CN112132620B - 一种潜在需求发现方法、装置、设备及介质 - Google Patents
一种潜在需求发现方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112132620B CN112132620B CN202011022431.XA CN202011022431A CN112132620B CN 112132620 B CN112132620 B CN 112132620B CN 202011022431 A CN202011022431 A CN 202011022431A CN 112132620 B CN112132620 B CN 112132620B
- Authority
- CN
- China
- Prior art keywords
- user demand
- item
- accurate
- items
- demand
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000010276 construction Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims 2
- 238000013461 design Methods 0.000 abstract description 15
- 238000000605 extraction Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- 238000012938 design process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- OOYGSFOGFJDDHP-KMCOLRRFSA-N kanamycin A sulfate Chemical compound OS(O)(=O)=O.O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CN)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O[C@@H]2[C@@H]([C@@H](N)[C@H](O)[C@@H](CO)O2)O)[C@H](N)C[C@@H]1N OOYGSFOGFJDDHP-KMCOLRRFSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种潜在需求发现方法、装置、设备及介质,所述潜在需求发现方法包括:获取用户需求文本数据,构建用户需求项的特征分类体系表;根据用户需求文本数据,获取原始用户需求项;基于用户需求项的特征分类体系表,获取原始用户需求项的特征信息;根据原始用户需求项的特征信息,获取精准用户需求项的目标信息;对目标信息进行分析,获取精准用户需求项的特征信息,发现用户的潜在需求。本发明方案,通过构建用户需求项的特征分类体系表,实现利用众包平台上用户需求文本数据,并基于用户需求文本数据进行分析,发现用户的潜在需求,可以提高设计效率与满意度。
Description
技术领域
本发明涉及数据检索技术领域,特别涉及一种潜在需求发现方法、装置、设备及介质。
背景技术
产品设计师为了提高设计过程中的效率,快速设计出用户满意度高的产品,会在进行概念设计之前,对用户的需求进行准确的分析和评估。但是随着市场竞争环境的扩大,只有发现用户潜在的或者意想不到的需求,才能大幅度提高用户满意度,使产品在竞争环境中保持领先地位。
然而在设计过程中,由于设计师缺少获取***需求的途径,导致产品设计概念灵感缺乏,无法找到用户意想不到的方向作为切入点,进而影响产品设计的质量与效率。
近年来,面向产品设计的众包平台应运而生,并且得到了广泛的关注。众包平台主要有两种发展模式,分别以提供服务方为主导和以发布需求方为主导。在以发布需求方为主导的众包平台中,用户可以根据实际情况提出具体的需求,以等待可满足自身需求的解决方案或设计灵感。因此,在以服务需求方为主导的众包平台上存在着不同领域的海量用户需求文本。
发明内容
本发明实施例提供一种潜在需求发现方法、装置、设备及介质,用以利用众包平台上用户需求文本数据,并基于用户需求文本数据进行分析,发现用户的潜在需求,提高设计效率与满意度。
为了解决上述技术问题,本发明实施例提供如下技术方案:
本发明实施例提供一种潜在需求发现方法,包括:
获取用户需求文本数据,构建用户需求项的特征分类体系表;
根据所述用户需求文本数据,获取原始用户需求项;
基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息;
根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息;
对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求。
可选地,所述构建用户需求项的特征分类体系表,包括:
构建所述原始用户需求项的第一属性类别分类体系表和第一重要度分类体系表;
其中,所述第一属性类别分类体系表包括预设的原始用户需求项的多种属性类别;
所述第一重要度分类体系表包括预设的原始用户需求项的重要度权重;
构建所述精准用户需求项的第二属性类别分类体系表和第二重要度分类体系表;
其中,所述第二属性类别分类体系表包括预设的精准用户需求项的多种属性类别;
所述第二重要度分类体系表包括预设的精准用户需求项的重要度权重。
可选地,所述根据所述用户需求文本数据,获取原始用户需求项,包括:
