CN116976739A - 一种云计算产品需求优先级排序方法和系统 - Google Patents
一种云计算产品需求优先级排序方法和系统 Download PDFInfo
- Publication number
- CN116976739A CN116976739A CN202310970078.5A CN202310970078A CN116976739A CN 116976739 A CN116976739 A CN 116976739A CN 202310970078 A CN202310970078 A CN 202310970078A CN 116976739 A CN116976739 A CN 116976739A
- Authority
- CN
- China
- Prior art keywords
- demand
- index
- indexes
- information
- demand index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000012163 sequencing technique Methods 0.000 claims abstract description 16
- 238000012913 prioritisation Methods 0.000 claims description 42
- OOYGSFOGFJDDHP-KMCOLRRFSA-N kanamycin A sulfate Chemical compound OS(O)(=O)=O.O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CN)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O[C@@H]2[C@@H]([C@@H](N)[C@H](O)[C@@H](CO)O2)O)[C@H](N)C[C@@H]1N OOYGSFOGFJDDHP-KMCOLRRFSA-N 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 11
- 238000011835 investigation Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 18
- 230000008569 process Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 abstract description 2
- 238000012827 research and development Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及云计算技术领域,提供一种云计算产品需求优先级排序方法和系统,本发明的方法包括:从获取的原始需求信息中提取层次化需求指标,构建需求指标信息架构表;为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集;通过质量分布分析对采集的数据进行需求指标分类,通过满意度分析对每一分类中的需求指标进行优先级初始排序;根据需求指标构建层次分析结构模型,计算需求指标的重要性排序权重;根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正。本发明可以引导产品研发端聚焦改进重点功能,合理分配设计和开发资源。
Description
技术领域
本发明涉及云计算技术领域,尤其涉及一种云计算产品需求优先级排序方法和系统。
背景技术
随着企业数字化转型的深入,云计算市场的竞争也日益激烈,云厂商必须不断提升自身产品的敏捷性,以便更好更快地满足用户需求,提升产品用户体验。面对用户日益多元和个性化的需求,科学合理的需求优先级排序对产品管理至关重要。
目前,多数企业缺少规范的用户需求收集渠道,导致产品团队无法获取全面的用户需求,且需求分级环节缺少真实的用户意见参考及定量的分析方法,从而难以确保需求的完整性。少数企业通过应用用户访谈、问卷调查等方法挖掘用户需求,借助KANO模型对用户需求进行分类。KANO模型作为一种定性分析模型,虽然可以对用户需求进行分类管理,但是缺乏对需求重要度和优先级的有效判断,无法帮助产品团队进行精准决策。
因此,如何弥补KANO模型的局限性,提供一种定量分析方法,构建产品需求优先级排序模型,准确识别核心需求,合理分配有限的团队资源,有效提升产品的用户满意度和市场竞争力,成为亟待解决的技术问题。
发明内容
有鉴于此,为了克服现有技术的不足,本发明旨在提供一种云计算产品需求优先级排序方法和系统。
根据本发明的第一方面,提供一种云计算产品需求优先级排序方法,包括:
获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表;
通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,所述子问题包括KANO模型正向问题和KANO模型负向问题以及PCSI问题;
通过质量分布分析对采集的数据进行需求指标分类,获得需求指标分类结果,通过满意度分析对每一分类中的需求指标进行优先级初始排序;
根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重;
根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序。
优选的,本发明的云计算产品需求优先级排序方法,获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表,包括:
采集目标用户的用户特征信息、使用需求信息和使用痛点信息;
从采集的用户特征信息中提取目标用户的场景信息,并根据场景信息提取场景特征信息;
根据提取的场景信息、场景特征信息和使用需求信息,归纳获得目标用户的一级需求指标;
根据提取的场景信息、场景特征信息、目标用户的一级需求指标以及采集的使用痛点信息,构建目标用户的二级需求指标;
