基于用户情绪的汽车用户质量评价的研究

童敏敏

摘 要：为了提高汽车产品质量的用户满意度，在原有的汽车售后质量维修数据基础上增加用户情绪维度，建立一个用户质量的评价方法和量化模型。通过用户对质量需求的差异性，得出不同问题类型、用车时长和车型平台的用户对于车辆不同质量问题的抱怨程度，从而得出问题的严重程度和解决优先级。本文针对用户质量的量化评价结果不仅可以预警风险高的问题、减轻用户抱怨，同时为设计端与制造端的质量改进提供数据支撑。

关键词：用户情绪 用户质量 评价方法

1 引言

用户对汽车质量的重视程度通常是用户在购买汽车时关注和考虑的重要因素[1]，他们希望购买一辆质量可靠、安全性能良好的汽车，以确保自己和乘客的安全，并减少故障和事故的发生。对汽车制造商来说，满足用户对质量的需求是提高市场竞争力和用户满意度的关键，也能吸引更多的消费者选择该品牌的产品。从用户体验来看，其对产品质量的感知阶段是从售后开始的，即从购买车辆之后[2]。当用户车辆出现故障时，用户会出现一定程度的抱怨或不满，会在一定程度上影响用户的信任和体验。整车企业除了快速响应、解决用户车辆问题和妥善安抚用户外，也在对大量的售后维修数据进行分析和预警，并开展问题质量改进工作，以减少质量损失、降低用户抱怨，维护品牌口碑。

2 当前汽车质量改进存在的问题

2.1 质量改进的局限性

传统的汽车质量问题主要以分析千辆车故障率（Incident Per Thousand Vehicles，简称 IPTV）：即对某段时间内（一般以月为单位，即一个制造月）所生产且已销售的车辆，通过计算一定的时间周期，每一千辆为一个单位，统计其产品质量失效的数目[3]。明确车辆存在的质量问题，从而采取相应的措施来解决问题。IPTV作为整车企业主要的质量目标和质量改进方向，但是其在问题预警方面存在明显的延后性，问题闭环的时效性存在较大问题，同时IPTV只从车辆故障的维度得出的问题，并未结合用户情绪做深入分析。因此，如何量化使用过程中的用户质量是整车企业亟需考虑的问题之一。

2.2 依赖传统的反馈机制

许多汽车制造商主要依靠传统的反馈机制，如经销商反馈和用户投诉来了解质量问题。然而，这种反馈机制存在一定的局限性，这些经销商反馈和用户投诉可以是针对特定问题或整体质量体验的反馈，可能无法及时捕捉到所有的质量问题，尤其是较小的或者潜在的问题。另外，经销商反馈往往依赖经销商工作人员的主动参与和反馈意愿，可能无法全面捕捉到用户的感受和意见。因此，依靠传统的反馈机制可能会导致质量问题的漏报或信息不全等情况，影响问题的解决和改进的实施。

2.3 质量信息标准不统一

汽车质量数据来自多个渠道，包括用户投诉、售后维修记录、质量调查等。这些数据来源可能存在差异，如数据采集方法的不同、数据样本的偏差等，导致数据的可比性和准确性受到影响，如维修数据只是从故障数量表现，而用户投诉更多的是增加有用户抱怨，无法与维修数据一一对应，两者之间缺乏质量信息标准。因此，缺乏统一的质量信息标准不好衡量和评估汽车质量水平，导致质量改进方向比较分散和不聚焦，无法为汽车企业提供更有效的质量评估和改进方向。

3 用户质量评价方法

解决汽车质量数据来源的差异性和不一致性是一个复杂的问题，需要考虑用户质量信息采集的方法、用户质量标准语言以及影响用户质量等因素，从而提高用户质量数据的可比性和准确性。因此，为了能够更好的评价或量化用户质量水平，本文基于原有的汽车售后质量维修数据基础上增加用户情绪维度，通过加权平均法建立一个用户质量的评价方法和量化模型。

3.1 用户情绪等级

在用户车辆进站维修时增加用户对潜在问题或已发生故障的用户情绪记录，用户情绪等级按照5分制进行类别分类，其中A1=1分（无抱怨）；A2=2分（轻微抱怨）；A3=3分（中度抱怨）；A4=4分（较高抱怨）；A5=5分（强烈抱怨），见表1：用户情绪等级分类表。

