基于特征选择技术的顾客需求重要度确定方法

耿秀丽，叶春明

（上海理工大学 管理学院，上海 200093）

0 引言

在全球可持续发展的背景下，为应对激烈的市场竞争，提高自身竞争力和利润空间，制造企业开始向服务型制造企业转型，即以顾客为中心，设计出产品和服务组合的整体解决方案。顾客需求分析是产品和服务开发的主要依据，是实现以顾客为中心的设计、制造理念的重要前提。作为产品和服务规划质量屋的输入，顾客需求重要度影响产品和服务工程特性以及方案特征重要度的确定，对企业产品和服务开发的成功与否起到至关重要的作用。在激烈的市场竞争环境中，简单满足顾客需求并不能保证产品／服务开发的成功，确定顾客需求重要度必须考虑竞争对手的顾客需求满足现状［1］，其关键技术有：①确定顾客需求的基本重要度；②进行竞争性分析，修正顾客需求重要度。技术①的难点是如何客观地识别顾客需求并确定其重要度，技术②的难点是如何合理地计算本企业和各竞争企业的地位。顾客需求最终重要度的确定需结合其基本重要度和竞争性重要度。

顾客需求基本重要度确定的典型方法有：①专家直接打分法，该方法简单直观，但是主观性强且不能处理语义评价信息；②层次分析法（Analytic Hierarchy Process，AHP）［2］，该方法适用面广，但需要调查大量顾客需求并两两比较信息，难以保证方法所要求的评判信息一致性；③模糊方法［3-4］，该方法可处理不确定性评价信息，但是要依赖专家决策或AHP等方法，仍不能克服这些方法的缺点。针对这三类方法的问题，文献［5-6］采用粗糙集中完备信息系统的多属性决策方法确定顾客需求的基本重要度。粗糙集方法具有能有效处理数据的模糊性和不确定性以及不需要先验知识等优点，作为数据挖掘技术，能够从产品／服务满意度数据中识别关键的顾客需求并计算其重要度。特征选择技术是一种成熟和典型的用于数据集特征识别的数据挖掘方法。Ahmad等［7］将特征选择技术应用到分类算法中，提出基于条件概率的特征重要度计算方法；Sikonja等［8］提出特征选择技术可用于识别问题的三因子结构，即Kano因子结构；在此基础上，Amir等［9］根据特征选择技术提出基于规则的顾客满意相关指标Kano三因子结构识别方法。从特征选择技术的上述研究中不难发现，在产品和服务顾客需求属性及顾客总体满意度数据的基础上，特征选择技术可用于识别关键顾客需求并计算其基本重要度。

顾客需求的Kano属性是顾客需求重要度修正过程中通常考虑的因素，因为Kano属性反映了顾客需求表现与顾客满意度间的相关关系，影响到顾客需求改进程度确定的合理性。文献［10-11］采用不同方法获取了顾客需求的改进系数，将Kano因子作为改进系数的幂指数，用于确定顾客需求的最终重要度。相比于粗糙集方法，特征选择技术的独特优势在于能同时分析顾客需求的Kano属性，用于顾客需求竞争性重要度的调整，避免耗费大量精力另外分析。顾客需求Kano属性的分析通常采用专家决策方法或问卷评估方法，专家决策方法主观性强，受专家经验和知识水平制约，可靠性较差。文献［12］采用Kano问卷和Kano评估表对顾客需求进行Kano属性分类，传统的Kano问卷方法采用0-1值，即用是或否两种选项获取调研对象的评估值，该方法不能处理不确定性的评估信息；文献［13］提出模糊Kano问卷和模糊Kano评估表的方式对顾客需求进行Kano属性分类，虽然提高了处理不确定性信息的能力，但是调研和分类过程繁琐，耗时较长。