采用场景信息、场景特征信息、一级需求指标和二级需求指标作为信息项构建需求指标信息架构表。
优选的,本发明的云计算产品需求优先级排序方法,对样本量的目标用户进行数据采集,包括:根据目标用户的调研总量、采集置信度、调研响应概率对目标用户的样本量进行确定。
优选的,本发明的云计算产品需求优先级排序方法,通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,所述子问题包括KANO模型正向问题和KANO模型负向问题以及PCSI问题,包括:对采集的数据进行降噪处理。
优选的,本发明的云计算产品需求优先级排序方法,通过质量分布分析对采集的数据进行需求指标分类,获得需求指标分类结果,通过满意度分析对每一分类中的需求指标进行优先级初始排序,包括:
采用KANO模型对采集的数据进行质量分类统计,获得各需求指标的质量分布频数;
根据获得的各需求指标的质量分布频数计算各需求指标的KANO模型Better-Worse系数;
根据计算所得的各需求指标的KANO模型Better-Worse系数对需求指标进行分类;
根据采集的数据计算所有PCSI问题的统计得分平均值,根据PCSI问题的统计得分平均值及各需求指标的KANO模型Better-Worse系数计算每一分类中需求指标的PCSI指数;
根据计算所得的PCSI指数对每一分类中的需求指标的优先级进行初始排序。
优选的,本发明的云计算产品需求优先级排序方法,根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重,包括:
根据需求指标信息架构表的架构从上至下建立目标层、准则层和指标层,将相应的需求指标分别填充至目标层、准则层和指标层;
分别将准则层和指标层中需求指标与相应上一层的需求指标进行比较,获得各层的重要程度比较元素,采用所述重要程度比较元素分别构造各层的判断矩阵,并对判断矩阵中的元素进行标度赋值;
根据各层判断矩阵的特征向量对各层判断矩阵进行归一化处理,获得同一层各需求指标对于上一层需求指标相对重要性的排序权重。
优选的,本发明的云计算产品需求优先级排序方法,根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重,还包括:
对各层的判断矩阵进行一致性检验,当判断矩阵通过一致性检验,将对应的需求指标的相对重要性排序权重作为模型输出结果;
当某层判断矩阵未通过一致性检验,对所述判断矩阵进行调整,重新计算该层各需求指标对于上一层需求指标相对重要性的排序权重。
优选的,本发明的云计算产品需求优先级排序方法,根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序,包括:
根据需求指标分类结果,确定各需求指标的权重修正值;
将各需求指标的重要性排序权重与对应的权重修正值相乘,获得各需求指标的修正权重,并对各需求指标的修正权重求和,得到修正权重和值;
将各需求指标的修正权重与修正权重和值相除,获得调整后的重要性排序权重,根据根据调整后的重要性排序权重对各需求指标进行优先级排序,获得各需求指标的优先级排序。
根据本发明的第二方面,提供一种云计算产品需求优先级排序系统,所述系统包括优先级排序服务端,用于获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表;通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,所述子问题包括KANO模型正向问题和KANO模型负向问题以及PCSI问题;通过质量分布分析对采集的数据进行需求指标分类,获得需求指标分类结果,通过满意度分析对每一分类中的需求指标进行优先级初始排序;根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重;根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序。
根据本发明的第三方面,提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现本发明第一方面所述的方法。
本发明的云计算产品需求优先级排序方法和系统,具有以下有益技术效果:
1.通过获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表,可以根据具体应用场景充分挖掘目标用户对云计算产品的需求;
2.通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,并对采集的数据进行质量分布分析和满意度分析,对需求指标进行优先级初始排序,可以聚焦目标用户对产品的需求指标,实现对用户对云计算产品需求指标的精确分类和优先级评估,判断需求指标对用户满意度的影响程度;
3.根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重;根据需求指标分类结果调整需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序,可以提高产品需求优先级排序的准确性,引导产品研发端聚焦改进重点功能,合理分配设计和开发资源,有效指导产品决策。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为一种适用于本申请实施例的云计算产品需求优先级排序方法的系统的示意图;
图2为根据本发明实施例的一种云计算产品需求优先级排序方法的步骤流程图;
图3为根据本发明实施例方法构建的一种层次分析结构模型的示例图;
图4为根据本实施例方法的一种实施流程步骤示例图;
图5为本发明提供的设备的结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合;并且,基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
图1示出了一种适用于本申请实施例的云计算产品需求优先级排序方法的示例性系统。如图1所示,该系统可以包括优先级排序服务端101、通信网络102和/或一个或多个优先级排序客户端103,图1中示例为多个优先级排序客户端103。
