大小數據融合方法下的用戶需求獲取

摘要：以智能飲水類產品為例，構建大小數據融合方法獲取用戶需求，彌補小數據方法延時、數據量不足和大數據方法不深入、碎片化的缺點。采用大數據技術爬取用戶評價，引入LDA模型聚類，并利用DTM模型研究需求變化的趨勢；小數據方面則通過問卷調查等方法獲取用戶需求，使用SPSS進行數據分析，對比研究結果后構建了需求融合方法。基于大小數據融合方法獲取用戶需求，得到了融合需求維度指標圖，并依據數據分析結果提出了設計策略，為未來智能飲水產品設計提供參考。用戶需求是產品設計本源，大小數據融合方法能更全面、準確地獲得用戶需求，具有關聯性、差異性、時序性的特征。

關鍵詞：大小數據融合；評價文本；用戶需求；智能飲水產品；設計策略

中圖分類號：TB47 文獻標識碼：A文章編號：1003-0069（2024）12-0116-04

Abstract：Taking smart drinking water products as an example，we build a fusion method of large and small data to obtain user requirements and make up for the shortcomings of delayed and insufficient data volume of the small data method and the lack of depth and fragmentation of the big data method. In terms of big data，we crawl user evaluation data，introduce LDA model clustering，and then combine with DTM model to analyze the dynamic change of demand；in terms of small data，we obtain user demand through literature research，questionnaire research，and conduct data analysis based on SPSS，and then carry out the integration of user demand after comparing research. The article completes the user requirements acquisition based on the fusion of large and small data method，obtains the demand dimension index map of the fusion of large and small data，and proposes the design strategy based on the data analysis results，which provides a reference for future intelligent drinking water product design. User requirements are the origin of product design，and the fusion method of large and small data can obtain user requirements more comprehensively and accurately，with the characteristics of correlation，difference and time-series.

Keywords：Large and small data integration；Evaluation text；User requirements；Intelligent drinking water products；Design strategy

引言

精細化獲取用戶需求已成為產品設計開發的重要部分，利用信息技術推動設計產業的變革也形成了互聯網時代的發展常態，各種新型購物平臺已成為獲取用戶需求的重要來源。傳統需求獲取方法正由心理學轉向社會學、設計學以及產品創新方法，如王雅芳[1]等人基于人文社科觀察法和訪談法獲取用戶實際需求，以使設計出的產品更符合用戶的習慣和期待。研究者們還關注用戶需求的細化和分類，如文獻[2]基于因子分析方法建立需求層級，采用隱喻抽取技術挖掘用戶的隱性需求。互聯網技術的發展讓學者們開始利用數據驅動識別用戶關鍵需求，如張文旭[3]等人基于產品性能詞典的評論數據進行研究，分析評價正負向特征與用戶需求類型之間的聯系。李翔[4]等人利用在線評論獲取用戶顯性需求，并基于情景分析理解用戶隱性需求。大數據技術和傳統調研方法正在形成融合趨勢，但現有研究尚未明確提出融合路徑。為準確全面獲取用戶需求，本文以智能飲水類產品為例，對比分析大數據和小數據獲取的用戶需求數據，構建大小數據融合方法，從而挖掘用戶的顯性和隱性需求，為幫助設計師們準確、高效地獲取用戶需求，提供可參照的方法基礎。

一、研究方法概述

（一）大數據與小數據定義。

“大數據”這一概念在20世紀末被學者首次提出，互聯網大數據包括公開數據以及媒體數據[5]，其中，公眾數據指用戶在互聯網中上傳的點評等動態數據。消費者基于線上平臺完成產品購買后發表自己的評價[6]，其評價往往描述了產品的多個屬性維度。小數據更側重于對用戶個性化信息的挖掘，現有設計領域用于獲取用戶需求的小數據方法主要包括文獻調研、用戶訪談和問卷調研等。

（二）大小數據融合方法的構建。

首先，在大數據方面，文章采用LDA模型將海量用戶評價數據聚類成幾個主題，并結合DTM模型分析用戶需求在時間序列中的變化趨勢。其次，小數據方法主要通過問卷調研的方式獲取用戶需求，再利用SPSS統計軟件對用戶需求進行單因素方差分析和因子分析，挖掘出用戶的差異性需求和隱性需求。最后通過以下3種路徑完成大小數據方法的融合：1.結合大、小數據需求的維度和指標；2.利用大數據方法了解用戶需求的動態變化，彌補小數據需求僅停留在靜態層面的不足；3.采用小數據方法了解用戶需求的差異性，挖掘用戶的隱性需求，和大數據挖掘出的用戶共性需求互補。