基于竞争性分析调整顾客需求基本重要度的常用方法有：①比例标度法［14］，该方法用于确定顾客需求的卖点，缺点是偏差较大；②信息熵方法［15-16］，该方法易于操作，但是所用对数函数也存在偏差较大的缺陷。文献［17］根据综合模糊竞争性评价与综合模糊偏好效用评价的总效用最大化原理确定顾客需求的竞争性重要度；文献［18］针对成熟产品开发中的顾客需求重要度调整问题，通过评估企业间的顾客需求表现程度，提出采用最大偏差方法计算顾客需求的竞争性重要度。上述方法都基于本企业与竞争企业的相对比较，忽视了本企业各顾客需求的实际表现。虽然目前制造企业的产品开发比较成熟，但是服务的设计和开发尚处于发展阶段，服务相关的顾客需求可能表现较差。例如某顾客需求的各企业表现相近，按照最大偏差方法的假设，该顾客需求的改进难度较大，竞争性的重要度较低，但如果本企业该需求的表现情况较差，则企业应该关注，其改进重要度应该较高。因此，顾客需求竞争性分析需同时考虑需求的相对表现和绝对表现。

本文首次将特征选择技术应用于顾客需求识别和基本重要度确定研究，该技术还可同时获取顾客需求的Kano属性。首先采用最大偏差方法获取顾客需求初始竞争性重要度，考虑本企业顾客需求的实际表现水平进行第一次调整，然后根据顾客需求的Kano属性进行第二次调整；最后采用加权算术平均法整合顾客需求基本重要度和调整后的竞争性重要度，确定顾客需求的最终重要度，将其归一化后作为产品服务组合方案规划质量屋的输入。

1 方法架构和问题描述

本文所提顾客需求重要度的计算过程如图1所示，步骤如下：

步骤1 采用特征选择技术识别顾客需求集合，计算基本相对重要度并识别顾客需求的Kano属性。

相应问题描述如下：所需数据集（一）由针对某类产品服务组合方案的一组顾客需求｛Ai｝（1≤i≤M′）和顾客整体满意度构成，产品和服务方案具有多样化的配置，顾客需求的属性不同，顾客整体满意度也会有差异。顾客整体满意度分为1（非常不满意）、2（不太满意）、3（一般）、4（比较满意）、5（非常满意）五个等级。采用特征选择技术，从该数据集中提取用于质量功能配置（Quality Function Deployment，QFD）分析的一组顾客需求｛Ai｝（1≤i≤M），并计算其基本相对重要度BIRi。

步骤2 获取竞争性表现数据矩阵，采用最大偏差法计算顾客需求初始竞争性重要度，考虑本企业顾客需求的实际表现情况，调整顾客需求的竞争性重要度；根据顾客需求的Kano属性，进一步调整需求竞争性重要度。

相应问题描述如下：所需数据集（二）由针对本企业和（N-1）个竞争企业的各顾客需求表现数据构成，顾客需求表现评价值采用1，3，5，7，9进行打分，分别代表非常不好、不太好、一般、比较好、非常好。数据集（二）表达为竞争矩阵Ce=（pij）M×N，采用最大偏差方法获得顾客需求初始竞争性重要度｛CIRi｝（1≤i≤M），考虑本企业顾客需求的绝对表现｛pi｝，得到调整后的顾客需求竞争性重要度｛MCIRi｝；根据顾客需求的Kano属性，采用幂指数法进一步调整竞争性重要度，得到｛（MCIRi）α｝。

步骤3 采用加权算术平均方法整合顾客需求基本重要度和调整后的竞争性重要度，计算顾客需求的最终重要度，并归一化。

2 基于特征选择技术的顾客需求基本重要度确定和Kano属性分析

本文根据文献［9］提出的基于条件概率的特征选择技术，依据数据集（一）计算顾客需求的基本重要度。根据预先设定的重要度阈值选择较为关键的顾客需求，归一化后得到顾客需求基本相对重要度BIRi（1≤i≤M）。

与基于条件概率的特征选择技术进行对照，顾客需求对应为特征，顾客需求属性值对应为特征值，顾客满意度的等级对应为类，等级集合即为类集合。顾客需求基本重要度即为特征的重要度，是该特征所有特征值分类能力的平均值。每个特征值与不同的类子集有不同的所属关系，可通过下述算法确定特征值的支持集和分类能力，该算法的相关说明