根据所述用户需求文本数据,采用命名实体识别NER技术,识别并抽取所述原始用户需求项。
可选地,所述基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息,包括:
基于所述第一属性类别分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系,对所述原始用户需求项进行属性类别分析,获取所述原始用户需求项的属性类别信息;
基于所述第一重要度分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系以及预设的规则方法,对所述原始用户需求项进行重要度分析,获取所述原始用户需求项的重要度信息。
可选地,所述根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息,包括:
针对所述原始用户需求项,采取去重聚类的方法,获取所述精准用户需求项;
根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息。
可选地,所述根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息,包括:
根据所述原始用户需求项的属性类别信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标属性信息;
根据所述原始用户需求项的重要度信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标重要度信息。
可选地,所述对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求,包括:
基于所述用户需求项的特征分类体系表,根据所述目标属性信息、所述目标重要度信息,以及预先制定的精准用户需求项属性类别判别表,对所述精准用户需求项进行属性类别分析;
其中,所述精准用户需求项属性类别判别表包括预设的用户需求视角下不同的重要度权重值结合产品需求视角下不同的其重要度权重值所对应的不同的精准用户需求项属性类别;
按照预设算法,对所述精准用户需求项进行重要度分析;
对所述精准用户需求项的重要度进行排序,获取所述用户的潜在需求。
本发明实施例还提供一种潜在需求发现装置,包括:
构建模块,用于获取用户需求文本数据,构建用户需求项的特征分类体系表;
第一获取模块,用于根据所述用户需求文本数据,获取原始用户需求项;
第二获取模块,用于基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息;
第三获取模块,用于根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息;
分析模块,用于对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求。
可选地,所述构建模块包括:
第一构建单元,用于构建所述原始用户需求项的第一属性类别分类体系表和第一重要度分类体系表;
其中,所述第一属性类别分类体系表包括预设的原始用户需求项的多种属性类别;
所述第一重要度分类体系表包括预设的原始用户需求项的重要度权重;
第二构建单元,用于构建所述精准用户需求项的第二属性类别分类体系表和第二重要度分类体系表;
其中,所述第二属性类别分类体系表包括预设的精准用户需求项的多种属性类别;
所述第二重要度分类体系表包括预设的精准用户需求项的重要度权重。
可选地,所述第一获取模块包括:
识别抽取单元,用于根据所述用户需求文本数据,采用命名实体识别NER技术,识别并抽取所述原始用户需求项。
可选地,所述第二获取模块包括:
第一分析单元,用于基于所述第一属性类别分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系,对所述原始用户需求项进行属性类别分析,获取所述原始用户需求项的属性类别信息;
第二分析单元,用于基于所述第一重要度分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系以及预设的规则方法,对所述原始用户需求项进行重要度分析,获取所述原始用户需求项的重要度信息。
可选地,所述第三获取模块包括:
第一获取单元,用于针对所述原始用户需求项,采取去重聚类的方法,获取所述精准用户需求项;
第二获取单元,用于根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息。
可选地,所述第二获取单元具体用于:
根据所述原始用户需求项的属性类别信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标属性信息;
根据所述原始用户需求项的重要度信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标重要度信息。
可选地,所述分析模块包括:
第三分析单元,用于基于所述用户需求项的特征分类体系表,根据所述目标属性信息、所述目标重要度信息,以及预先制定的精准用户需求项属性类别判别表,对所述精准用户需求项进行属性类别分析;
其中,所述精准用户需求项属性类别判别表包括预设的用户需求视角下不同的重要度权重值结合产品需求视角下不同的其重要度权重值所对应的不同的精准用户需求项属性类别;
计算单元,用于按照预设算法,对所述精准用户需求项进行重要度分析;
第三获取单元,用于对所述精准用户需求项的重要度进行排序,获取所述用户的潜在需求。
