基于大数据分析的厨房收纳产品用户画像研究

聂正宁 吴群

摘要：基于大数据背景并利用数据分析方法，構建厨房收纳产品用户画像模型，在此基础上对用户需求进行分析并为厨房收纳产品的设计开发提供相应建议。以天猫平台为基础，利用pathon软件获取电商平台中厨房收纳产品的评论数据，并对数据进行过滤，再使用gooseeker软件进行标签词词频分析，完成对厨房收纳用户特征的刻画。结合用户画像，可知用户对厨房收纳产品的品质关注度较高，注重设计带来的体验，且用户使用诉求呈现多样化;尝试提出设计开发建议，希望能为厨房收纳及相关领域的研究者提供一定参考。

关键词：厨房收纳产品设计开发用户画像网络爬虫

厨房作为整个住宅中物品最多、种类最繁杂的空间，其设计影响着家庭整体居住体验①。近年来，厨房设计已经成为了住宅设计的热点问题，但研究中更多的是对整体厨房的关注，如刘志勇②通过用户在厨房中的大数据构建用户画像，而针对厨房收纳存在设计不合理、研究深度不足等问题，缺少相应的用户需求调研。故对厨房收纳产品进行用户需求研究对其设计开发具有非常重要的意义，通过刻画用户画像，分析用户的需求特点从而辅助设计开发的进行。

国务院在2015年9月发布的《促进大数据发展行动纲要》中指出要大力发展大数据，拓展其应用范围。大数据环境下的用户画像分析是近年来深度挖掘用户需求的重要方法。大数据能够节约设计的时间成本，通过构建的用户画像达到高效输出的目的。通过用户画像能够理解用户深层次的需求，借助用户画像，设计师对于庞大用户群体的理解减少到对于几个目标用户的理解，从而提高了设计效率③。随着网购平台的日益发展，越来越多的用户和商家都选择线上平台交易，商品评论区不仅能够给用户带来一定的购买参考，还能侧面反映出用户需求，为产品设计开发提供价值。

一、研究设计

本文以天猫平台中评论内容作为大数据基础，利用自编程序获取电商平台中厨房收纳产品的评论数据，并对数据进行过滤，再使用gooseeker软件进行标签词词频分析，完成对厨房收纳用户特征的刻画。在此基础上对用户需求进行分析并为厨房收纳产品的设计开发提供一定建议，研究路线如图1所示。

二、数据采集与处理

数据获取是构建用户需求画像的前提，用户在平台上的商品购买评论数据是构建用户画像数据采集当中的主要来源④。选取电商平台中厨房收纳产品，用 python 软件自编程序进行评论数据采集。随后对数据进行人工过滤处理，获得其中的有效信息并进行可视化呈现。

（一） 数据来源

居家家作为生活用品电商平台，产品主打厨房用品、收纳整理等类别，年销售额超过三亿。作者通过文献阅读并根据相应的厨房收纳用品物性分析，发现目前需要收纳的厨房物品分为食品类、操作器具和厨电类三大类。因市面上针对厨电类的收纳产品较少，部分学者根据入户调研，对厨电类产品收纳问题进行针对性分析，如王雅溪⑤等提倡单独设计出厨电收纳柜，故厨电类收纳产品本文不做具体分析。由于电商平台中相关产品众多且复杂，不利于数据筛选，本文以天猫居家家平台为例，选择“米桶”“调料架”“碗碟架”“地面置物架”，共四款厨房收纳产品作为分析对象，如图2所示。

（二） 数据采集

利用 python 软件以爬虫的方式对上述四款收纳产品的评论数据进行采集，动态获取数据的代码如图3所示。在天猫居家店铺搜索栏中分别输入以上四款产品的关键词，并分别选取销量最高的产品，其评论数量均为上千条。利用 URL 规则截取用户评论数据，将采集到的数据汇总 Excel 文件，筛选出时间跨度在2019年12月至2020年12月的评论数据。获得1909条“米桶”评论数据， 1612条“调料架”评论数据，883条“碗碟架”评论数据，954条“地面置物架”评论数据，总计获取评论数据5011条。在天猫平台上关于厨房收纳产品的数据主要包括购买商品的款式及具体的主观评论内容，部分收集数据如图4所示（以地面置物架的部分数据为例）。

