基于专利统计分析的用户需求预测方法研究

张凤伟 曹国忠 朱玉宁 刘帅

摘要 针对用户需求预测模糊性、抽象性等问题，提出基于专利知识预测用户需求的方法。以Web获取的用户显性需求为关键词检索相关专利，基于特征提取技术利用SAS软件挖掘专利知识单元;通过专利技术单元与用户需求之间的转化模型挖掘用户隐性需求，结合马斯洛需求等级以及需求进化定律预测用户需求;依据Kano属性对用户需求分类，確定用户需求权重，完成用户需求预测，在此基础上构建了基于专利统计分析的用户需求预测模型。最后，以儿童用双轮智能平衡车为例，论证此方法的可行性。

关 键 词 Web数据;专利知识;数据挖掘;需求获取;需求预测;产品设计

中图分类号 TB472     文献标志码 A

Abstract Aiming at the problems of ambiguity and abstraction of user demand forecasting，  a method for forecasting user demand based on patent knowledge is proposed. Retrieve related patents by using the explicit user needs obtained from the Web as keywords， and use SAS software to mine patent knowledge units based on feature extraction technology; mine user hidden needs through the transformation model between patent technology units and user needs， and combine Maslow′s needs Level and the law of demand evolution predict user needs; classify user needs according to Kano attributes， determine user demand weights， and complete user demand predictions. On this basis， a user demand prediction model based on patent statistical analysis is constructed. Finally， take a two-wheeled smart balance bike for children as an example to demonstrate the feasibility of this method

Key words data; patent knowledge; data mining; demand acquisition; demand forecast; product design

0 引言

在企业发展战略过程中，产品创新起着重要作用。快速准确地确定产品需求、确定产品概念设计、明确产品的创新方向，是企业进行产品创新设计的关键。以用户需求分析为前提，寻求产品创新设计方向，构建产品创新模型，实现产品功能、性能等的全面提升，进而提高产品市场竞争力，满足用户需求。随着移动互联网、大数据、物联网的迅猛发展以及消费意识的增强，用户需求呈现时效性强、复杂多变的特点，及时获取、响应用户需求是产品创新设计成功的关键。网络评论拓展了用户需求获取的平台，但是由于用户需求具有的模糊性、抽象性等问题，不能直接给设计人员明确的指导，若未能对其进行深入挖掘而直接用于产品的设计，将导致产品创新程度较低。因此，有必要深入挖掘出用户需求，进而对其做出准确预测。

在用户需求预测方面，王晨等[1]从用户需求属性、需求本体以及认知过程研究需求获取和表达，张建辉等[2]分析需求的层次性和进化性本质，将需求进化定律与TRIZ中的技术进化理论相融合，从宏观、微观2个层次上定性把握产品的用户需求进化方向，进而提出了用户需求获取的原理过程。Lent等[3]提出利用文本挖掘技术基于序列分析等方法研究专利技术的发展动态。邱洪华等[4]从专利文献的结构化项目和非结构化项目2个方面出发，利用专利关键词和专利申请日，通过K-means聚类算法和语义网络的运用，为分析专利信息提出了一个研究和制作专利地图的方法，利用该方法制作的专利地图将目标产品相关技术领域的专利发展现状相对全面地呈现出来，有助于研究人员了解有关目标产品相关技术的发展状态，预测专利技术发展趋势，为目标产品的创新设计提供更多的思路。檀润华等[5]提出了基于需求进化定律的用户需求预测模型，如图1所示。图中横向分为5个区分别为表示需求进化定律1到5进化的区域，纵向分为已满足需求、可预测需求及目前不可预测需求的3个区。其中不可预测需求是基于目前技术水平或知识限制，通过需求进化定律仍然无法预测的用户需求。可预测需求区相对更接近理想需求状态，大部分需求都是新需求，在进行用户需求预测时该部分需求应是研究的重点。

用户需求的重要度评判在产品开发中技术配置方面起着决定性作用，Huang等[6]利用两两比较的方法分析用户需求权重。Kong等[7]利用模糊层次分析法计算出用户需求权重。白涛等[8]通过设置精确的Kano问卷获取用户需求信息，根据调查结果基于模糊Kano模型计算用户需求重要度，并应用Kano模糊模型将所获取的用户需求信息进行分类。翟娜等[9]利用TRIZ理论对产品零部件的技术系统进行分析，从中发现产品进化规律，预测产品未来的发展趋势，并根据技术的预测结果设计产品相关调查问卷，通过调查问卷结果的分析综合分析得出用户需求。

在现有研究的基础之上，本文基于Web数据中获取的用户显性需求，研究结合专利知识单元以及需求进化定律挖掘用户隐性需求的过程，并依据Kano模型确定用户需求权重，并从产品功能、性能以及外观等3个方面对用户需求分类，最终形成用户需求预测的方法模型。

由于用户在产品功能、性能以及外观3个方面，对产品的需求程度会有所不同。为了使用户需求在产品功能、性能和外观方面的重要程度更加具体化，设置Kano问卷，根据问卷调查结果将用户需求从产品功能、性能和外观3个方面分为基本需求、期望需求和兴奋需求，并根据Kano评估分类表判断需求权重。综合上述分析过程及结果，得出用户需求集，供设计人员参考。

3 用户需求预测模型

根据上述关键技术的研究，利用SAS软件基于专利知识单元用户需求预测方法的具体流程如下。

第1步：通过内部和外部的资源整合，确定目标产品;

第2步：选择Web数据源，基于特征提取技术利用SAS软件获取用户显性需求;

第3步：建立目标数据库，根据目标产品选择目标专利库，以用户显性需求或相近表述为关键词检索相关专利，将专利文献的标题及摘要下载下来，并保存到以用户显性需求为模块的数据库中;