本发明实施例还提供一种潜在需求发现设备,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如上任一项所述的潜在需求发现方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的潜在需求发现方法。
本发明的有益效果是:
本发明方案,提供一种潜在需求发现方法,包括:获取用户需求文本数据,构建用户需求项的特征分类体系表;根据所述用户需求文本数据,获取原始用户需求项;基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息;根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息;对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求。本发明方案,通过构建用户需求项的特征分类体系表,利用众包平台上用户需求文本数据,将从用户需求文本数据中识别出的原始用户需求项进行特征分类,获取原始用户需求项的特征信息,并根据原始用户需求项的特征信息,获取精准用户需求项的目标信息,之后对所述目标信息进行分析,完成对精准用户需求项的特征分类,得到精准用户需求项的评价结果,发现用户的潜在需求,并提高设计效率与满意度。
附图说明
图1表示本发明实施例提供的潜在需求发现方法的流程图;
图2表示本发明实施例提供的潜在需求发现装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明进行详细描述。
本发明针对无法发现用户的潜在需求,设计效率低的问题,提供一种潜在需求发现方法、装置、设备及介质。
如图1所示,本发明实施例提供一种潜在需求发现方法,包括:
S101:获取用户需求文本数据,构建用户需求项的特征分类体系表;
S102:根据所述用户需求文本数据,获取原始用户需求项;
S103:基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息;
S104:根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息;
S105:对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求。
需要说明的是,在众包平台上存在大量的用户需求文本数据,本发明实施例,通过构建用户需求项的特征分类体系表,利用众包平台上用户需求文本数据,将从用户需求文本数据中识别出的原始用户需求项进行特征分类,获取原始用户需求项的特征信息,并根据原始用户需求项的特征信息,获取精准用户需求项的目标信息,之后对所述目标信息进行分析,完成对精准用户需求项的特征分类,得到精准用户需求项的评价结果,发现用户的潜在需求,并提高设计效率与满意度。
可选地,所述构建用户需求项的特征分类体系表,包括:
构建所述原始用户需求项的第一属性类别分类体系表和第一重要度分类体系表;
其中,所述第一属性类别分类体系表包括预设的原始用户需求项的多种属性类别;
所述第一重要度分类体系表包括预设的原始用户需求项的重要度权重;
构建所述精准用户需求项的第二属性类别分类体系表和第二重要度分类体系表;
其中,所述第二属性类别分类体系表包括预设的精准用户需求项的多种属性类别;
所述第二重要度分类体系表包括预设的精准用户需求项的重要度权重。
需要说明的是,构建的用户需求项的特征分类体系表中,将用户需求项分为原始用户需求项和精准用户需求项两类。所述原始用户需求项和所述精准用户需求项分别包含两个特征,分别为属性类别和重要度。其中,原始用户需求项包括多种属性类别,分别为:必需型需求、期待型需求和反向型需求三种,原始用户需求项的重要度权重可以用以下数值表示:1、2、3、4、-4,数值越大,代表越重要;精准用户需求项也包含多种属性类别:必需型需求、期待型需求、魅力型需求、反向型需求以及无差异型需求五种,精准用户需求项的重要度权重采用0-1范围的数值表示,数值越大,代表越重要。
必需型需求是指用户针对某一个产品要求必须满足的需求,用M表示;期待型需求是指用户针对某一个产品期望能够实现的需求,用O表示;魅力型需求是指用户对产品意想不到的需求,用A表示;反向型需求是指用户针对某一个产品不希望具备的需求,用R表示;无差异型需求是指用户对产品所不关心的需求,用I表示。
可选地,所述根据所述用户需求文本数据,获取原始用户需求项,包括:
根据所述用户需求文本数据,采用命名实体识别NER技术,识别并抽取所述原始用户需求项。
需要说明的是,针对所述用户需求文本数据,建立对应的用户需求项抽取模型,即可识别并抽取出原始用户需求项。
下面以一个具体的实施例说明识别并抽取出原始用户需求项的过程:
例如,在众包平台上获取的用户需求文本数据为:“我需要设计一款椅子,要求一定要坐着舒服,有靠背,造型美观,最好使用UG软件设计”,根据预先建立的用户需求项抽取模型,识别并抽取的原始用户需求项为:“坐着舒服”、“靠背”、“造型美观”和“UG软件”。
在本发明实施例中,采用命名实体识别(Named Entity Recognition,NER)技术中的BIO标注方法,识别并抽取所述原始用户需求项。
下面以上述的实施例说明以BIO标注方法,识别并抽取所述原始用户需求项的过程为:
在BIO标注方法中,B即Begin,表示开始;I,即Intermediate,表示中间;O,即Other,表示其他,用于标记无关字符。
在众包平台上获取的用户需求文本数据为:“我需要设计一款椅子,要求一定要坐着舒服,有靠背,造型美观,最好使用UG软件设计”,采用BIO标注方法,识别并抽取所述原始用户需求项的结果如表1所示。
表1原始用户需求项抽取结果示意表