优先级排序服务端101可以时用于存储信息、数据、程序和/或任何其他合适类型的内容的任何适当的服务器。在一些实施例中,优先级排序服务端101可以执行适当的功能。例如,在一些实施例中,优先级排序服务端101可以用于对云计算产品需求进行优先级排序。作为可选的示例,在一些实施例中,优先级排序服务端101可以被用于通过对需求指标进行优先级初始排序和重要性排序实现对云计算产品需求进行优先级排序。例如,优先级排序服务端101可以用于获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表;通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,所述子问题包括KANO模型正向问题和KANO模型负向问题以及PCSI问题;通过质量分布分析对采集的数据进行需求指标分类,获得需求指标分类结果,通过满意度分析对每一分类中的需求指标进行优先级初始排序;根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重;根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序。
作为另一示例,在一些实施例中,优先级排序服务端101可以根据优先级排序客户端103的请求,将云计算产品需求优先级排序方法发送到优先级排序客户端103供用户使用。
作为可选的示例,在一些实施例中,优先级排序客户端103用于提供可视化优先级排序界面,该可视化优先级排序界面用于接收用户对云计算产品需求优先级排序的选择输入操作,以及,用于响应于选择输入操作,从优先级排序服务端101获取与选择输入操作所选择的选项所对应的优先级排序界面并展示优先级排序界面,优先级排序界面中至少展示有对云计算产品需求优先级排序的信息以及针对对云计算产品需求优先级排序的信息的操作选项。
在一些实施例中,通信网络102可以是一个或多个有线和/或无线网络的任何适当的组合。例如,通信网络102能够包括以下各项中的任何一种或多种:互联网、内联网、广域网(WAN)、局域网(LAN)、无线网络、数字订户线路(DSL)网络、帧中继网络、异步转移模式(ATM)网络、虚拟专用网(VPN)和/或任何其它合适的通信网络。优先级排序客户端103能够通过一个或多个通信链路(例如,通信链路104)连接到通信网络102,该通信网络102能够经由一个或多个通信链路(例如,通信链路105)被链接到优先级排序服务端101。通信链路可以是适合于在优先级排序客户端103和优先级排序服务端101之间传送数据的任何通信链路,诸如网络链路、拨号链路、无线链路、硬连线链路、任何其它合适的通信链路或此类链路的任何合适的组合。
优先级排序客户端103可以包括通过适当形式呈现与对云计算产品需求优先级排序的相关的界面,以供用户使用和操作的任何一个或多个客户端。在一些实施例中,优先级排序客户端103可以包括任何合适类型的设备。例如,在一些实施例中,优先级排序客户端103可以包括移动设备、平板计算机、膝上型计算机、台式计算机和/或任何其他合适类型的客户端设备。
尽管将优先级排序服务端101图示为一个设备,但是在一些实施例中,可以使用任何适当数量的设备来执行由优先级排序服务端101执行的功能。例如,在一些实施例中,可以使用多个设备来实现由优先级排序服务端101执行的功能。或者,可使用云服务实现优先级排序服务端101的功能。
基于上述系统,本申请实施例提供了一种云计算产品需求优先级排序方法,以下通过以下实施例进行说明。
参照图2,示出了根据本申请实施例的一种云计算产品需求优先级排序方法的步骤流程图。
本实施例的云计算产品需求优先级排序方法可在优先级排序服务端执行,该云计算产品需求优先级排序方法包括以下步骤:
步骤S201:获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表。
作为一种示例,本实施例针对具体的云计算产品,选取有代表性的目标用户,通过用户深度访谈、问卷调查等用户研究方法深入了解用户特征,挖掘用户的使用痛点和需求。在获取目标用户的原始需求后,本实施例对原始需求进行整理,根据原始需求内在的相互关系,将无序的信息进行分级归纳,形成有规律的信息架构,简化问题复杂度。需要说明的是,从获取的原始需求信息中提取层次化需求指标构建需求指标信息架构表可以由领域技术人员根据实际情况采用适当算法实现,包括但不限于亲和图法,本申请实施例对此不作限制。
作为另一种示例,本实施例方法通过采集目标用户的用户特征信息、使用需求信息和使用痛点信息;从采集的用户特征信息中提取目标用户的场景信息,并根据场景信息提取场景特征信息;根据提取的场景信息、场景特征信息和使用需求信息,归纳获得目标用户的一级需求指标;根据提取的场景信息、场景特征信息、目标用户的一级需求指标以及采集的使用痛点信息,构建目标用户的二级需求指标;采用场景信息、场景特征信息、一级需求指标和二级需求指标作为信息项构建需求指标信息架构表。表1为根据本示例方法在云计算产品典型场景中构建的需求指标信息架构表的示例。
表1
步骤S202:通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,所述子问题包括KANO模型正向问题和KANO模型负向问题以及PCSI问题。
本实施例中,可以基于构建的需求指标信息架构表中的二级需求指标以及KANO模型和潜在客户满意度改善指数(PCSI),采用问卷的方式对目标用户进行数据采集。在数据采集前,可以先了解被调研者的年龄段、岗位类型和以及是否使用产品等信息,然后根据目标用户的调研总量、采集置信度、调研响应概率对目标用户的样本量进行确定,举例来说,样本量的目标用户按以下方式计算获取:
式中,n为目标用户的样本量,N为目标用户的调研总量,Z为置信度对应的标准分,p为调研响应概率,e为抽样结果误差范围。
在确定了目标用户的样本量后,为构建的需求指标信息架构表中的二级需求指标生成子问题,其中,基于KANO模型的正向问题和反向问题各一道,基于PCSI的问题一道。举例来说,当对表1中的二级需求指标“操作效率”生成子问题时,生成的三个子问题如下:
问题1:如果我们提升了该产品某页面创建流程的操作效率,您的感受是?