二、實例研究過程

（一）智能飲水產品定義。

20世紀初期，隨著機械化時代的來臨，“家庭自動化”的概念開始出現，社會的不斷發展和技術的飛速進步讓人們愈發注重家居生活的品質。飲水作為家居生活的重要環節，相關產品卻存在設計同質化、相關研究較少的問題，目前，市面上智能飲水機類產品發展較快、市場普及度也更高，故文章以飲水機類產品為例，依據家電企業分類標準選出飲水機類產品中的4款代表產品：即熱飲水機、凈飲一體機、茶吧機和管線機。

（二）采用大數據方法挖掘用戶需求。

1.爬取商品評價。在京東平臺美的旗艦店依次輸入以上4款產品的關鍵詞進行搜索，分別選出銷量最高的產品進行數據爬取，如圖1所示，從左往右依次是即熱飲水機、凈飲一體機、茶吧機和管線機。文章共采集了6421條評價數據，經預處理后得到5795條評論數據。2.商品評價數據質量評估。為防止虛假評論干擾，從詞頻統計、文本長度、文本相似度3個方面對4款飲水產品的商品評價進行質量評估，評估結果顯示評論數據較為合理。3.LDA模型主題聚類。基于LDA概率主題模型對整體評價文本進行分類，LDA整體主題聚類如表1所示，共聚類為6個主題。考慮到用戶需求后續需要分類細化，文章將4款飲水產品評價數據再單獨進行主題聚類，并進行可視化展示，此處以即熱飲水機的需求詞云圖為例，見圖2。4.DTM時序分析。基于DTM時序模型分析發現，產品屬性主題和售后服務屬性主題之間存在相關性和繼承性，如圖3所示，研究主題隨年份變化呈現出動態性和發展性。

（三）采用小數據方法獲取用戶需求。

1.文獻分析與用戶訪談。文章收集了國內317篇與智能飲水產品設計相關的文獻，并設計出訪談提綱，初步了解了用戶想法。2.調研問卷及量表設計。小數據調研包括用戶基本信息問卷、用戶飲水習慣量表和用戶需求調研量表。文章共計回收有效樣本204份，用戶信息描述性統計如表2所示。3.SPSS數據分析。對獲取的需求數據進行單因素方差分析和因子分析，了解了不同年齡階段用戶對飲水類產品的差異性需求以及用戶需求因子之間的相關性。

（四）大小數據需求的融合。

大小數據方法的融合過程如圖4所示。首先，通過大數據和小數據方法獲取用戶對智能飲水類產品的需求數據，并利用親和圖（KJ）法進行分級，得出一級需求維度及二級關鍵詞指標，最終形成融合的需求維度指標圖。其次，在大數據方面引入DTM時序模型分析用戶需求在年份和季度上的動態演變，彌補了小數據方法獲取設計需求時延時、低效的缺點。最后在小數據方面探究了不同年齡階段的用戶需求的差異性以及用戶的隱性需求，解決了大數據方法所得需求研究不深入的問題。

三、需求結果整理與分析

（一）基于大數據方法的飲水產品設計需求。

1.基于大數據的設計需求維度與指標：通過LDA主題模型聚類，將飲水產品設計需求劃分為6個一級維度：功能需求、服務需求、品質需求、外觀需求、操作需求和價格需求，并采用KJ法對LDA聚類得到的需求關鍵詞以及四款產品的詞云圖指標進行匯總分級，篩選出18個二級指標，完成基于大數據方法的飲水產品設計需求挖掘，結果如表3所示。

2.設計需求的動態演變：DTM時序模型結果表明，用戶需求會隨年份和季度的推進發生變化。在年份方面，用戶對于產品屬性的關注度呈下降趨勢，而對于售后服務關注度則呈上升趨勢。文章列舉出售后服務主題詞條權重有顯著變化的關鍵詞，如表4所示，其原因推測為隨著人們生活質量的提高，加之受疫情影響，用戶對于上門配送安裝、服務的專業性都更加重視。在季度方面，用戶對于售后服務需求的關注度在秋季最高，冬季最低，推測是受銷售活動和銷量影響。而用戶對于產品屬性的需求關注度則在冬季最高，秋季最低，從表5可以看出，權重發生顯著變化的需求關鍵詞為外觀、燒水、速度、功能，說明用戶對于產品屬性的關注度會隨季節有所改變。

