基于动态网络数据的产品设计需求分析方法研究

To accommodate the diverse user demand for consumed products, companies need to design and develop different lines of products according to different groups of users. Dynamic internet data including product reviews, users attributes, and product configurations are utilized, in order to model users stochastic product choice behaviors and mine the product design requirements of function, performance and quantity. First, the web crawler is applied to collect on-line data, and then the data are structured and the demand info are retrieved. Second, users and product functions are clustered by a correlated style, and the cross nested logit model is employed to capture the heterogeneity and correlation of users’ demand on functions. In particular, the fuzzy demand is modelled by a latent variable manner. Third, the sampling of alternative performance specification is considered in our model. A correction index is proposed and the Bayes method is used to approximate the original form of the study problem. At last, the demand prediction model is expanded in a time-series style to forecast dynamic product demand. Besides, the trend of potential techniques is also modeled and analyzed by the entropy of on-line discussion, therefore to assist the decision of selecting a particular function, performance or technique for the next-generation product design.

在消费类产品的设计及制造阶段，企业需要适应市场上愈加多样的用户需求，针对不同人群特征设计相应的产品系列及制定生产计划。本项目通过挖掘移动互联网环境下动态公开的数据，包括产品评价、用户属性、技术配置等信息，从用户对产品的选择及偏好行为出发，利用logit模型提取产品设计的功能、性能及产量需求。首先，提出基于属性密度的用户及功能聚类，并建立基于潜变量的“用户群-功能集”映射的参数化方程，实现差异化用户功能需求提取及预测。第二，对企业从多个性能配置（全集）中挑选最优配置（子集）的抽样过程进行建模，利用贝叶斯方法提出修正因子，对用户基于全集的性能需求模型进行逼近，还原用户在面对海量产品性能时的选择过程及需求偏好。第三，对产量需求进行动态预测并实现按照异质人群的差别性生产；同时，通过对技术讨论热度及信息熵的变化趋势，挖掘潜在创新技术的动态需求，对设计下一代产品技术选型、功能增减提供依据。

项目通过挖掘移动互联网环境下动态公开的数据，包括产品评价、用户属性、技术配置等信息，从用户对产品的选择及偏好行为出发，利用logit模型提取产品设计的功能、性能及产量需求。项目组针对这一问题，展开了以下的研究。.首先，提出了一种自动爬取互联网评价数据、并从评价文本中自动发现及提取需求关键词的算法。结合产品的技术配置参数表，该方法不仅能快速得到海量用户对多种功能的正负面评价，同时能得到用户具体对某一具体性能的评价的情感强度，为参数化建模提供了支撑。.第二，通过对用户的行为进行建模，建立logit模型对产品的功能及性能需求进行量化。针对原有方法中由于独立同分布假设而导致的预测不准问题，引入了混合正态分布的随机变量，利用协方差矩阵表征不同功能属性之间的相关关系。对于引入联合分布而导致模型的隐式表达，利用基于蒙特卡洛仿真的极大似然法逼近其分布形式，以得到模型的参数及功能性能的权重。新方法的提出能为原有方法在多产品多属性变量环境中的应用提出理论支撑，减少数量级变大后误差累计过多而导致的预测不准问题。.第三，提出一种以用户评价及偏好驱动的快速产品配置生成及优化方法，协助企业在较少的时间内快速完成产品优化迭代及更新。在海量配置及产品选择的背景下，企业往往需要选定产品子集再进一步的细化分析。针对这一从产品全集到子集的问题，从企业选择性能配置方案的抽样过程出发，推导得到抽样过程对原模型的影响，并建立相应的修正因子对原模型进行逼近。通过新方法的建立，能较好地还原用户在面对性能配置全集下的选择行为及需求偏好，解决原有模型假设而导致的参数估计不准、并进一步导致预测不准的问题。.最后，项目利用某电商平台上2015-2016年间手机的购买及评价数据作为研究对象，结合跨平台数据包括行业论坛、维基百科、百度搜索等，提取得到用户对不同功能、性能的需求因子，最后完成对所构建模型的标定及参数估计。结果显示，所提出的模型能提供较好的对产品设计改善及生产安排的指导性意见，并以较少的时间、人力及资金代价，得到量化的产品优化建议。项目研究成果对后续研究、企业及社会应用均有较好的借鉴作用。