智能制造下的用户个性化需求分析

黄英 钟德强

摘要：针对智能制造下用户个性化需求分析问题，首先分析了智能制造与个性化定制的关系，以及智能制造下的消费趋势；然后，分析了个性化需求的特点与类型，并在分析了智能制造个性化用户需求信息的获取方式基础上，提出了以大数据分析与数据挖掘为基础的基于大数据的智能制造用户个性化需求的分析方法。

Abstract： Aiming at the problem of personalized demand analysis of intelligent manufacturing users， this paper first analyzes the relationship between intelligent manufacturing and personalized customization， as well as the consumption trend under intelligent manufacturing， and then analyzes the characteristics and types of personalized requirements. On the basis of analyzing the way of obtaining the individual user's requirement information of intelligent manufacturing， this paper puts forward an analysis method of the individualized demand of intelligent manufacturing user based on the big data analysis and data mining.

关键词： 智能制造；个性化需求；大数据分析；数据挖掘

Key words： intelligent manufacturing；personalized requirement；big data analysis；data mining

中图分类号：TP311.1 文献标识码：A 文章编号：1006-4311（2018）26-0132-04

0 引言

近年来，消费者需求和产品逐渐呈现多样化和个性化的特征，大数据、云计算、3D打印等高新科技也在不断发展，传统制造行业的发展正面临着严峻的挑战。在此背景下，中国提出了“中国制造2025”战略，以推动信息技术与制造业深度融合发展，促进制造业转型升级。智能制造是新形势下制造业未来发展的主攻方向和制高点，其核心是能满足大规模个性化定制的需要，准确分析定制产品的需求将是决定企业快速响应客户多样化需求和提高产品市场竞争力的关键，因而，用户的个性化需求分析越来越被广大企业所重视。

1 智能制造与个性化定制

1.1 智能制造的内涵

面对新一轮科技革命和产业变革，“德国工业4.0”，“美国工业互联网”，与“中国制造2025”战略目标相继提出，引领着传统制造业向着智能制造的方向发展。智能制造是一个广义的制造概念，是一种基于智能科技的新型制造模式，其目的是充分利用先进的信息技术、制造技术和智能技术以优化和提升产品整个生命周期中的设计研发、生产制造、交易和管理环节。通过互联网信息技术，实现信息孤岛互联，通过智能设备和数据分析等，简化产品的生命周期，以提高生产效率、产品质量以及服务水平。智能制造已成为各国制造业发展的客观趋势，发展智能制造不仅是实现我国传统制造业转型升级的内在要求，也是我国制造业实现高质量发展的重要目标。

1.2 智能制造与个性化定制

传统的商业模式为“先制造，后销售，再消费”，企业为消费者提供产品，消费者则是被动的产品接受者，但在智能制造的时代背景下则呈现一种新型商业模式，即“先个性化定制，再制造，后消费”，用户先提出个性化需求，企业再为用户提供个性化服务，这样可以极大地提高用户的参与度，也能使得企业真正地去理解和思考用户的需求。

智能工厂是智能制造的载体和集中体现，用户可以直接从智能工厂的用户交互定制平台定制产品，参与到产品的个性化定制过程中，全球任何地方的用户都可以根据自己的个性喜好，自由选择产品的款式、颜色和性能等，提交订单直接下达到工厂。智能工厂可以实现用户通过网络系统对定制生产的全流程实时互联互通，掌握供应链情况，知晓制造进度，追踪货物交付。

在智能制造的生产方式下，产品设计流程的主要步骤是“需求，设计，销售，生产”，用户希望通过定制平台自行设计或是选择所需要的产品，不愿接受没有选择性的设计方案。这一过程可以实现的基础在于三点：一是用户提出产品的设计需求，交由设计师来完成；二是用户根据设计师提供的产品设计方案，自行选择以满足设计需求；三是对成型的设计产品进行选择，获取设计方案。用户通过企业的定制平台参与到产品的设计、生产和交付的全流程，通过对不同的产品模块进行选择与组合，构建出符合自己个性的特色产品，极大地简化了产品的设计过程。

