融合用户满意度的用户需求综合重要性研究

刘大帅，杨 勤，吕 健 ，王卫星

(1.贵州大学现代制造技术教育部重点实验室，贵州 贵阳 550025；2.贵州大学机械工程学院，贵州 贵阳 550025)

随着经济和技术的飞速发展，新产品的设计和开发已成为企业应对市场竞争的有效途径。同时，随着市场竞争的加剧，产品设计开发也逐渐变成多样化和复杂化的综合过程[1-2]。用户需求分析是产品设计和开发的重要基础，也是设计过程的重要输入[3]。因此，用户需求的初级重要性和用户对产品的满意度成为产品设计与开发研究的重点，也是衡量产品设计和开发成功与否的重要因素[4]。

针对用户需求初级重要度计算，RAVIV等[5]采用层次分析法对使用塔吊风险严重程度等级进行定量评估，并揭示了塔吊领域技术因素与人为因素之间的相互关系。刘悦[6]采用专家打分求平均值法对公理化设计中的用户需求信息以及结构-设计参数映射矩阵进行重要性和匹配性确定。LIN 等[7]应用层次分析法对客户需求和产品设计特点的总体重要性进行评价。因此，目前主要采用专家打分求平均值法、层次分析法以及企业简单的主观决策等方法确定重要的用户需求，其存在主观性强、准确性低和过度依赖专家经验等问题。熵权法根据决策矩阵客观地计算代表各品质因素权重的熵权，有效地避免了专家主观判断误差对权重分析的影响[8]。GORGIJ等[9]利用熵权法对伊朗阿扎尔沙赫尔平原的地下水样品进行了饮用水质评价，结果表明，熵权法可保证水质指标的客观性，有效地避免了专家的主观判断。

用户满意度的大小决定了用户购买产品的意愿，融入用户满意度的用户需求综合重要性确定有助于企业开发出更符合用户实际需求和市场需要的产品。目前Kano模型是分析用户满意度的常用方法，但用户满意度的获取具有一定的模糊性，传统Kano模型很难准确地获取到用户需求的满意度。因此，需要采用模糊Kano问卷代替传统Kano问卷，能更准确地挖掘出受访者的犹豫心理[10]。席乐等[11]利用模糊卡诺模型方法完成了对服务机器人产品的质量要素属性的准确分类，并得到用户重点需要的质量要素信息。汪天雄[12]针对传统Kano模型不能有效获取到用户复杂的心理需求信息，构建了基于模糊Kano模型的客户需求分类方法，通过模糊Kano问卷对用户需求的品质属性进行了划分。但模糊Kano模型并未明确给出同一分类中用户需求满意度的优先顺序，即模糊Kano模型并不能确定用户对每个需求的满意度值[13]。逼近理想解排序法(technique for order preferenceby similarity to ideal solution，TOPSIS)是系统工程中有限方案多属性决策分析的常用方法，其可以使用每个方案的原始评估数据，根据方案与理想目标的贴近度对方案进行排序[14]。本文利用TOPSIS法将模糊Kano模型中各质量要素的满意度系数和不满意度系数进行贴近度计算，可得到用户满意度重要性决策值。

本文采用熵权法客观地计算用户需求初级重要性；其次，通过模糊Kano模型对问卷调研结果进行分析，并利用TOPSIS法对用户需求的满意度系数和不满意度系数进行决策；最后，将用户需求的初级重要性权重与用户需求满意度的决策值相结合，得到用户需求的综合重要性函数。

1 融合用户满意度的用户需求综合重要性确定流程图

在获取用户需求的基础上，利用模糊Kano模型(fuzzy Kano model，FKM)对用户需求的满意度进行调查，并利用TOPSIS法对调查结果进行决策。其次，采用熵权法计算用户需求的初级重要性，最终得到用户需求综合重要性函数，具体流程如图1所示。

2 构建确定用户需求综合重要性系统

本文将FKM和TOPSIS 2种方法相结合对用户需求满意度量化，并利用熵权法客观地计算出用户需求的初级重要度，最后根据两个值的乘积对用户需求的重要性进行综合决策。以帮助企业挑选出用户迫切需要的需求，给予企业的产品设计开发指导性建议。

图1 用户需求综合重要性确定流程图

2.1 获取用户需求信息

通常用户的需求信息是多方面的、动态的、模糊的、犹豫的和主观的，很少有用户具有清楚地自我需求信息描述能力，并且用户之间还存在较大的差异性。因此，用户需求的获取和分析成为企业产品设计和开发早期阶段的一个关键步骤。本文采用问卷调查和用户深度访谈相结合的方法获取用户原始需求信息，并利用模糊聚类方法对用户原始需求信息进行归类，以获得新的用户需求信息，有效地避免了用户需求信息杂乱对用户需求分析的影响。

