CN106339898A - 一种基于互联网大数据的产品创新方法 - Google Patents

Abstract

本发明公开了一种基于互联网大数据的产品创新方法，包括创新需求启动、市场现状分析、消费者需求分和确定产品创新可行度。通过分析市场现状获取市场机会点，然后分析消费者需求挖掘消费者痛点和未被满足的需求，再进一步结合以上两个分析结果，寻找市场机会点与消费者需求之间的结合点，从而找到创新的方向。该方法对海量的互联网数据进行了综合分析和利用，更好迎合了大众的需求，使得产品创新方向具有市场价值，并且大量节省了调研成本，可为企业决策者快速寻找创新机会点和验证创新概念提供帮助。

Description

一种基于互联网大数据的产品创新方法

技术领域

本发明属于产品创新研究领域，是一种基于互联网大数据的创新研究解决方案。

背景技术

市场上每天都有非常多的新产品面世，企业无时无刻不在投入巨大的资源生产新的产品，以满足消费者日益增长和刁钻的需求。企业一旦放弃或延缓新产品推出的步伐，很快就会被竞争对手超越，继而被消费者和市场所淘汰。然而，新产品的推出具有极大的不确定性，企业在进行创新的时候往往根据过往的经验，甚至是广撒网的方式，推出数款新产品，希望有一款能够成功。因此企业在创新的时候往往需要付出高额的成分和面临巨大的风险。

现有的创新性研究往往是采用线下调研和访谈的方式来进行，然而这种方式会面临以下的四个问题：

①成本高：传统的调研方式往往采用线下问卷和访谈的方式。要采集具有一定代表性的样本就需要有足够的工作人员去执行，同时还要保证地域代表性，需要去不同的城市进行调研。此外，给被测人员也需要额外的奖励等，因此这种方式会带来极高的成本。

②不够客观：采用线下的调研方式时，被调研者往往处于不自然的环境中，而调研者在设置访谈问题和问卷问题的时候，容易不自觉地给被调研者施加影响，影响到最后结果的客观性。

③思维局限：调研者在设置调研问题的时候，往往是根据现在已经看到的问题，同时结合自身的经验去设置。因此调研的结果只能是去检验已经想到或者是已经表露出来的问题，而真正的症结还隐藏在深处。

④代表性弱：如上文提及，由于线下调研具有非常高额的成本问题，因此调研者会限制一定的样本数量，导致样本的覆盖度和丰富度不足；同时，由于缺乏对海量数据的处理和分析能力，传统的调研方法面对海量的互联网数据只能望洋兴叹。

本发明提出了基于互联网大数据的方法用于产品创新研究，有效规避了上述传统研究会遇到的问题，同时可以解决以下三类创新型问题：(1)需要升级一款已有的产品，为升级的方向提供建议；(2)需要研制一款全新的产品，为研制的方向提供建议；(3)企业提出具体的创新概念，对概念可行性进行研究。

发明内容

为了克服传统产品创新研究方法的弊端，本发明提供了一种基于互联网大数据的产品创新方法，具体涉及一个分析的方法论和一套支撑该方法论的数据模型，从而为企业决策者提供消费者新需求的洞察、市场机会的洞察以及创新方向的建议。

为达到上述目的，本发明采取的技术方案如下：

一种基于互联网大数据的产品创新方法，包括以下步骤：

(1)创新需求启动：用户提出针对某品牌或商品的创新需求；

(2)市场现状分析：通过程序抓取电商平台上跟上述品牌或商品相关的市场现状数据，统计上述市场现状数据中各指标的声量趋势，找出市场的机会点并进行综合评分；所述市场现状数据至少包括商品销量、商品种类数据、商品价格、销售该商品的商家数据、消费者评论数据；其中，声量的单位为条，即一条包含某个关键词的数据记为一条声量；比如，品牌A的声量为1000，品牌B的声量为500，则品牌A在互联网中的曝光度比品牌B要高。

(3)消费者需求分析：通过程序抓取互联网平台上跟上述品牌或商品相关的消费者评论数据和消费者画像数据，并通过分词工具和情感分析工具确定消费者的需求并进行综合评分；所述互联网平台至少包括电商平台、微博平台、微信平台、论坛、垂直网站和新闻门户；所述新闻门户包括新浪、网易、凤凰、腾讯等。所述分词工具根据一定规则，对抓取的文本内容进行切词，如“停在沃尔玛旁边的那辆宝马好酷”这句话可以切分成“停在|沃尔玛|旁边|的|那辆|宝马|好酷”。所述情感分析工具可对文本内容进行情感分析。例如，“价格－太贵”被判别为负面，“宝马－好酷”被判别为正面。

