基于群智能與案例推理的民宿酒店服務設計探究

LI LEO，劉鍵，譚穎玲

（1.北京工業大學，北京 100024；2.國家開發銀行北京分行，北京 100091）

近年來，隨著服務經濟規模的不斷擴張，服務設計作為新興設計學科擁有巨大的市場潛力。在實際市場應用層面上，服務設計普遍具有快速反應、敏捷設計等相關屬性。在如此巨大的市場需求下，設計師如何進行快速開發與知識管理成為服務設計前沿研究的重點。為了提高設計師對于以往知識與用戶評價的服務設計管理，通過人工智能與管理學科的技術輔助實現群智能服務設計系統。使用CBR（Case-Based Reasoning）與感性工學服務設計原理為前期研究框架，采用網絡爬蟲技術收集用戶評語，使用人工智能知識圖譜作為評價詞匯數據庫與實現對于服務設計知識的管理。通過TRIZ 推理與原理整理作為設計創意輸出依據主體。利用KANO 研究方法確定用戶需求并對輸出設計功能進行實驗驗證。KANO 實驗結果較為理想，本研究方法具有一定的參考意義。知識圖譜對于領域服務設計知識管理有可觀的效果，通過一定可溯源推理方式讓創意輸出具有依據性，符合未來服務設計快速發展需求。

1 文獻回顧

服務設計通常需要涉及用戶體驗問題，如何為用戶創造更好的體驗流程或考慮用戶的情緒心理也是近年來不斷被學界研究的對象。從客觀的角度通過數據驅動的服務設計能為設計者提供更加準確的設計方向。服務設計最為理想的目的是達到價值共創，在如今市場敏捷設計或者快速反應設計被大量需求的情況下同樣需要大量的富有經驗的設計師參與。如何對知識進行有效管理，減輕設計師經驗需求，提高設計準確性以及可實施性也是非常必要的。羅仕鑒等人把服務設計分為三個層面：本體層、行為層、價值層。價值層作為最高目標，最重要的就是實現價值共創，而本體層與行為層則是關注服務的交互與用戶的感受等問題[1]。

1.1 基于文本挖掘的相關研究

文本挖掘技術最早始于Feldman 和Dagan 的研究，他們使用相關技術實現了對于大型文本或富有噪點得到的非結構化的社交媒體上的文本處理與知識挖掘[2]。隨著互聯網技術的發展，互聯網上充斥著豐富的信息。在文本挖掘技術的支持下，許多學者都致力于分析產品評論。如通過文本挖掘技術建立了一種快速描述用戶需求與感性意象的映射關系，通過數量化理論對產品設計要素進行分類后，使用CAD 工具進行快速方案生成[3]。這些產品評論往往都包含著關鍵的需求與體驗信息。在網絡評論分析方面，非完整句式、單句式表達、完整段落形式描述、中性評論、正負面評論摻雜等情況是網絡評論的不同呈現形式[4]。因此為了更高效地總結網絡評論問題，在研究過程中每個單詞都被識別為一個詞性和可以反映用戶的偏好[5]。在近年研究中大量學者使用人工智能技術及自然語言處理技術（Natural Language Processing，以下簡稱NLP）進行相關文本內容與語義識別應用。NLP 是一種文本挖掘類型，它可以掃描大量的非結構化語句或數據并從中提取語意與關鍵信息。自然語言處理包括文本分類、聚類和情感分析。在文本挖掘技術的基礎上，NLP 通過使用統計算法從非結構化文本數據中提供結構化信息來轉換或表征文本[6]。消費者在實際購買產品或服務之前會利用社交媒體平臺上的信息做出購買決策[7]。用戶在接受服務之后，會在社交媒體上更新服務體驗。在這種社交平臺生成的內容有助于服務供應商理解不足之處，并通過制定改善策略來完善服務內容。通過社交媒體的信息抓取可以獲得不錯的用戶服務反饋。