2.2 基于FKM的用户需求属性分类

Kano模型是由东京理工大学教授狩野纪昭提出对用户需求分类的有效工具[15]。通过 Kano模型可在产品设计开发前对用户需求进行定性和定量分析，在产品设计开发中满足相关的用户需求要素，可以有效提高用户满意度，提高产品服务质量。

Kano模型以不同的用户需求与用户满意度之间的关系为依据，将用户需求分为5类。为了更好地区分用户需求的分类，文献[16]提出了修正后的Kano模型需求分类评价表，并在Kano模型中设置了2个正反问题，见表1。其中，M表示基本需求，O表示期望需求，A表示兴奋需求，I表示无关紧要需求，R表示逆向需求，Q表示问题需求。

在传统 Kano模型问卷调查中，用户只能从给定的选项中选择一个最令人满意的选项，忽略了用户选择时犹豫模糊的特性，导致一些用户的需求调查数据模糊不清。因此，考虑到用户满意度的模糊犹豫性，文中采用 FKM 对用户需求属性进行分类。在传统卡诺模型的基础上，对FKM的需求属性分类进行了改进。传统的 Kano问卷只允许选择最满意的的一个答案，而 FKM 问卷允许用户在区间[0,1]之间的某个值来表示对产品各项功能的满意度，从而使用户需求的属性分类更加准确[17]。传统Kano模型与FKM问卷调查表见表2和表3。

表1 Kano模型用户需求分类评估表

表2 传统Kano问卷调查表

表3 FKM问卷调查表

FKM 模型对用户需求属性分类的基本步骤如下：

以某客户模糊Kano问卷调查表(表3)为例，假设可以实现的功能矩阵P=[0.5 0.3 0.2 0 0]，不能实现的功能矩阵N=[0 0 0.2 0.6 0.2]，则生成的交互矩阵为

通过将矩阵S中的值与Kano模型属性分类评估表中的用户需求属性对应，则上述用户需求的属性类别隶属度向量T为

为了获得更可信的数据，引入阈值α对 FKM问卷调查统计结果中的数据进行筛选。取α=0.4，当Ti≥α时，该要素用1表示，否则用0表示，则T=(0 0 1 1 0)。将所有调查用户的修正值Tij相加，得到用户需求的分类频数fi(i=M,O,A,I)，以其中频数最高的属性类别作为该用户需求属性类型。当统计结果中出现频数相等的情况，用户需求属性划分的优先顺序为M，O，A，I。

根据FKM问卷调查结果，计算了用户需求满意度的相对重要性。Si表示产品具有某功能时的用户满意度，DSi表示产品不具有某功能时的用户不满意度。假定满足用户需求和不满足用户需求同等重要[18]，即Si和DSi分别：

2.3 基于TOPSIS的用户需求满意度决策

TOPSIS法又称近似理想解排序法，是一种有效的多属性决策方法[13]。通过构建评价问题的正、负理想解，计算每个方案到理想解的相对贴近度。文中将 Kano模型中的用户需求视为评价方案，Si和DSi被视为评估指标，2个指标的权重同等重要。其中，Si属于效益型属性，DSi属于成本型属性。然后，利用TOPSIS法计算各个用户需求满意度的相对贴近度值。基于TOPSIS的用户需求满意度决策具体步骤为：

步骤1.构建用户需求满意度评价矩阵。

假设在多属性决策问题有n个方案和m个决策属性，则评价决策矩阵为

步骤2.计算加权归一化处理后的标准化矩阵和加权规范化决策矩阵Zij，即

其中，λj为指标权重。

步骤3.计算加权规范化评价矩阵的正、负理想解，即

其中，J为效益型属性；j为成本型属性。

步骤4.计算正、负理想解的Euclid距离。

步骤5.计算各目标的相对贴近度值。

2.4 确定用户需求初级重要度

计算用户需求要素的基本重要度通常依靠专家的主观经验，在计算过程中引入熵权法(entropy weight method，EWM)。熵权法对评估者的主观依赖较少，能够做出接近真实的评估值，增强用户需求重要度的设计参考价值。具体计算步骤如下：

步骤1.构建用户需求初级重要度决策矩阵。基于专家团运用 7级李克特量表进行评价，数值越大表示用户需求的重要程度越高。假设有n个被调查对象对m个需求因素进行重要度评价，第j个被调查对象对第i个需求因素的评分用xij表示，矩阵为