问题2:如果我们没有提升该产品某页面创建流程的操作效率,您的感受是?
问题3:目前,您对该产品某页面创建流程的操作效率感觉如何?
每个问题的答案可以为:①满意②理应如此③无所谓④勉强接受⑤不满意,并按以下分值进行统计:①满意(5分)②理应如此(4分)③无所谓(3分)④勉强接受(2分)⑤不满意(1分)。
为了提高后续数据处理分析的精确程度,在完成对样本量的目标用户进行数据采集后,还需要对采集的数据进行降噪处理。在实际应用中,举例来说,当以问卷的形式进行数据采集时,对问卷的回收率需大于70%,且需要去除无效问卷,比如去除重复作答的问卷,去除作答时间小于60s或大于30min的问卷,去除规律性作答问卷。
步骤S203:通过质量分布分析对采集的数据进行需求指标分类,获得需求指标分类结果,通过满意度分析对每一分类中的需求指标进行优先级初始排序。具体的,本实施例方法的步骤S203按以下方式实现:
采用KANO模型对采集的数据进行质量分类统计,获得各需求指标的质量分布频数。表2示出了一种具体场景中KANO模型问卷结果评估表,如表2所示,A表示魅力质量,即产品具备该功能时用户满意度提升,不具备时用户无所谓;O为期望质量,即产品具备该功能时用户满意度提升,不具备时用户满意度下降;I为无差异质量,即产品是否具备该功能均不影响用户满意度;M为必备质量,即产品具备该功能时用户无所谓,不具备时用户不满意;R为反向质量,即产品具备该功能时用户满意度下降;Q表示无效答案,不予考虑。结合KANO模型问卷结果评估表,根据每份问卷中的每各需求的正向与反向问题的答案,得到该份问卷对各需求的质量分类,以此类推,统计出所有有效问卷中各需求指标的质量分类,得到各需求指标的质量分布频数Ai、Oi、Mi和Ii。
表2
在获得各需求指标的质量分布频数后,本实施例需要根据获得的各需求指标的质量分布频数计算各需求指标的KANO模型Better-Worse系数,然后根据计算所得的各需求指标的KANO模型Better-Worse系数对需求指标进行分类。
本实施例中,Better-Worse系数的Better系数(Si)对应满意度,范围为[0,+1],Better系数(Si)越接近+1,则该需求的强化越有助于提升用户满意度;Worse系数(Di)对应不满意度,范围为[0,-1],Worse系数(Di)越接近-1,则不提供该需求有利于阻止用户满意度下降。Better系数(Si)和Worse系数(Di)分别按以下公式计算:
需要说明的是,本实施例方法中,若某需求指标同时满足Si<0.5且|Di|>0.5,则为必备需指标求;若某需求指标同时满足Si>0.5且|Di|>0.5,则为期望需求指标;若某需求指标同时满足Si>0.5且|Di|<0.5,则为魅力需求指标;若某需求指标同时满足Si<0.5且|Di|<0.5,则为无差异需求。
在通过各需求指标的KANO模型Better-Worse系数对需求指标进行分类后,本实施例方法根据采集的数据计算所有PCSI问题的统计得分平均值,根据PCSI问题的统计得分平均值及各需求指标的KANO模型Better-Worse系数计算每一分类中需求指标的PCSI指数;根据计算所得的PCSI指数对每一分类中的需求指标的优先级进行初始排序。
作为一种示例,本实施例方法中需求指标的PCSI指数按以下方式计算:
Qi=Si-Pi
式中,Pi为当前用户满意度位置,E为当前用户满意度(即所有有效问卷的PCSI问题的答案的得分平均值),Emax和Emax分别对应用户满意度的最大值和最小值,Qi为PCSI指数。Pi的范围为[-1,+1],为负数时说明当前产品功能让用户不满意。Qi的范围为[0,2],其值越大表明当前产品功能越需要改进。
步骤S204:根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重。
为了弥补KANO-PCSI模型的不足,本实施例方法还基于层次分析(AnalyticHierarchy Process,AHP)模型对各需求指标的重要度进行分析。
作为一种示例,首先,根据需求指标信息架构表的架构从上至下建立目标层、准则层和指标层,将相应的需求指标分别填充至目标层、准则层和指标层。图3示出了根据本发明实施例方法构建的一种层次分析结构模型的示例图。
分别将准则层和指标层中需求指标与相应上一层的需求指标进行比较,获得各层的重要程度比较元素,采用所述重要程度比较元素分别构造各层的判断矩阵,并对判断矩阵中的元素进行标度赋值。本实施例方法中,各层的判断矩阵以An×n表示:
An×n=aij(i,j=1,2,…,n)
其中,ɑij为第i项需求指标相较第j项需求指标的重要程度,若第i项需求指标比第j项需求指标重要,则ɑij>1,反之,则ɑij<1。
对于判断矩阵中的重要程度比较元素ɑij进行标度赋值可采用如表3所示的1-9标度法,本领域技术人员也可以根据实际场景情况采用其他适当的方法进行赋值。
表3
标度 | 含义 |
