面向特征考虑用户创新偏好的软件产品创新机会识别及优先级分析

冯立杰，李子宇+，王金凤，张 珂，刘 鹏

(1.郑州大学 管理工程学院，河南 郑州 450001；2.郑州大学 公共管理学院，河南 郑州 450001)

0 引言

特征是具有用户价值的软件特点，实质上是一组紧密关联的软件需求。利用软件产品的特征能够有效识别其个性及共性，并广泛应用于软件工程中的需求管理、软件开发及复用等领域[1]。基于特征思想对软件产品进行创新能够快速满足用户的个性化需求，进而使企业更好地应对竞争日趋激烈的外部市场环境[2]。

尤其是在软件产品设计中，全面正确地了解用户的需求是后续精准开展产品研发的关键。对此，众多学者运用质量功能展开(Quality Function Deployment，QFD)技术将用户需求转换为产品的特征/功能需求。但基于决策环境的复杂性和决策思维的模糊犹豫性，决策者通常难以采用精确的数值表达具有模糊性的QFD评价信息，大多数情况下更倾向于采用诸如“低”、“一般”、“高”的语言词表达个人偏好。区间二元语义能够刻画决策者评价的模糊不确定性，如文献[3]构建了基于区间二元语义的多属性群决策模型，以提高决策结果的准确性；文献[4]将网络分析法(Analytic Network Process，ANP)和消去与选择转换法(Elimination and Choice Translating Reality II，ELECTRE II)扩展至区间二元语义环境以解决供应商的选择问题。另外，决策实验与评估试验法(Decision Making Trial and Evaluaion Laboratory，DEMATEL)在有效分析系统要素间的相互影响方面也得到了广泛的应用。如文献[5]基于DEMATEL分析了用户需求间的模糊影响关系，并确定了用户需求的客观重要度；文献[6-7]通过集成区间二型模糊集和DEMATEL分析了决策准则间的相互影响关系。因此，本文将区间二元语义、QFD以及DEMATEL方法进行结合，以准确获取软件产品的特征及其重要度。

另一方面，作为软件产品产出的核心环节，特征的选择与设计至关重要。如文献[8-10]研究了不同的优化算法，以选择满足特定需求的特征集合；文献[2]提出了软件特征创新的类型学，以预测特征的生命周期。但现有文献较少提及如何针对特征进行软件产品的创新设计。而多维技术创新地图能够在揭示某技术创新一般规律的基础上更加准确地制定创新路径，从而整体提升企业的核心竞争力[11-12]。因此，为了实现软件产品的创新设计与开发，本文基于多维技术创新地图理论，系统地提出了面向特征的创新机会识别方法。显然，用户作为产品的购买者和使用者，满足其对产品特征偏好的程度决定了用户满意度，而用户满意度决定了产品设计与开发的成功与否[13-14]。因此，众多学者将用户的感知与偏好信息纳入产品设计与开发的过程，以提高用户满意度。如文献[15-17]分别将用户偏好融入到数码相机、智能手机和平板电脑的创新设计中，进而实现产品的精准开发。但实际上，用户的偏好信息因过于主观和模糊而难以捕捉与获取。Kano模型能够通过分类用户需求而考察出用户对产品特征的偏好。如文献[14]运用Kano模型对产品特征的属性进行了需求偏好分类以确定产品设计方案的满意度；文献[18]利用定量Kano模型分析了不同需求偏好的产品特征与用户满意度间的函数关系。然而，传统Kano模型分析了用户对产品特征实现程度的需求偏好，没有深入地反映出产品特征的创新期望和偏好。基于此，本文提出了创新Kano(I-Kano)模型，以分析用户对产品特征的创新偏好，并采用S-FR函数方程量化了产品特征的创新程度与用户满意度间的关系。

