1）需求傾向分析：從用戶滿意度的角度篩選和分析影響用戶需求的產(chǎn)品顯著設(shè)計因素；（2）需求獲取與處理：基于產(chǎn)品顯著設(shè)計因素，從產(chǎn)品特征和使用情景兩方面獲取和處理用戶需求信息；（3）需求轉(zhuǎn)化：將用戶需求信息轉(zhuǎn)化為產(chǎn)品屬性要求和情景適應(yīng)性要求以指導(dǎo)設(shè)計方案。

2.1 產(chǎn)品設(shè)計因素分析

在實體產(chǎn)品設(shè)計中，會受到用戶、社會、環(huán)境、技術(shù)等多方面因素的影響，這里的產(chǎn)品設(shè)計因素是指以用戶為中心，從產(chǎn)品使用動機出發(fā)，影響用戶對產(chǎn)品滿意度的設(shè)計因素。在獲取用戶需求信息前確定符合用戶滿意度的產(chǎn)品設(shè)計因素及顯著程度，有助于準確發(fā)現(xiàn)產(chǎn)品的典型問題和用戶需求傾向。提取產(chǎn)品設(shè)計因素的本質(zhì)是將用戶對產(chǎn)品零散的滿意度評判標準映射到產(chǎn)品設(shè)計因子上，即產(chǎn)品各部件或系統(tǒng)化產(chǎn)品設(shè)計中的單件產(chǎn)品，各要素關(guān)系見圖2。在具體實踐中，需要建立產(chǎn)品樣本庫，常用的方法是通過瀏覽產(chǎn)品相關(guān)網(wǎng)站、走訪線下營銷商、查閱文獻等廣泛搜集并篩選產(chǎn)品典型樣本，通過桌面調(diào)研了解用戶使用產(chǎn)品動機，建立映射關(guān)系并提取產(chǎn)品設(shè)計因素。

僅憑設(shè)計人員經(jīng)驗和產(chǎn)品樣本提取的設(shè)計因素并不能客觀真實地反映用戶對產(chǎn)品滿意情況及需求傾向，因此還需對其進行實證和顯著性分析。選擇李克特量表作為定量測量工具建立問卷和搜集用戶滿意度，運用SPSS因子分析對設(shè)計因素進行驗證和調(diào)整，采用多元回歸分析判斷各因素顯著程度，以排除非顯著因素，使進一步挖掘用戶需求更有針對性。

圖1 基于SPSS和在線評論分析的產(chǎn)品用戶需求洞察方法

圖2 產(chǎn)品設(shè)計因素提取中各要素關(guān)系

2.2 針對產(chǎn)品特征的用戶需求分析

基于上述在線評論分析方法研究，針對產(chǎn)品特征的用戶需求分析步驟為：數(shù)據(jù)采集和預(yù)處理、構(gòu)建產(chǎn)品特征詞庫、特征詞聚類和情感分析、導(dǎo)出用戶需求指標，見圖3。

文中選擇GooSeeker數(shù)據(jù)爬蟲工具抓取用戶在線評論數(shù)據(jù)，可以將HTML文件轉(zhuǎn)化為EXCEL格式便于數(shù)據(jù)處理。產(chǎn)品特征詞通常為評論中描述功能、造型等產(chǎn)品屬性的名詞[9]，使用中科院ICTCLAS漢語分詞系統(tǒng)可實現(xiàn)文本數(shù)據(jù)的詞性分類、標注及詞頻統(tǒng)計，進而從所標注名詞中提取出產(chǎn)品特征詞。隨后利用SPSS聚類分析將描述同一設(shè)計因子的特征詞聚類到一組，通過情感分析識別文本中用戶觀點，判斷用戶對產(chǎn)品特征的情感傾向。選擇天據(jù)英眼分詞和分類檢索平臺，其帶有HowNet情感詞典可對自然語言進行情感劃分，從而得到具有用戶情感傾向的特征詞。用戶的情感傾向可分為正面、負面和中性，對應(yīng)用戶滿意度為滿意、不滿意和一般。研究人員過去常使用KANO模型建立問卷求解用戶滿意度和需求水平間的關(guān)系，而張文旭[10]通過研究KANO需求類型在在線評論中的分布關(guān)系，提出KANO需求的興奮型、期望型和基本型需求主要分布在好評、中評和差評。由此進一步將情感傾向所反映的滿意度與文本評論對應(yīng)，由產(chǎn)品特征詞推導(dǎo)出具有需求類別和具體指標的用戶需求，見圖4。

