基于客户声音VOC的产品评分方法和装置与流程

本发明涉及汽车工程技术领域，尤其涉及一种基于客户声音voc的产品评分方法和装置。

背景技术：

随着汽车工程技术的发展，汽车在国内的人均保有量持续增加。在新车型的研发过程中，前期需要进行市场调研。

但是，汽车的目标用户和研发技术人员之间，由于专业度的不同，沟通效率不高，用户需求不能很好地转化为技术语言。同时，工程技术指标中的性能参数会有矛盾冲突，例如，当一项性能参数的值增大，会对另一项性能参数的值产生影响。在整车设计过程中，对车型的性能参数进行评分的效果不佳，且受技术人员的主观判断的影响较大，稳定性差。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于客户声音voc的产品评分方法，能够有效提升汽车工程技术领域中产品评分的客观性和可参考性，提升评分效果。

本发明的另一个目的在于提出一种基于客户声音voc的产品评分装置。

为达到上述目的，本发明第一方面实施例提出的基于客户声音voc的产品评分方法，包括：确定待评分产品的多个性能参数，并确定对所述待评分产品进行评分的多个评分项；基于所述多个性能参数和所述多个评分项生成模糊转化模型，并确定所述模糊转化模型对应的评分模型；基于蚁群算法从所述待评分产品的多个技术目标值确定出每个性能参数的目标值；根据所述每个性能参数的目标值及所述评分模型对待评分产品进行评分。

本发明第一方面实施例提出的基于客户声音voc的产品评分方法，通过确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项，基于多个性能参数和多个评分项生成模糊转化模型，并确定模糊转化模型对应的评分模型，基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值，以及根据每个性能参数的目标值及评分模型对待评分产品进行评分，能够有效提升汽车工程技术领域中产品评分的客观性和可参考性，提升评分效果。

为达到上述目的，本发明第二方面实施例提出的基于客户声音voc的产品评分装置，包括：第一确定模块，用于确定待评分产品的多个性能参数，并确定对所述待评分产品进行评分的多个评分项；生成模块，用于基于所述多个性能参数和所述多个评分项生成模糊转化模型，并确定所述模糊转化模型对应的评分模型；第二确定模块，用于基于蚁群算法从所述待评分产品的多个技术目标值确定出每个性能参数的目标值；评分模块，用于根据所述每个性能参数的目标值及所述评分模型对待评分产品进行评分。

本发明第二方面实施例提出的基于客户声音voc的产品评分装置，通过确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项，基于多个性能参数和多个评分项生成模糊转化模型，并确定模糊转化模型对应的评分模型，并基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值，以及根据每个性能参数的目标值及评分模型对待评分产品进行评分，能够有效提升汽车工程技术领域中产品评分的客观性和可参考性，提升评分效果。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明一实施例提出的基于客户声音voc的产品评分方法的流程示意图；

图2是本发明另一实施例提出的基于客户声音voc的产品评分方法的流程示意图；

图3是本发明一实施例提出的基于客户声音voc的产品评分装置的结构示意图；

图4是本发明另一实施例提出的基于客户声音voc的产品评分装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

图1是本发明一实施例提出的基于客户声音voc的产品评分方法的流程示意图。

本实施例以该基于客户声音voc的产品评分方法被配置为基于客户声音voc的产品评分装置中来举例说明。

进一步地，该基于客户声音voc的产品评分装置可以设置在电子设备中。

其中，电子设备例如为个人电脑(personalcomputer，pc)，云端设备或者移动设备，移动设备例如智能手机，或者平板电脑等。

需要说明的是，本发明实施例的执行主体，在硬件上可以例如为电子设备中的中央处理器(centralprocessingunit，cpu)，在软件上可以例如为电子设备中的基于客户声音voc的产品评分类的应用程序，对此不作限制。

参见图1，该方法包括：

s11：确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项。

其中，待评分产品可以例如为，汽车工程技术领域中的产品，具体例如为，汽车，或者，也可以用于其它产品，对此不作限制。

本发明实施例以该基于客户声音voc的产品评分方法应用于汽车中进行示例。

其中，性能参数可以例如为车辆中的工程性能参数，具体可以例如为，制动性能相关的工程性能参数、操控性能相关的工程性能参数，或者动力性能相关的工程性能参数，对此不作限制。