(4)确定产品创新可行度：结合步骤(2)得出的市场机会点和步骤(3)得出的消费者需求，通过数据模型寻找两者的结合点，并根据步骤(2)和步骤(3)的综合评分情况，确定产品的创新可行度。作为优选，所述数据模型至少包括人工神经网络或/和聚类分析。

作为优选，所述步骤(3)中的消费者评论数据至少包括下述数据的部分或全部：电商平台上的某品牌或产品的销量、消费者评论、店铺名、商品名，微博平台上的微博内容、转发数、评论数、点赞数及包含地域、性别、爱好、年龄的微博账号信息，微信平台上的文章内容、阅读数和点赞数，论坛上的帖子内容、跟帖数；所述消费者画像数据至少包括消费者IP地址、性别、年龄、地域分布、爱好分布、共同关注数据中的一项或多项。

作为优选，采用爬虫工具抓取所述市场现状数据、消费者评论数据和消费者画像数据；采用分词工具对爬虫工具抓取的文本进行分词处理，利用情感分析工具标记所抓取的数据为正面或负面，并计算确定情感值，所述情感值＝100×(正面情感数量-负面情感数量)/(正面情感数量+负面情感数量)；若情感值大于0，则总体情感值为正面，情感值小于0，则总体情感值为负面；在步骤(4)中利用数据模型确定产品创新可行度时包括对所述总体情感值的分析。

作为优选，在步骤(1)中用户提出创新需求的同时确定需要关注产品的某种特性及对应的关键词；在步骤(2)和步骤(3)中利用程序对抓取的文本数据进行自动分析，提取文本中与该关键词同时提及较多的词语，并为这些词语建立关键词库，然后计算各关键词的声量和任意两个关键词之间的关联度；在步骤(4)中利用数据模型确定产品创新可行度时包括对上述各关键词关联度的分析。作为优选，任意两个关键词A和B的关联度计算公式为：V3/(V1+V2-V3)，其中，V1为关键词A的声量，V2为关键词B的声量，V3为关键词A和关键词B在同一文本中共同出现的次数。

由于采用了上述技术方案，本发明取得了有益的技术效果：

本发明提供了一种基于互联网大数据的产品创新方法，具体是通过分析市场现状，获取市场机会点，然后分析消费者需求，挖掘消费者痛点和未被满足的需求，再进一步结合以上两个分析结果，寻找市场机会点与消费者需求之间的结合点，从而找到创新的方向。该方法对海量的互联网数据进行了综合分析和利用，更好迎合了大众的需求，使得产品创新方向具有市场价值，并且大量节省了调研成本，可为企业决策者快速寻找创新机会点和验证创新概念提供帮助。

附图说明

图1是本发明公开的基于互联网大数据的产品创新方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明，但本发明要求保护的范围并不局限于下述具体实施例。

如图1所示，本发明公开的基于互联网大数据的产品创新方法包括创新需求启动100、市场现状分析200、消费者需求分析300和确定产品创新方向400四个步骤。

其中，创新需求研究由用户(一般为企业决策者)提出，一般需针对某品牌或商品，以及可以指明商品的某方面特性。创新需求启动后进入市场现状分析阶段，具体地，可以使用爬虫工具抓取互联网(主要为电商平台，如天猫、京东、苏宁易购等)上跟某品牌相关的市场现状数据(如商品销量、消费者评论数据、商品种类数据等)，利用人工神经网络建立数据模型，找出市场机会点。如某商品在电商平台上销量较高，证明该商品需求高，但同时售卖类似商品的店家却不多，再利用数据模型根据销量、竞争对手数、价格等数据进行综合打分，以判断市场竞争情况。

市场现状分析包括品牌网络声量分析、品牌电商表现分析等。一般由企业确定要监测的竞争对手，同时确定关键词，该关键词就是用于在互联网上抓取数据的词语，设定好关键词后，爬虫工具会自动将互联网上包含该关键词的文本抓取下来；然后程序将自动统计各个竞争对手的声量趋势和来源。如，品牌A的声量为1000，品牌B的声量为500，则品牌A在互联网中的曝光度比品牌B要高。另外，可由企业确定要监测的竞争对手以及旗下的商品的名单，同时设定关键词，使用爬虫工具抓取电商平台上包含品牌或商品的关键词的消费者评论数据；抓取电商平台上企业指定商品的销量和价格数据，并由程序自动统计为商品的销量趋势图和价格趋势图；由程序对消费者评论的数据进行分析，同时使用情感分析工具将数据标记为正面或负面。如，由数据分析得出，某饮料的消费者负面评价中，占比最高的是“太甜”，则商品的升级可以相应降低产品的甜份。