3.2 用户质量的影响因素

用户在汽车使用过程中的质量感知主要受用车时长、车辆类型、故障种类等因素的影响[4]。通过制定用户质量标准可实现重点问题、重点用户的风险预防，还可以与设计端、制造端互通信息，确定汽车质量改进方案。

用车时长是影响用户质量的重要因素，也与其他影响因素之间存在关联关系。汽车企业通常将用户购车后的3个月内认定为新车期，购车后3-12个月认定为适应期，购车后12个月以上认定为耐久期。车辆类型通常会影响用户对质量评价的侧重点，量化结果时需要进行按类分析。汽车企业通常将车辆类型分为商用车、乘用车、新能源车等。商用车用户更加关注车辆的实用性与使用空间，乘用车用户更加关注舒适性与品质，新能源车用户则更加关注续航与充电。故障种类是以用户感知（看、听、闻、触、用）为基础，按照“条件”+“部位”+“症状”进行分类。用户面临不同故障类型时的反映不同，不同车辆类型的用户在不同时期面对相同故障时也会做出不同的反映，因此需要对用户质量进行量化分析[5]。

3.3 故障类型抱怨分值计算

针对某单一故障类型采用加权求和法计算总体抱怨分值，用数学公式可以表达为：

其中，为抱怨等级，为某故障类型各类抱怨等级所占的比重，为抱怨等级的集合。根据用户质量采集数据计算某故障类型不同抱怨等级所占比例，所有等级所占比例之和等于1。通过计算某单一故障类型抱怨分值可以分析出该故障产生时用户的表现情况，抱怨分值越高时说明故障问题极易造成强烈抱怨，抱怨分值越低时说明故障问题通常在用户可接受范围内。

3.4 用车时长抱怨分值计算

针对不同用车时长条件采用加权求和法计算抱怨分值，用数学公式可以表达为：

其中，Cj表示用车时长的各个阶段，C1表示新车期，C2表示适应期，C3表示耐久期，P（Ai | Cj）是条件概率，表示处在Cj时期的用户针对该故障类型时不同抱怨等级所占比例，通过加权求和的方式最终获得Cj用车时长条件下的抱怨分值Tj。为了体现不同用车时长条件下抱怨差异，引入用车时长重要度系数K，该系数以耐久期的抱怨分值为基准，Kj=某个用车时长抱怨分值 / 耐久期抱怨分值 =Tj / T3。通常情况下，新车期的抱怨分值普遍較高，因此重要度系数K值也相应会更大。如果某故障类型在新车期的抱怨分值越大，则用车时长总体抱怨分值也越大，可以通过最终加权求和所得抱怨分值反映用户对故障类型的接受程度。耐久期的数据采集样本更多，因此以其作为基准构建重要度系数能够保证计算模型的稳定性。

3.5 车辆类型抱怨分值计算

针对不同车辆类型采用加权求和法计算抱怨分值，用数学公式可以表达为：

其中，Dx表示不同车辆类型，D1表示商用车，D2表示乘用车，D3表示新能源车，P（Ai | Dx）是条件概率，表示不同车辆类型Dx的用户对该故障问题不同抱怨等级所占比例，通过加权求和的方式最终获得Dx类型车辆条件下的抱怨分值Vx。为了识别不同车辆类型的抱怨差异，引入车辆类型重要度系数H，该系数以商用车的抱怨分值为基准，Hx=某车辆类型抱怨分值 / 商用车抱怨分值=Vx / V1。通常情况下，商用车用户对车辆的使用频率较高，极易发生各种故障问题，因此对故障问题的敏感度相对较低，使用其作为基准可以保证计算模型的稳定性。不同车辆类型的用户针对故障问题的侧重点不同，通过分类考虑的方式可以将抱怨值量纲归一化，使得分析结果更具有说服力。

4 用户质量的综合评价方法与标准

4.1 两维度分析

汽车上市初期，车辆故障问题通常极少发生，用户大多关注并讨论车辆的外观质量或驾驶性能，汽车企业则更加注重品牌宣传与销售情况。随着销量的不断提升，在汽车上市后的一年时间内，用户大多处于新车期，基于大数据进行用户质量分析时，应该避免用户时长因素导致故障问题严重程度的误判。此时，用户质量的综合评价方法主要依赖故障类型抱怨分值和车辆类型抱怨分值。故障类型抱怨分值可以通过该车型采集数据进行分析计算，车辆类型抱怨分值的分析计算过程中可根据实际车辆类型数目进行适当调整，只需满足概率统计的要求即可。除此以外，用户质量分析过程中还可以参考相似汽车用户时长的分析结果，该结果可作为经验总结而不在统计计算考虑范围内。因此，采用两维度综合评价方法计算用户质量问题严重程度的数学公式可以表示为：

其中，S表示某单一故障问题严重程度得分，Q表示故障类型抱怨分值，V表示车辆类型抱怨分值，H表示重要度系数，O表示车辆类型的总数量。通过该公式可以计算统一量纲条件下所有故障问题的严重程度，汽车企业则根据评价结果制定对应实施方案。

4.2 三维度分析

汽车上市一到两年后，用户主体逐渐步入耐久期，车辆由于老化和耗损通常易发生故障问题，该阶段用户质量分析过程更复杂、结果更严谨。当前阶段，不同车辆使用时长的用户所占比例相近，通过用户时长抱怨分值计算公式可以获得不同时期的抱怨比重。不同车辆类型的用户比重逐渐拉开差距，但比重的变化范围逐渐变小，通过加权求和的计算方法可以减轻由于比重差异导致的分析结果误差。采用三维度综合评价方法计算用户质量问题严重程度的数学公式可以表示为：

其中，T表示用户时长抱怨分值，K表示不同类别的重要度系数，N表示用户时长的类别总数，N通常为3。通过综合考虑故障类型、用车时长、车辆类型等影响因素评价故障问题的严重程度，分析汽车的用户质量，能够为汽车企业售后服务的优化布局提供指导意见。

4.3 故障问题严重程度的标准

汽车上市的不同时期通过不同维度分析方法可以计算故障问题的严重程度得分，汽车企业需对严重程度得分制定标准，从而按照标准结果进行问题排查。通常情况下，问题严重程度得分小于2时，企业认为该故障属于用户吐槽类型，尚且在可接受范围内；问题严重程度大于2且小于5时，企业认为该故障属于用户失望类型，通常不能够被用户所接受，亟需企业制定改进措施加以预防；问题严重程度大于5时，企业认为该故障属于用户不可容忍类型，通常需要企业提前进行问题消除，引起社会广泛关注时甚至需要进行车辆召回。通过用户对质量需求的差异性，得出用户对于车辆不同质量问题的抱怨程度，从而得出问题的严重程度和解决优先级。

5 用户质量的应用场景

多数汽车企业的售后服务只集中在故障发生之后，针对不同故障类型制定相应解决方案，尚未对潜在的故障风险进行预防。用户使用汽车过程中更加倾向于简单的保养，对偶发性轻微故障关注度不高，难以联想连锁式故障反映。针对用户质量的研究能够实现潜在故障的主动预警，将售后服务由故障维修转向预测性维护，降低用户抱怨概率，提升品牌口碑。基于故障问题严重程度的研究可以实现售后服务部门有限资源的合理分配，优先解决高风险、高抱怨问题。同时，根据用户质量分析结果指导制造端进行问题解决与质量改进，也为新车型的设计与制造积累经验[6]。

6 结论

通过增加用户情绪的研究，利用数学模型，量化不同影响因素的抱怨分值，建立多场景、多维度工况下用户质量的评价方法和量化模型。得出不同問题类型、用车时长和车型平台的用户对于车辆不同质量问题的抱怨程度，从而得出问题的严重程度和解决优先级。本文针对用户质量的量化评价结果不仅可以预警高风险问题、指导车辆维修管控，降低产品投诉和特殊事件发生，同时也可以为设计端与制造端的质量改进提供数据支撑。

参考文献：

[1]刘玲，鲍彪. 丰田汽车质量管理体系的构建与实施[J].时代汽车，2018 （05）：9-10.

[2]梅园. 汽车产品售后质量改进方法的研究[D].上海交通大学，2014.

[3]梅园. 汽车产品售后质量改进方法的研究[D].上海交通大学，2014.

[4]柴尚森. 基于在线评论的新能源汽车产品质量改进识别研究[D].西安科技大学，2021.

[5]毛玲，邓思文，赵登辉等.新能源汽车监测平台在行驶和充电场景中的应用与思考[J].电工技术学报，2022，37（01）：48-57.

[6]陈川，夏丽娜，康泽军等.新能源汽车监控数据应用场景及展望[J].时代汽车，2022，No.378（06）：108-110.