文档介绍：该【基于大数据用户画像和KJ-AHP法的用户需求研究 】是由【科技星球】上传分享，文档一共【17】页，该文档可以免费在线阅读，需要了解更多关于【基于大数据用户画像和KJ-AHP法的用户需求研究 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。基于大数据用户画像和KJ-AHP法的用户需求研究
 
 
尹璐 何人可 郝涔钧
Key:双钻石模型大数据用户画像KJ亲和图法AHP层次分析法用户需求
:TB47:A
:1003-0069(2022)01-0082-04
引言
用戶需求是产品设计环节的开始,也是成功设计产品的前提。随着社会经济的发展,人们的需求开始不断变化,一成不变的设计早已不能满足用户的需求,用户需求的研究也显得愈发重要。
国外较早地开始了对用户需求的研究,比较著名的理论与方法包括马斯洛需求层次理论、Kano需求模型、AHP层次分析法、用户参与的需求获取研究方法以及快速深入的用户需求研究法等。而在国内对用户需求的研究主要从用户需求建模、用户需求的获取表现、以及用户需求重要性三种角度进行研究。现有的用户需求研究方法主要以用户需求作为独立的研究对象,例如Kano模型和AHP层次分析法都是对已获取的用户需求进行优先级的比较和排序,较少有研究从用户需求获取之前到用户需求整合产出的完整的研究方法,存在一定的不完整和局限性。
本文建立了以大数据用户画像和KJ-AHP分析法为基础的双钻石用户研究模型,并以台式一体机为例,进行了用户需求研究。以此得出有重点和针对性的用户需求优先级列表,建立了完整的用户研究流程,为用户需求的获取提供方法。
一、以双钻石模型为基础的方法论研究
本文的研究以2005年英国设计委员会演绎的设计过程基准——双钻石模型(The‘DoubleDiamond’DesignProcessModel)为参考,进行了方法论的研究。
“双钻石”模型原本是在服务设计作为一种更清晰的实践出现时而设计的,它是在产品设计、图形设计和用户体验设计的基础上发展起来的一个工具、一种思维模式或者一种结构化的设计方法[4]。将设计过程分为4个阶段:“钻石”一的“探索”和“定义”阶段用以研究与合成问题,“钻石”二的“开
发”和“交付”阶段用以构思创意和实施方案。由此直观地呈现了设计思维在设计过程中不断进行发散和收敛的转变,如图1。
以台式一体机的设计研究为例,以双钻石模型为基础,结合大数据用户画像和KJ-AHP分析法的特征创造性的将研究过程分为四个阶段,不断对数据进行发散和收敛:阶段一大数据收集、阶段二用户画像绘制、阶段三用户需求收集和阶段四用户需求归纳,如图2。以上述方法可得出更加客观的研究结果,并有助于设计的产出,具体内容将在下文进行详细阐述。
二、利用大数据用户画像筛选目标用户
大数据用户画像,是由用户在社交网络媒体中的社交关系,偏好行为等信息对用户进行标签化处理的方法,设计的初期,为帮助设计者理解用户需求,常常会采取建立用户画像的方式,整合用户信息。在2003年,Cooper曾经提出用户画像的概念,通过识别用户的典型特征,将用户的类型进行细分,将行为特征进行归类,即可发现类型用户对于产品的需求和倾向。在信息化的时代,所有人都是数据信息的提供者和使用者,在此过程中必然会留下痕迹,因此可以将用户所留下的数据信息痕迹收集起来,通过不同的特征性,就可以对用户进行用户画像的绘制,从而挖掘更有利用价值的信息。
传统的用户研究主要以定性研究为主,样本量较少,难以挖掘大数据样本下用户的普遍需求。传统的用户画像同样也以定性研究为主,主观意识过强,缺少一定的客观性。与传统以定性为主的用户研究不同,本研究以大量的数据作为基础,发散性的挖掘具有代表性的用户特征,进行大数据下的用户画像绘制,对数据进行发散和收敛,使结果更具客观性和普适性。
以台式一体机为例,在通过大量有关台式一体机的信息数据的爬取之后,进行数据整合,从而对其中的用户属性和标签进行分类划分,便于后期在线下定位特征性访谈用户。在经过多个平台的比对后,由于新浪微博平台(以下简称微博)较为公开,信息较为丰富,本次研究中的数据主要从微博中进行爬取。截止至2019年底,新浪科技公布:,。在微博用户注册时,用户个人就已经添加了大量包括年龄、地域、性别、职业等用户基本信息,以上这些结合用户发表的微博Key,就可以对用户的身份年龄和职业特征进行用户画像的绘制,由此得出使用台式、一体式电脑的用户类型,以便于我们进一步的访谈研究。
(一)阶段一-大数据收集
:爬取程序主要分为两大模块:微博内容和用户信息。、PyCharm编译程序、Redis数据库以及Mongdb数据库进行数据的爬取和整理。以台式一体机为例,通过微博爬取包含现有较为高端(价格在8000元以上的台式机或10000元以上的一体机)的台式机一体机品牌及产品的微博内容,筛选出该类用户,并爬取该类用户包含年龄、地域、性别、职业以及微博内容等信息,爬取的信息以Key形式进行整理。
:由于数据量庞大,信息繁多,大量数据在采集的过程中会存在各种问题,因此需要对数据进行清理。在爬取了20万条以上的微博数据之后,对数据进行了清理,其清理方式为加载自定义停用词库,剔除标点符号和无用的词汇(包括:“哈哈”“一台”“就是”等)。
:利用如图4所示的编码原则对爬取的数据进行了分类,将用户在微博平台中的认证信息,个人简介和微博内容进行了数据清洗和结构化,得出