如下：

（1）令U为一组给定的顾客需求｛Ai｝（1≤i≤M′），顾客需求集属于m个不同的顾客满意度等级类，表达为J=｛1，2，3，…，m｝。

（3）令w为J的子集，～w=J-w。

计算支持集和特征值分类能力的算法如下：

顾客需求CRi（1≤i≤M′）可选的属性值有V个（即｝，1≤r≤V）为属性值的分类能力，CRi的基本重要度，预先设定一个顾客需求基本重要度的最低限度值，高于该限度值的顾客需求提取出来作为最终重要度计算的研究对象，假设提出的顾客需求集合为｛CRi｝（1 ≤i≤M），IRi归一化后得到顾客需求的基本相对重要度BIRi。

顾客需求属性值与顾客整体满意度的关系不是线性关系。Kano模型可用于描述两者间的相关关系，将顾客需求分为基本、线性和兴奋型需求三种主要类型。根据文献［11］提出的三因子结构判断规则，本文给出顾客需求Kano属性的判断规则如下：

（1）如果某顾客需求的所有属性值仅有两类支持集，其中一类是不满意型的顾客满意度类，另一类是满意型的顾客满意度类，则该顾客需求为基本型需求。

（2）如果某顾客需求的所有属性值具有不同类型的支持集，并且会从不满意型的顾客满意度类向满意型的顾客满意度类逐步过渡，则该顾客需求为线性需求。

（3）如果某顾客需求的一些属性值具有很低的分类能力，另一些属性值的支持集包含很高的顾客满意度类，则该顾客需求为兴奋型需求。

3 基于最大偏差方法获取顾客需求的竞争性重要度

令企业集合｛C1，C2，…，Cj，…，CN｝，1≤j≤N，其中：C1为本企业，C2～CN为N-1个竞争企业。对这N个企业各个顾客需求的平均满意程度进行评价，设为pij（1≤i≤M），得到竞争矩阵Ce=（pij）M×N。对于顾客需求CRi，N个企业最好的评价值为pmaxi，最差的评价值为pmini，对矩阵Ce进行归一化，得到NCe=（npij）M×N，其中

根据最大偏差方法，设顾客需求的竞争性重要度为CIRi，其计算的优化模型如下：

根据文献［18］的证明，该模型的求解结果

根据本企业顾客需求的实际表现修正顾客需求的竞争性重要度CIRi，得到

式中T为顾客需求表现的最大评价值，本文中T=9。

基本型需求是导致顾客不满意的需求指标，兴奋型需求是导致顾客满意的需求指标，而线性需求随着指标表现水平的不断提高，顾客满意度也会相应地提高。制造企业向服务型企业的转型过程处于激烈竞争的环境下，如果某顾客的需求为基本型，则其竞争性重要度应适当调低；如果该需求为兴奋型，则其竞争性重要度应适当调高，因为对该需求的重视和提升可加大服务开发力度，有效提高顾客整体满意度。根据本文所提方法的计算步骤3，顾客需求的最终重要度FIRi的计算公式如式（5）所示，FIRi集合归一化后可以得到顾客需求的最终相对重要度。

式中，由于0＜MCIRi＜1，基本、线性和兴奋型三类顾客需求属性下的幂指数α分别采用2，1，0.5。

4 应用实例

某企业是全球知名的建筑设备制造商，主要生产不同型号的挖掘机、轮式装载机、自行式平地机和铰接式卡车等产品，其公司业务范围遍及全球150多个国家。该公司近年来开始重视服务的开发和设计，不断创新设计出产品和服务组合的整体解决方案，以满足顾客不断增长的需求，因此非常重视顾客需求的分析。本文将所提方法用于该公司挖掘机产品和相关服务的需求获取以及最终重要度确定过程，以支持顾客需求向工程特性和方案特征的映射分析。

企业根据咨询公司提供的参考顾客需求指标，通过经销商定期走访顾客，收集到大量的数据集（一），即顾客需求属性表现和顾客整体满意度评价等级，部分数据如表1所示。采用本文所提特征选择技术对数据集（一）进行挖掘，识别了16项关键顾客需求，这些需求的基本相对重要度和Kano属性如表2所示。