（三）数据清洗

在用户画像构建之前，需要对收集的评论数据进行人工过滤处理，筛选条件为：一评论字段过短的数据，二重复形式的数据，三评论字段与产品无关的数据。经过滤后得到1783条“米桶”评论数据， 1167条“调料架”评论数据，724条“碗碟架”评论数据，以及869条“地面置物架”评论数据，最终共计获得有效评论数据4543条。

三、用户画像构建过程

（一） 构建方法

用户画像构建的方法需要根据具体的构建目标进行具体的方法选择，因电商平台对个人信息进行了保护处理，难以获取到用户的静态信息数据，更多的是获取用户在网站上所发表的动态信息数据⑥。因此，本文所使用的用户画像构建方法是基于话题或主题性质的。利用分词软件对数据进行处理，再根据关键词出现的频次进行进一步分析，最终完成用户画像的刻画。

（二） 标签词统计

将筛选完成的四款厨房收纳产品的评论内容数据导入gooseeker软件中，形成源数据集，在点击“筛选词语”后会发现标签词中存在大量的无意义词汇，这一类标签词被称作停用词⑦。研究仅选用词性为名词和形容词的标签词，并剔除其中无意义的标签词。筛选出频次排名前50位的标签词进行统计，厨房收纳产品标签词统计模式如表1所示。

（三）用户画像呈现

利用微词云对四款厨房收纳产品评论中选词的结果进行呈

现，将每一款产品选词结果导入到“微词云”，直观展示用户诉求。构建出厨房收纳用品的用户画像，如图5所示。

（四）用户画像分析

准确分析用户画像，能使得用户的真实需求更好的得到服务与满足。在选取的四款厨房收纳产品后得到用户画像，对用户进行多维度分析，理解用户真实的想法。

1.重视产品质量

在四款厨房收纳产品的用户画像中，“质量”是出现频次最高的标签词，意味着用户对厨房收纳产品的品质关注度很高，对于产品质量，高频标签词还包括“品质”“结实”“严实”等，对于不同类型的产品用户也有着更为细致的质量描述，如调料架的“牢固”“质感”“做工”，碗碟架的“稳定”“不变形”，地面置物架的“光滑”“耐用”“不易倒”等。这也表明用户对厨房收纳产品，根据用途的不同，对其质量的表现形式会有所差异。

2、注重设计带来的体验

對于厨房收纳产品，多数用户呈现积极的态度，具体体现在“实用”“合适”“漂亮”“方便”等关键词中，用户对厨房收纳产品的满意度较高，对厨房收纳产品持认可态度。随着生活水平的提高，用户更加关注产品设计的好坏带来的体验，通过标签词具体分析用户如“尺寸”“体验”“好拿取”“隔断层”等，更希望厨房收纳产品是方便好用的。

3、用户使用诉求多样化

四款厨房收纳产品的购买用途明显，均为厨房收纳、厨房储物，但针对不同类别的厨房收纳用品，其对应的收纳对象会有一定出入，有的产品收纳对象较繁杂，如置物架、碗碟架;有的产品收纳对象较为专一，如米桶等。不同类别的产品对应不同的使用诉求，如米桶“无异味”“防虫”，调料架“稳当”“精致”，碗碟架“漂亮”“防生锈”，地面置物架“光滑”“角落可放”等。

