作者简介:陈星宇(1983—),女,深圳大学讲师、博士.研究方向:客户需求管理、大数据营销、网络营销及新产品创新.E-mail:celine@szu.edu.cn
中文责编:方 圆; 英文责编:淡 紫
1)深圳大学管理学院,广东深圳 518060; 2)深圳大学人因工程研究所,广东深圳 518060
1)College of Management, Shenzhen University, Shenzhen 518060, Guangdong Province, P.R.China2)Institute of Human Factors and Ergonomics, Shenzhen University, Shenzhen 518060, Guangdong Province, P.R.China
marketing; user research; innovative users; involvement-emotion-cognition framework; keyword extraction; innovation index
DOI: 10.3724/SP.J.1249.2018.04426
随着互联网行业的兴起,新兴企业对产品创新需求日趋强烈. 从海量潜在在线用户中识别创新用户并获取其对新产品的需求,是企业进行产品创新的一个有效途径.然而基于现有用户特征理论和市场细分模型并不能自动有效识别创新用户.因此,本研究基于用户创新特征的3个维度(参与、情感和认知),构建一个可预测在线社区用户创新性的综合细分框架.此框架通过提取与用户创新特征相关联维度,结合本研究挖掘方法处理海量在线用户数据,计算出用户的创新等级预测用户创新性,从而有效识别不同创新能力的在线用户群体. 通过对某在线社区的例证分析,证实该框架有效可为.
With the development of the internet industry in recent years, the demand for product innovation is increasing in emerging enterprises, from large potential online users and acquiring their demand for new products is an effective way for enterprises to innovate their products. However, existing market theories and segmentation models fail to achieve such purpose. This study proposes an integrated customer segmentation framework for the prediction of innovative users based on three user innovation characteristics(i.e., involvement, emotion and cognition). Combining text mining methods, this framework is able to predict innovative users from massive online user data by calculating the users' innovation level based on extracted users' innovation features. At last, a case study with data from a well-known Chinese online user-generated-content community is conducted and verifies the effectiveness of the proposed framework.
随着Web 2.0的深入,在现代新兴企业中,产品创新模式已从传统的生产商主导逐渐转变为用户主导.用户既是创新需求者,也是创新来源.因此,对现代企业来说,寻找创新用户,挖掘创新用户的需求是减少创新不确定性、降低研发成本、提高新产品开发成功率以及提高产品竞争力的有效途径.
早在20世纪70年代,Von HIPPEL[1]就提出“用户是创新者”的革命性观点. 其后ROSENBERG[2]提出“用中学”的概念,即通常由用户在使用产品时执行问题的求解任务.LEE[3]也证实,在日本机械工具创新中用户起着十分重要的作用.然而,对创新用户的研究目前还仅停留在理论阶段,包括对创新用户的概念界定(如定义领先用户、早期采用者及产品不满用户等[4])、对创新用户在新产品开发过程中的潜在作用研究(如基于用户创新工具箱的产品创新方法[5])以及对创新用户的特征分析(如将创新用户的特征分类[6])这3个方面.另外,还有少量研究通过结合产品设计领域和用户创新领域的用户特征来区分不同类型的用户[7].总之,这些研究并没有指出哪些特定的用户特征可用来区分创新用户和非创新用户,以及区分其创新能力[8].目前研究缺乏一个系统、完整的框架来科学指导企业进行创新用户识别和定位,以及区分用户的创新能力.
从市场营销的角度看,创新用户属于一个细分市场或一类细分客户.过去研究通常利用不同细分变量对顾客进行细分[9-10].细分变量通常被定义为一组选定的属性,如生活方式、心理特征、人口特征及使用行为等.利用这些特定的属性,相似的个体被分到同一组中[11].CAHILL[9]提出,细分变量可分为物理属性变量(如地理位置和人口特征等)和行为属性变量(如生活方式、生活状态、心理特征和使用行为等).JOONA等[12]根据社会和经济等物理细分变量对消费者进行分组.而BECKER等[13]基于性格变量这种行为属性划分消费者市场.KOTLER[14]使用物理和行为属性变量(即利用地理、人口、心理及行为)进行细分市场划分.而在营销实务中,最常应用的细分变量是人口、地理和经济变量,以及心理特征和价值观等[15].对市场细分的研究有助于企业开发针对不同用户群体的营销策略[16].如企业通过市场细分与定位满足不同细分用户的需求,且进行差异化的营销战略,或通过市场细分和目标用户定位来提高客户价值[17].但这些研究并未针对用户的创新性进行细分研究.