此外，由于时间、资源及成本等条件的约束，不可能实现用户对软件产品的所有创新需求。因此，对用户需求进行恰当的优先级排序被视为项目能否成功交付的关键[19]。如文献[20]将语言工具与约束求解器结合，研究了在大型项目中对需求进行优先排序的具体方法；文献[21]通过挖掘用户的在线评论，实现了对软件特征的优先级排序。

综上所述，为最大限度提高软件公司在产品创新设计与开发过程中的用户满意度及交付成功率，本文提出了面向特征考虑用户创新偏好的软件产品创新机会识别及优先级分析方法。通过将QFD扩展至区间二元语义环境，得到软件特征的初始重要度，进而运用DEMATEL分析特征间的相互影响关系以得出最终重要度；运用I-Kano模型分析用户的创新偏好，然后利用创新法则对软件特征进行创新机会识别并确定创新机会的满意度；最后，由软件特征的重要度、创新机会的满意度及成本构成的ISC-Dim三维评价模型确定创新机会的优先度，以高效指导软件公司有序进行产品的创新研发。

1 研究框架

基于特征思想，本文提出的考虑用户创新偏好的软件产品创新机会识别及优先级分析方法如图1所示。具体步骤如下：

(1)将用户需求转换为软件特征并确定特征重要度，主要包括：

1)采用区间二元语义评价集表达用户对需求重要度的评价信息，得出用户需求重要度的模糊两两比较矩阵；进而运用IVTWA算子集结评价信息，并利用区间数偏好度计算方法将用户需求重要度转换为精确数值；

2)集结专家对用户需求与软件特征间关联关系的语言评价信息，获取用户需求与软件特征间的模糊关联矩阵；进而依据QFD方法得出区间数表达的特征初始重要度；

3)集结专家对软件特征间相互影响关系的评价信息，利用区间二元语义DEMATEL确定特征的净影响度；进而修正初始重要度得到特征的最终重要度。

(2)结合用户创新偏好对特征进行创新并确定创新机会满意度，主要包括：

1)运用I-Kano模型分析用户对软件特征的创新偏好，得出特征的创新类型和特征创新程度与用户满意度间的函数关系(S-FR函数)；

2)基于多维技术创新地图将软件特征的创新法则与特征创新要素耦合，识别软件特征的创新机会；

3)集结用户对创新机会的创新程度评价信息，利用S-FR函数量化创新机会带给用户的满意度。

(3)运用ISC-Dim三维评价模型确定创新机会的优先级，主要包括：综合软件特征的重要度、创新机会的满意度及成本3方面因素确定创新机会的优先度，进而对创新设计的软件特征进行优先级排序。

2 基于区间二元语义、QFD和DEMATEL的软件特征重要度确定

2.1 理论基础

2.1.1 二元语义与区间二元语义

基于符号转换值概念，文献[22]提出采用二元语义模型(si,αi)表示语言评价的信息，其中：si表示语言评价集S={S0,S1,…Sg}中的任一语言评价术语；αi为符号转换值，表示决策者给出的语言评价信息与si间的偏差。

定义1[23]设语言评价集S={S0,S1,…Sg}，则实数β∈[0,1]对应的二元语义可通过函数Δ得到：

Δ(β)=(si,αi)。

(1)

相反地，二元语义(si,αi)可通过逆函数Δ-1转换为相应的数值β∈[0,1]：

(2)

在语言术语si后追加符号转换值0可得到对应的二元语义：

si∈S⟹(si,0)。

(3)

区间数[β1,β2],β1,β2∈[0,1],β1≤β2对应的区间二元语义可通过函数Δ得到：

Δ[β1,β2]=[(sa,α1),(sb,α2)]。

(4)

相反地，[(sa,α1),(sb,α2)]可通过逆函数Δ-1转换为相应的区间数[β1,β2]：

(5)

IVTWA{[(s1,α1),(s′1,α′1)],[(s2,α′2),(s′2,α′2)],…,[(sn,αn),(s′n,α′n)]}

(6)

2.1.2 区间数偏好度

(7)

其中

(8)