1 | 表示两个因素相比,具有相同重要性 |
3 | 表示两个因素相比,前者比后者稍重要 |
5 | 表示两个因素相比,前者比后者明显重要 |
7 | 表示两个因素相比,前者比后者强烈重要 |
9 | 表示两个因素相比,前者比后者极端重要 |
2,4,6,8 | 表示上述相邻判断的中间值 |
在完成对各层的判断矩阵构造后,本实施例根据各层判断矩阵的特征向量对各层判断矩阵进行归一化处理,获得同一层各需求指标对于上一层需求指标相对重要性的排序权重。判断矩阵的最大特征值λmax对应的特征向量ω为权重向量,归一化后得到同一层各元素对于上一层某元素相对重要性的排序权重。
为了进一步提高本发明方法的排序精度,在获得各层中需求指标的排序权重后,本实施例方法还对各层的判断矩阵进行一致性检验,当判断矩阵通过一致性检验,将对应的需求指标的相对重要性排序权重作为模型输出结果。
当某层判断矩阵未通过一致性检验,对所述判断矩阵进行调整,重新计算该层各需求指标对于上一层需求指标相对重要性的排序权重。
作为一种示例,本实施例对各层的判断矩阵按以下公式进行一致性检验:
其中,CI为一致性指标;RI为平均随机一致性指标,可根据判断矩阵阶数n从表5查找获得;CR为一致性比例,当CR<0.1时,判定判断矩阵满足一致性检验条件,排序权重可作为模型的输出结果;当CR的≥0.1时,则需调整判断矩阵,重新计算排序权重,并再次进行一致性检验,直至满足条件为止。
表4
判断矩阵阶数n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0.00 | 0.00 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
步骤S205:根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序。
根据需求指标分类结果,确定各需求指标的权重修正值,举例来说,当需求指标为必备需求指标,该需求指标的权重修正值为2;当需求指标为期望需求指标,该需求指标的权重修正值为1;当需求指标为魅力需求指标,该需求指标的权重修正值为0.5。
将各需求指标的重要性排序权重与对应的权重修正值相乘,获得各需求指标的修正权重,并对各需求指标的修正权重求和,得到修正权重和值;将各需求指标的修正权重与修正权重和值相除,获得调整后的重要性排序权重,根据根据调整后的重要性排序权重对各需求指标进行优先级排序,获得各需求指标的优先级排序。
作为一种示例,图4为本实施例方法的一种实施流程步骤示例图,如图4所示,本实施例方法按以下步骤实施:
1.获取云计算产品目标用户的原始需求;
2.整理原始需求;
3.设计、发放、回收KANO-PCSI问卷;
4.计算KANO模型Better-Worse系数;
5.需求指标初步分类;
6.计算PCSI指数;
7.需求指标优先级初始排序;
8.构建AHP模型;
9.计算需求指标排序权重;
10.调整需求指标排序权重;
11.对需求指标优先级排序。
如图5所示,本发明还提供了一种设备,包括处理器310、通信接口320、用于存储处理器可执行计算机程序的存储器330及通信总线340。其中,处理器310、通信接口320及存储器330通过通信总线340完成相互间的通信。处理器310通过运行可执行计算机程序以实现上述的云计算产品需求优先级排序方法。
其中,存储器330中的计算机程序可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以基于实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种云计算产品需求优先级排序方法,其特征在于,所述方法包括:
获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表;
通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,所述子问题包括KANO模型正向问题和KANO模型负向问题以及PCSI问题;
通过质量分布分析对采集的数据进行需求指标分类,获得需求指标分类结果,通过满意度分析对每一分类中的需求指标进行优先级初始排序;
根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重;
根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序。
2.根据权利要求1所述的云计算产品需求优先级排序方法,其特征在于,获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表,包括:
采集目标用户的用户特征信息、使用需求信息和使用痛点信息;
从采集的用户特征信息中提取目标用户的场景信息,并根据场景信息提取场景特征信息;
根据提取的场景信息、场景特征信息和使用需求信息,归纳获得目标用户的一级需求指标;