圖3 針對產(chǎn)品特征的用戶需求分析流程

圖4 針對產(chǎn)品特征的用戶需求推導(dǎo)

2.3 針對使用情景的用戶需求分析

產(chǎn)品使用情景是影響產(chǎn)品體驗的重要因素，情景分析是將產(chǎn)品置于特定使用情景中，從使用產(chǎn)品過程中獲得用戶在一定環(huán)境下的需求，再通過產(chǎn)品與環(huán)境的相互關(guān)系獲得關(guān)于產(chǎn)品設(shè)計的一些約束條件[11]。情景分析一方面可以研究用戶在產(chǎn)品使用情景中的行為，挖掘用戶未主動表達的隱性需求，同時可以探索情景對產(chǎn)品的限制條件。文中針對產(chǎn)品顯著設(shè)計因素下的使用動機，劃分用戶使用情景，通過情景模擬分析用戶行為和挖掘痛點，導(dǎo)出用戶在情景中的需求指標，見圖5。

2.4 用戶需求到產(chǎn)品設(shè)計要求的轉(zhuǎn)化

經(jīng)過上述分析，已得到兩類用戶需求指標。將其轉(zhuǎn)化為產(chǎn)品設(shè)計要求，即能實現(xiàn)機會點向設(shè)計點的轉(zhuǎn)化。基于在線評論挖掘來獲取用戶需求的過程是以產(chǎn)品屬性為核心的，包含用戶對產(chǎn)品屬性的主觀評價[12]，由此可進一步推導(dǎo)出產(chǎn)品屬性要求；針對使用情景的用戶需求則是用戶在環(huán)境下產(chǎn)生的交互需求，其反映到設(shè)計要求上為情景對產(chǎn)品產(chǎn)生的限制性要求，由此可轉(zhuǎn)化為產(chǎn)品情景適應(yīng)性要求，具體轉(zhuǎn)化原理見圖6。

圖5 針對使用情景的用戶需求分析流程

3 案例分析

3.1 案例背景

近年來，隨著國內(nèi)物流發(fā)展帶動重卡需求量大增，用戶對重卡的認識及評價已大為不同，駕駛艙的功能性、舒適性成為重要衡量依據(jù)。2019年中國一汽集團首次推出“重卡生活艙”設(shè)計，發(fā)布解放JH6生活艙版車型，見圖7。該生活艙在原有基礎(chǔ)上拓寬了生活空間，其產(chǎn)品設(shè)計不僅要滿足駕駛員的工作需求，還要符合其生活居住所需，這使得用戶需求更為復(fù)雜。然而，目前對重卡駕駛艙設(shè)計的用戶需求洞察較少從用戶體驗出發(fā)，且大多僅采用定性研究方法。因此，以文中提出的用戶需求洞察方法，對武漢理工大學(xué)藝術(shù)與設(shè)計學(xué)院與海爾集團合作的重卡生活艙設(shè)計項目展開方法的應(yīng)用與實證研究。

3.2 重卡生活艙影響因素分析

3.2.1 重卡生活艙設(shè)計因素提取

由于生活艙形式還未在重卡駕駛艙設(shè)計中廣泛應(yīng)用，通過商用車服務(wù)平臺和線下探訪，收集近十年國內(nèi)市場占比份額前四的重卡品牌產(chǎn)品：一汽解放、東風(fēng)重卡、中國重汽和陜西重汽，建立重卡駕駛艙樣本庫。用戶購買生活艙重卡的目的更多是為了滿足生活居住所需，故從駕駛員日常生活視角即衣、食、住、行出發(fā)，篩選為用戶提供生活相關(guān)產(chǎn)品的駕駛艙為典型樣本。依據(jù)產(chǎn)品設(shè)計因素提取中各要素關(guān)系，見圖2，將以用戶使用動機為依據(jù)的滿意度評判標準和樣本庫中涉及的產(chǎn)品設(shè)計因子一一映射，初步提取出放置、飲食、休息、洗漱、工作共五個產(chǎn)品設(shè)計因素，以及各因素下產(chǎn)品設(shè)計因子共15項，見圖8。