2.2 基于区间二元语义和区间数偏好度的用户需求重要度确定

采用区间二元语义可以更为全面准确地表达用户的评价信息。同时，利用区间数偏好度可以将用户需求重要度的区间值转换为精确的数值，进而便于后续计算。基于区间二元语义和区间数偏好度确定用户需求重要度的步骤如下：

(9)

2.3 基于区间二元语义QFD的软件特征初始重要度确定

通过区间二元语义QFD方法可以将用户需求的重要度转换为软件特征的初始重要度，进而保证软件产品设计与开发的准确性。基于区间二元语义QFD确定软件特征初始重要度的步骤如下：

步骤2基于QFD方法确定特征FRh的初始重要度区间值

(10)

2.4 基于区间二元语义DEMATEL的软件特征重要度确定

利用区间二元语义DEMATEL方法可以修正特征的初始重要度，进而确保软件特征重要度的计算更加准确。基于区间二元语义DEMATEL确定软件特征重要度的步骤如下：

(11)

(12)

(13)

(14)。

步骤4将特征FRh的净影响度与其初始重要度相加，得出最终重要度

(15)

3 基于I-Kano模型和多维技术创新地图的创新机会满意度确定

3.1 基于I-Kano模型的用户创新偏好分析

在软件产品开发设计中，用户往往会根据自身偏好对产品的创新设计提出一定的要求，大多以具体创新特征的形式予以呈现。因此，软件公司还应分析用户对软件特征的创新偏好信息，以实现产品的精准创新。

针对传统产品创新设计中较少全面充分考虑用户的创新偏好问题，本文基于定量Kano模型提出了I-Kano模型。该模型采用模糊I-Kano问卷确定产品特征的创新类型，并运用S-FR函数定量分析特征创新程度与用户满意度之间的关系[18]。

3.1.1 软件特征的创新类型剖析

I-Kano模型中根据用户对产品特征的创新偏好，将软件特征分为基本型(M)、期望型(O)、魅力型(A)、无关型(I)和反向型(R)五种创新类型。

(1)基本创新型 指对某一软件特征创新不会引起用户满意度的明显上升，但未创新则会导致用户满意度的大幅下降。

(2)期望创新型 指对某一软件特征创新时用户的满意度会随之上升，未创新时用户的满意度则会下降。

(3)魅力创新型 指对某一软件特征创新时用户的满意度大幅上升，未创新时用户的满意度则不受影响。

(4)无关创新型 指无论对某一软件特征是否创新均不会影响用户的满意度。

(5)反向创新型 指对某一软件特征创新会导致用户满意度的下降。

显而易见，通过对基本创新型、期望创新型及魅力创新型的软件特征进行创新能够满足用户的创新需求，进而提升用户的满意度。而由于无关和反向创新型特征的创新不能提升、甚至降低用户的满意度，软件公司不需要在后两类特征中投入创新资源。因此，本文仅针对基本、期望及魅力创新型特征进行创新研究，而对于无关及反向创新型特征，只需搜索公用基础模块(Common Building Block，CBB)进行软件复用即可满足用户的基本需求。

为研究软件特征的创新类型，需要通过问卷调查分析用户的创新偏好。本文采用模糊I-Kano问卷以反映用户对某一特征创新的模糊与复杂想法[18]，如表1所示。

表1 模糊I-Kano问卷

(16)

表2 I-Kano模型创新分类评估表

3.1.2 特征创新程度与用户满意度的函数关系分析

I-Kano模型采用不同的函数曲线(S-FR)对不同创新类型特征的创新程度与用户满意度间的关系进行拟合，以定量分析特征的创新机会带给用户的满意度。

设xh表示特征FRh的创新程度，则在不同创新类型的特征中，创新程度xh与用户满意度Sh间的函数关系可表述为[18]：

(17)

其中：ISh∈[0,1]，表示特征FRh创新时的用户满意度；NSh∈[-1,0]，表示特征FRh未创新时的用户不满意度。

(18)

(19)

3.2 基于多维技术创新地图的创新机会识别

对于基本、期望及魅力创新型特征，软件公司应对其进行创新设计，以提升用户的满意度。因此，本文基于多维技术创新地图提出了软件产品的创新机会识别方法。

多维技术创新地图认为，创新机会的识别是创新法则(variation method)与创新要素(element)的耦合过程，是将创新法则作用于创新要素形成创新机会的方法[11-12]。其中：创新法则指变换创新要素以形成创新机会的方法，创新要素则指待创新系统中涉及到的相关元素。因此，基于多维技术创新地图识别软件特征创新机会的步骤如下：

步骤1明确软件特征的创新法则。依据本团队的前期研究积累及行业实践经验，归纳出软件特征的创新法则(Va)，如表3所示。

步骤2提取软件特征的创新要素。在确定待创新的软件特征FRh后，通过检索专利/网络文本收集FRh涉及的相关概念、属性等知识术语，并对检索结果进行聚类分析以提取出特征FRh的创新要素(Em)。

表3 软件特征的创新法则

步骤3耦合创新法则与创新要素。将软件特征的创新法则作用于提取的创新要素，即利用创新法则对创新要素进行变换处理Va⊗Em，进而形成特征FRh的p个创新机会FRht(t=1,2,…,p)。

3.3 软件特征的创新机会满意度确定

(20)

4 基于ISC-Dim三维评价模型的创新机会优先级确定

对创新机会进行优先级排序可以引导软件公司在资源约束条件下有序地对软件特征进行创新设计与开发。为保证优先级排序的综合性与准确性，在确定软件特征的创新机会优先度时应注意以下问题：

(1)准确理解用户需求是创新设计的关键起点，根据用户需求分析相应的软件特征重要度至为重要。

(2)获取用户的满意度是创新设计的主要目标，因此应考虑用户的创新偏好并分析创新机会的满意度。

(3)由于各创新机会存在不同的技术风险及难度，还应考虑创新时的投入成本。

综合考虑上述原因，本文构建了由软件特征重要度(importance of software feature)、创新机会满意度(satisfaction of innovation opportunity)及成本(cost of innovation opportunity)组成的ISC-Dim三维评价模型。

软件特征重要度Ih根据用户对需求重要度的评价信息得出，反映了特征自身对用户需求的重要程度；创新机会的满意度Sht考虑了用户的创新偏好，体现了用户对特征创新设计的满意程度；创新机会的成本Cht由专家依据公司产品知识库及开发经验给出，表示创新机会FRht的相对投入成本，Cht∈(0,1]。软件特征重要度Ih越大，创新机会满意度Sht越大，创新成本Cht越小，则特征FRh的创新机会FRht优先度Pht越大。因此，基于ISC-Dim三维评价模型确定创新机会优先级的步骤如下：

步骤1选择特征的最优创新机会。确定创新机会FRht(t=1,2,…,p)在特征FRh中的优先度

(21)

(22)

依据上述结果对最优创新机会进行优先级排序，进而在指导软件公司有序开发软件特征的同时提供更好的创新机会以启发产品的创新设计方向，以在有限约束条件下使软件产品的创新实现用户满意度最大化。

5 案例分析

某软件公司A欲为某用户单位B开发《工作价值管理》系统，将工作过程中的业绩与资料实时归档存储以形成知识价值库。通过访谈调研得出用户需求，如图2所示；相关的软件特征包括消息提示机制(FR1)、文件上传速度(FR2)、文件上传形式(FR3)、组件设置(FR4)、色彩搭配(FR5)、系统容灾方式(FR6)、数据备份(FR7)、身份认证方式(FR8)和数据加密处理(FR9)。