3.基于大數據方法對用戶宏觀共性需求有以下4條設計點總結：（1）飲水類產品的功能維度表達了用戶的基本需求，出水慢、沒有儲物空間和溫度顯示是用戶反饋的主要痛點；（2）用戶極為關注飲水類產品的品質維度，例如產品材質、做工、氣味等，評價數據提到相關關鍵詞的頻率較高；（3）飲水類產品的操作體驗需要進一步優化，用戶在意產品操作起來是否順手、靈活，其產品設計邏輯應該遵循用戶的日常操作習慣；（4）持續提升物流、安裝、送貨及售后等相關服務質量。現有飲水類產品在產品屬性上已愈漸同質化，用戶對服務的關注度逐年上升。

（二）基于小數據方法的飲水產品設計需求。

1.用戶需求差異性結果：基于用戶飲水習慣量表的單因素方差分析結果顯示，飲水類型、飲水時間、飲水產品交互方式和飲水知識關注度的P值均小于0.05，表明不同年齡段用戶在飲水行為習慣的以上4個方面存在顯著差異。以飲水知識關注度為例，研究發現，41-50歲用戶的關注度最高，他們在意自身和家人的飲水習慣是否健康；51-60歲用戶除了關注飲水知識，還會主動搜索飲水健康相關知識；31-40歲用戶一般是被動地了解飲水健康知識；20-30歲用戶群體對飲水知識的關注度最低。

2.基于小數據方法的設計需求維度與指標：本次調研的25條用戶需求描述保留22條，且需求項均值均在3分以上，表明需求項較為合理。SPSS方差最大化正交旋轉后累計貢獻度達到84.7%。將數據進一步旋轉后共計得到6個主成分維度和22個需求選項，建立小數據需求維度指標圖，如表6所示。

3.基于小數據方法對用戶差異化隱性需求有以下5條設計點總結：（1）飲水類產品的情感關懷維度表達了用戶的特色需求，家人飲水習慣記錄、飲水健康反饋等描述是用戶表達的自身隱性需求，在產品開發過程中可作為創新型功能加以關注；（2）不同年齡階段用戶在飲水類型選擇方面存在差異，大部分高年齡階段人群有飲茶的習慣；（3）不同年齡用戶在飲水時間選擇上存在差異，例如41-60歲用戶有早起一杯水的習慣，而20-25歲用戶大部分表示自己喝水沒有規律；（4）不同年齡用戶偏好的飲水產品交互方式存在差異，高年齡人群更偏好傳統、簡單的交互方式，低年齡人群會更注重交互方式的趣味性；（5）不同年齡階段用戶在飲水知識關注度方面存在差異，隨著用戶年齡的增加，他們會更關注自身和家人飲水習慣的健康。

（三）設計需求融合與總結。

1.設計需求維度與指標融合：將大數據和小數據方法得到的需求維度、指標經過KJ法融合篩選，最終得到7個需求維度和34個需求指標，構建了大小數據融合需求維度指標圖，用戶需求權重從高到低分別是品質、功能、服務、操作、美觀、價格和情感關懷，見表7，其中除共有的需求維度外，大數據方法還挖掘出了操作需求維度，而小數據方法受信息獲取局限性和研究主觀經驗性影響，雖未獲得和操作相關的需求維度，但發覺了用戶對飲水產品的情感關懷需求，因此，兩種用戶需求挖掘方法需求維度指標的結合可以更全面、準確地了解用戶需求。

2.動靜態需求數據融合：小數據方法獲得的用戶需求具有滯后的特征，而大數據DTM時序模型的分析結果表明，用戶需求會隨著年份和季節的變化而有所改變，因此在設計需求的后續迭代過程中，應該基于用戶需求的動態變化做出相應的調整。

3.顯性需求和隱性需求融合：于大數據方法挖掘出的需求數據可以作為產品開發的基礎設計維度，包括功能維度、品質維度、操作維度等，這些都反映出用戶的共性需求，具有顯性的特征。而基于小數據方法獲取的需求數據更加深入，可以發現用戶需求的差異性，具有隱性的特征。將這兩種方法結合起來，可以在獲得用戶顯性需求的同時，更深入地挖掘用戶的隱性需求。

四、需求挖掘下的智能飲水產品優化策略

（一）完善飲水類產品的基本功能，注重產品的品質保障。

研究發現，在產品功能需求方面，用戶除了關注基礎功能，如燒水、出水、安全童鎖、儲物等，還期待更多如互聯、遠程控制等智能化功能，以提升家居生活的便利性和幸福指數。在產品品質方面，用戶不僅關注燒水聲量、產品材質、是否存在異味等基礎問題，還注重水質口感、配件質量以及產品結構是否方便后續清潔。因此，在設計開發過程中，除了考慮產品材質耐用性、噪音、異味、做工等基礎安全性問題，還應重點關注產品的后續更換、拆卸和清潔，優化產品結構設計，以建立用戶對產品的信任。

（二）關注用戶的隱性需求，注重對飲水類產品特色功能的開發。

文章研究發現，用戶除了注重產品功能、品質、外觀等基本維度，還關注自身和家人的飲用水質、飲水習慣是否健康，希望能讓自己和家人了解更多和飲水健康相關的知識，養成健康的飲水習慣。因此，除了滿足用戶的基本顯性需求，還應該關注用戶對飲水類產品的隱性需求，將這種特色需求轉化為產品開發過程中的創新型功能，避免飲水產品同質化的問題，為用戶打造健康、智能、創新的飲水體驗。

（三）打造流暢的產品操作體驗。

根據大數據方法的分析結果可知，用戶非常重視產品操作的簡單性和便捷性，為用戶提供流暢的產品操作體驗至關重要。在設計飲水類產品時，應基于用戶的飲水習慣，盡可能簡化飲水類產品的操作流程，現有市場上的飲水產品大多在3步內就可以完成飲水行為，例如即熱飲水機的主流操作步驟為解鎖、選擇溫度、等待出水，建議飲水類產品設計遵循統一性和人性化原則，盡可能減少功能按鍵的數量，明確觸控區域的信息表現層級，優化用戶加水、接水、換水3個階段的產品使用體驗。

（四）注重對用戶個性化數據的挖掘。

在設計飲水產品時，除了了解用戶的共同需求外，還應探究用戶需求的差異性，把握用戶的個性化需求。文章中小數據需求獲取方法發現了不同年齡段用戶在飲水類型、飲水時間、飲水產品交互方式和飲水知識關注度方面的需求是存在差異的。以飲水產品交互方式為例，51-60歲用戶更傾向于按壓和旋鈕式的傳統交互方式，而21-25歲用戶則更傾向于智能、有趣的出水交互方式。在設計飲水產品時，可以根據不同年齡段用戶的需求進行差異化設計，以滿足不同用戶群體的需求。

（五）設計策略動態調整。

用戶需求會隨著時間的推移發生變化，從年份發展來看，用戶期望的是服務質量的持續提升，故產品開發的重點應該放在專人安裝、物流運輸和售后方面；而從季節發展來看，用戶在冬季最關注產品的功能屬性，在這一階段應加大對產品功能屬性的投入和宣傳力度。設計策略和市場銷售的重點可以隨著年份和季度的變化進行動態調整。

結論

用戶需求是產品設計的重要依據，準確把握用戶需求可以有效提升產品設計的效率和質量，最終生產出符合用戶期待且具有商業價值的產品。文章以飲水類產品為例，在大數據方面爬取了用戶評價文本進行LDA主題聚類，挖掘出用戶對飲水類產品的共性需求數據，并引入DTM時序模型分析了用戶需求在年份、季度上的動態變化。在小數據方面，文章對調研獲取的需求數據進行了單因素方差分析和因子分析，發現了不同年齡階段用戶對飲水類產品需求的差異性，獲取了用戶的隱性需求數據。最終通過設計需求維度與指標的結合、動靜態需求互補、顯性需求與隱性需求合并，完成了基于大小數據融合方法的用戶飲水產品需求獲取，輸出了飲水類產品融合需求維度指標圖，為將來飲水類產品的設計開發提供了合理的優化建議。

參考文獻

[1]王雅方. 用戶研究中的觀察法與訪談法[D].湖北：武漢理工大學.19-39.

[2]李雪蓮，常勝曉.定制衣柜設計中用戶需求挖掘及實例研究[J].包裝工程，2021，42（12）：135-141.

[3]張文旭，肖人彬，林文廣.基于產品性能詞典的評論數據驅動客戶需求模型研究[J].中國機械工程，2020，31（15）：1866-1876.

[4]李翔，胡昀，王毅力.基于SPSS和在線評論分析的產品用戶需求洞察方法研究[J].包裝工程，2022，43（02）：106-115.

[5]李芏. 基于大數據的南寧歷史街區保護與更新研究[D].廣西：廣西大學，6-7.

[6]趙志濱，劉歡，姚蘭等.中文產品評論的維度挖掘及情感分析技術研究[J].計算機科學與探索，2018，12（03）：341-349.