2 智能制造背景下的消费发展趋势

2.1 消费需求现状

在过去的工业化时代里，企业以生产制造为核心，产销模式建立在规模经济之上，消费者需付出很高的成本和代价才能获得个性化的产品和服务，因而那时的个性化需求很难得到满足。现如今，随着消费者整体消费水平的提高，消费能力增强以及消费偏好升级，他们对传统制造业所提供的标准化产品的满意度逐渐降低，更加追求多样化、个性化的产品或服务。随着互联网信息技术的发展，生产方式得到改变，互联网时代下的智能工厂以其柔性化的制造方式，可以实现小批量、多品种的生产，很多个性化商品开始被更多的消费者所接受，有了一定的市場规模。越来越多有压抑着个性化需求心理的消费者开始觉醒，他们更加重视精神上的满足，关注自己的真实需求，关注产品服务，消费观念也逐渐从“物美价廉，节衣缩食”发展到个性消费，体验消费和享受消费。

面对这样的现实，越来越多的企业开始提供满足消费者个性化需求的产品或个性化服务，通过对相关大数据的收集、挖掘和研究分析来了解每个消费者的个性化需求，为每个人提供定制产品和服务。

2.2 消费市场新的发展趋势

随着智能制造时代的到来，“80后”，“90后”正在成为消费新主张的群体，他们对个性消费、智能消费、体验消费越来越重视。消费终端的变化必然会带来消费趋势的显著变化。

2.2.1 由大众消费向定制消费转变[1]

灵活的个性化定制将是智能制造时代所要达成的目标之一。人们生活水平不断提高，随之带来市场需求不断分化， “大众化消费”逐渐转向“个性化消費”，人们不再需要“大而全”的综合品牌，而更倾向于“小而美”的专家品牌，越来越多的企业将从“规模经济”走向“定制经济”，未来市场的产品和服务导向将由消费者的需求引导和决定。虽然产品定制化在短时间内还无法全面普及，但是个性化、多样化以及定制化的消费趋势已经无法阻挡。克里斯·安德森在《长尾理论》中指出，商业和文化的未来不在于传统需求曲线上那个代表“畅销商品”的头部，而往往是那条代表“冷门商品”的经常被人所遗忘的长尾[2]。这也预示着定制消费趋势在未来有着巨大的发展空间和潜力。

2.2.2 由单向消费到参与式消费转变

新时代背景下，客户关系由“单次交易”变为“多次互动”。企业需要与客户建立一种新型主动性关系，企业、客户及各利益方可以互助式地参与到产品的价值创造、价值传递、价值实现等环节。产品价值链的各个环节必须以客户为中心，树立客户思维，使产品更加满足客户的个性需求。从产品设计上来看，越来越多的年轻消费群体更加希望参与到产品的设计环节，希望产品能够体现自己的独特性。让消费者参与到产品设计环节和对实现对生产制造环节可视化，能使产品真正符合消费者的需求，从消费者出发再回到消费者这里，而企业可以通过有效、多次互动，实时掌握市场需求变化以快速实现产品“迭代”，最大限度实现潜在的商业价值。

2.2.3 由传统式消费向体验式消费转变

随着生活品质的提高，消费者在购物消费时除了关注商品本身之外，也更加注重在购物时的消费环境、心情与感受，希望获得良好的消费体验。越来越多的企业开始采用与产品“零距离”接触的体验式营销，让消费者先感受产品、了解产品，进而接受产品和购买产品。体验式消费和传统式消费的区别就是体验式消费更加注重消费者的参与和感受，更加注重消费环境的体验性。通过加深顾客对产品的认知和了解，从而更容易使其接受和购买产品，也让顾客在体验过程中享受到一定的乐趣。体验式消费作为一种新的消费方式已经引起越来越多企业的关注和重视，成为企业参与市场竞争的有力武器。

2.2.4 由品牌商为主导向消费者为主导转变

在互联网快速发展，社交媒体迅速崛起的今天，每个消费者都可以成为品牌传播的“信息源”，通过在购物平台对购买商品进行评价，或分享至社交媒体，如微博、论坛、QQ、微信等，消费者的语言往往能直接影响其他人的购买决策，对产品的好评分享则极易塑造品牌的口碑，有利于产品的营销。以往通过在媒体上不断重复广告以宣传品牌产品的优点，就能让消费者接受这些信息并产生购买欲望的营销策略已很难受用，只有和客户建立一种粘性关系，增进交流，赢得客户信任，才有可能被被消费者选择和传播。如果品牌产品能够通过互联网打开市场，并提高用户体验，让消费者主动评价和分享产品或服务，就能带动更多的消费者，大大有利于品牌产品的宣传，形成巨大的销售规模。

3 用户的个性化需求获取

智能制造背景下的个性化定制，需要提前了解客户对产品的需求信息，然后整理分析客户对产品外观需求以及功能需求，进而预置产品的通用零件和模块零件供用户选择。需求获取对产品的设计与研发有着重要的应用价值，如何在产品设计早期充分考虑用户需求，已成为决定产品能否具有市场竞争力的关键因素。

3.1 客户需求特点

总体来说，新时代背景下的客户需求具有如下特点：

3.1.1 个性化

在工业时代和互联网时代下，产品设计的主要流程是“需求-设计-生产-销售”，而在智能制造的时代背景下，产品设计流程的主要步骤为“需求-设计-销售-生产”，定制产品的设计在经由消费者确认后再开始生产。对于个体消费者而言，随着企业定制平台、3D打印技术等的普及，以往的群体需求或社会需求上升为个体需求的愿望也将会普及。

3.1.2 多样化

在面向大众消费的智能制造领域中，需求呈现多样化、碎片化，由于消费者主体的多样性，以及不同主体之间的生活环境、个性爱好等的不同，独立的个性需求是无限多的，但在企业允许定制的范围内，能够得到满足的个性化需求又是有限的。不同客户的需求存在差异性，随着订单分离点向上游移动，需求间的相似性越来越低。

3.1.3 模糊性

由于客户对产品的需求往往是以感性认识为主，具有模糊性和不确定性，他们不可能对需求产品的结构、功能、技术参数等方面有全面细致的了解。在描述自己的定制要求时，他们一般是依据对商品的直观了解，作出概念性的描述，或者只是在产品功能上作出一些定性的要求。而且由于描述需求的自然语言也具有模糊性，无法作出精确和定量化的描述来将需求转化为实际的技术功能参数。

3.1.4 动态性

客户的需求会随着经济水平的提高、环境的改变、观念的更新而不断变化和拓展。一方面，随着市场上产品的功能更加多样化，客户原先的产品需求也会发生相应变化；另一方面，随着产品设计的进行，客户也会改变自己的某些需求，例如当客户在前期缺乏对产品属性、特征的全面了解，在产品设计时发现设计与需求存在矛盾或不符合设计要求等问题，就需要进行分析处理，进行适当的修改和调整。

3.1.5 隐蔽性

客户在很多情况下没有将自己的需求完整明确地表达出来，或是隐含在其提出的需求当中。一方面，客户认为产品的某些要求是不必要提出来的，比如买一台家电要耐用，买一件衣服要合身。另一方面，由于客户对产品不是完全的了解，其在提出要求时也可能表述地不够准确，如果没有认真识别客户的需求，直接按照客户提出的要求进行设计，显然没有真正符合客户要求。

3.2 客户需求的类型

由于客户的诉求存在差异，表达需求的方式也各不相同，使得需求呈现多样化、个性化。可以将客户需求分类为：外观需求、性能需求、功能需求、经济需求和外延需求。

3.2.1 外观需求

外观需求主要是指客戶对产品的造型、颜色、外部材质等方面的要求，是对实现产品功能的物质载体表现形式的需求，也是客户的审美需求。现代消费者对于产品外观的要求越来越高，在满足产品基本功能的情况下，产品的外观满意度是影响产品竞争力的关键因素。

3.2.2 性能需求

性能需求主要是对产品的实用性、舒适性、稳定性等方面的要求。可以分为技术性能、使用性能、社会性能等。技术性能包括产品的结构和工艺性等内容；使用性能包括产品质量和工作性能等；社会性能包括在使用产品时对环境产生的污染和对人体健康的影响等。

3.2.3 功能需求

功能需求是客户对一般产品最基本的要求，客户购买所需产品，首先是认可它的功能，也就是产品可以实现客户某种行为的能力。不同的消费者由于爱好不同、购买能力不同、使用习惯不同，对同一件产品的功能要求往往存在很大差别。产品功能是构成产品竞争力的首要因素。

3.2.4 经济需求

经济需求包括产品价格、性价比以及后期的服务价格等。对于一般消费者来说，在提出以上几种需求时会考虑到自己的购买能力，产品的性价比是理性消费者综合以上几种需求对比产品价格所作出的一种判断。经济需求在产品购买中有很大影响作用。

3.2.5 外延需求

外延需求是指消费者购买产品时获得的附加服务，例如通过网络定制产品时提供的产品介绍、设计咨询、产品配送、后期售后等方面的服务，以提高客户的满意程度，促进客户重复购买。产品服务在现代市场也逐渐成为企业的竞争焦点。

3.3 智能制造下用户需求的获取方式

早期在产品设计前期为了获取用户需求，获取方式主要包括市场调查，这是最基本的获取方式，可分为询问调查和观察调查；网络媒介获取，包括网络问卷调查、对网页相关数据的收集等；合作企业资源共享，通过渠道合作的方式收集客户信息，通过资源共享达到与合作企业的合作共赢；以及其他方式等。而在智能制造时代下，随着信息化和智能化的程度不断加深，企业获取用户需求的方式越来越多，需求信息的获取具备了实时性，准确性，方便性等优势。新的获取方式主要包括：

3.3.1 企业外部大数据分析

随着大数据的急速膨胀，其对于企业越来越重要，现代企业需要具有大数据思维，对外界的相关大数据进行提取、存储和分析。例如，卡夫食品公司通过大数据分析工具，对上亿条社交网站帖子上的相关话题进行内容分析，研究得出顾客的主要关注点在于健康、素食和安全，通过分析研制，最后生产出全新的产品打开了孕妇消费者市场，创造了新的业绩。

3.3.2 企业内部数据挖掘分析

可以对企业内部的客户-产品数据库进行整理分析，有效地分析客户信息、产品信息以及行为数据，进而得到客户的需求信息。也可以在公司网站或是APP上建立留言区，使得用户对产品有任何的意见和建议都能发表在上面，进而企业可以获取有价值的客户信息。例如，企业可以利用内部网站数据分析，在活动前期预测本店热销产品，从而能确保产品的供应和物流的快速运转。

3.3.3 企业定制平台获取（网站+移动终端）

企业可以开发产品定制的交互平台，用户在企业的定制平台上可以浏览所需产品的外形信息和功能信息，可以根据个人喜好自由选择产品的外观和部件等，通过选定可以看到最终产品的展示效果图，确定后提交个性化需求信息。企业还可以开设个性定制的智能门店，用户通过产品导购介绍，根据自己喜好选择不同零部件组合，和产品导购确定后，提交个性化定制订单。这样可以使企业能快速的响应客户的个性需求，同时也让客户能参与到自己的产品定制设计过程中来。

4 基于大数据的用户需求分析

由于目前消费者众多，不同的需求信息、需求偏好、需求行为等也会导致需求的具体信息不同，而且这些个性化需求信息也在不断变化，这就要求企业需要使用互联网信息技术对这些海量信息数据进行加工处理和分析，形成产品各种个性化需求的信息源，或者将不同产品的需求订单转化为生产时的需求明细，里面包括诸如产品要求、技术标准等。以此来掌握消费者的个性化需求及其变化[3]。

4.1 大数据分析的类型

大数据分析的类型主要包括：可视化分析（ Analytic Visualizations）、数据挖掘算法（Data Mining Algorithms）、预测性分析能力（Predictive Analytic Capabilities）、语义引擎（ Semantic Engines）、数据质量和数据管理（Data Quality and Master Data Management）。数据的可视化是数据分析工具最基本的要求，可视化分析能清晰地展示大数据的特点，将数据的分析结果更直观地表示出来；可视化是将结果展示给用户，数据挖掘就是机器的计算，通过集群、分割、孤立点分析还有其他算法深入到数据的深处，挖掘出数据的最大价值，同时也要处理大数据的高速度；预测性分析是根据可视化分析和数据挖掘的结果作出预测性的判断，是大数据分析最终要应用的领域；非结构化数据的多样性给大数据分析带来了一定的困难，所以就需要一些工具和算法进行分析、提取和管理数据，从而判断用户需求；大数据分析离不开数据质量和管理，通过标准化的流程和工具对数据进行处理能够保证数据分析结果的质量和价值。

数据挖掘的流程分析：

4.1.1 数据收集

用户的信息数据主要涵盖于网络交易平台，社交网络和移动终端等，并且在这些数据源中是呈流动形式的，也就是说数据内容是有融合交集的。可以对数据进行观测，按照不同标准进行分类[4]。

4.1.2 数据预处理

收集到的用户原始数据中会含有冗余信息、噪音数据和缺失值等，需要对其进行解析、清洗和重构，并且对缺失值进行填补以提高数据质量。然后利用半结构化和结构化数据处理方式，自动过滤掉无效数据，提取关键数据信息。最后检测数据之间的关联性，将关联的数据抽取在一起，形成新的数据形式[4]。

4.1.3 数据挖掘和应用

在数据挖掘过程中根据商家的需求来选择数据挖掘的模型，然后对数据进行深度挖掘分析，常用的分析方法包括分类分析、关联规则分析、聚类分析。在得到数据挖掘的结果后，可以将其应用于企业网站的个性化推荐等。

4.2 基于大数据的用户需求分析方法

在采集到大量的用户需求信息之后，需要着手对数据进行分析和处理，为了分析出来的用户需求信息更具准确性和可靠性，需要不断探索科学合理的方法进行分析，主要可以分为以下几种方法：

4.2.1 分类法

分类法是将数据库中的大量数据按照不同标准通过一定的方法或是算法划分为不同的种类，其主要应用于在规模较大的数据库中来寻找其中特质相同的一类数据，对数据库进行分类的目的是将其中的类似的数据相同投放于规定的类别中。例如现在的一些电子商务网站根据用户平时的购买情况或是商品浏览量等，实时地对用户推荐类似的商品，进而促进用户购买。

4.2.2 回归分析法

回归分析法是处理多个变量之间相关关系一种函数计算方法，主要是对数据库中具有独特性质的数据进行展现，通过函数关系来表示出各个数据之间的联系与区别，分析相关信息数据之间的依赖程度。回归分析还可以帮助我们判断哪些数据的影响是显著的，哪些数据是不显著的。这种方法通常用于研究各项数据序列的预测和计算，在挖掘用户需求的各个阶段都能用到[5]。

4.2.3 Web数据挖掘法

Web数据挖掘法是从Web资源上抽取数据信息的一种挖掘算法。Web数据挖掘就是根据用户要求从Web资源中提取相关数据，对这些目标数据集进行筛选，精减所选数据的有效部分并将数据转换成有效形式，然后选择合适的数据开采算法并用一定的方法表达成易于理解的形式，经过模式分析最后将用户需求的信息以用户能理解的方式提供给客户[6]。

4.2.4 关联规则挖掘算法

关联规则挖掘算法是在数据集中找出项与项之间的关系，研究之前的关联程度，发现最经常发生的组合。这个算法是由单一项目组开始，逐层去扩展其他相关项目集，优点是能减少不相关的项目集的产生，缺点是需要多次搜索数据库，会耗费时间。关联规则常用于发现交易数据中不同商品之间的关系，以此反映顾客的购买行为模式和消费习惯。如顾客经常在购买某种商品的时也会购买另一种商品，著名的“啤酒与尿布”的案例就是关联规则的经典案例[7]。

5 结语

越来越多的企业已经意识到，智能制造时代其实也是“数据为王”的时代，最精准的决策是来源于对大数据的分析。通过分析用户需求，掌握市场消费趋势，借助互联网信息技术获取精确的数据信息并进行分析，实时掌握消費者对产品的个性化需求及其变化，快速实现产品“迭代”，这样才能使企业在市场竞争中掌握主动权。

参考文献：

[1]单羽，李岩山.“工业4.0”背景下文化产业发展模式与消费趋势[J].艺术科技，2016，29（9）：24-25.

[2]克里斯·安德森.长尾理论.[M].三版.中信出版社，2012.

[3]芮明杰.“工业4.0”：新一代智能化生产方式[J].世界科学， 2014（5）.

[4]徐国虎，孙凌.基于大数据技术的线上线下电商用户数据挖掘流程分析[J].中国集体经济.

[5]单海波.浅谈大数据时代的数据分析与挖掘[J].科技创新与应用，2016（24）：111-112.

[6]高岩，胡静涛.Web数据挖掘的原理、方法及用途[J].现代图书情报技术，2002，18（3）：51-53.

[7]刘芝怡.关联规则挖掘算法的分析、优化及应用[D].苏州大学，2007.