5.1 软件特征的重要度确定

表4 一级需求重要度的综合评价矩阵

表5 用户需求和软件特征间的关联关系矩阵

表6 软件特征重要度

表7 软件特征的模糊直接关系矩阵

表8 软件特征的模糊总关系矩阵

5.2 软件特征的创新机会满意度确定

由表10可知，特征FR2、FR6及FR9的创新不能提升用户满意度，因此不需要对其开展创新研究。为了满足用户的创新需要，本文将对特征FR1、FR3、FR4、FR5、FR7及FR8进行创新机会识别，并通过S-FR函数量化创新机会的满意度，如表11所示。

表9 用户A1对特征FR1的问卷调查结果

表10 软件特征的创新类型

表11 各特征的最优创新机会

由创新机会识别步骤可知，需要收集、整理待创新特征中涉及到的创新要素。通过咨询软件开发人员确定出创新要素的检索方案，如表12所示。

对检索结果的文本信息进行聚类分析后，归纳总结出各特征的关键创新要素，进而耦合于创新法则形成创新机会，如表13～表24所示。

通过分析特征FR2的相关文本信息，已存在的专利也证明了创新法则作用于创新要素生成创新机会的可行性，如表16所示。

表12 创新要素检索方案

表13 消息提示机制(FR1)的创新要素

表14 消息提示机制(FR1)的创新机会

表15 文件上传(FR2+FR3)的创新要素

表16 文件上传速率(FR2)的专利信息分析

续表16

表17 文件上传形式(FR3)的创新机会

为深入挖掘页面设计(组件设置与色彩搭配)中包含的创新要素，本文对相关网站进行用户界面(User Interface，UI)设计元素分析，并通过与专业开发人员沟通将其归整为4类要素，如表18所示。

表18 页面设计(FR4+FR5)的创新要素

表19 组件设置(FR4)的创新机会

表20 色彩搭配(FR5)的创新机会

表21 数据备份(FR7)的创新要素

表22 数据备份(FR7)的创新机会

表23 身份验证方式(FR8)的创新要素

表24 身份验证方式(FR8)的创新机会

在集结用户评价信息得出创新机会FRht的创新程度xht后，依据式(20)可以确定创新机会的满意度Sht，如表11所示。

5.3 软件特征的创新机会优先级分析

表25 最优创新机会的优先度及排序

为进一步表明本文所提软件产品创新机会优先级分析方法的有效性，将所提方法与其他3种优先级排序方法进行对比，如表26所示。其中：M0表示本文所提的优先级分析方法；M1表示未利用DEMATEL修正软件特征重要度的优先级排序方法；M2表示未采用I-Kano模型分析用户创新偏好的优先级排序方法；M3表示未考虑创新机会成本约束的优先级排序方法。

表26 不同方法下特征的最优创新机会及优先级

6 结束语

在激烈竞争的软件行业，快速交付创新设计产品以实现用户满意度最大化至关重要。因此，本文提出了面向特征考虑用户创新偏好的软件产品创新机会识别及优先级分析方法，所提方法的特点如下：

(1)充分考虑了决策环境的不确定性和软件特征间的相互影响关系，结合区间二元语义和DEMATEL方法对QFD获得的软件特征初始重要度进行表征及修正，以更加精准地确定软件特征的重要度。

(2)运用I-Kano模型考虑了用户创新偏好并量化创新机会带给用户的满意度，使软件产品的创新设计更加符合用户的创新需求。

(3)应用多维技术创新地图提出了软件特征的9大创新法则，并将创新法则与创新要素耦合形成软件产品的创新机会。

(4)构建的ISC-Dim三维评价模型综合考虑了软件特征的重要度、创新机会的满意度及成本，使创新机会的优先级排序更加合理。

未来将构建基于软件产品创新数据库的智能算法模型，以期实现创新法则与创新机会的自动识别、生成及推荐。此外，还需更加全面地考虑无关及反向创新型特征的公用基础模块搜索及选择问题以形成特征的实现方案，并量化其给用户带来的满意度及成本，进而综合考量所有创新类型特征的设计方案优先度，以有序进行软件产品的深度开发。