从表1中可以看出,采用BIO标注方法,识别抽取的原始用户需求项为:“坐着舒服”、“靠背”、“造型美观”和“UG软件”。
可选地,所述基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息,包括:
基于所述第一属性类别分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系,对所述原始用户需求项进行属性类别分析,获取所述原始用户需求项的属性类别信息;
基于所述第一重要度分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系以及预设的规则方法,对所述原始用户需求项进行重要度分析,获取所述原始用户需求项的重要度信息。
需要说明的是,基于上述的用户需求项的特征分类体系表,对原始用户需求项进行特征分类,包括基于所述第一属性类别分类体系表,对原始用户需求项进行属性类别分析以及基于所述第一重要度分类体系表,对原始用户需求项进行重要度分析。
基于所述第一属性类别分类体系表,根据原始用户需求项在用户需求文本数据中的位置及语义关系,通过需求类别语义判别词典,并利用相应的规则匹配方法,对原始用户需求项的属性类别进行分析,获取原始用户需求项的属性类别信息,之后,基于所述第一重要度分类体系表,针对不同的属性类别,以及预设的规则方法,即重要度权重划分规则,采用规则匹配的方法对所述原始用户需求项进行重要度分析,获取所述原始用户需求项的重要度信息。
其中,重要度权重划分规则为:对于必需型需求,将其重要度权重定义为4;对于反向型需求,将其重要度权重定义为-4;对于期待型需求,通过需求权重语义判别词典,根据所述期待型需求在用户需求文本数据中的语义程度,对重要度权重划分为1、2、3。
还继续以上述的实施例说明,通过BIO标注方法,获取原始用户需求项后,对所述原始用户需求项进行属性类别分析和重要度分析,获取的原始用户需求项的属性类别信息和原始用户需求项的重要度信息的结果如下表2所示。
表2属性类别分析和重要度分析结果示意表
从表2中可以看出,识别抽取的原始用户需求项为:“坐着舒服”、“靠背”、“造型美观”和“UG软件”,其中,“坐着舒服”的属性类别为由M表示的必需型需求,重要度权重为4;“靠背”的属性类别为由O表示的期待型需求,重要度权重为2;“造型美观”的属性类别为由O表示的期待型需求,重要度权重为2,“UG软件”的属性类别为由O表示的期待型需求,重要度权重为1。
可选地,所述根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息,包括:
针对所述原始用户需求项,采取去重聚类的方法,获取所述精准用户需求项;
根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息。
可选地,所述根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息,包括:
根据所述原始用户需求项的属性类别信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标属性信息;
根据所述原始用户需求项的重要度信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标重要度信息。
需要说明的是,基于从用户需求文本数据中识别抽取的原始用户需求项,采用去重聚类的方法,对所述原始用户需求项进行过滤处理,具体操作为将重复的原始用户需求项去重合并,将语义相近的原始用户需求项进行聚类,聚类后的每一个簇选用一个精准用户需求项表示。其中,每一个精准用户需求项可以包括一个或者多个原始用户需求项。之后统计每个原始用户需求项的属性类别信息以及重要度信息,并针对每一精准用户需求项,获取所述精准用户需求项的目标信息,包括:根据所述原始用户需求项的属性类别信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标属性信息;根据所述原始用户需求项的重要度信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标重要度信息。其中,精准用户需求项的目标属性信息为精准用户需求项包含的所有原始用户需求项的属性类别信息;精准用户需求项的目标属性信息为精准用户需求项包含的所有原始用户需求项的重要度信息。
可选地,所述对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求,包括:
基于所述用户需求项的特征分类体系表,根据所述目标属性信息、所述目标重要度信息,以及预先制定的精准用户需求项属性类别判别表,对所述精准用户需求项进行属性类别分析;
其中,所述精准用户需求项属性类别判别表包括预设的用户需求视角下不同的重要度权重值结合产品需求视角下不同的其重要度权重值所对应的不同的精准用户需求项属性类别;
按照预设算法,对所述精准用户需求项进行重要度分析;
对所述精准用户需求项的重要度进行排序,获取所述用户的潜在需求。
需要说明的是,对精准用户需求项进行属性类别分析时,基于预先构建的精准用户需求项属性类别判别表,针对每一精准用户需求项,结合精准用户需求项所包含的原始用户需求项的属性类别信息、重要度信息,以及每一个精准用户需求项包含的原始用户需求项的总数,进行属性类别分析。
如表3所示,所述精准用户需求项属性类别判别表包括:用户需求视角下不同的重要度权重值结合产品需求视角下不同的其重要度权重值所对应的不同的精准用户需求项属性类别。其中,所述精准用户需求项属性类别包括:必需型需求、期待型需求、魅力型需求、反向型需求以及无差异型需求。
表3精准用户需求项属性类别判别表