表1 部分顾客需求属性表现和整体满意度评价数据

表2 识别的顾客需求及其基本相对重要度和Kano属性

该企业选择5个相关产品的竞争企业，既有中国本土企业，也有外企及中外合资企业。采用专家和领先用户群决策的方式获取本企业和5个竞争企业的顾客需求表现评价数据，即数据集（二）。每个专家和领先用户采用1，3，5，7，9的标度，针对获取的16项顾客需求对各个企业的表现进行打分，采用加权算术平均的群决策方法获取综合评价值，部分数据如表3所示。

表3 顾客需求竞争性表现数据

根据最大偏差法获取的初始顾客需求竞争性重要度为（0.074，0.031，0.047，0.039，0.045，0.047，0.057，0.063，0.068，0.059，0.042，0.071，0.072，0.099，0.105，0.081）。考虑本企业各个顾客需求的实际表现水平，调整后的顾客需求竞争性重要度为（0.088，0.067，0.061，0.042，0.031，0.041，0.062，0.067，0.064，0.053，0.082，0.084，0.078，0.054，0.048，0.078）。调整前后的变化曲线如图2所示，图中折线1为顾客需求初始竞争性重要度分布，折线2为第一次调整后的顾客需求竞争性重要度分布。从图2可以看出：由于企业间表现程度差异小，顾客需求CR2和CR11的初始竞争性重要度较低，但是经过调整后其竞争性的重要度提高很多。原因在于这两个顾客需求在本企业的表现较差，需要进一步提高，调整后的竞争性重要度会有大幅提高。与之相反，由于企业间的表现程度差异大，顾客需求CR14和CR15的初始竞争性重要度较高，但是经过调整后其竞争性的重要度降低很多。原因在于这两个顾客需求在本企业的表现较好，可以适当降低其重要度，调整后的竞争性重要度会有大幅降低。

考虑顾客需求的Kano属性，根据式（5），取λ1=0.6，λ2=0.4，计算出顾客需求最终重要度，将其归一化后所得的结果为（0.082，0.047，0.026，0.029，0.095，0.054，0.043，0.12，0.081，0.056，0.046，0.059，0.048，0.048，0.11，0.056）。本例中获得的顾客需求集及其相对重要度将作为QFD 分析工具的输入，经多阶段的传递和分配，最后获得产品服务组合方案特征需求及其相对重要度，用于方案配置设计。

在顾客需求基本重要度确定方面，与传统的主观评价法相比，本文所提的基于特征识别方法具有明显的客观性；与现有的数据挖掘方法相比，本文所提方法具有能同时确定顾客需求Kano 属性的优势。在顾客需求竞争性分析方面，本文所提方法相比现有方法的特点，是在企业间相对比较的基础上考虑本企业顾客需求的实际表现，该实例通过顾客需求的初始竞争性重要度第一次调整前后的结果对比分析，说明了所提竞争性分析方法的效果。

5 结束语

本文通过特征选择技术的最新进展发现，基于条件概率的特征选择技术在顾客需求获取和基本重要度计算方面存在优势，因此提出竞争环境下基于特征选择技术的顾客需求重要度确定方法，包括顾客需求基本重要度计算、竞争性重要度计算和最终重要度计算三部分。所提理论与方法已用于某挖掘机产品服务组合方案开发过程中顾客需求的获取和最终重要度的计算。实例分析表明：特征选择技术既能较为客观地识别并计算顾客需求的基本重要度，还能避免耗费大量的精力分析顾客需求Kano属性；考虑市场企业整体比较和本企业实际表现的两阶段方法计算顾客需求的竞争性重要度，能全面有效地分析企业的顾客需求竞争地位。下一步工作将针对特征选择技术挖掘过程中信息的不完备性问题和竞争性分析中评价信息的不确定性问题开展研究。

［1］LAI Xin，WIE Min，TAN K，et al.Ranking of customer requirements in a competitive environment［J］.Computers &Industrial Engineering，2008，54（2）：202-214.

［2］LIN M，WANG C，CHEN M，et al.Using AHP and TOPSIS approaches in customer-driven product design process ［J］.Computers in Industry，2008，59（1）：17-31.

［3］KWONG C，BAI H.A fuzzy AHP approach to the determination of importance weights of customer requirements in quality function deployment［J］.Journal of Intelligent Manufacturing，2002，13（5）：367-377.