四、基于大数据的厨房收纳产品设计开发建议

（一） 关注产品质量服务

目前，厨房仍旧是家庭中面积较小的地方，物品繁杂，并且很多收纳用品使用周期较长，这就要求厨房收纳产品的质量必须合格。对于厨房台面或是悬挂在高处的物品，碗碟等特别需要轻拿轻放的物品，在其收纳产品设计中更应考虑安全性问题，因避免操作不当或是意外对用户造成伤害。其次，对于尺寸较大的厨房收纳产品，如地面置物架等，电商平台为了降低其运输成本从而将产品设计成可组装可拆卸的形式。产品质量对于运输与安装就显得尤为重要，避免因质量问题导致运输途中产品的损坏，以及安装过程中可能会给用户带来的较差体验。

（二） 注重个体数据挖掘

基于充分理解用户的使用习惯和需求之上，去为用户提供个性化的设计与服务。用户对于产品的使用诉求是多样的，不同群体侧重的需求点不同，如标签词中出现“宝宝”“老妈”需针对人群具体进行设计。同时应当关注饮食习惯差异造成使用厨房用具的不同，进而导致对收纳产品需求的差异，如北方面食使用量较大，对产品尺寸与位置有一定要求，而南方气候更潮湿更多是对米桶密封性能的关注。所以在设计开发中，应当针对不同的个体用户数据进行真实的用户分析，利用平台中用户具体的信息为产品设计与开发提供导向。

（三）不断优化用户体验

在满足产品使用需求的前提之下为用户带来更为舒适的体验，通过用户画像探索厨房收纳用品的用户体验并不断优化。厨房收纳用品讲究藏与露，特别是针对“露在外边”的收纳品，应当在满足其基本的使用功能以外，融入个性化服务，对产品外观进行设计，突出产品的美学特质，功能与审美相结合的收纳产品，提升用户的满意度及整体的用户体验。并且在提升用户体验后，用户也在无形中建立了产品与品牌意识，实现了用户与商家的双赢。

（四）利用画像，构建用户反馈机制

在大数据之下，用户所呈现出的行为与需求特征并不是一成不变的，相比于行业大数据，这一动态信息在数据处理分析方面难度增大了不少。构建用户反馈机制，不仅可以对其评价进行采集，使商家进一步理解消费者的需求去完善营销策略，还能够根据用户对产品的使用情况进行验证，使产品设计定位更为准确，并及时调整设计开发策略，形成良性循环。利用大数据构建用户画像对厨房收纳产品进行分析，是获取数据信息的方法之一，设计开发工作者应当综合利用其它渠道方式，理解用户的情感等其它需求，不断推进厨房收纳产品的发展。

四、结语

大数据分析在产品设计中的环节被不断前置，它对于规则的梳理及趋势的分析这种能力逐渐成熟，已经成为设计师的“望远镜”，帮助设计师从全局的视角进行用户分析。本文基于大数据下的电商评论数据，选取四款厨房收纳产品进行用户画像的构建，尝试为厨房收纳产品的开发设计提供一定参考。在分析过程中存在用户群体不够全面，数据重复性较大等问题，需在后续的研究中不断改进。

注释：

①吴能，现代城镇厨房收纳系统的设计研究[D]，无锡：江南大学，2008.

②刘志勇.中央厨房的用户画像设计[J]，现代电视技术.2019.（2）：133.

③谭浩，郭雅婷，基于大数据的用户画像构建方法与运用[J].电子制作。2019.（22）：95.

④基于RFM模型的科学网博客博主群体画像研究—以图书馆学、情报学、档案学三个学科领域为例[J].情报探索，2020.（11）：26.

⑤程琳琳，王雅溪，设计艺术研究，2018.（4）：53.

⑥徐鼐彦，支凤稳.档案文创产品的用户需求画像研究[J]，山西档案。2020.（5）：77.

⑦高鹏.基于数据挖掘的电商农产品评论分析—以三只松鼠碧根果为例[J].办公自动化，2020.（6）：40.

⑧郭雅婷，基于大数据分析的用户画像研究与应用[D].长沙：湖南大学，2019.

注：本文系浙江省健康智慧厨房系统集成重点实验室开放课题—大数据和小数据融合的智慧家居个性化设计模式研究（项目编号：19080049—N）。