1.2 基于感性工學的服務設計研究

感性工學是一種面向用戶產品開發的理學方法，使用感性詞匯將用戶對產品的感受與產品屬性聯系起來，為新的產品提供設計方向與思路。感性工學不同于質量功能部署（Quality Function Deployment，以下簡稱QFD）等分析方法去處理用戶的顯性需求，它可以對于用戶心理需求進行衡量并將其與產品屬性結合[8-9]。服務設計不像產品設計一樣，可以對產品外觀如色澤、形態、材質等進行相關的感性意向分析。因此需要對用戶對于服務項目的感受進行捕捉。幾年來不少學者在服務設計研究中使用更具用戶規模性的文本挖掘工具與感性工學技術，在服務設計領域有所突破。Yu-Hsiang Hsiao 等人的研究中提供了一個應用感性工學和互聯網溫拌分析相結合的范例，并得到了服務行業感性設計流程的思路，讓面向真實客戶的設計需求成為可能，為感性設計提供了互補作用[10]。Cheng-Ta Yeh 等人的研究中使用了決策樹的數據挖掘技術來量化服務屬性、感知相應和使用意圖之間的關系，并結合送貨上門服務領域內容設計了一套全新的服務方案，進而驗證了決策樹與感性工學在服務設計上的匹配性[11]。也有學者將感性工學擴展到產品服務系統（PSS）領域，用于解決復雜的客戶體驗需求并應用在設計多學科設計團隊的公共交通概念設計中[12]。

1.3 基于自動化CBR 的案例庫研究

基于案例推理（Case-based Reasoning，以下簡稱CBR），人工智能領域的分支技術近幾年來被應用到管理學領域當中。在李清宏教授以案例為中心的創新服務設計（KISD）模型[13]中CBR 作為泛用式推理方法被廣泛運用于各個學科領域研究，以近年發表的研究為例：基于CBR 推理的手機顯示創新設計[14]、加速提出生態創新設計方面[15]、購物中心服務設計[1]等。西安交通大學李清宏教授，通過使用基于KISD模型以及數字化輔助的自研系統SCO explorer 幫助企業管理者對智能點餐亭進行了改善設計，設計使用QFD 法進行驗證，并獲得了優異的效果表現[13]。清華大學與路易斯安那州立大學合作研究的建筑外包設計中使用了CBR 模型并在案例庫技術中融入了人工智能算法，提升了整體案例庫效果，同時提出了CBR 數據庫在相關領域的隱性與顯性知識管理，最終該系統有效幫助建筑師對建筑外包設計進行相關知識管理與設計管理，明確表示數據數量不足會影響效用[16]。同時，來自桂林理工大學的研究人員也使用人工智能知識圖譜數據庫挖掘與TRIZ 相結合的形式對產業戰略實現進行相關探索[17]。有學術對于基于案例的設計應該更多地關注人的因素設計決策，而不是過多地關注數據分析和相似性計算進行了批評[18-20]，因此在研究內容里需要加入KISD 中對于用戶的需求的采集部分。服務設計的內容管理往往是多樣的、復雜的和動態的，因此針對知識管理與梳理工作量較高的情況，人工智能知識圖譜（Knowledge Graph，以下簡稱KG）可以較好地通過層級與節點管理提高設計知識管理效率與知識匹配精度。在最近研究中學者基于知識圖譜工具在自動駕駛領域構建了用戶需求與價值創造框架模型[21]。依據上述研究可以推導出一個通過人工智能知識圖譜作為案例庫管理工具的研究趨勢。

1.4 基于TRIZ 的相關研究

發明問題解決理論TRIZ 歸納了人們基本生產活動時各類創新的基本原理，意圖成為人們進一步創新思維啟發的輔助工具。TRIZ 總共包括40 個創新原理。在商業及設計領域被廣泛地應用。為了制定改進方案，計算其重要性水平，通常使用質量屋（HoQ）。然而，由于提議的解決方案之間可能存在矛盾，使用質量屋經常受到各界的批評[22]。潛在用戶研究、競品分析與頭腦風暴等創意產生方法與質量屋一樣都依賴過去的經驗，不可避免地會產生研究心理惰性[23]。在服務設計過程中由于可能產生很多設計創新上的局限，一種基于TRIZ 的服務改進原則應運而生，在研究中還對原有的原則進行了相應修改[22]。Yang 等人通過修改40 個創新原理，在研究中將TRIZ 應用在產品服務系統（PSS）上[24]。CBR 與TRIZ 的協同研究在產品設計中已早有顯現，如Robles 等人使用這種方式設計了化學流程并證明了案例推理，證明了CBR 與TRIZ 相結合的方式能夠加速創新設計生成[14]。在價值共創理論、基于模型的優化、TRIZ 和情感化設計理論等方法的研究中進一步證明了用戶生成概念與創新相結合的模型可實施性[25]。

