论文部分内容阅读
用户需求获取和预测对下游产品设计起着重要作用,是产品创新设计成功与否的关键。用户需求的全面提取和准确预测,能有效避免设计资源、时间的浪费,缩短产品开发周期,为产品详细设计阶段提供可靠的指导。本文主要以Web评论数据为初始数据,利用SAS软件Web数据进行处理分析,获取用户显性需求;深入研究用户显性需求与马斯洛需求层次之间的潜在关系,得出用户需求等级;结合专利知识挖掘用户隐形需求,依据需求等级和需求进化定律预测用户新需求。通过上述关键问题的研究,最终形成基于Web评论数据和专利知识获取并预测用户需求的方法模型。论文的主要工作包括以下几个方面:1.利用自然语言处理技术对采集的Web产品评论数据进行文本分析;利用SAS软件基于特征提取技术并结合构建的网络产品评论停用词表,获取用户显性需求。2.通过SAS软件采用结构方程模型(SEM)过程分析显性需求与马斯洛需求层次之间的潜在关系;根据数据分析结果确定用户需求权重,并分析对各需求层次影响最为关键的用户显性需求。3.以用户显性需求或相近表述为关键词,进行相关专利检索,并提取专利知识单元;通过专利知识单元与需求的转化模型,结合用户需求等级以及需求进化定律挖掘用户隐性需求;依据Kano属性以及需求权重从产品功能、性能以及外观三个方面对用户需求分类,最终形成用于产品创新设计的用户需求,供设计人员参考。4.以儿童用双轮智能平衡车为例,依据用户需求获取和预测方法完成产品功能、性能以及外观三个方面的用户需求获取及预测,对产品前端设计提供有价值的参考,验证了此方法的可行性和有效性。