本研究基于创新用户特征,提出利用参与、情感和认知3个重要的用户创新特征,构建一个可识别在线创新用户的综合细分框架.基于此框架,结合本研究的挖掘方法计算用户创新等级,识别不同创新能力的创新用户,以指导企业利用海量网络文本数据定位创新用户这一细分群体.相比以往研究,本研究框架在识别创新用户的同时,还能区分出不同创新能力的创新用户,帮助企业找到潜在创新用户.与此同时,本研究也为客户细分领域提供一种新的细分变量,为客户细分的后续研究提供了新思路.
图1为本研究基于用户创新性建立的细分框架,过程分为:① 提取创新用户的三维特征; ② 计算特定用户群体的创新等级; ③ 根据创新等级将用户划分为不同的细分群体.
通过对现有创新用户文献的梳理和分析,提取与用户创新相关的若干特征变量,包括用户专业度、知识与经验、心理动机与情感、体验经验、反馈与投入等变量.根据经典的ABC态度模型可知,作为消费者的用户分别从情感、行为和认知层面与产品形成关联[18].因此,对以上与用户创新性相关的变量,同样可以从这3个层面进行归类,如用户专业度、知识与经验变量就属于认知层面的变量,而心理动机与情感、体验经验则属于情感层面.最终,通过对这些变量进行结构化归类,形成能够全面、准确预测用户创新性的一种用户细分框架,即参与-情感-认知框架,如图2.
参与是指用户在产品购买和使用过程中与产品互动的体验和经验.具体体现为用户在购买和使用产品时的投入程度以及对产品的反馈等.参与等级高低依赖于个人关联、感知风险和态度.低参与表明用户在与产品交互过程中没有做出多少努力.以往研究表明,体验(参与)市场细分变量是一个重要的用户创新维度[19].BOSCH-SIJTSEMA等[20]认为用户的反馈和投入(参与)与产品创新息息相关.
认知是用户自身认知能力的一个特征,体现用户知识储备、信息处理及数据分析的能力.能力强的用户处理信息迅速,更容易想到认知能力弱的用户想不到的诸多细节.通常认知能力强的用户具备一定专业知识或丰富经验.在以往的研究中,用户的专业知识(认知)是一个可以帮助企业开发与创新新产品的重要行为变量[21-22].MATTHING等[23]也提出在众多有关行为的变量中,知识和经验(认知)与创新特征的关系最紧密.因此,在识别创新用户的市场细分中,用户知识和经验至关重要.
情感指用户与产品间的情感关联,代表用户在购买使用产品中的感受,以及用户对产品的探索和创造性.情感等级高的用户对产品的关注及投入度更高,对产品创新有更强大的内在驱动力.以往研究证明用户动机(情感)市场细分变量是与创新用户特征密切相关的变量之一[8, 24-29].
基于以上3个细分维度构建用于识别创新用户的综合细分框架.通过本研究挖掘的方法处理用户数据,量化用户在3个维度上的契合程度,通过式(1)计算特定用户群体的综合创新等级,
综合创新等级 = ∑mi=1Di(1)
其中, m为细分维度(即参与、认知和情感),其最大值为3; Di为某个细分维度的等级得分值,其值分为1(指高维度)和0(指低维度).综合创新等级的分值范围为0~3,即参与、认知和情感维度分别为D1、 D2和D3, 其得分为1或0,求和后就有0、1、2及3这四种情况,体现用户的不同创新等级.
本研究通过提取用户相关需求文本中的关键词频率,计算用户特征维度的等级得分.但在这一计算过程之前,首先要形成这3个维度的关键词集,准确代表这一维度的所有高频关键词.这些关键词是通过机器学习对这一领域的用户信息文本进行关键词挖掘,并进行评估最终得到[30].因此,对于某个特定用户的需求文本,首先需要通过自然语义处理,将其分成若干字节,然后通过机器学习过程,识别出这些字节中与关键词集相匹配的关键词.只要某维度中关键词出现至少1次,此用户在此维度等级得分值为1; 否则,等级得分值为0.