根据提取的场景信息、场景特征信息、目标用户的一级需求指标以及采集的使用痛点信息,构建目标用户的二级需求指标;
采用场景信息、场景特征信息、一级需求指标和二级需求指标作为信息项构建需求指标信息架构表。
3.根据权利要求1所述的云计算产品需求优先级排序方法,其特征在于,对样本量的目标用户进行数据采集,包括:根据目标用户的调研总量、采集置信度、调研响应概率对目标用户的样本量进行确定。
4.根据权利要求1所述的云计算产品需求优先级排序方法,其特征在于,通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,所述子问题包括KANO模型正向问题和KANO模型负向问题以及PCSI问题,包括:对采集的数据进行降噪处理。
5.根据权利要求1所述的云计算产品需求优先级排序方法,其特征在于,通过质量分布分析对采集的数据进行需求指标分类,获得需求指标分类结果,通过满意度分析对每一分类中的需求指标进行优先级初始排序,包括:
采用KANO模型对采集的数据进行质量分类统计,获得各需求指标的质量分布频数;
根据获得的各需求指标的质量分布频数计算各需求指标的KANO模型Better-Worse系数;
根据计算所得的各需求指标的KANO模型Better-Worse系数对需求指标进行分类;
根据采集的数据计算所有PCSI问题的统计得分平均值,根据PCSI问题的统计得分平均值及各需求指标的KANO模型Better-Worse系数计算每一分类中需求指标的PCSI指数;
根据计算所得的PCSI指数对每一分类中的需求指标的优先级进行初始排序。
6.根据权利要求1所述的云计算产品需求优先级排序方法,其特征在于,根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重,包括:
根据需求指标信息架构表的架构从上至下建立目标层、准则层和指标层,将相应的需求指标分别填充至目标层、准则层和指标层;
分别将准则层和指标层中需求指标与相应上一层的需求指标进行比较,获得各层的重要程度比较元素,采用所述重要程度比较元素分别构造各层的判断矩阵,并对判断矩阵中的元素进行标度赋值;
根据各层判断矩阵的特征向量对各层判断矩阵进行归一化处理,获得同一层各需求指标对于上一层需求指标相对重要性的排序权重。
7.根据权利要求6所述的云计算产品需求优先级排序方法,其特征在于,根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重,还包括:
对各层的判断矩阵进行一致性检验,当判断矩阵通过一致性检验,将对应的需求指标的相对重要性排序权重作为模型输出结果;
当某层判断矩阵未通过一致性检验,对所述判断矩阵进行调整,重新计算该层各需求指标对于上一层需求指标相对重要性的排序权重。
8.根据权利要求1所述的云计算产品需求优先级排序方法,其特征在于,根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序,包括:
根据需求指标分类结果,确定各需求指标的权重修正值;
将各需求指标的重要性排序权重与对应的权重修正值相乘,获得各需求指标的修正权重,并对各需求指标的修正权重求和,得到修正权重和值;
将各需求指标的修正权重与修正权重和值相除,获得调整后的重要性排序权重,根据根据调整后的重要性排序权重对各需求指标进行优先级排序,获得各需求指标的优先级排序。
9.一种云计算产品需求优先级排序系统,其特征在于,所述系统包括优先级排序服务端,用于获取目标用户的原始需求信息,从获取的原始需求信息中提取层次化需求指标,根据层次化需求指标构建需求指标信息架构表;通过为构建的需求指标信息架构表中的二级需求指标生成子问题,对样本量的目标用户进行数据采集,所述子问题包括KANO模型正向问题和KANO模型负向问题以及PCSI问题;通过质量分布分析对采集的数据进行需求指标分类,获得需求指标分类结果,通过满意度分析对每一分类中的需求指标进行优先级初始排序;根据需求指标信息架构表中的需求指标构建层次分析结构模型,计算层次分析结构模型中需求指标的重要性排序权重;根据需求指标分类结果调整所述需求指标的重要性排序权重,根据调整后的重要性排序权重对每一分类中的需求指标的优先级初始排序进行修正,获得各需求指标的优先级排序。
10.一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310970078.5A CN116976739A (zh) | 2023-08-01 | 2023-08-01 | 一种云计算产品需求优先级排序方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310970078.5A CN116976739A (zh) | 2023-08-01 | 2023-08-01 | 一种云计算产品需求优先级排序方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116976739A true CN116976739A (zh) | 2023-10-31 |