雖然學術界開始使用人工智能，以數據驅動的方式改善服務設計流程，應用到具體服務設計項目中，但是并未采用較為完整的設計知識管理方法基于用戶感性需求、創新原理、基于本體論的案例推理方式綜合考量，本研究則容納以上三種領域內容，使用人工智能與數據驅動技術對一定領域內的服務設計進行知識挖掘、知識管理、其他創意等實驗性研究工作。

2 研究方法

本研究核心問題是解決知識庫管理問題與結果的設計創意啟發。主要研究路徑分為以下6 個步驟：（1）整理領域相關的案例并總結各自TRIZ 原理組成案例庫；（2）使用八爪魚網絡爬蟲工具搜集用戶評價用語并利用Python 編程調用自然語言處理模塊獲得隱性設計知識；（3）隱性知識包括感性評價詞匯、評價物、評價服務，關系用‘是’表示，使用Neo4j完成知識圖譜開發；（4）與領域內專家商討領域用戶痛點確定研究目標；（5）總結問題并調用知識圖譜庫內容融入諾曼情感化理論與TRIZ 發明原理進行初步創意推理；（6）調用具有與問題相似性的案例與（5）的內容綜合考量后輸出KANO 問卷大綱；（7）利用KANO 模型完成用戶需求探究與實驗結果測試。

2.1 第一階段：案例庫搜集與梳理

在案例庫搜集階段需要人工介入創建案例庫。針對酒店、家裝行業與其他可能相關的產業服務解決方案進行廣泛的案例庫搜集。每個案例都有自己的TRIZ 屬性，利用前人的經驗保證這一方法下案例或產品單元在知識輸出時是可實施的。一般收集的內容包括在案例或產品單元下至少要達成的服務內容和在各環境下不受用的設計形式。通過在互聯網上搜索其他實體服務行業案例解決方法進行案例屬性梳理。擴容的案例庫增加了輸出案例豐富性，確保數據輸出的準確性與啟發性。

2.2 第二階段：網絡評價用語提取

網絡評價用語提取作為研究起始階段，用戶評價作為之后結構化數據重要的元素，需要具備一定規模的樣本采集量。通過大量的服務產品評價用語的提取可以得到相當可觀的設計知識內容，對隨后的數據信息提取產生深遠的意義。評價用語需要利用八爪魚網絡爬蟲工具對愛彼迎進行評價用于提取。評價用語往往是非結構化的，并且是正負評價兼并的，故需借用Python 編程調用自然語言處理（NLP）技術，對評價用語進行逐句解構，再進一步調用評論觀點抽取與評論觀點挖掘單元解構后獲得各性質詞匯。

2.3 第三階段：建立感性知識圖譜與案例庫

數據庫使用人工智能知識圖譜（KG）進行建立。KG 對比SQL 等傳統數據庫在關系表達、反饋速度、知識學習上都具有較大的優勢，而且可以更具擬人化特征，使其可以更像人一樣思考或輸出信息。知識圖譜使用Neo4j，它是基于知識圖譜原理的嵌入式軟件，擁有大規模數據管理能力。本研究在知識抽取階段采用監督式人工智能學習方法，對評論語句進行KG 三元組抽取。KG 庫還可支持中心度量方式，擬查詢的多條屬性、關系的中心節點或區域可以同樣顯示。每一條邊代表相互的關系，每一個節點包括功能、物品、服務、感性詞匯等信息。每一個節點都會有各種節點連接，同性詞匯則集成為同一節點，如此搭建了一個集成的可視化網絡數據庫。知識圖譜庫起到用戶輸出評價的作用，并達到評價構造效果。案例庫由于規模不大，采用傳統表格式數據庫管理模式，這樣方便圖片保存與知識檢索。顯性知識通過專家對相關案例提出策略意見后人工制作案例數據庫。