根据创新等级,将用户分为创新用户和非创新用户(表1).其中,将综合创新等级分值为1、2及3的用户定义为创新用户,因为在参与-情感-认知框架中这些用户至少在1个维度上表现出创新性[19-25]; 综合创新等级分值为0的用户则被定义为非创新用户.
因此,本研究评估对象以创新用户的细分框架来对应创新用户需求.通过专家评估对创新用户的输出进行分析,从而评估创新用户细分框架的有效性,通过资深产品设计专家对不同创新需求和评价的准确度进行评分,进行相应的综合创新等级评估.评分标准采用ULRICH等[26]推荐的方法.其中,高度准确需求表明消费者必须能够以准确的方式表达对产品的需求,且所表达产品特征和术语必须同时被消费者理解接受.
本研究通过5分制的李克特量表评估所生成用户需求报表的准确性.其中,1表明参与者强烈不同意,需要声明的是几乎没有正确信息,体现错误的术语表述和需求; 5表明参与者强烈同意,要声明的是几乎没有错误信息,体现准确术语表述和需求.通过对创新用户需求声明的评价分析,验证框架的有效性.
为验证本研究所提出用户细分框架的可行性与有效性,选取中国某知名在线社区网站作为数据来源平台,以2005—2016年在线社区注册用户为研究对象.首先,随机选取200名用户作为研究样本; 然后,通过网络爬虫文本提取出这200名用户在首页的自我描述部分及其在社区里所发表的评论作为本例的原始数据(用户ID、用户自我描述关键词、用户发表的影评及书评数,请扫描论文末页右下角二维码查看); 最后,通过自然语义处理技术对原始数据进行预处理,使文本数据转换为更加容易识别的字节,并结合每位用户的评论数形成相应的数据集.
首先,利用本研究提出的框架以及本例选取的样本数据对样本用户进行分类.具体步骤如下:
1)基于主题特征的关键词抽取方法[26]定义本研究框架的3个维度——参与、认知及情感的相应关键词; 通过这些定义的关键词,利用人工智能技术在样本用户的自我描述数据中进一步选取与3个维度相对应的关键词; 最后,这些关键词形成每个维度在社区中所对应的关键词集.例如,在用户的自我描述中出现“我喜欢科幻”,其中,“喜欢”一词被归入情感维度的关键词集.
2)通过样本用户的自我描述数据与每个维度的关键词集进行匹配,来确定该用户是否具备此维度的特征.具体判别标准为:若某用户自我描述数据中的字节在某维度的关键词集中出现的词频大于1,则认为该用户具备这一维度特征.通过这一过程,确定每位用户与框架中3个维度的对应程度.
3)判定每位用户的综合创新等级,将用户的综合创新程度量化; 本研究提出的用户分类标准将用户归为4类综合创新等级中.上述部分实现了根据本研究框架对社区用户进行分类的过程,体现了框架的可行性.
以下验证这一结果的有效性.根据某用户发表的评论数量及其内容来验证步骤3)中得到的分类结果.在此例证中社区用户所发表的评论是对社区平台的创新需求和评价输出[27].专家在本例分类结果基础上,根据用户评论需求和评价准确度,进行打分和创新等级评估,从而验证其有效性,见表2.
由表2可见,匹配度为专家分析法得出的用户数与本研究框架分析得出的用户数的比值.在创新用户中,各分类匹配度均在70%以上.在非创新用户中,匹配度为83%.而传统的领先用户识别方法如问卷、衡量顾客能力法及模糊综合法方式不仅耗时耗力,且识别准确率不足1/3[29-30],可见相比传统的创新用户识别过程,本框架在整体识别创新用户上的效率更高.