然后，消费者需求分析可使用爬虫工具抓取互联网上跟某品牌相关的消费者数据，包括消费者评论数据和消费者画像(IP地址、性别、年龄、地域等)数据，利用分词工具和情感分析工具对所抓取的文本进行处理，再利用人工神经网络建立数据模型，根据评论数、情感值和消费者画像数据进行综合打分，以判断消费者需求情况。其中，对消费者的需求分析包括消费场景分析、消费驱动分析和消费画像分析。

(1)消费场景分析：通过程序搭建一个“消费场景词库”，该词库里面收录了大量的消费场景词语；这些消费场景词语主要分为三大类：时间场景，如：早上、晚上、工作日、下班后等；地点场景，如：家里、户外、店里、餐厅、公司等；状态场景：上班、工作、学习、运动、睡觉等。进一步地，使用爬虫工具和分词工具抓取互联网上与该品牌相关的数据，并与“消费场景词库”中的词语相匹配，得出场景词语的声量趋势图与不同场景的声量对比图；如经过分析得出，咖啡的消费者在谈及咖啡的时候，往往谈及的场景词库有：上班、工作日、办公室等；进一步地，根据数据结果，分析消费者都在什么样的消费场景里进行消费。

(2)消费驱动分析：使用爬虫工具抓取互联网上消费者谈及该品牌的数据，如消费者在电商平台下的评论数据。由人工神经网络根据数据结果，得出消费者消费的驱动因素。如，消费者在谈及某饮料时，提及“清凉”、“解渴”，则证明该饮料的消费者驱动因素是这款饮料具有解渴作用。

(3)消费者画像分析：使用爬虫工具抓取微博用户的数据(IP地址、年龄、性别、地域、爱好等)；由程序对数据进行统计分析，得到消费者画像(年龄分布、性别分布、地域分布、爱好分布、共同关注情况等)。如，某商品的消费者具有以下特征：集中在一线城市、女性偏多、爱好是电影、音乐、同时共同关注某个明星，那么在推出同类型或升级该产品的时候，可以从这些角度出发。

最后，确定产品创新可行度。结合步骤(2)得出的市场机会点和步骤(3)得出的消费者需求，通过数据模型寻找两者的结合点，并根据步骤(2)和步骤(3)的综合评分情况，由人工神经网络数据模型根据设定的规则确定创新可行度，判断是否将某产品推出市场，以及针对该产品作出哪些具体的创新来推出市场。

作为优选，还可以对产品的创新特性进行分析。

首先，进行关键词拓展分析，由企业确定要关注的产品特性，如产品的功效或产品的成分(如减肥或胶原蛋白)；使用拓词工具对企业所确定的产品特性进行拓展，利用爬虫工具在互联网上抓取提及该产品特性的文本数据，如微博平台或微信平台上提及“酵素”这个成分的文本，再使用分词工具对上一步提到的文本数据进行分词，程序对抓取的文本数据进行自动分析，提取文本中与该关键词同时提及较多的词语；如提及“酵素”的文本中，还同时提及了“减肥”、“健康”、“瘦身”、“有机”、“水果”等词语；为这些提取出来的词语建立“关键词库”，每个词都带有提及量，如：“减肥，100次”、“健康，90次”、“排毒，80次”、“水果，70次”等。

然后，由程序对关键词库里的词语进行分析，确定各个词语之间的声量关联度，关联度越高则两者的相关性越高。如上一步举例所示，“酵素”和“减肥”的关联度36.4％高于“酵素”和“感冒”的关联度19.0％，证明消费者的认知中，“酵素”更多和“减肥”联系在一起。

最后，可进行功效与成分声量分析。首先由企业确定要关注的功效或成分；使用程序自动在互联网上抓取提及该成分或功效的数据，并自动生成声量趋势图。如某乳制品企业想要研制一款水果口味的乳制品，通过声量分析得出同时提及芒果和牛奶的声量比同时提及荔枝和牛奶的声量要高，企业可以根据市场情况分析是生产一款受大众欢迎的芒果口味还是推出竞争对手较少的荔枝口味。