2.4 第四階段：TRIZ 輔助層級分析

TRIZ 創意生成階段采用層級推進法。需要在專家整理案例庫時用到TRIZ 屬性進行相關總結，由于服務設計方式不同于產品設計，在本研究中則使用阿奇舒勒針對服務設計改良的TRIZ 原理表。通過案例提取與先前推進層級進行綜合比對后輸出KANO 問題大綱。

2.5 第五階段：KANO 驗證

在實際經驗中，當研發輸出解決提議后需要對消費者滿意度進行檢驗。在企業運營與產品開發時也會針對不同功能的重要度進行優先級排序。本研究使用KANO 模型對消費者的需求滿意度進行檢驗并對功能優先級進行權重排序。

3 實證研究

網絡評價用于提取作為研究起始階段，用戶評價作為之后結構化數據最重要的元素，需要具備相當規模的樣本采集量。通過大量的服務產品評價用語的提取可以得到相當可觀的設計知識內容，對隨后的數據信息提取產生深遠的影響。

3.1 背景說明

本案例研究基于民宿酒店服務與功能展開。隨著旅游服務業的火爆發展，民宿酒店服務也成為了重要的服務發展分支，各個民宿提供了比以往更優質的服務內容與形式，這促使民宿酒店成為本研究的良好服務研究平臺。繁雜的形式與服務項目內容提供了一定的樣本支撐。民宿酒店雖有各種形式的服務，但主體部分還是可以加以區分的，如：人工服務、服務項目、硬件條件等，這樣方便對研究內容的梳理與劃分，每個部分內都有各自獨有的設備與服務功能，需要對這些問題進行研究實驗。

3.2 階段1：用戶評價獲取

為確保獲取有效的領域內知識，在隨后研究中可以透過諾曼情感化理論進行探究。首先使用八爪魚爬蟲工具對愛彼迎中北京地區的200 家民宿酒店進行網絡評論爬取。總計獲取了1903 條有效評論。

3.3 階段2：評價解構獲取結構化需求

在本研究中由于民宿酒店服務分類處理后可對任意服務進行細化問題抓取，利于店鋪整體問題解構。在階段1 當中提取的用戶評價用語需要使用NLP進行信息提取。在本研究中使用了百度云NLP 應用程序接口，通過Python 編程實現對于接口的調用，并對爬取的1903 條評論進行知識挖掘。知識圖譜關系抽取由[是]表示；主體抽取為人工服務、服務項目、硬件條件等動名詞；客體抽取為感性評價詞匯等形容詞。為完成有監督式學習，在NLP 知識挖掘部分使用了分詞與詞性分析方法先把評論分割成短句，并對每個短句提取了動詞、名詞以及和他有關的形容詞保存成三元組以便保證詞匯抽取的準確性。再用Py2neo工具與Neo4j 進行數據對接，把前面保存的數據存儲到Neo4j 上以建立可視化知識圖譜數據庫。部分程序代碼見圖1。

圖1 部分程序代碼Fig.1 Part of the program code

3.4 階段3：知識圖譜與案例庫搭建（TRIZ 參照功能錄入、案例區別、人工介入）

在階段2 中集中的感性詞匯與功能關系文件被集中導入基于Neo4j 軟件生成的知識圖譜。這是從用戶需求層面維度生成的數據庫內容。用戶感性詞匯引導用戶隱性需求生成，在隨后關聯的案例解決方案或服務規范當中起到用戶情感上的參考作用。最終建立了一個由1748 個節點與2341 條邊組成的知識圖譜，其中設備設施等名詞節點（橙黃色）總計805 個，服務形式動詞（紅色）節點153 個，感性評價詞匯（藍色）節點總計790 個。知識圖譜截圖見圖2。案例庫搜集了120 個與民宿酒店業相關或潛在相關的不同領域服務解決方案，并通過傳統表格方式進行保存。

圖2 知識圖譜截圖Fig.2 Knowledge graph screenshot

3.5 階段4：服務設計生成與TRIZ 創新

五位領域專家進行了非結構化交流，他們都在酒店及民宿行業具有10 年以上的管理及營銷經驗，對于客戶問題與需求非常了解。通過討論得到主流的、現今仍然存在的6 個普遍民宿酒店的用戶痛點問題。本研究案例庫通過對問題的確認并檢索后得到了每個問題的案例解決方案，并依據方案方法提取各自的TRIZ 服務原則以便后續創新創意原理輸出。

為了得到根本的問題原因并分層級進行具有連貫性的創意推理，研究使用了諾曼的情感化層次理論與扎根理論，基于情感化理論的原理推理見1，內容分別為：（1）基礎問題描述；（2）本能層，感知需求（VLS）—感性詞匯檢索；（3）行為層，互動需求（BLS）—深層需求原理；（4）反思層，意義轉變（RLS）—推理得出可能相關的TRIZ 原理。

表1 基于情感化理論的原理推理Tab.1 Principle reasoning based on Emotionalization theory

在VLS 層面，如果問題解決可以達到的不同感性效果，通過對知識圖譜的關鍵詞查找，輸出用戶對于相關問題正面的感性感知，以便KANO 研究中的問題描述。在BLS 層面，需要專家對深層次需求的TRIZ 進行歸類，找出創意原理RLS。通過對預先儲存的案例庫進行檢索，專家討論審核后得到具有相關性的解決案例并使用與上一步類似推導方式得出TRIZ 原理。基于案例的TRIZ 原理推理見表2。

表2 基于案例的TRIZ 原理推理Tab.2 Case based reasoning of TRIZ principles

為了推導出新的解決方案，需要對上兩步的TRIZ與案例內容進行綜合考量后推理出新的解決方案與服務規范。本步驟選取了部分較為典型的解決方案，并會在KANO 驗證中進一步細分研究與驗證。推理總結見表3

表3 推理總結Tab.3 Reasoning summary

3.6 階段6：KANO 實驗驗證

當確認需要選擇的功能后會有細分問題的出現，這些問題在本研究中主要體現在各種風格定位上。在實際應用中民宿酒店開發與經營也需要考量投入成本與其余資金問題。因此本研究能夠幫助酒店抓準定位減少不必要的開支。需要感性詞匯與功能相結合的方式精準定位用戶需求，易于用戶對問題描述進行閱讀理解。為避免正反問題相互干擾，研究采用先問完正向問題后再問反向問題，KANO 問卷大綱見表4。

表4 KANO 問卷大綱Tab.4 Outline of KANO questionnaire

本研究總計收回131 份有效問卷，KANO 分析結果見表5。

表5 KANO 分析結果Tab.5 KANO analysis results

在研究中通過KANO 研究發現可靠的服務人員為必備并且權重最高，余下的功能按先后分別為前臺寄存、安靜社區、溫馨舒適的裝修、擺渡車、優雅別致的裝修、浪漫的裝修、自助開鎖、奢華富貴的裝修。通過研究可以得出本研究方法所做出的啟發式解決方案對于用戶內心真實需求的挖掘程度。9 個功能問題中有6 個為必備與興奮屬性，具有一定的真實參考意義。

4 結語

研究通過使用人工智能手段驅動服務設計進程，協助了設計師對于服務設計知識的管理。通過案例推理與TRIZ 結合的方式成功推進了可溯源的創意輸出，實現了結構化的設計方法開發。不過本研究仍然存在很多不足和未來可以解決的問題。第一，數據庫整合能力有待加強，雖然建立了感性評價數據庫，但是如果將案例庫與評價數據庫結合并通過算法相互查詢與結果輸出將會成為更為有效的知識管理方法。第二，在TRIZ 推理階段仍然存在部分的思維惰性，如果使用更為合理的智能化手段可以進一步減少相關問題發生。第三，研究過程仍然需要多領域實驗人員參與，智能化程度有待提高，實驗主觀性傾向不可避免。