评分项可以具体为用于表征用户对汽车的满意度性能指标项，具体可以例如为，车型喜好、外观造型设计、舒适度、安全性感知度、空调及信息娱乐系统等的满意度，对此不作限制。

在本发明的实施例中，可以预先设置一些评分项，以基于该评分项建立模糊转化模型，量化了用户的满意度性能指标项，提升产品评分的客观性和可参考性。

可选地，在本发明的实施例中，可以对所采集到的评分参考数据进行统计，确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项。

其中，评分参考数据可以包括用户的特征数据和购买行为特征数据，该用户的特征数据和购买行为特征数据可以被称为客户声音voc。

例如，评分参考数据可以是由用户通过填写问卷调查表的形式获取的。

通过采集客户声音voc，并基于所采集到的评分参考数据进行统计，使得汽车的最终用户高效地参与市场调研，能够保障用户的需求较好地转化为技术语言。

s12：基于多个性能参数和多个评分项生成模糊转化模型，并确定模糊转化模型对应的评分模型。

在本发明的实施例中，模糊转化模型可以是基于模糊关系矩阵建立的，其中，模糊关系矩阵中的元素，可以用于表征每个性能参数与评分项之间的相关性。

在本发明的实施例中，模糊转化模型可以与对应的评分模型呈线性相关性，能够有效保障基于模糊转化模型进行评分的可参考性。s13：基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值。

可以理解的是，工程技术指标中的性能参数会有矛盾冲突，例如，当一项性能参数的值增大，会对另一项性能参数的值产生影响，因此，在本发明的实施例中，可以在模糊转化模型的基础上，基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值，其中，多个性能参数的目标值的组合，表征在该组合下，待评分产品的性能最佳。s14：根据每个性能参数的目标值及模糊转化模型对待评分产品进行评分。

在本发明的实施例中，可以将s13中获取到的每个性能参数的目标值，代入s12中建立的评分模型中，确定出对待评分产品进行评分的评分结果，实现简便，且精准度高。

本实施例中，通过确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项，基于多个性能参数和多个评分项生成模糊转化模型，并确定模糊转化模型对应的评分模型，基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值，以及根据每个性能参数的目标值及评分模型对待评分产品进行评分，能够有效提升汽车工程技术领域中产品评分的客观性和可参考性，提升评分效果。

图2是本发明另一实施例提出的基于客户声音voc的产品评分方法的流程示意图。

参见图2，该方法包括：

s21：确定多个专业，及多个能力等级。

在新车型的研发过程中，前期需要进行市场调研，由于汽车的目标用户和研发技术人员之间，由于专业度的不同，沟通效率不高，用户需求不能很好地转化为技术语言。

因此，在本发明的实施例中，可以预先确定待评分产品进行评分的技术人员所属的专业，该专业的个数可以是至少一个，以及预先确定技术人员的能力等级，其中，该能力等级可以是根据技术人员的业务能力预先评定的。

s22：根据技术人员的历史评分数据，对每个专业设置对应的专业权重系数，以及对每个能力等级设置对应的能力权重系数。

在本发明的实施例中，历史评分数据可以例如为，相关技术中，技术人员对多个评分项进行评分的数据，对此不作限制。

在本发明的实施例中，通过对每个专业设置对应的专业权重系数，以及对每个能力等级设置对应的能力权重系数，使得汽车研发的技术人员高效地参与市场调研，提升评分效果。

例如，专业权重系数可以用q表示，能力权重系数可以用k表示。

s23：对所采集到的评分参考数据进行统计，确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项。

其中，性能参数可以例如为车辆中的工程性能参数，具体可以例如为，制动性能相关的工程性能参数、操控性能相关的工程性能参数，或者动力性能相关的工程性能参数，对此不作限制。

