基于顾客满意度的产品设计方案评价方法研究

郑皎 章恒全 焦俊

摘 要：顾客满意度是评价产品设计成败的重要指标。考虑到受访者评价过程以及KANO问卷信息量化过程中的不确定性，采用云模型对满意度评价语义变量进行量化，并采用云相似度算法确定各功能需求的类型。基于KANO问卷分析的结果建立了产品功能需求实现程度与顾客满意度之间的S-FR函数，实现了顾客满意度的量化，进而构建了满意度矩阵。将熵值法用于计算各功能需求权重，并采用TOPSIS法计算各备选方案的相对贴进度，从而实现方案的最终排序。最后以实例验证了所提方法的可行性和有效性。

关键词：云模型；KANO模型；熵值法；TOPSIS

中图分类号：TB 文献标识码：A doi：10.19311/j.cnki.1672-3198.2018.35.095

0 引言

随着消费市场由企业主导型向顾客主导型的转变，如何更好地满足顾客多样化的需求，提升顾客满意度，成为企业产品设计以及产品设计方案评价过程中最为关键的出发点和落脚点。针对顾客需求分析以及顾客需求与顾客满意度间的相互关系，日本学者狩野纪昭（NoriakiKano）提出了KANO模型。产品功能需求是顾客需求的直接体现，文献[2]运用KANO模型的基本理论，结合在线问卷调查，对微信功能需求进行了分析，最后提供了微信差异化服务的优化改进建议。然而以往研究中KANO模型常常只是用于需求类型的定性分析，如何更好地实现需求与满意度的定量化是KANO模型研究的重点。文献[3]考虑到产品/服务属性绩效与顾客满意之间的非线性关系，构建了一种定量化KANO模型，实现了顾客需求分类的客观化。文献[4]采用调研的方式统计分析需求项实现程度与顾客满意度之间的关系，建立了顾客满意度数学模型，实现了顾客满意度的量化计算。文献[5]通过KANO模型中的满意系数和不满意系数确定出需求满意度函数上两点坐标，进而求得需求实现程度和顾客满意度之间的函数方程。

KANO模型中需求问卷信息的量化和集结是需求类型分析以及顾客满意度量化的基础和关键，然而传统KANO模型中往往根据KANO问卷统计的需求类型频数来确定最终需求类型，未能充分考虑到需求评价过程中的不确定性。鉴于此，文献[6-8]提出采用模糊KANO问卷来实现需求的调查和统计。在模糊KANO问卷中受访者需要凭借自我经验赋予满意度语义变量相应的百分比，然而这同样存在着极大的主观性，评价过程中的不确定性问题并没有得到很好的解决。为了更好地刻画了自然语言中定性概念的不确定性，李德毅院士于1995年在概率论和模糊数学基础上提出了云模型的概念，云模型同时研究了模糊性和随机性以及两者之间的关联性。云模型的提出为方案评价方法以及决策问题的研究提供了新支持工具，将云模型分别于AHP以及VIKOR相结合，用于解决不确定环境下的多准则和多属性群决策问题。本文采用云模型作为满意度语义变量的量化工具，并将云相似度算法用于KANO模型中需求类型的分析和满意度的量化。

方案的比较和排序决定着最终方案的选择。逼近理想解排序法（TechniqueforOrderPreferencebySimilaritytoSolution，TOPSIS）是一种常用的方案优选方法，它在对方案进行排序时能同时兼具接近正理想解并远离负理想解两个准则，从而使得排序结果更具有折中性。基于云模型的距离测度算法提出了一种云-TOPSIS的多属性群决策方法。本文以顾客满意度作为指标，采用TOPSIS法对备选方案进行排序，并将熵值法用于计算各功能需求的权重。

本文将云模型与KANO模型相结合，首先采用云模型对产品功能需求的KANO问卷信息进行量化和集结，并采用云相似度算法确定各功能需求的类型；然后以云-KANO的需求分析结果，建立了功能需求实现程度与顾客满意度之间的S-FR函数，并根据S-FR函数的计算结果构建了满意度矩阵；最后以熵值法计算功能需求权重，并采用TOPSIS法对备选方案进行排序和优选。以某企业某型号A级轿车的动力系统方案评价为例验证了所提方法的可行性和有效性。

1 云模型概述

该车动力系统的各功能需求参数如表6所示，由公式（8、9）计算各功能需求参数的实现程度xij，并将xij代入表6中相应的S-FR公式得到满意度矩阵S，进而由熵值法计算得到功能需求FRj的权重wj为：0.138，0.187，0.083，0.075，0.079，0.131，0.179，0.128。将功能需求权重wj分别与满意度矩阵S第j列各元素sij相乘从而得到加权满意度矩阵V，并由式（10-11）确定正、负理想解为：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）计算各备选方案与正负理想解间的距离，进而由公式（25）计算各备选方案的相对贴近度，结果如表7所示。根据表7中的计算结果对各备选方案的优劣排序为：A3A2A4A1A5。

为更好地表明本文所提方法的可行性和有效性，不采用云模型对KANO问卷信息进行量化，而是采用频数统计结果计算得到S-FR函数，并最终由TOPSIS法对各备选方案进行排序，排序结果为A3A4A2A1A5。

通過以上计算结果的对比，传统TOPSIS的排序与本文所提方法均以方案A3为最优选择，但在对A4A2的排序上均有不同，且对A3与A4的贴近度计算差异较大。与传统KANO方法相比，本文将云模型用于KANO模型中问卷的量化，更有效地保证了不确定信息量化的准确性，从而使排序结果更可靠。

6 结束语

顾客满意度是评价产品设计成败的重要指标，也是影响产品市场竞争力的重要因素。本文以顾客满意度作为方案评价优选的衡量指标，所提方法的特点如下：

（1）将云模型与KANO模型相结合，采用云模型作为满意度语义变量的量化工具，并将用云的相似度算法用于确定功能需求评价矩阵，更好地表达了定性概念的模糊性和随机性。

（2）在KANO问卷信息集结的基础上，对产品功能需求实现程度与顾客满意度之间的函数关系进行拟合，进而建立了S-FR方程，使得顾客满意度的量化更加精确合理。

（3）根据S-FR方程計算各备选方案的满意度，构建了满意度矩阵，以熵值法计算各功能需求权重，最后基于TOPSIS法对各备选方案进行排序优选，使得排序结果更具有折中性。

通过对某型号A级轿车动力系统的方案评价，验证了所提理论与方法的有效性与可行性。

参考文献

[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]涂海丽，唐晓波.微信功能需求的KANO模型分析[J].情报杂志，2015，34（5）：174-179.

[3]孟庆良，蒋秀军.基于定量化KANO模型的顾客需求最终重要度确定方法[J].统计与决策，2012，（6）：32-35.

[4]孙园园，刘飞，李丽.基于KANO-QFD的个性化产品属性指标重要度确定方法[J].计算机集成制造系统，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]白涛，李中凯.基于模糊KANO模型的顾客需求重要度计算方法[J].中国机械工程，2012，23（8）：975-980.

[8]耿秀丽，徐士东，叶春明.考虑定量KANO分析的产品功能需求优化设计[J].计算机集成制造系统，2016，22（7）：1645-1653.

[9]李德毅，孟海军，史雪梅.隶属云和隶属云发生器[J].计算机研究和发展，1995，32（6）：16-21.

[10]李德毅，刘常昱.论正态云模型的普适性[J].中国工程科学，2004，6（8）：28-34.

[11]沈进昌，杜树新，罗祎，等.基于云模型的模糊综合评价方法及应用[J].模糊系统与数学，2012，26（6）：115-123.

[12]徐士东，耿秀丽，董雪琦.基于云模型的改进FMEA风险评估方法[J].计算机工程与应用，2018，54（2）：228-233.

[13]徐选华，王佩，蔡晨光.基于云相似度的语言偏好信息多属性大群体决策方法[J].控制与决策，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]郑皎，章恒全，焦俊，等.云模型与VIKOR集成的多属性群决策方法[J].计算机工程与应用，2017，53（24）：94-99.

[16]张芳兰，杨明朗，刘卫东.基于模糊TOPSIS方法的汽车形态设计方案评价[J].计算机集成制造系统，2014，20（2）：276-286.

[17]徐士东，耿秀丽.云模型与TOPSlS相结合的多属性群决策方法[J].计算机应用研究，2017，34（10）：2964-2967.