基于客感知价值汽车技术方案适用性研究.docVIP

基于客感知价值汽车技术方案适用性研究 　　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