［4］YANG Mingshun，LIN Zhihang.Method to determine importance of customers'requirement in QFD［J］.Journal of Management Sciences in China，2003，6（5）：65-71（in Chinese）.［杨明顺，林志航.QFD 中顾客需求重要度确定的一种方法［J］.管理科学学报，2003，6（5）：65-71.］

［5］LI Yanlai，TANG Jiafu，YAO Jianming，et al.Integrated methodology for determining final importance ratings of customer requirements in house of quality［J］.Computer Integrated Manufacturing Systems，2008，14（5）：1015-1022（in Chinese）.［李延来，唐加福，姚建明，等.质量屋中顾客需求最终重要度确定的集成方法［J］.计算机集成制造系统，2008，14（5）：1015-1022.］

［6］LU Jiayuan，FENG Yixiong，TAN Jianrong，et al.Prediction and analysis for dynamic trend of customer requirements weight on product［J］.Computer Integrated Manufacturing Systems，2011，17（10）：2129-2136（in Chinese）.［陆佳圆，冯毅雄，谭建荣，等.产品顾客需求权重的动态趋势预测与分析［J］.计算机集成制造系统，2011，17（10）：2129-2136.］

［7］AHMAD A，DEY L.A feature selection technique for classificatory analysis［J］.Pattern Recognition Letters，2005，26（1）：43-56.

［8］SIKONJA M，VANHOOF K.Evaluation of ordinal features at value level［J］.Data Mining and Knowledge Discovery，2007，14（2）：225-243.

［9］AMIR A，LIPIKA D，SAMI M.A rule-based method for identifying the factor structure in customer satisfaction［J］.Information Sciences，2012，198（1）：118-129.

［10］HOU Zhi，CHEN Shiping，Regulatory method for importance of customers'requirements based on Kano model［J］.Computer Integrated Manufacturing Systems，2005，11（12）：1785-1789（in Chinese）.［侯 智，陈世平.基于Kano 模型的用户需求重要度调整方法研究［J］.计算机集成制造系统，2005，11（12）：1785-1789.］

［11］BAI Tao，LI Zhongkai.A customer needs importance rating method based on fuzzy kano model［J］.China Mechanical Engineering，2012，23（8）：975-979（in Chinese）.［白 涛，李中凯.基于模糊Kano 模型的顾客需求重要度计算方法［J］.中国机械工程，2012，23（8）：975-979.］

［12］DELICE E，GUNGOR Z.A new mixed integer linear programming model for product development using quality function deployment［J］.Computers &Industrial Engineering，2009，57（3）：906-912.

［13］LEE Y，HUANG S.A new fuzzy concept approach for Kano's model［J］.Expert Systems with Applications，2009，36（3）：4479-4484.

［14］CHAN L，WU M .Quality function deployment：a comprehensive review of its concepts and method［J］.Quality Engineering，2002，15（1）：23-25.

［15］CHAN L，WU M.A systematic approach to quality function deployment with a full illustrative example ［J］.Omega，2005，33（1）：119-139.

［16］ZHU Chunyan，YANG Mingshun，GAO Xinqin，et al.Modifying the importance ratings of customer requirements based on DEMATEL and entropy［J］.Industrial Engineering and Management，2012，17（3）：97-101（in Chinese）.［朱春艳，杨明顺，高新勤，等.基于DEMATEL 和熵的顾客需求重要度修正［J］.工业工程与管理，2012，17（3）：97-101.］

［17］LI Sifeng，LI Yanlai，PU Yun.Group-fuzzy-information based analysis method for customer requirements in product planning［J］.Computer Integrated Manufacturing Systems，2012，18（9）：2018-2027（in Chinese）.［李思丰，李延来，蒲云.基于群体模糊信息的产品规划中顾客需求的分析方法［J］.计算机集成制造系统，2012，18（9）：2018-2027.］

［18］LI Yanlai，TANG Jiafu，LUO Xinggang.An ECI-based methodology for determining the final importance ratings of customer requirements in MP product improvement［J］.Expert Systems with Applications，2010，37（9）：6240-6250.