圖6 用戶需求—設(shè)計要求的轉(zhuǎn)化原理

圖7 青島解放JH6牽引車駕駛室生活艙版

圖8 重卡生活艙設(shè)計因素提取

3.2.2 重卡生活艙設(shè)計因素實證

采用李克特7分量表將上述產(chǎn)品設(shè)計因子及其滿意度評判標準設(shè)計成結(jié)構(gòu)性問卷，并附加對駕駛艙的整體評價。選擇“卡車之家”和“車旺大卡”兩大線上卡車司機用戶量最多的貨車商品和物流網(wǎng)站為問卷投放社區(qū)，邀請社區(qū)用戶從分數(shù)1到7對滿意程度進行打分。共發(fā)放問卷136份，篩除社區(qū)中貨商及物流人員用戶，實際收回問卷104份，剔除無效評分問卷3份，最終收集有效問卷101份。

經(jīng)SPSS因子分析，本問卷的克隆巴赫系數(shù)為α=0.899，表明問卷題目內(nèi)部一致性較好，可以真實反映用戶對駕駛艙的滿意度；KMO檢驗值=0.880，巴特利特球形檢驗顯著，（卡方值=676.512，值< 0.001），表明本問卷適合做因子分析。采用主成分法提取因子并保留特征值大于1的因子，共提取到4個公因子且累計方差貢獻率為67.235%，經(jīng)過正交旋轉(zhuǎn)后得到公因子分析結(jié)果，見表1。結(jié)果表明初步提取的飲食因素和洗漱因素符合用戶真實滿意情況，為成分3和成分4；而放置、休息、工作因素下的產(chǎn)品設(shè)計因子還需進一步降維，結(jié)果為成分1和成分2。依據(jù)成分下各產(chǎn)品設(shè)計因子的滿意度評斷標準，將成分1和成分2重新命名為“休息空間因素”和“駕駛因素”。

3.2.3 重卡生活艙設(shè)計因素顯著性分析

運用SPSS多元回歸分析，以產(chǎn)品設(shè)計因素為自變量，重卡的整體評價為因變量，建立多元線性回歸模型。從分析結(jié)果可看出，見表2，成分1和成分3的影響顯著（0.05＝且成分3顯著性水平最高，表明用戶對其有明顯需求傾向；而成分2和成分4不具備顯著性（0.05），其中成分4的結(jié)果受到一定程度的實驗樣本干擾，即調(diào)研人群多為短途重卡司機，該類用戶對洗漱的需求度較低。因此以休息空間和飲食因素為核心因素洞察用戶需求以此依據(jù)，在重卡生活艙設(shè)計和開發(fā)中忽略非顯著因素，能顯著提高用戶滿意度。

表1 旋轉(zhuǎn)后因子成分

表2 多元回歸分析系數(shù)

3.3 重卡生活艙用戶需求獲取和處理

3.3.1 針對產(chǎn)品特征的用戶需求分析

1）數(shù)據(jù)采集和預(yù)處理。選擇用戶量和日訪問量最大的貨車論壇“卡車之家”和最大垂直社交APP“車旺大卡”作為數(shù)據(jù)源，由于網(wǎng)站抓取工具尚不能應(yīng)用于手機終端，這里使用Fiddler抓包工具，通過開源代碼進行抓取。常用的抓取命令是關(guān)鍵詞搜索，依據(jù)顯著設(shè)計因素下的使用產(chǎn)品動機和數(shù)據(jù)源搜索規(guī)則，確定飲食因素關(guān)鍵詞為“做飯”；休息空間因素關(guān)鍵詞為“睡覺”“儲物”和“活動”。按相關(guān)性在平臺發(fā)帖區(qū)進行關(guān)鍵詞搜索，采集內(nèi)容為帖子標題和正文。考慮到爬蟲工具會采集到和產(chǎn)品設(shè)計因子無關(guān)的評論，這里使用EXCEL數(shù)據(jù)篩選助手和人工篩選對評論數(shù)據(jù)進行預(yù)處理，篩選條件為：（1）與貨車的評論；（2）重復(fù)性文案及貨車品牌宣傳廣告。處理得到飲食因素和休息空間因素32 666條和36 581條有效評論文本數(shù)據(jù)。