上述人工神经网络数据模型的工作过程如下：

①对市场机会点进行综合评分，得分项包括市场竞争度和电商表现两项。其中竞争对手越多知名度越高，正面情感越高，成熟的竞品越多，市场竞争度的分数越低；要创新的商品同类商品在电商的表现越差，分数也越低，反之越高。每个得分项得分满分均为50分，总分100分。

②对消费者需求进行综合评分，得分项包括消费场景契合度，消费者消费驱动力和消费者画像匹配度。其中要创新的商品与消费场景越契合，得分越高；要创新的商品与消费者消费驱动力越契合，得分越高；要创新的产品方向与该类型产品的消费人群画像越匹配，得分越高。三个得分项的满分分别是30分、40分、30分，总分100分。

③综合评分：将①和②的总分加起来，得出创新概念可行度。创新概念可行度分为以下几个层级：

200～180分：要创新的产品概念非常贴合消费者的新需求，市场上同类产品较少且不成熟，但销量快速增长；

180～150分：要创新的产品概念大致满足消费者的新需求，市场上有较多同类产品且有不少成熟品，销量保持稳步增长；

150～100分：要创新的产品概念满足的是消费者现有的需求，市场上同类且成熟的产品较多，总体销量保持稳定；

100以下：要创新的产品概念甚少被消费者提及或早已被满足，市场上同类成熟产品很多，有强大的竞争对手，总体销量保持稳定甚至有下滑。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对发明构成任何限制。

Claims (5)

1.一种基于互联网大数据的产品创新方法，其特征在于，所述创新方法包括以下步骤：

(1)创新需求启动：用户提出针对某品牌或商品的创新需求；

(2)市场现状分析：通过程序抓取电商平台上跟上述品牌或商品相关的市场现状数据，统计上述市场现状数据中各指标的声量趋势，找出市场的机会点并进行综合评分；所述市场现状数据至少包括商品销量、商品种类数据、商品价格、销售该商品的商家数据、消费者评论数据；其中，声量的单位为条，即一条包含某个关键词的数据记为一条声量；

(3)消费者需求分析：通过程序抓取互联网平台上跟上述品牌或商品相关的消费者评论数据和消费者画像数据，并通过分词工具和情感分析工具确定消费者的需求并进行综合评分；所述互联网平台至少包括电商平台、微博平台、微信平台、论坛、垂直网站和新闻门户；

(4)确定产品创新可行度：结合步骤(2)得出的市场机会点和步骤(3)得出的消费者需求，通过数据模型寻找两者的结合点，并根据步骤(2)和步骤(3)的综合评分情况，确定产品的创新可行度；所述数据模型至少包括人工神经网络或/和聚类分析。

2.一种根据权利要求1所述的产品创新方法，其特征在于：所述步骤(3)中的消费者评论数据至少包括下述数据的部分或全部：电商平台上的某品牌或产品的销量、消费者评论、店铺名、商品名，微博平台上的微博内容、转发数、评论数、点赞数及包含地域、性别、爱好、年龄的微博账号信息，微信平台上的文章内容、阅读数和点赞数，论坛上的帖子内容、跟帖数；所述消费者画像数据至少包括消费者IP地址、性别、年龄、地域分布、爱好分布、共同关注数据中的一项或多项。

3.一种根据权利要求1所述的产品创新方法，其特征在于：采用爬虫工具抓取所述市场现状数据、消费者评论数据和消费者画像数据；采用分词工具对爬虫工具抓取的文本进行分词处理，利用情感分析工具标记所抓取的数据为正面或负面，并计算确定情感值，所述情感值＝100×(正面情感数量-负面情感数量)/(正面情感数量+负面情感数量)；若情感值大于0，则总体情感值为正面，情感值小于0，则总体情感值为负面；在步骤(4)中利用数据模型确定产品创新可行度时包括对所述总体情感值的分析。

4.一种根据权利要求1-3任一项所述的产品创新方法，其特征在于：

在步骤(1)中用户提出创新需求的同时确定需要关注产品的某种特性及对应的关键词；

在步骤(2)和步骤(3)中利用程序对抓取的文本数据进行自动分析，提取文本中与该关键词同时提及较多的词语，并为这些词语建立关键词库，然后计算各关键词的声量和任意两个关键词之间的关联度；

在步骤(4)中利用数据模型确定产品创新可行度时包括对上述各关键词关联度的分析。

5.一种根据权利要求4所述的产品创新方法，其特征在于：任意两个关键词A和B的关联度计算公式为：V3/(V1+V2-V3)，其中，V1为关键词A的声量，V2为关键词B的声量，V3为关键词A和关键词B在同一文本中共同出现的次数。