基于在线评论的动态客户偏好建模和产品优化研究

Previous studies mainly employed questionnaires and/or interviews in their customer surveys to understand and analyse customers’ preferences on products. However, it is difficult to collect time series data on customer preferences under different time frames based on surveys. In recent years, a large number of online customer reviews on products can be found on various websites, which contain rich information regarding customers’ views and opinions toward products. Some previous studies have attempted to analyse customer preferences on products based on online customer reviews. However, some issues were not addressed properly in previous studies including the fuzziness of the sentiment expressed by customers in online reviews, time series modelling of customer preferences and customer preference models developed for supporting the determination of product attribute settings of new products. To address the above issues, a methodology for fuzzy dynamic modelling of customer preferences based on online customer reviews and optimization of design attributes for a new product is proposed, which mainly involves opinion mining based on online reviews, development of dynamic customer preference models and optimization of design attributes setting. A case study of a consumer product is used to illustrate and evaluate the proposed methodology. The research focuses on the lack of the study on new product design and development as well as aims to improve the theory of new product design. Meanwhile, for the application, it provides the novel methods and suggestions for companies on developing new products.

目前新产品开发设计的研究都是基于问卷调查和/或访谈来获取数据，然后利用调查数据分析客户偏好。但是基于调查很难收集时间序列的客户偏好数据。近年来，可以在各大网站找到大量关于产品的在线客户评论，其中包含丰富的有关客户对于产品的意见和期望的信息。之前的研究试图根据在线评论分析客户偏好，然而，这些研究中存在一些没有解决的问题，包括客户在线评论中表达的情绪的模糊性，客户偏好的时间序列建模以及确定新产品的最优产品属性设置。为解决以上问题，本课题提出了基于在线评论建立客户偏好的模糊动态模型和优化产品属性设置的研究框架，主要包括基于在线评论进行观点挖掘，建立模糊动态客户偏好模型和优化产品属性设置。提出的研究框架和算法都将通过消费产品的应用案例验证有效性。本课题力图在理论方面弥补当前对新产品开发与设计的研究的不足，完善新产品设计理论；从应用层面为公司或企业的新产品开发提供新颖的思路和方法以及提供决策建议。

本课题以新产品开发设计的研究为背景。以往的研究都是基于问卷调查和/或访谈来获取数据，然后利用调查数据分析客户偏好。但是基于调查很难收集时间序列的客户偏好数据。近年来，可以在各大网站找到大量关于产品的在线客户评论，其中包含丰富的有关客户对于产品的意见和期望的信息。之前的研究试图根据在线评论分析客户偏好，然而，这些研究中存在一些没有解决的问题包括客户在线评论中表达的情绪的模糊性，客户偏好的时间序列建模，客户偏好模型结构的非线性以及确定新产品的最优产品属性设置。为解决以上问题，本课题提出了基于在线评论建立客户偏好的模糊动态模型和优化产品属性设置的研究框架，主要包括基于在线评论进行观点挖掘，建立模糊非线性动态客户偏好模型和优化产品属性设置。基于在线评论，分别使用了Semantria情感分析软件 和RINGDATA平台进行观点挖掘，获取客户偏好的分类和基于时间序列的客户偏好情感值；针对建立动态客户偏好模型，提出了非线性时间序列模糊回归算法，基于粒子群优化算法的动态进化神经模糊推理系统，基于混沌优化的动态进化神经模糊推理系统，基于多目标粒子群优化的自适应神经模糊推理系统，基于非线性模糊规则的自适应神经模糊推理系统和基于多目标混沌优化的模糊回归模型；在优化产品属性设置方面，提出了基于混沌优化的非支配排序遗传算法。到目前为止，以第一作者和通讯作者发表SCI期刊论文四篇；以第三、第四作者发表SCI期刊论文两篇；参加国际会议并做报告共六次；另有两篇论文已投稿至SCI期刊，目前处于在审状态；还有一篇论文已投稿至ESCI。本课题提出的研究框架和算法都通过消费产品的应用案例验证有效性。本课题在理论方面弥补当前对新产品开发与设计的研究的不足，完善新产品设计理论；从应用层面为公司或企业的新产品开发提供新颖的思路和方法以及提供决策建议。

内容获取失败，请点击重试