在表3中,用户需求视角下的重要度权重值为每个精准用户需求项包含的原始用户需求项的重要度权重的众数;在产品需求视角下的重要度权重值是通过每个精准用户需求项包含原始用户需求项的数量与所有的精准用户需求项包含的原始用户需求项的总数的比值确定的,计算出每个精准用户需求项包含原始用户需求项的数量与所有的精准用户需求项包含的原始用户需求项的总数的比值,按照降序排列,前30%的精准用户需求项的重要度权重值为3,30%-70%的精准用户需求项的重要度权重值为2,其余的精准用户需求项的重要度权重值为1。
利用熵值法,确定精准用户需求项的初始重要度权重值,结合精准用户需求项的属性类别信息进行分析,确定出最终重要度权重值,并归一化至0-1的范围内。具体的计算过程如下:
首先计算出精准用户需求项的初始重要度权重值:
设aij为第i个用户对第j个精准用户需求项的重要度的评分。若有m个用户对精准用户需求项j的重要度进行打分,对m个用户的打分按照如下公式进行归一化,得到每个用户对每个精准用户需求项的重要度的归一化后的分值bij:
其中,i和j分别为正整数。
按照如下公式计算第j个精准用户需求项的熵值ej:
确定精准用户需求项j的初始权重。先确定熵值ej的倒数uj:
uj=1/ej,j=1,2,…,n
对倒数uj进行归一化处理,得到第j项精准用户需求项的初始权重wj为:
且,
之后,基于精准用户需求项的属性类别信息计算最终重要度权重值:
在KANO模型中,客户满意度与需求的满意程度之间的关系可以用一个带有参数的函数近似量化,公式如下:
s=cpk
其中,s为客户满意度,p为需求的满足程度,c为常数,k为每一种属性类别的调整系数。必需型需求、期待型需求、魅力型需求、反向型需求以及无差异型需求的k值依次为:1/2、1、2、0、-1。根据k值对初始权重wj进行调整,确定精准用户需求项的最终重要度权重值w′j,按照如下公式计算:
根据精准用户需求项的最终重要度权重值,按照降序排列,产品设计师即可了解到精准用户需求项对用户的重要度,进而对产品潜在需求进行挖掘,获得设计灵感知识。
本发明实施例,提供一种潜在需求发现方法,通过构建用户需求项的特征分类体系,在众包平台上的用户需求文本数据中抽取原始用户需求项,进行原始用户需求项属性类别分析、重要度分析,对原始用户需求项过滤筛选出精准用户需求项,对精准用户需求项进行属性类别分析和重要度分析。通过本发明方案,可以发现潜在需求,提高设计效率,提高客户的满意度。
如图2所示,本发明实施例还提供一种潜在需求发现装置,包括:
构建模块201,用于获取用户需求文本数据,构建用户需求项的特征分类体系表;
第一获取模块202,用于根据所述用户需求文本数据,获取原始用户需求项;
第二获取模块203,用于基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息;
第三获取模块204,用于根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息;
分析模块205,用于对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求。
可选地,所述构建模块201包括:
第一构建单元,用于构建所述原始用户需求项的第一属性类别分类体系表和第一重要度分类体系表;
其中,所述第一属性类别分类体系表包括预设的原始用户需求项的多种属性类别;
所述第一重要度分类体系表包括预设的原始用户需求项的重要度权重;
第二构建单元,用于构建所述精准用户需求项的第二属性类别分类体系表和第二重要度分类体系表;
其中,所述第二属性类别分类体系表包括预设的精准用户需求项的多种属性类别;
所述第二重要度分类体系表包括预设的精准用户需求项的重要度权重。
可选地,所述第一获取模块202包括:
识别抽取单元,用于根据所述用户需求文本数据,采用命名实体识别NER技术,识别并抽取所述原始用户需求项。
可选地,所述第二获取模块203包括:
第一分析单元,用于基于所述第一属性类别分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系,对所述原始用户需求项进行属性类别分析,获取所述原始用户需求项的属性类别信息;
第二分析单元,用于基于所述第一重要度分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系以及预设的规则方法,对所述原始用户需求项进行重要度分析,获取所述原始用户需求项的重要度信息。
可选地,所述第三获取模块204包括:
第一获取单元,用于针对所述原始用户需求项,采取去重聚类的方法,获取所述精准用户需求项;
第二获取单元,用于根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息。
可选地,所述第二获取单元具体用于:
根据所述原始用户需求项的属性类别信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标属性信息;
根据所述原始用户需求项的重要度信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标重要度信息。
可选地,所述分析模块205包括:
第三分析单元,用于基于所述用户需求项的特征分类体系表,根据所述目标属性信息、所述目标重要度信息,以及预先制定的精准用户需求项属性类别判别表,对所述精准用户需求项进行属性类别分析;
其中,所述精准用户需求项属性类别判别表包括预设的用户需求视角下不同的重要度权重值结合产品需求视角下不同的其重要度权重值所对应的不同的精准用户需求项属性类别;
计算单元,用于按照预设算法,对所述精准用户需求项进行重要度分析;