第4步：对中文专利进行文本分词;

第5步：数据转换;

第6步：去除停用词，基于词共现原理获取专利知识单元，并进行词频统计;

第7步：通过图3挖掘用户隐性需求;

第8步：根据图5使用户需求具体化并确定用户需求进化方向;

第9步：设置Kano问卷，根据问卷调查结果对用户需求进行分类，并计算需求权重，并将用户需求从产品功能、性能和外观3个方面分为基本需求、期望需求和兴奋需求。

基于Web和专利知识的用户需求预测模型如图6所示。

4 实例验证

随着人们环保意识的加强，以及交通拥堵日趋加剧，智能平衡车因其操作方便、时尚、低碳环保等优点，成为城市代步的理想首选。

4.1 基于Web评论数据用户显性需求获取

第1步：确定目标产品。通过对市场产品调查分析，确定目标产品为儿童用智能平衡车。

第2步：获取用户显性需求。对比各网络平台，选择以京东网络购物平台作为主要数据源。选择评论条数在1 500条以上的12款产品，总共抓取评论46 200条，将其以.xls格式保存在目标数据库中。本文采用中科院的中文分析系统NLPIR进行文本分词，以编码为UTF-8的TXT格式保存在目标数据库中。利用SAS软件对数据进行分析，部分程序如图7所示，得出用户显性需求集，如表1所示。

4.2 基于专利知识单元用户需求预测

第3步：建立目標数据库。以patsnap为目标专利库，以用户显性需求或相近表述为关键词进行专利检索。以“X1”为例，在patsnap检索栏中输入“平衡车”，以“造型”“外观”等为筛选关键词，整理出重要专利1 078条，将其保存在目标产品专利数据库中。

第4步：文本分词。利用SAS软件，采用评论数据分词方法对中文专利进行分词。

第5步：数据转化。利用SAS软件将分词后以句子为单位的专利文本，转化为以词为单位，对数据进行降维处理。

第6步：获取专利知识单元。利用SAS软件按照现行需求获取的方法挖掘专利知识单元，得出外观知识单元为“越野型”，“卡通造型”，“休闲娱乐”等。以同样方法获取各显性需求模块所需的专利知识单元，如表2所示。

第7步：用户需求隐性需求挖掘。根据图3，挖掘用户隐性需求。

第8步：预测用户需求进化方向。对用户隐性需求归约处理后根据图5使用户需求具体化，并对用户需求进行预测，如表3所示。

第9步：用户需求分类。对用户需求设置正反两个问题，例如“如果提高智能平衡车的故障可视化水平你感觉怎么样”和“如果智能平衡车的故障可视化水平较低你感觉怎么样”，设置Kano问卷。通过对问卷调查结果数据的信度和效度进行分析，整理出有研究价值的数据。

根据Kano问卷结果，通过增加后的满意系数（Better）=（魅力属性+期望属性）/（魅力属性+期望属性+基本属性+无差异属性）和消除后的不满意系数（worse）=（期望属性+基本属性）/（魅力属性+期望属性+基本属性+无差异属性）×（-1），计算Better- worse系数表，增加后的满意系数（Better）可确定用户需求属性，以及各需求权重，如表4所示。

从平衡车功能、性能和外观3个方面调整用户需求分类。根据以上分析，最终确定产品设计用户需求任务书，如表5所示。

5 结论

用户需求预测是产品设计的首要环节也是最重要环节，专利知识蕴含着丰富的用户需求信息，是产品创新设计重要的数据资源。基于专利知识单元用户需求预测方法，基于Web中获取的用户显性需求为关键词，从大量的专利知识信息中及时、有效地挖掘用户隐性需求，基于马斯洛需求层次理论和需求进化定律的需求预测模型能够有效解决用户需求预测模糊性、抽象性等问题，增强需求预测的准确度。用户需求等级的划分、需求权重的确定以及需求分类为设计人员在进行产品创新设计时，对用户需求的筛选提供了有价值的理论依据。双轮平衡车需求获取及预测实例表明，该方法有利于专利知识用户需求的准确预测，具有较强的实用性和有效性。

参考文献：

[1]    王晨，赵武，王杰，等. 基于本体的多维度用户需求获取[J]. 计算机集成制造系统，2016，22（4）：908-916.

[2]    张建辉，李勇，张鹏，等. 需求进化和技术进化集成的产品用户需求获取研究[J]. 机械设计，2017，34（7）：15-22.

[3]    LENT B. Discovering trends in text databases[C]//International Conference on Knowledge Discovery & Data Mining，1997：227-230.

[4]    邱洪华，余翔. 基于k-means聚类算法的专利地图制作方法研究[J]. 科研管理，2009，30（2）：70-76.

[5]    檀润华，刘芳. 需求进化与功能进化集成的创新设想产生研究[J]. 计算机集成制造系统，2011，17（10）：2093-2100.

[6]    HUANG Y M. On the general evaluation of customer requirements during conceptual design[J]. Journal of Mechanical Design，1999，121（1）：92-97.

[7]    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.

[8]    白濤，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）：975-980.

[9]    翟娜. 产品创新设计的需求获取与分析技术研究[D]. 武汉：华中科技大学，2012.

[10]  姚宏兴. 基于专利知识的产品创新设计方法研究[D]. 杭州：浙江大学，2016.

[11]  张晓雷. 面向Web挖掘的主题网络爬虫的研究与实现[D]. 西安：西安电子科技大学，2012.

[12]  LI Y，QIN Z，XU W R，et al. A holistic model of mining product aspects and associated sentiments from online reviews[J]. Multimedia Tools and Applications，2015，74（23）：10177-10194.

[责任编辑    杨    屹]