价值驱动的顾客需求重要度确定方法

耿秀丽　尤星星　李易林

摘要：傳统顾客需求往往侧重于产品实物属性的表达，没有反映出顾客购买产品的真实意图和内在价值需求，不能有效地支持产品相关服务的设计。为突破传统需求分析方法的局限性，文章提出了价值驱动的顾客需求结构及其重要度确定新方法。新的顾客需求结构包含了目的、价值和需求三层结构及其内部关联关系。采用粗糙集方法确定了价值重要度、需求自相关关系以及价值和需求之间关联关系的取值，通过建立价值和需求映射模型将价值重要度转换为顾客需求重要度。以水平定向钻机需求分析为例验证了所提方法的正确性和有效性。

关键词：顾客价值；顾客需求结构；需求重要度；映射模型；粗糙集

顾客需求分析是产品和服务开发的主要依据。顾客需求重要度的确定方法建立在顾客需求结构的基础上。传统顾客需求结构是顾客对产品需求的层次分解，顾客需求往往侧重于产品实物属性的表达。然而，顾客购买产品的内在原因是对价值的追求，产品只是实现顾客价值的一种形式。因而传统顾客需求没有反映出顾客购买产品的真实意图和内在价值需求，不能有效地支持产品相关服务的设计。顾客价值理论是近年来营销学领域研究的热点，它从更高的价值层面分析顾客购买意图，是顾客满意和顾客忠诚的内在驱动力，为顾客需求研究提供了新的思路和方法。根据顾客价值理论，构建了移动通信服务的目的-价值模型，依据模型进行顾客细分。

层次分析法常用于顾客需求重要度确定过程中，它两两比较的过程很繁琐，带有很强的主观性，不能处理同层次需求的相关关系。采用人工神经网络分析法确定需求重要度虽然能够处理需求之间的相关关系，但是它和层次分析法共同的局限性在于需要基于完全和分明的顾客需求结构，然而建立精确的顾客需求结构是很困难的。在信息处理方面，精确数字表达的评价值难以真实反映模糊的需求信息。模糊集方法在处理需求信息模糊性和不确定性方面有优势，但是需要事先确定模糊术语的隶属度函数等先验信息，而这些信息的确定带有很强的主观因素。粗糙集是一种新的处理模糊和不确定性的数学工具，李延来等人利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重要度，取得了很好的效果。

本文首先依据顾客价值理论，提出价值驱动的顾客需求结构，该结构包含目的、价值和需求三层结构及其内部关联关系。然后在该需求结构的基础上提出了价值驱动的顾客需求重要度确定方法，该方法分为两部分：确定价值重要度；建立价值和需求映射模型，将价值重要度转换为需求重要度。为应对层次间关系的模糊和不确定性，采用粗糙集方法分别确定了价值重要度、需求自相关关系以及价值和需求之间关联关系的取值。

一、总体思想

（一）顾客需求重要度求解思路

顾客价值是企业获取市场竞争力的源泉。美国田纳西大学的Robert B.Woodruff教授创新性地将消费者行为学中的手段-目的链的思想引入顾客价值理论研究，提出了顾客价值层次模型。本文在此模型基础上提出了价值驱动的顾客需求结构模型，包括目的层、结果层和属性层三个层次。顾客在需求目的的驱使下，产生结果层价值期望；在价值的进一步引导下，提出顾客需求。需求之间存在自相关关系，而且针对不同价值，需求自相关关系的取值存在差异。

价值驱动的顾客需求重要度确定方法的过程分为两部分：确定价值重要度和将价值重要度转换为顾客需求重要度。第一部分的实现根据目的和价值的关联关系；第二部分的实现依据价值和需求映射模型。为了避免对称方式处理需求自相关关系可能带来的不精确结果，该模型的需求自相关关系矩阵为不对称矩阵。另外，针对不同的价值，需求自相关关系的取值存在差异，因此需求自相关关系矩阵不是只有一个，数量等于价值的数量。

四、价值和需求之间关联关系取值的确定

六、应用实例

下面以水平定向钻机需求分析的实例，验证所提价值驱动的顾客需求重要度确定方法的正确性和有效性。

七、结论

在顾客需求分析过程中，确定顾客需求重要度是一个关键步骤。本文提出了价值驱动的顾客需求重要度确定方法。该方法基于价值驱动的顾客需求结构，建立了价值和需求映射模型。该模型的输入为价值重要度、需求自相关关系矩阵以及价值和需求关联关系矩阵，输出为顾客需求重要度。根据顾客调研数据建立相应的信息系统，采用粗糙集方法分别确定价值重要度、需求自相关关系以及价值和需求关联关系的取值。

该方法不依赖于精确的需求结构，能有效整合价值驱动顾客需求结构的要素和内部关系，不需要处理数据以外的先验知识，减少了主观因素和模糊性因素的影响，使顾客需求重要度趋于真实和可靠。下一步的研究将针对如何实现顾客需求向产品和服务工程特性的映射，确定产品和服务工程特性的重要度。实例研究表明，该方法在产品服务趋于融合设计的形势下具有可行性和有效性，有助于企业开发出具备更强市场竞争力的产品和服务方案。

参考文献：

[1]Chen C H，Khoo L P，Yan W.A strategy for acquiring customer requirement patterns using laddering technique and ART2 neural network[J]. Advanced Engineering Informatics，2002（16）.

[2]Kwong C K， 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（01）.

[3]Spiteri J M， Dion P A. Customer value， overall satisfaction， end-user loyalty， and market performance in detail intensive industries[J]，Industrial Marketing Management，2004（33）.

[4]魏敏，李江，万映红.基于目的-价值的客户需求建模研究与实证[J].清华大学学报，2006，（S1）.

[5]Lin M C， Wang C C，Chen M S， et al. Using AHP and TOPSIS approaches in customer-driven product design process [J].Computers in Industry， 2008（59）.

[6]Chan L K， Wu M L. A systematic approach to quality function deployment with a full illustrative example[J].Omega，2005（01）.

[7]Mikhailov L.Deriving priorities from fuzzy pairwise comparison judgments [J].Fuzzy Sets and Sytems，2003（134）.

[8]Pawlak Z.A Rough Set View on Rayestheorem [J]. International Journal of Intelligent Systems，2003（05）.

[9]李延来，唐加福，蒲云等.质量功能展开中顾客需求的排序算法[J].计算机集成制造系统，2007（06）.

[10]Woodruff R B.customer value： The next source for competitive advantages[J].Journal of the Academy of Marketing Science，1997（02）.

[11]李延來，唐加福，姚建明等.质量功能配置中工程特性最终重要度的确定方法[J].机械工程学报，2007（04）.

[12]Moskowitz H， Kim K J. QFD optimizer： a novice friendly quality function deployment decision support system for optimizing product designs[J].Computers and Industrial Engineering， 1997（03）.

[13]Chan L K， Wu M L. A systematic approach to quality function deployment with a full illustrative example [J]. Omega， 2005（01）.

（作者单位：上海理工大学管理学院）