Family
ID=88472914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310970078.5A Pending CN116976739A (zh) | 2023-08-01 | 2023-08-01 | 一种云计算产品需求优先级排序方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116976739A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172619A (zh) * | 2023-11-02 | 2023-12-05 | 成都飞机工业(集团)有限责任公司 | 一种基于群ahp-云模型的复杂装备交付需求评价方法 |
-
2023
- 2023-08-01 CN CN202310970078.5A patent/CN116976739A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172619A (zh) * | 2023-11-02 | 2023-12-05 | 成都飞机工业(集团)有限责任公司 | 一种基于群ahp-云模型的复杂装备交付需求评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9654593B2 (en) | Discovering signature of electronic social networks | |
CN109376844A (zh) | 基于云平台和模型推荐的神经网络自动训练方法和装置 | |
CN109033408B (zh) | 信息推送方法及装置、计算机可读存储介质、电子设备 | |
CN112633962B (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
CN109816483B (zh) | 信息推荐方法及装置、可读存储介质 | |
CN111797320B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN108665148B (zh) | 一种电子资源质量评价方法、装置和存储介质 | |
CN111489095A (zh) | 一种风险用户管理方法、装置、计算机设备和存储介质 | |
CN111737576B (zh) | 应用功能个性化推荐方法和装置 | |
CN116976739A (zh) | 一种云计算产品需求优先级排序方法和系统 | |
CN111090983B (zh) | 问卷优化方法、装置、计算机设备和存储介质 | |
CN112184046A (zh) | 广告业务用户价值评估方法、装置、设备及存储介质 | |
CN114154672A (zh) | 一种用于客户流失预测的数据挖掘方法 | |
KR102414637B1 (ko) | 코호트 분석 기반의 스포츠 강좌 매칭 방법 및 시스템 | |
CN114493686A (zh) | 一种运营内容生成推送方法及装置 | |
CN110855474B (zh) | Kqi数据的网络特征提取方法、装置、设备及存储介质 | |
CN110533454B (zh) | 一种识别业务对象群体的方法及系统 | |
CN110807171A (zh) | 基于权重划分的坐席人员擅长业务分析方法和装置 | |
CN111221915A (zh) | 基于CWK-means的在线学习资源质量分析方法 | |
CN110874667A (zh) | 评分卡模型优化方法、装置、服务器及存储介质 | |
CN109308565B (zh) | 人群绩效等级识别方法、装置、存储介质及计算机设备 | |
CN111506826A (zh) | 基于亲密度的用户推荐方法、装置、设备及存储介质 | |
Piesse et al. | A strategy for handling missing data in the Longitudinal Study of Young People in England (LSYPE) | |
CN115526313B (zh) | 基于预测精度的跨域异质联邦学习架构运行效率评测方法 | |
Evans et al. | Goodness of fit tests in mixed effects logistic models characterized by clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |