成艾国 粟婷
摘要：为解决消费者主权时代下的汽车技术方案决策问题，提出一种基于顾客感知价值的顾客导向型汽车技术方案适用性评价模型，模型输出结果相比传统的以最大费效比为目标的企业导向型决策更能充分贴合细分市场需求。在顾客感知价值权重的确定及决策信息的确定过程中，采用区间赋值的粗数方法，系统地考虑了方案评价过程中的不确定和差异化信息，能更有效地反映顾客及决策者的真实评价。选取典型汽车技术方案为实例分析，确证了方法的实用性和可行性。
关键词：顾客感知价值；汽车技术方案适用性；粗数；区问赋值；不确定多属性决策
中图分类号：U461；N945
文献标识码：A DOI：10.3969/j.issn.2095-1469.2016.04.05
对于汽车产品开发设计而言，技术方案决策是整车企业产品概念开发的重要课题。现阶段产品的竞争转换成了顾客的竞争，顾客满意度成为衡量产品市场竞争优劣度的标尺，顾客对产品的选择本质上是一个综合考虑产品性价比的过程，故将顾客感知融入产品的先期概念开发，满足顾客性价比的要求进行产品方案决策能更好地贴合细分市场的需求，提升产品竞争力。传统方案决策多为以最大费效比为目标的企业导向型决策，而从顾客感知价值出发，以最大性价比为目标的顾客导向型决策模型较少；顾客感知价值理论综合考虑了顾客与产品接触过程中所感知到的收益和所投入的成本，是一种有效衡量产品性价比的模型，因此，本文提出一种基于顾客感知价值的汽车技术方案适用性评价模型。
本文所提出的技术方案适用性问题为典型的多属性决策问题，两个关键步骤是顾客感知价值重要度的确定和方案决策信息的获取，传统决策方法有层次分析法和评分加权法。由于传统方法没有考虑到决策信息的不确定性和模糊性，所以众多学者从模糊集角度在不确定性多属性决策领域进行了广泛的研究。
在获取顾客需求相对重要度方面，李延来等提出了基于群体模糊信息的顾客需求方法，要求顾客通过三角模糊评价确定基本需求重要度。王增强等研究了群体多粒度语义信息的顾客需求优先度。白涛等提出了基于模糊Kano模型的顾客需求重要度计算方法。Chuu、薄瑞峰和Kannan等在文献[5]～[7]中也将模糊集应用于方案决策中。模糊集的应用解决了方案评价中的信息不确定问题，但也存在几点局限：（1）当决策群体数量较大时，应用模糊集获取群体模糊信息后进行相似性处理的过程复杂，而直接采用模糊数的期望值进行一致性处理又会忽略决策过程中的差异化信息。（2）使用模糊集时多采用简单的三角形、梯形等模糊数，很少评估其合理性，得到的结果可能不准确。（3）采用模糊方法进行顾客需求重要度确定时，顾客可能会产生厌烦心理，且受限于顾客的知识水平，对模糊评价的理解不到位会造成结果的偏差。
粗数是Zhai等基于粗集理论的论域、对象、属性、近似上下限、粗边界、决策表等概念提出的，运用粗数方法能更真实地反映决策者的差异化感知和评价信息。近年来粗数己应用到方案决策领域中，可用于顾客需求的分析和方案的决策评价，赵文燕等提出了基于粗数的顾客需求分析方法。Song等。结合粗数理论、层次分析法和理想解相似度顺序偏好法提出产品设计方案评价模型。Guo等将粗数方法与层次分析法相结合，并应用于光刻机的概念设计方案选择中。粗数方法能更真实地反映决策者的评价信息，但目前粗数的应用多采用确定值赋值的方式，而实际的决策过程中有的信息可以给出确定值，有的信息只能通过界定最大最小值的区间数来表达，所以本文在赵文燕等的基础上拓宽了粗数的定义，给出区间赋值的粗数计算方法。
综上所述，本文提出了基于顾客感知价值的汽车技术方案适用性评价模型，依据顾客感知价值相对重要度及Kano模型综合确定顾客感知价值的重要度。技术方案适用性评价模型中的指标项即为顾客感知价值项，指标权重即顾客感知的重要度。将区间赋值的粗数计算方法用于决策信息的获取中，更真实地反映了顾客及决策者的决策信息，同时有效地处理了决策信息的不确定和差异化问题。评价模型输出将兼顾顾客的感知利得与感知利失，以最大化满足顾客的性价比需求为目标，评价模型的指标权重随着顾客感知价值的变化而变化，权重的动态变化使模型具有广泛的适用性。
1.顾客感知价值理论及Kano属性识别
顾客感知价值概念最早由迈克尔·波特提出，核心在于顾客感知利得与感知利失之间的权衡（Trade-off），顾客感知利得（Customer PerceivedValue，CPV）是与顾客价值正相关的要素，指顾客在使用产品或服务时所感知到的利益总和（如便利性、舒适性及安全性等），顾客感知成本（CustomerPerceived Cost，CPC）指的是顾客在与产品或服务接触全过程中所付出的成本之和。Sweeney等提出的顾客感知价值量见表1，可对顾客的感知价值进行衡量。将顾客的感知价值通过产品的质量价值（Quality Value，QV）、情感价值（Emotional Value，EV）、社会价值（Social Value，SV）以及产品价格（Pro.duct Cost，PC）四个维度来体现。
为了更好地识别顾客感知价值的重要度，引入Kano模型，Kano模型由日本质量管理专家Kano等提出，用于评估产品或服务是否满足顾客需求。Kano模型将产品的质量属性分为五大类，如图l所示：（1）魅力质量属性（A：Attractive Quality），魅力属性得到满足时能大幅度提升顾客满意度。（2）必备质量属性（M：Must-be Quality），该类属性得不到满足时会引起顾客的不满。（3）期望属性（O：One-dimensional Quality），与顾客的满意度呈线性相关关系。（4）无差异型属性（I：IndifferentQuality），该类属性满足与否不会对顾客的满意度造成影响。（5）反向需求（R：Reverse Quality），属性满足时引起顾客不满。顾客的感知价值Kano属性可通过Kano问卷调查表获得，顾客按照要求分别给出产品具备和不具备某项属性时的满意程度，用满意、理应如此、无所谓、可以接受、不满意来表达，根据顾客的对应选择可以确定该项顾客感知价值的Kano属性。
2.区间赋值的粗数计算方法
粗集理论是Pawlak提出的一种关于数据分析和推理的理论，粗数是Zhai等基于粗集理论的论域、对象、属性、近似上下限、粗边界、决策表等概念提出的，运用粗数方法能更深刻真实地反映决策者的感知和评价信息。由Zhai等提出的粗数计算方法，均是采用确定值赋值，而实际决策过程中，决策者常常难以给出确定信息，需要借助区间数表达，本文在赵文燕等提出的粗数定义的基础上，增加区间赋值的粗数定义。
3.基于顾客感知价值的技术方案适用性评价模型
基于顾客感知价值的汽车技术方案适用性评价模型由两大关键步骤构成，一是基于粗数和Kano模型的顾客感知价值相对重要度确定，二是采用区间赋值的粗数方法进行方案决策。顾客感知价值相对重要度即输入为方案决策的评价指标权重，使评价结果充分贴近顾客的感知价值。评价模型输出将兼顾顾客的感知利得与感知利失，最大化满足顾客的性价比需求，评价模型的指标权重随着顾客感知价值的变化而变化，权重的动态变化使模型具有广泛的适用性。
3.1基于粗数和Kano模型的顾客感知价值权重确定
步骤l：顾客感知价值获取
在顾客感知价值的权重确定问题中，d位顾客对n项顾客感知价值a（j=1，2，…n）按l～9重要度等级进行评分，可以采用区间赋值，经过粗数处理，得到各项感知价值的粗数、粗边界以及粗数均值。
步骤2：顾客感知价值权重分析
根据文献对顾客需求的权重确定原则，判断阈值l=2，d=2，其中，为粗数下限阈值，d为粗边界阈值，判断规则如下：（1）若感知价值lim（4）<，，且ABnd（A）
调整依据为顾客评判的感知价值Kano属性分类。式中，k值根据顾客感知价值对应的产品属性
4.应用实例
本节选取汽车技术方案的选择进行实例分析。某自主品牌汽车企业进行车型开发，目标用户为购车预算在10～15万元区间的85后和90后城市上班族，备选技术方案组合见表3。
4.1感知价值的获取及权重确定
步骤1：顾客感知价值获取
通过前期市场调研，获取了与汽车备选技术方案体系相关的8项顾客感知价值如下：动力性（a1）、操控性（a2）、舒适性（a3）、可靠性（吼）、社会形象（a5）、油耗（a6）、价格（a7）、维护保养经济性（a8），同时获取了20位顾客对8项感知价值的重要度评分见表4，粗数计算后的顾客感知价值粗数见表5。
步骤2：顾客感知价值权重分析
根据3.1中顾客需求约简原则，粗数下限和粗边界的阈值分别为l=2和d=2，根据表4和表5对顾客感知价值进行如下分析。
（1）不存在粗数下限低于k=2且粗边界小于『_2的顾客感知价值项目，故无需约简感知价值项。
（2）感知价值项价格（a7）的粗数为[5.564，7.194]，下限大于l=2，粗边界为2.349，需要对该项感知价值进行权衡，即用户之间存在较大的评价差异。通过进一步采访调研确认价格这一项感知价值对于所列备选方案决策的影响程度，案例中结合对顾客可接受价格的浮动范围及销售人员的市场经验，该项评价取值为6。
（3）a1，a2，a3，a4，a5，a6，a8这7项顾客感知价值的粗数下限均大于2，粗数边界均小于2，说明顾客对这几项需求的评价等级较高，且认可程度一致，故可直接利用粗数均值进行权重计算。由此，得顾客感知价值a1，a2，a3，a4，a5，a6，a8的初始权重向量ω如下：ω=（0.113，0.145，0.123，0.165，0.082，0.127，0.1 17，0.128）。
步骤3：Kano属性权重调整
为获取准确的感知价值Kano属性，共发放80份Kano问卷，获取有效问卷60份，以百分比表示选择该类Kano特性的人数比例，判定结果为占比最大的Kano特性。根据Kano质量属性分类的重要度，对应必备质量属性（M）、期望质量属性（0）以及魅力质量属性（A），权重调整系数k分别取1.8，1.5，1.2，调整过后的属性权重见表6，其中ki（/=1，2，…，n）表示每项感知价值的调整系数。
4.2基于粗数的方案决策
步骤l：专家Ek（k=l，2，…，s）对方案Xi按评价指标口，进行测度，组织决策专家E1、E2、E3、E4E5对备选汽车技术方案进行评分，采用9分制法进行评分，1，3，5，7，9五个分值分别对应低、较低、中等、较高、高五个级别评价结果，中间值为对应上述相邻两分值的中间情况，决策时可采用区间值打分。以动力性（a1）为例，5位专家对7个备选汽车技术方案进行动力性评分，结果见表7。
步骤2：决策信息粗数处理
同理，对所有顾客感知价值，综合5位决策专家的决策评分，并进行粗数处理，得到粗数评价矩阵，见表8。
步骤3：评价矩阵规范化
由步骤2得到的评价矩阵为一个带有区间数的决策矩阵，其中a1，a2，a3，a4，a5为效益型属性；a6，a7，a8为成本型属性，按照各属性的量纲和类型采用基于区间数运算的规范化方法，得到规范化矩阵R，见表9。
综上所述，选定目标用户群主要为85后和90后城市上班族，追求经济适用型汽车以满足基本代步需求，对动力性的追求相对较低，以自然吸气+多点电喷组合的技术方案（方案x1～x4）购置和使用成本均较低，且性能基本满足了日常需要，所以相对涡轮增压技术组合适用性更高。从方案五～X4来看，机械液压方式相比电动助力在舒适性和档次上稍逊一筹，方案x2的技术组合方案成熟可靠、且购车成本和用车成本都较低，所以适用性最高，方案x1的优越性体现在多连杆悬架的操控性和舒适性方面，方案X4较好地兼顾了动力性能和燃油经济性。从方案X5～X2来看，相对前4个方案，这3种方案在动力性和燃油经济性上有所提升，但顾客需要投入更多的购买和使用成本，其中购买和使用成本最高的方案x7以各方面均最优的性能排序相对靠前，方案X5仅突出了动力性的优势，技术方案组合方式没有很好地兼顾顾客的感知价值，所以适用性最差。
5.结论
（1）提出一种基于顾客感知价值的汽车技术方案适用性评价方法，建立了顾客导向型的技术方案决策模型，决策结果相比于传统以最大费效比为目标的企业导向型决策更能充分贴合细分市场需求。
（2）提出了区间赋值的粗数计算方法，更真实地反映了顾客及决策者的决策信息，同时有效地处理了决策过程中的不确定和差异化信息。
（3）评价模型的指标权重随着顾客感知价值的变化而变化，权重的动态变化使模型具有广泛适用性，输出决策方案将尽可能地减小用户的感知利失，增加用户的感知利得。