本研究根据用户的3个重要创新特征变量,提出一种用于识别创新用户的3维用户细分框架(即参与-情感-认知框架).通过与专家评估法进行比较,本案例验证了从在线社区用户需求文本信息中预测创新用户的框架的有效性.由于网上信息很容易收集和处理,且自然语言处理工具也易获取和实现,因此,本方法在时间和成本方面均有优势.另外,从例证分析结果可见,创新等级为3的创新用户人数比例很小.本研究中所提出的其他类型创新用户人数比例相对较大,且具有创新特征,与传统方式相比,本研究能发现大规模、有潜力的在线创新用户.因此,在实践意义上本研究框架能够快捷有效地帮助企业找到不同等级的创新用户,以指导企业的新产品开发; 在理论意义方面,这一框架的提出为客户细分领域提供一种新的细分变量,为客户细分的后续研究提供新思路.
值得一提的是,除根据创新等级值对用户进行等级分类外,未来研究还可进一步从各个等级维度探讨用户的细分情况.例如,可具体考察用户在各个维度上的创新等级得分高低,将用户预定义为不同类型,具体可分为:
领先的创新者.领先的创新者指对产品参与度高、认知力强和情感深,即在3个维度上的得分都高的用户.这个群体与过去研究中所提出的领先用户相似.领先的创新者经常使用产品,对产品的兴趣强烈,对产品相关知识非常了解,因此,极有可能预见产品未来的使用契机.领先的创新者是理想的创新源,但其数量稀少.普通公司很少能投入足够的时间和财力去寻找他们.
业余的革新者.业余的革新者是指思考能力强,情感丰富的用户.由于具有较强的思考能力,这类革新者比思考能力弱的用户处理信息更快,对产品的思考更加具体.业余的革新者同样有动机参与到产品创新的设计过程中来.
热忱的创新者.热忱的创新者是指参与高,情感丰富的用户.热忱的创新者参与产品互动并以此来满足自身利益,有参与产品创新的动机.即使这类用户没有系统的专业知识,但仍可以通过与设计者交流和学习获得所需的专业知识.
投入的创新者.投入的创新者指参与度高,认知能力强的用户.高参与意味着此类创新者与产品的互动十分密切,且可以轻易处理有关产品的大量信息,甚至能对产品的诸多细节提出建设性的意见.拥有如此强的能力和大量专业知识,这类用户会成为称职的产品专家.他们通常是产品相关领域或在产品相关领域拥有大量的经验的专业人员.
中性的创新者.中性的创新者是满足在3个维度中其中1个维度得分高,其余维度得分低的用户.本研究将其归类为间接创新者,即在所提出的框架内可能不需要直接参与,也可能不需要提供输入或反馈.他们虽然在某些维度上展示了创新者的特征,但总的来说其创新性相比其他创新用户仍不足.然而从他们身上还是可能发掘一些潜在的设计思路,也可以作为样本来分析用户行为.
消极的创新者.消极的创新者指的是在3个维度得分都低的创新者.消极的创新者通常只是用产品来满足自身基本需求,对产品的相关知识知之甚少.由于他们对产品的使用通常浮于表面,因此参与度低,从而导致他们对新产品创新的贡献也很少.
另外,本研究未在所提的3个维度变量中进行创新等级的横向比较,即没有预定义其不同权值,而在不同场景与产品类别中,这3个维度是否在创新等级上有差异,值得进一步探讨.
与此同时,未来研究可对电商进行分析,并把研究对象扩展到消费产品等其他产品类别.这种扩展可以从不同的角度帮助识别创新用户.未来的研究还包括将现有的用户细分框架嵌入到实际的产品开发中,并且根据细分结果定制不同的用户创新策略,后者的工作能够帮助应对在产品设计领域中由于既定资源短缺所引起的问题.
深圳大学学报理工版
JOURNAL OF SHENZHEN UNIVERSITY SCIENCE AND ENGINEERING
(1984年创刊 双月刊)
主 管 深圳大学
主 办 深圳大学
编辑出版 深圳大学学报理工版编辑部
主 编 阮双琛
国内发行 深圳市邮电局
国外发行 中国国际图书贸易集团有限公司(北京399信箱)
地 址 北京东黄城根北街16号
邮 编 100717
电 话 0755-26732266
0755-26538306
Email journal@szu.edu.cn
标准刊号 ISSN 1000-2618
CN 44-1401/N