2）構(gòu)建產(chǎn)品特征詞庫。由于用戶語言風(fēng)格的不同及產(chǎn)品特征的復(fù)雜性，一個產(chǎn)品特征可能對應(yīng)多個產(chǎn)品特征詞[13]，因此經(jīng)ICTCLAS分詞系統(tǒng)標注的名詞還需通過人工判斷來提取能夠體現(xiàn)產(chǎn)品屬性的特征詞。通過對詞頻量前200的名詞進行判斷，發(fā)現(xiàn)一些名詞表現(xiàn)出相同的產(chǎn)品屬性，如“逆變”和“逆變器”都是描述“電源轉(zhuǎn)換”這一產(chǎn)品特征，將描述相同產(chǎn)品特征的名詞合并累計詞頻，分別得到飲食因素和休息空間因素下產(chǎn)品特征詞庫，見圖9。

3）用戶需求指標導(dǎo)出。根據(jù)2.2提到的用戶需求處理方法，分別對飲食和休息空間因素的產(chǎn)品特征詞進行聚類分析，將描述同一產(chǎn)品設(shè)計因子的特征詞聚類到一組。具體過程為產(chǎn)品特征詞庫在分詞系統(tǒng)中生成共詞矩陣，導(dǎo)入SPSS軟件進行標準化數(shù)值處理，經(jīng)聚類分析得到譜系樹狀圖，見圖10。譜系圖能直觀地展示產(chǎn)品特征詞的聚類情況，以距離值20～25區(qū)間為參考，垂直作參考線，從右向左進行聚類，飲食因素下的產(chǎn)品特征詞共5類，其中1、3、5類分別是冰箱、微波爐、電飯煲的特征詞；休息空間因素下的產(chǎn)品特征詞共13類，其中1、2、3、6、10類的特征詞分別對應(yīng)臥鋪、軟裝、地板、車簾和儲物柜。

采用聚類分析將零散的產(chǎn)品特征詞準確地對應(yīng)到產(chǎn)品設(shè)計因子上，由此可獲取用戶對各產(chǎn)品設(shè)計因子所關(guān)注的屬性及關(guān)注度，由于在缺乏體現(xiàn)用戶情感傾向的特征詞的情況下無法讓設(shè)計人員判斷該特征的優(yōu)劣，因此對所有特征詞相關(guān)評論文本做情感分析，軟件情感處理中對詞性的標注，見圖11（以冰箱部分特征詞為例）。依據(jù)產(chǎn)品特征的用戶需求推導(dǎo)，見圖4，得到針對產(chǎn)品設(shè)計因子特征的三類用戶需求指標見表3。

圖9 產(chǎn)品特征詞庫

圖10 譜系樹狀圖

3.3.2 針對使用情景的用戶需求分析

由于用戶在飲食和休息空間因素下使用產(chǎn)品的主要動機為做飯、睡覺和活動，以此來劃分使用情景。筆者實地走訪湖北省荊州市最大交易中心“兩湖”批發(fā)市場，該市場流通湖北省內(nèi)所有貨運路線。訪談三位持有B級重型商用車駕駛執(zhí)照，且在三類使用情景有豐富生活經(jīng)驗的駕駛員，通過情景模擬深入研究相關(guān)生活行為及痛點，將得到的描述性文本進行整理和分析，導(dǎo)出用戶在產(chǎn)品使用情景下的需求指標，見表4。

3.3.3 重卡生活艙用戶需求轉(zhuǎn)化

在產(chǎn)品設(shè)計和生產(chǎn)過程中，由于時間和成本等因素，很難滿足用戶的所有需求。通過對重卡生活艙用戶需求的分析，發(fā)現(xiàn)目前飲食和休息空間下的產(chǎn)品設(shè)計因子并沒有滿足用戶基本需求，甚至在使用上存在一定的安全隱患。所以亟待設(shè)計人員解決的是確保用戶基本需求指標得以滿足及將其轉(zhuǎn)化為產(chǎn)品屬性要求，并在考慮重卡環(huán)境對產(chǎn)品設(shè)計的限制性和約束條件下，推導(dǎo)出產(chǎn)品情景適應(yīng)性要求，見表5。綜合以上要求指導(dǎo)重卡生活艙設(shè)計，將有助于設(shè)計人員清晰制定設(shè)計策略。

圖11 文本情感傾向分析

表3 針對產(chǎn)品特征的用戶需求指標

表4 情景分析

表5 用戶需求轉(zhuǎn)化

4 結(jié)語

根據(jù)實體產(chǎn)品設(shè)計中用戶需求研究方法應(yīng)用所存在的不足，提出結(jié)合SPSS分析和在線評論挖掘方法來獲取和處理需求信息，對實體產(chǎn)品設(shè)計中用戶需求傾向的分析、獲取、處理、轉(zhuǎn)化做了系統(tǒng)性研究。相比現(xiàn)有用戶需求洞察方法，需求傾向分析可使設(shè)計人員更為準確地提取用戶關(guān)鍵需求，明確產(chǎn)品優(yōu)化和改進的方向；對產(chǎn)品特征和使用情景的需求分析，可提高信息數(shù)據(jù)結(jié)果的可信度，也可避免由忽略環(huán)境因素造成的產(chǎn)品設(shè)計的片面性，以此導(dǎo)出產(chǎn)品設(shè)計要求，有利于設(shè)計人員更精準地開展產(chǎn)品設(shè)計策略。文中用戶隱性需求及需求轉(zhuǎn)化僅采用定性方法，存在一定主觀性，后續(xù)擬通過獲取用戶在物聯(lián)網(wǎng)平臺上產(chǎn)品使用行為數(shù)據(jù)、聚類劃分用戶群體等方法量化潛在需求信息，完善實體產(chǎn)品用戶需求洞察方法的應(yīng)用。

[1] 涂海麗, 唐曉波, 謝力. 基于在線評論的用戶需求挖掘模型研究[J]. 情報學(xué)報, 2015, 34(10): 1088-1097.

TU Hai-li, TANG Xiao-bo, XIE Li. User Demand Mining Model Based on Online Comments[J]. Journal of the China Society for Scientific and Technical Information , 2015, 34(10): 1088-1097.

[2] 楊煥. 數(shù)據(jù)與設(shè)計的融合——大數(shù)據(jù)分析導(dǎo)出用戶需求洞察的創(chuàng)新路徑研究[J]裝飾, 2019(5): 100-103.

YANG Huan. The Integration of Data and Design the Innovation Path of Big Data Analysis to Derive User Demand Insights[J] Art & Design, 2019(5): 100-103.

[3] 胡珊, 劉晶. 模糊綜合評價法在產(chǎn)品設(shè)計方案決策中的應(yīng)用[J]. 機械設(shè)計, 2020, 37(1): 135-139.

HU Shan, LIU Jing. Application of Fuzzy Comprehensive Evaluation Method in Product Design Scheme Decision-Making[J]. Machine Design, 2020, 37(1): 135-139.

[4] 劉江南, 姜光, 盧偉健, 等. TRIZ工具集用于驅(qū)動產(chǎn)品創(chuàng)新及生態(tài)設(shè)計方法研究[J]. 機械工程學(xué)報, 2016, 52(5): 12-21.

LIU Jiang-nan, JIANG Guang, LU Wei-jian, et al. TRIZ Toolset Used to Drive Product Innovation and Ecological Design Methods[J]. Chinese Journal of Mechanical Engineering, 2016, 52(5): 12-21.

[5] 呂中意, 楊波, 黃峰. 基于QFD的復(fù)雜產(chǎn)品外觀設(shè)計與改進[J]. 機械設(shè)計, 2019, 36(11): 119-126.

LU Zhong-yi, YANG Bo, HUANG Feng. Design and Improvement of Complex Product Appearance Based on QFD[J]. Mechanical Design, 2019, 36(11): 119-126.

[6] 楊浩, 王玥然, 劉暢. 基于感性需求分析的單層單廂公交車內(nèi)飾設(shè)計與評估[J]. 裝飾, 2018(12): 74-77.

YANG Hao, WANG Yue-ran, LIU Chang. Design and Evaluation of Single-Layer Single-Box Bus Interior Design Based on Perceptual Demand Analysis[J]. Art & Design, 2018(12): 74-77.

[7] 萬福成, 滕健. 基于用戶需求因子分析的智能醫(yī)療照明系統(tǒng)設(shè)計研究[J]. 包裝工程, 2018, 39(24): 215-220.

WAN Fu-cheng, TENG Jian. Design of Intelligent Medical Lighting System Based on User Demand Factor Analysis[J]. Packaging Engineering, 2018, 39(24): 215- 220.

[8] 肖人彬, 林文廣. 數(shù)據(jù)驅(qū)動的產(chǎn)品創(chuàng)新設(shè)計研究[J]. 機械設(shè)計, 2019, 36(12): 1-9.

XIAO Ren-bin, LIN Wen-guang. Aata-Driven Product Innovation Design[J]. Mechanical Design, 2019, 36(12): 1-9.

[9] 尹裴, 王洪偉. 面向產(chǎn)品特征的中文在線評論情感分類: 以本體建模為方法[J]. 系統(tǒng)管理學(xué)報, 2016, 25(1): 103-114.

YIN Pei, WANG Hong-wei. Product Feature-Oriented Sentiment Classification of Chinese Online Reviews: Using Ontology Modeling as a Method[J]. Journal of Systems Management, 2016, 25(1): 103-114.

[10] 張文旭, 肖人彬, 林文廣. 基于產(chǎn)品性能詞典的評論數(shù)據(jù)驅(qū)動客戶需求模型研究[J]. 中國機械工程, 2020, 31(15): 1866-1876.

ZHANG Wen-xu, XIAO Ren-bin, LIN Wen-guang. Customer Demand Model Driven by Review Data Based on Product Performance Dictionary[J]. China Mechanical Engineering, 2020, 31(15): 1866-1876.

[11] 周琳瑯, 肖狄. 基于情境整合的文化創(chuàng)意產(chǎn)品設(shè)計[J]. 包裝工程, 2017. 38(6): 240-245.

ZHOU Lin-lang, XIAO Di. Cultural and Creative Product Design Based on Contextual Integration[J]. Packaging Engineering, 2017. 38(6): 240-245.

[12] 紀雪, 高琦, 李先飛, 等. 考慮產(chǎn)品屬性層次性的評論挖掘及需求獲取方法[J]. 計算機集成制造系統(tǒng), 2020, 26(3): 747-759.

JI Xue, GAO Qi, LI Xian-fei, et al. Review Mining and Demand Acquisition Methods Considering the Hierarchy of Product Attributes[J]. Computer Integrated Manufacturing System, 2020, 26(3): 747-759.

[13] 賈丹萍, 靳健, 耿騫, 等. 感性工學(xué)視角下的用戶需求挖掘研究[J]. 情報學(xué)報, 2020, 39(3): 308-316.

JIA Dan-ping, JIN Jian, GENG Qian, et al. User Demand Mining from the Perspective of Perceptual Engineering[J]. Journal of Information, 2020, 39(3): 308-316.

Product User Demand Insight Method Based on SPSS and Online Comment Analysis

LI Xiang, HU Yun, WANG Yi-li

(Wuhan University of Technology, Wuhan 430070, China)

Facing the characteristics of current industrial product systematization, user demand information complexity and information content digitization, this paper is planned to explore the innovation of user demand insights in product design through the application of statistical analysis and big data mining methods in user demand acquisition and processing method. The case analysis and factor analysis methods were used to extract the design factors of the target product, and saliency analysis was performed through multiple regression analysis; then the product online review mining and sentiment analysis methods were used to obtain and process user explicit needs for product characteristics. And from the perspective of scenario analysis, the behavioral pain points and hidden needs in the use scenario were obtained. Finally, corresponding to the product characteristics and user demand indicators in the use scenario, the product attribute requirements and product scenario adaptability requirements were derived. The comprehensive application of SPSS and online comment analysis methods can solve the problems of insufficient method application and lack of objectivity in current product user demand insights. It helps designers to accurately obtain product design goals when faced with complex product systems and user-demand design tasks. It also empirically analyzes the needs of heavy truck life cabin users to obtain product design requirements that adapt to the environment of the heavy truck life cabin.

user needs; product design; factor analysis; comment mining

TB472

A

1001-3563(2022)02-0106-10

10.19554/j.cnki.1001-3563.2022.02.014

2021-10-25

湖北省技術(shù)創(chuàng)新專項項目（2017ADC123）；中央高校基本科研業(yè)務(wù)費專項基金人文社科重點項目（201316010）；中央高校基本科研業(yè)務(wù)費專項基金人文社科重點項目（2020-zy-227）

李翔（1977—），男，湖北人，博士，武漢理工大學(xué)教授，主要研究方向為體驗設(shè)計、服務(wù)型制造與服務(wù)設(shè)計。