第三获取单元,用于对所述精准用户需求项的重要度进行排序,获取所述用户的潜在需求。
本发明实施例还提供一种潜在需求发现设备,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如上任一项所述的潜在需求发现方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的潜在需求发现方法。
以上所述的是本发明的优选实施方式,应当指出对于本技术领域的普通人员来说,在不脱离本发明所述的原理前提下还可以作出若干改进和润饰,这些改进和润饰也在本发明的保护范围内。
Claims (9)
1.一种潜在需求发现方法,其特征在于,包括:
获取用户需求文本数据,构建用户需求项的特征分类体系表,在所述用户需求项的特征分类体系表中,将用户需求项分为原始用户需求项和精准用户需求项两类;所述原始用户需求项和所述精准用户需求项分别包含两个特征,分别为属性类别和重要度;所述原始用户需求项包括:必需型需求、期待型需求和反向型需求,所述精准用户需求项包含多种属性类别:必需型需求、期待型需求、反向型需求、魅力型需求以及无差异型需求;必需型需求是指用户针对某一个产品要求必须满足的需求;期待型需求是指用户针对某一个产品期望能够实现的需求;魅力型需求是指用户对产品意想不到的需求;反向型需求是指用户针对某一个产品不希望具备的需求;无差异型需求是指用户对产品所不关心的需求;
根据所述用户需求文本数据,获取原始用户需求项;
基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息;
根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息,包括:针对所述原始用户需求项,采取去重聚类的方法,将语义相近的原始用户需求项进行聚类,聚类后的每一个簇选用一个精准用户需求项表示,获取所述精准用户需求项,其中,每一个精准用户需求项包括一个或者多个原始用户需求项;根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息;
对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求;其中,
利用熵值法,确定精准用户需求项的初始重要度权重值,结合精准用户需求项的属性类别进行分析,确定出最终重要度权重值,并归一化至0-1的范围内,包括:
计算出精准用户需求项的初始重要度权重值:
设aij为第i个用户对第j个精准用户需求项的重要度的评分,若有m个用户对精准用户需求项j的重要度进行打分,对m个用户的打分按照如下公式进行归一化,得到每个用户对每个精准用户需求项的重要度的归一化后的分值bij:
其中,i和j分别为正整数;
按照如下公式计算第j个精准用户需求项的熵值ej:
确定精准用户需求项j的初始权重;先确定熵值ej的倒数uj:
uj=1/ej,j=1,2,...,n
对倒数uj进行归一化处理,得到第j项精准用户需求项的初始权重wj为:
且,
基于精准用户需求项的所述属性类别计算最终重要度权重值:客户满意度与需求的满意程度之间的关系用一个带有参数的函数近似量化,公式如下:
s=cpk
其中,s为客户满意度,p为需求的满足程度,c为常数,k为每一种属性类别的调整系数,必需型需求、期待型需求、魅力型需求、反向型需求以及无差异型需求的k值依次为1/2、1、2、0、-1,根据k值对初始权重wj进行调整,确定精准用户需求项的最终重要度权重值w′j,按照如下公式计算:
根据精准用户需求项的最终重要度权重值,按照降序排列以得到精准用户需求项对用户的重要度,进而对产品潜在需求进行挖掘。
2.根据权利要求1所述的潜在需求发现方法,其特征在于,所述构建用户需求项的特征分类体系表,包括:
构建所述原始用户需求项的第一属性类别分类体系表和第一重要度分类体系表;
其中,所述第一属性类别分类体系表包括预设的原始用户需求项的多种属性类别;
所述第一重要度分类体系表包括预设的原始用户需求项的重要度权重;
构建所述精准用户需求项的第二属性类别分类体系表和第二重要度分类体系表;
其中,所述第二属性类别分类体系表包括预设的精准用户需求项的多种属性类别;
所述第二重要度分类体系表包括预设的精准用户需求项的重要度权重。
3.根据权利要求1所述的潜在需求发现方法,其特征在于,所述根据所述用户需求文本数据,获取原始用户需求项,包括:
根据所述用户需求文本数据,采用命名实体识别NER技术,识别并抽取所述原始用户需求项。
4.根据权利要求2所述的潜在需求发现方法,其特征在于,所述基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息,包括:
基于所述第一属性类别分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系,对所述原始用户需求项进行属性类别分析,获取所述原始用户需求项的属性类别信息;
基于所述第一重要度分类体系表,根据所述原始用户需求项在所述用户需求文本数据的位置及语义关系以及预设的规则方法,对所述原始用户需求项进行重要度分析,获取所述原始用户需求项的重要度信息。
5.根据权利要求1所述的潜在需求发现方法,其特征在于,所述根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息,包括:
根据所述原始用户需求项的属性类别信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标属性信息;