在本发明的实施例中，多个性能参数可以是根据j.d.power数据库中的apeal指标以客户角度进行分解得到的，可参考性高。

评分项可以具体为用于表征用户对汽车的满意度性能指标项，具体可以例如为，车型喜好、外观造型设计、舒适度、安全性感知度、空调及信息娱乐系统等的满意度，对此不作限制。

其中，评分参考数据可以包括用户的特征数据和购买行为特征数据，该用户的特征数据和购买行为特征数据可以被称为客户声音voc。

用户的特征数据可以例如为，人口学统计特征、社会学统计特征、经济学统计特征，以及汽车消费特征等，对此不作限制。

其中，人口学统计特征可以例如为用户的性别、年龄等。

社会学统计特征可以例如为用户的学历、婚姻状况、户籍所在区域等。

经济学统计特征可以例如为用户的职业、家庭收入等。

汽车消费特征可以例如为用户的购车类型、驾驶经验、信息获取渠道等。

购买行为特征数据可以例如为，购车动机、品牌选择驱动因素、购车对比车型，以及购买考虑因素等，对此不作限制。

其中，购车动机可以例如为家庭日常生活、上下班代步、业务需要等。

品牌选择驱动因素可以例如为自主品牌，合资品牌，外资品牌等。

购买考虑因素可以例如为品牌、产品、价格、售后服务等。

进一步地，评分参考数据可以是由用户通过填写问卷调查表的形式获取的。

进一步地，在本发明的实施例中，还可以通过多种方式采集评分参考数据(客户声音voc)，例如，不仅仅通过引导用户填写问卷调查表，还可以采用从用户角度静态评价和动态评价的方式采集评分参考数据(客户声音voc)，数据采集范围广泛，通过采集客户声音voc，并基于所采集到的评分参考数据进行统计，使得汽车的最终用户高效地参与市场调研，能够保障用户的需求较好地转化为技术语言。

例如，可以采用集合表示多个性能参数，即，u＝[u1,u2,...,up]，其中，up表示第p个性能参数，下标p表示性能参数的索引，可以采用集合表示多个评分项，即，v＝[v1,v2,...,vm]，其中，vm表示第m个评分项，下标m表示评分项的索引。

s24：基于多个性能参数和多个评分项建立模糊关系矩阵。

例如，基于多个性能参数u＝[u1,u2,...,up]和多个评分项v＝[v1,v2,...,vm]，可以建立模糊关系矩阵，即：

其中，模糊关系矩阵r中的元素rpm，可以用于表征性能参数p与评分项m之间的相关性。

在本发明的实施例中，在建立模糊关系矩阵之后，可以进一步确定模糊关系矩阵r中的元素rpm的值，详见下述步骤。

s25：根据对待评分产品进行评分的技术人员所属专业对应的专业权重系数、以及技术人员所属能力等级对应的能力权重系数确定模糊关系矩阵中每个元素的值。

在新车型的研发过程中，前期需要进行市场调研，由于汽车的目标用户和研发技术人员之间，由于专业度的不同，沟通效率不高，用户需求不能很好地转化为技术语言。

因此，在本发明的实施例中，可以预先根据历史评分数据确定待评分产品进行评分的技术人员对模糊关系矩阵r中的元素rpm进行评分的相关性评分矩阵x，其中，

其中，相关性评分矩阵x中的元素xpm，可以用于表征技术人员对性能参数p与评分项m之间的相关性的评分值。

例如，专业权重系数可以用q表示，能力权重系数可以用k表示。

进一步地，根据技术人员所属专业对应的专业权重系数、以及技术人员所属能力等级对应的能力权重系数确定模糊关系矩阵中每个元素的值，即通过采用公式确定模糊关系矩阵中每个元素的值。

s26：根据每个元素的值、及多个性能参数和多个评分项生成模糊转化模型，并确定模糊转化模型对应的评分模型。

在本发明的实施例中，可以预先确定误差风险评价系数l，该误差风险评价系数l可以用于表征对每个评分项进行评分的误差值，具体可以是根据实际经验值所确定的，对此不作限制。

进一步地，通过建模得到的模糊关系矩阵r，以及误差风险评价系数l，根据以下公式确定模糊转化模型u＝gv，其中：

其中，k＝1,2,...,λ，λ表示技术人员的人数，g表示模糊转化模型中根据模糊关系矩阵r确定的模糊转化系数。

基于模糊转化模型建立得到对应的评分模型可以例如为：

b＝αu+βv；

其中，b为评分模型，由上述u＝gv推导得代入b＝αu+βv；得到α和β分别为根据实验确定的权重系数。

通过不仅仅使汽车的最终用户高效地参与市场调研，还使汽车研发的技术人员高效地参与市场调研，且将对每个评分项进行评分的误差值纳入考量的范畴，进一步有效提升汽车工程技术领域中产品评分的客观性和可参考性，提升评分效果。

s27：基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值。

可以理解的是，工程技术指标中的性能参数会有矛盾冲突，例如，当一项性能参数的值增大，会对另一项性能参数的值产生影响，因此，在本发明的实施例中，可以在模糊转化模型的基础上，基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值，其中，多个性能参数的目标值的组合，表征在该组合下，待评分产品的性能最佳。

其中，蚁群算法是一种用来在图中寻找优化路径的机率型算法。

作为一种示例，基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值的步骤可以参考如下：

1、将汽车研发中多个子系统对应的多个技术目标值离散化为标称值序列，并将标称值序列中的每个值映射到蚁群算法的构造图中。

2、初始化每个蚁群节点的信息素为τ0，初始化n只蚂蚁用于搜索最优的目标值的组合，并设置循环次数g＝1。

3、通过配置每只蚂蚁，根据蚁群节点上的信息素大小依次为每个子系统选取一个标称值，从而形成一条路径，其中，在选取过程中，信息素越大的蚁群节点被选取的概率较高，反之越小。

4、当n只蚂蚁构造完路径之后，将每条路径的技术目标值代入模糊转化模型中求解，计算得到的值最大时，对应的路径最佳。

5、更新蚁群节点的信息素，对于较优的预设个数条的路径上的蚁群节点的信息素进行加强，对其余路径上蚁群节点的信息素进行减弱。

6、对基于蚁群算法所选择的历史最佳路径进行局部更新。

7、g＝g+1，若g>gmax，其中，gmax为迭代次数阈值，，则结束蚁群算法的迭代过程，并输出最优的技术目标值取值并作为性能参数的目标值；否则，返回步骤3，持续迭代。

s28：根据每个性能参数的目标值及评分模型对待评分产品进行评分。

在本发明的实施例中，可以将s27中获取到的每个性能参数的目标值，即，u＝[u1,u2,...,up]中每个元素的目标值，代入s26中建立的评分模型中，确定出对待评分产品进行评分的评分结果，实现简便，且精准度高。

本实施例中，通过对每个专业设置对应的专业权重系数，以及对每个能力等级设置对应的能力权重系数，使得汽车研发的技术人员高效地参与市场调研，提升评分效果。多个性能参数可以是根据j.d.power数据库中的apeal指标以客户角度进行分解得到的，可参考性高。通过采集客户声音voc，并基于所采集到的评分参考数据进行统计，使得汽车的最终用户高效地参与市场调研，能够保障用户的需求较好地转化为技术语言。通过不仅仅使汽车的最终用户高效地参与市场调研，还使汽车研发的技术人员高效地参与市场调研，且将对每个评分项进行评分的误差值纳入考量的范畴，进一步有效提升汽车工程技术领域中产品评分的客观性和可参考性，提升评分效果。通过确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项，基于多个性能参数和多个评分项生成模糊转化模型，并确定模糊转化模型对应的评分模型，基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值，以及根据每个性能参数的目标值及评分模型对待评分产品进行评分，能够有效提升汽车工程技术领域中产品评分的客观性和可参考性，提升评分效果。

图3是本发明一实施例提出的基于客户声音voc的产品评分装置的结构示意图。

参见图3，该装置300包括：第一确定模块301、生成模块302、第二确定模块303，以及评分模块304，其中，

第一确定模块301，用于确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项。

可选地，第一确定模块301具体用于：对所采集到的评分参考数据进行统计，确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项。

可选地，评分参考数据包括用户的特征数据和购买行为特征数据。

生成模块302，用于基于多个性能参数和多个评分项生成模糊转化模型，并确定模糊转化模型对应的评分模型。

可选地，一些实施例中，参见图4，生成模块302，包括：

建立子模块3021，用于基于多个性能参数和多个评分项建立模糊关系矩阵。

确定子模块3022，用于根据对待评分产品进行评分的技术人员所属专业对应的专业权重系数、以及技术人员所属能力等级对应的能力权重系数确定模糊关系矩阵中每个元素的值。

生成子模块3023，用于根据每个元素的值、及多个性能参数和多个评分项生成模糊转化模型。

第二确定模块303，用于基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值。

评分模块304，用于根据每个性能参数的目标值及评分模型对待评分产品进行评分。

可选地，一些实施例中，参见图4，该装置300还包括：

第三确定模块305，用于确定多个专业，及多个能力等级。

设置模块306，用于根据技术人员的历史评分数据，对每个专业设置对应的专业权重系数，以及对每个能力等级设置对应的能力权重系数。

需要说明的是，前述图1-图2实施例中对基于客户声音voc的产品评分方法实施例的解释说明也适用于该实施例的基于客户声音voc的产品评分装置300，其实现原理类似，此处不再赘述。

本实施例中，通过确定待评分产品的多个性能参数，并确定对待评分产品进行评分的多个评分项，基于多个性能参数和多个评分项生成模糊转化模型，并确定模糊转化模型对应的评分模型，并基于蚁群算法从待评分产品的多个技术目标值确定出每个性能参数的目标值，以及根据每个性能参数的目标值及评分模型对待评分产品进行评分，能够有效提升汽车工程技术领域中产品评分的客观性和可参考性，提升评分效果。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。