步骤2.将上述矩阵标准化，将标准化矩阵中列向量与矩阵中所有元素之和之比作为归一化矩阵，其计算公式为

其中，i= 1,2,…,m；j= 1,2,…,n；Yij为第i个评价单元第j个需求的标准化值。

步骤3.计算评价指标的熵权值，即

其中，k为调节系数，且。

步骤4.将各质量要素评价指标的熵值转化为权重值，即用户需求的基本重要度为

2.5 确定用户需求综合重要度

将用户需求的初级重要度值iω与用户需求的满意度值iυ相结合，得到用户需求的综合重要度函数。归一化后，得到

最后，获得用户需求综合重要度向量fi=(f1,f2,···,fm)依据规范化的综合重要度fi对各项用户需求进行排序，以确定企业产品设计开发的合理投资方向。

3 实例研究

本文以某机床生产企业设计开发的新型民用设备为例，阐述运用所提方法进行用户需求综合重要度判定的具体实施过程，并验证了该方法的可行性和有效性。

该公司考虑面向民用市场开发一款新型摩擦焊机设备并投放市场。设计和开发团队对用户和相关产品进行问卷调查和深入访谈，得到用户实际所需的原始需求信息。然后通过模糊聚类对原始需求信息进行聚类，并筛选出具有代表性的的5名用户(企业研发部组长、设计师、产品研发结构工程师、设备采购员、设备操作工人)作为专家团。用户需求信息统计见表4和表5。

表4 收集用户需求原始描述信息

表5 用户需求信息聚类

采用表2的模糊Kano问卷对新的用户需求的类型进行调研，总共发放120份问卷，调研对象为使用该产品或服务的用户、内部员工和随机人员，收回112份有效问卷，有效率为93%，保证了问卷调研的有效性。以模糊Kano问卷调查用户的品牌需求为例，结果见表6。根据表6得到P=[0.6 0.3 0.1 0 0]，N=[0 0 0.2 0.6 0.2]，则生成的模糊矩阵为

通过公式计算受访者的人机交互评价矩阵，并将矩阵与卡诺模型分类评价表进行比较并计算。

由式(2)计算得到调研对象关于产品人机交互的评价矩阵，并将矩阵与Kano模型属性分类评估(表1)对照，得到。采用=0.4α对数据进行筛选，Tc1=(0 0 1 0 0)，将所有评价的修正值记录到表7内，得到人机交互需求的评价信息统计表。类似地，计算其他用户需求的分类频数，并利用式(3)和式(4)计算出Si和DSi，统计结果见表8。

表6 某用户的品牌性需求问卷调查结果

表7 品牌性的Kano评价信息统计表

表8 用户需求分类评价统计

根据式(5)～(8)，得到了归一化的用户需求满意度矩阵及其正、负理想解，结果见表9。

表9 用户需求满意度加权规范化矩阵及其正、负理想解

根据规范化的用户满意度决策矩阵和正、负理想解，利用式(9)～(11)求得各用户需求满意度的正、负理想解的Euclid距离、相对贴近度iυ值，结果见表10。

表10 用户需求的相对贴近度及其正、负理想解的Euclid距离

通过筛选的5名专家团对用户需求进行评价，评价矩阵信息见表11。

表11 用户需求基本重要度专家评价结果

根据式(12)～(16)获得用户需求初级重要性的熵值和熵权值，并通过式(17)计算用户需求的综合重要性，结果见表12。

表12 用户需求初级重要度的熵值和熵权值及用户需求的综合重要度

由表10和表12可知，与单一的计算用户需求重要性相比考虑用户满意度的综合重要度有较大的变化，其综合优先级为：C2＞C1＞C3＞C4＞C7＞C6＞C5。其中，C2对提高用户的满意度最大，其综合重要性有很大的提升且属于兴奋型需求，因此提高摩擦焊机机床产品的整体安全性应成为企业首要研发和投资的方向。C1的基本重要性最大，且属于期望型需求，因此提升企业产品的品牌性，以增加产品的附加价值也同样需要企业给予较高的关注，并策划企业的品牌计划方案。C3和 C4的综合重要性较高且属于期望型需求，因此使产品的人机工程设计和价格合理给予较高的关注。C7、C6和 C5的综合重要性很低，因此在产品开发中产品只需具备基本的功能即可。

4 结论

确定用户需求的综合重要性是公司在产品设计和开发早期阶段的重要阶段，也是确保产品设计和开发成功的关键步骤。本文构建了基于 FKM、TOPSIS和熵权法的集成模型，建立了用户需求满意度的重要性和用户需求基本重要度综合评价函数。该方法将TOPSIS用于FKM中满意度问卷的量化，有效地保证了模糊信息量化的准确性；其次，利用熵权法计算用户需求的初级重要性，可以有效弱化用户对需求重要性的主观判断；两者结合有效地避免了用熵权法评价时权重值相同的问题，同时也综合考虑了用户需求评价的模糊性和客观性及用户需求的属性分类，从而使最终的排序结果更合理有效。通过实例证明，本文方法将用户对需求的满意度和初级重要度有效的结合，在一定程度上弥补了传统用户需求重要性确定中的不足，增加了产品设计和开发的成功概率。然而，本文研究主要考虑的是用户需求的初级重要性及其满意度的综合评价结果，而用户需求综合重要性的确定是多因素和动态的。因此，下一阶段研究的重点是应用数据挖掘从市场趋势、竞品、用户习惯等多维信息对用户需求的重要性进行综合动态分析，以提升用户需求综合重要性确定的全面性。