根据所述原始用户需求项的重要度信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标重要度信息。
6.根据权利要求5所述的潜在需求发现方法,其特征在于,所述对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求,包括:
基于所述用户需求项的特征分类体系表,根据所述目标属性信息、所述目标重要度信息,以及预先制定的精准用户需求项属性类别判别表,对所述精准用户需求项进行属性类别分析;
其中,所述精准用户需求项属性类别判别表包括预设的用户需求视角下不同的重要度权重值结合产品需求视角下不同的其重要度权重值所对应的不同的精准用户需求项属性类别;
按照预设算法,对所述精准用户需求项进行重要度分析;
对所述精准用户需求项的重要度进行排序,获取所述用户的潜在需求。
7.一种潜在需求发现装置,其特征在于,包括:
构建模块,用于获取用户需求文本数据,构建用户需求项的特征分类体系表;其中,在所述用户需求项的特征分类体系表中,将用户需求项分为原始用户需求项和精准用户需求项两类;所述原始用户需求项和所述精准用户需求项分别包含两个特征,分别为属性类别和重要度;所述原始用户需求项包括:必需型需求、期待型需求和反向型需求,所述精准用户需求项包含多种属性类别:必需型需求、期待型需求、反向型需求、魅力型需求以及无差异型需求;必需型需求是指用户针对某一个产品要求必须满足的需求;期待型需求是指用户针对某一个产品期望能够实现的需求;魅力型需求是指用户对产品意想不到的需求;反向型需求是指用户针对某一个产品不希望具备的需求;无差异型需求是指用户对产品所不关心的需求;
第一获取模块,用于根据所述用户需求文本数据,获取原始用户需求项;
第二获取模块,用于基于所述用户需求项的特征分类体系表,获取所述原始用户需求项的特征信息;
第三获取模块,用于根据所述原始用户需求项的特征信息,获取精准用户需求项的目标信息;
分析模块,用于对所述目标信息进行分析,获取所述精准用户需求项的特征信息,发现用户的潜在需求;
所述第三获取模块包括:
第一获取单元,用于针对所述原始用户需求项,采取去重聚类的方法,将语义相近的原始用户需求项进行聚类,聚类后的每一个簇选用一个精准用户需求项表示,获取所述精准用户需求项,其中,每一个精准用户需求项包括一个或者多个原始用户需求项;
第二获取单元,用于根据所述原始用户需求项的特征信息,针对每一所述精准用户需求项,获取所述精准用户需求项的目标信息;
利用熵值法,确定精准用户需求项的初始重要度权重值,结合精准用户需求项的属性类别进行分析,确定出最终重要度权重值,并归一化至0-1的范围内,包括:
计算出精准用户需求项的初始重要度权重值:
设aij为第i个用户对第j个精准用户需求项的重要度的评分,若有m个用户对精准用户需求项j的重要度进行打分,对m个用户的打分按照如下公式进行归一化,得到每个用户对每个精准用户需求项的重要度的归一化后的分值bij:
其中,i和j分别为正整数;
按照如下公式计算第j个精准用户需求项的熵值ej:
确定精准用户需求项j的初始权重;先确定熵值ej的倒数uj:
uj=1/ej,j=1,2,...,n
对倒数uj进行归一化处理,得到第j项精准用户需求项的初始权重wj为:
且,
基于精准用户需求项的所述属性类别计算最终重要度权重值:客户满意度与需求的满意程度之间的关系用一个带有参数的函数近似量化,公式如下:
s=cpk
其中,s为客户满意度,p为需求的满足程度,c为常数,k为每一种属性类别的调整系数,必需型需求、期待型需求、魅力型需求、反向型需求以及无差异型需求的k值依次为1/2、1、2、0、-1,根据k值对初始权重wj进行调整,确定精准用户需求项的最终重要度权重值w′j,按照如下公式计算:
根据精准用户需求项的最终重要度权重值,按照降序排列以得到精准用户需求项对用户的重要度,进而对产品潜在需求进行挖掘。
8.一种潜在需求发现设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如权利要求1至6中任一项所述的潜在需求发现方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的潜在需求发现方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011022431.XA CN112132620B (zh) | 2020-09-25 | 2020-09-25 | 一种潜在需求发现方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011022431.XA CN112132620B (zh) | 2020-09-25 | 2020-09-25 | 一种潜在需求发现方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132620A CN112132620A (zh) | 2020-12-25 |
CN112132620B true CN112132620B (zh) | 2023-12-05 |
Family
ID=73840617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011022431.XA Active CN112132620B (zh) | 2020-09-25 | 2020-09-25 | 一种潜在需求发现方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132620B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109040324A (zh) * | 2018-10-30 | 2018-12-18 | 上海碧虎网络科技有限公司 | 车载数据服务推广方法、装置及计算机可读存储介质 |
CN110310196A (zh) * | 2019-06-17 | 2019-10-08 | 平安普惠企业管理有限公司 | 产品需求申请方法、装置、计算机设备和存储介质 |
CN111680908A (zh) * | 2020-06-05 | 2020-09-18 | 河海大学常州校区 | 一种基于Kano模型的消费电子产品设计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102655607B (zh) * | 2011-03-04 | 2016-03-30 | 富士通株式会社 | 用于统计目标观众的收视率的方法和装置 |
CN109690430B (zh) * | 2016-09-09 | 2022-06-24 | 宝洁公司 | 基于需求生产产品的***和方法 |
-
2020
- 2020-09-25 CN CN202011022431.XA patent/CN112132620B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109040324A (zh) * | 2018-10-30 | 2018-12-18 | 上海碧虎网络科技有限公司 | 车载数据服务推广方法、装置及计算机可读存储介质 |
CN110310196A (zh) * | 2019-06-17 | 2019-10-08 | 平安普惠企业管理有限公司 | 产品需求申请方法、装置、计算机设备和存储介质 |
CN111680908A (zh) * | 2020-06-05 | 2020-09-18 | 河海大学常州校区 | 一种基于Kano模型的消费电子产品设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112132620A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10459971B2 (en) | Method and apparatus of generating image characteristic representation of query, and image search method and apparatus | |
US8972410B2 (en) | Identifying related objects in a computer database | |
CN107590128B (zh) | 一种基于高置信度特征属性分层聚类方法的论文同名作者消歧方法 | |
CN103617230B (zh) | 一种基于微博的广告推荐方法及*** | |
CN109376352B (zh) | 一种基于word2vec和语义相似度的专利文本建模方法 | |
CN105260437B (zh) | 文本分类特征选择方法及其在生物医药文本分类中的应用 | |
CN107066555B (zh) | 面向专业领域的在线主题检测方法 | |
CN108763590B (zh) | 一种基于双变加权核fcm算法的数据聚类方法 | |
CN103473327A (zh) | 图像检索方法与*** | |
Zhang et al. | A new unsupervised feature ranking method for gene expression data based on consensus affinity | |
CN106934005A (zh) | 一种基于密度的文本聚类方法 | |
KR20190128246A (ko) | 검색 방법 및 장치 및 비-일시적 컴퓨터-판독가능 저장 매체 | |
CN110956210A (zh) | 一种基于ap聚类的半监督网络水军识别方法及*** | |
CN103577472B (zh) | 个人信息获得、推定、商品的分类、检索方法及*** | |
CN114003636A (zh) | 一种基于变量相关性的多元时间序列相似性搜索方法 | |
CN108984711A (zh) | 一种基于分层嵌入的个性化app推荐方法 | |
CN110019646B (zh) | 一种建立索引的方法和装置 | |
Chen et al. | Learning category distance metric for data clustering | |
CN106919647B (zh) | 一种基于聚类的网络结构相似性推荐方法 | |
Bassiou et al. | Greek folk music classification into two genres using lyrics and audio via canonical correlation analysis | |
CN109344331A (zh) | 一种基于在线社会网络的用户情感分析方法 | |
CN112132620B (zh) | 一种潜在需求发现方法、装置、设备及介质 | |
CN109871486B (zh) | 社交媒体环境下领先市场的产品需求分析方法和*** | |
CN106294295A (zh) | 基于词频的文章相似度识别方法 | |
CN114298020B (zh) | 一种基于主题语义信息的关键词向量化方法及其应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |