IDEAS主页打印自https://ideas.repec.org/a/eee/tefoso/v171y2021ics0040162521004157.html
  我的参考书目  保存此文章

使用在线客户评论和谷歌趋势预测产品属性的重要性

作者

上市的：
  • 哈南雅库布
  • Kwong，C.K.公司。

摘要

在产品设计的早期阶段，产品制造商寻求确定最相关的产品特征，以满足消费者的需求。通常，在产品设计和新产品发布之间的时间间隔内，必须进行多次调查，以了解产品属性重要性的任何变化。然而，这一过程既耗时又昂贵。最近，许多网站上都产生了在线客户评论，可以用来分析产品属性重要性的变化。此外，谷歌趋势在之前的研究中被采用，以了解消费者在一段时间内对某些产品的兴趣，并可在分析产品属性重要性的变化时加以考虑。然而，目前还没有此类研究的报道。本研究旨在提出一种使用在线大数据的实证方法，以识别和预测未来与消费者相关的产品设计属性。为了实现这一目标，我们提出了一种基于在线客户评论和谷歌趋势预测产品属性未来重要性的方法。以电吹风机为例说明了该方法。对提出的模糊粗糙集时间序列方法进行了验证测试。测试结果表明，该方法的预测精度优于模糊时间序列、模糊k中值聚类时间序列和ANFIS方法。我们的结果有助于新产品开发过程，并可能帮助研发经理建立能够产生更高回报的产品设计方法和流程。

建议引用

  • 雅库布、哈南和广岛，C.K.，2021年。"使用在线客户评论和谷歌趋势预测产品属性的重要性,"技术预测与社会变革爱思唯尔，第171（C）卷。
    • 手柄：RePEc:eee:tefoso:v:171:y:2021:i:c:s0040162521004157
    DOI:10.1016/j.techfore.2021.120983年
    作为

    从出版商下载全文

    文件URL: http://www.sciencedirect.com/science/article/pii/S0040162521004157
    下载限制：全文仅供ScienceDirect用户使用
    文件URL: https://libkey.io/10.1016/j.techfore.2021.120983？utm_source=ideas
    LibKey链接：如果访问受到限制，并且您的库使用此服务，LibKey会将您重定向到可以使用库订阅访问此项目的位置
    ---><---

    由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。

    IDEAS上列出的参考文献

    作为
    1. Nikolaos Askitas和Klaus F.Zimmermann，2009年。"谷歌计量经济学与失业预测,"应用经济学季刊（原名：Konjunkturpolitik），Duncker&Humblot，柏林，第55卷（2），第107-120页。
    2. 张磊、朱雪宁和薛德义，2019年。"基于产品重新设计的在线评审，确定需要改进的产品功能,"国际生产研究杂志《泰勒与弗朗西斯杂志》，第57卷（8），第2464-2479页，4月。
    3. Pai Zheng&Xun Xu&Sheng Quan Xie，2019年。"基于加权区间粗糙数的QFD产品规划中客户需求相对重要性等级确定方法,"智能制造杂志，Springer，第30卷（1），第3-16页，1月。
    4. Jiunn-I Shieh&Xin-Hung Wu，2009年。"在质量功能部署中应用隐马尔可夫链模型分析动态客户需求,"质量与数量：国际方法学杂志施普林格，第43卷（4），第635-644页，7月。
    5. Fantazini，Dean&Toktamysova，Zhamal，2015年。"使用谷歌数据和多元模型预测德国汽车销售,"国际生产经济学杂志爱思唯尔，第170卷（PA），第97-135页。
    6. Lee，In&Shin，Yong Jae，2020年。"企业机器学习：应用、算法选择和挑战,"商业视野爱思唯尔，第63卷（2），第157-170页。
    7. Lohithaksha M.Maiyar&SangJe Cho&Manoj Kumar Tiwari&Klaus Dieter Thoben&Dimitris Kiritsis，2019年。"使用基于自学习粒子群的贝叶斯学习方法优化在线评论启发的产品属性分类,"国际生产研究杂志《泰勒与弗朗西斯杂志》，第57卷（10），第3099-3120页，5月。
    8. 贾伟强，刘振宇，林志云，邱灿，谭建荣，2016。"QFD中多层次结构工程特性重要性程度的量化,"国际生产研究杂志《泰勒与弗朗西斯杂志》，第54卷（6），第1627-1649页，3月。
    9. Pai Zheng&Xun Xu&Sheng Quan Xie，2019年。"修正为：基于加权区间粗糙数的方法，用于确定QFD产品规划中客户需求的相对重要性评级,"智能制造杂志，施普林格，第30卷（1），第459-459页，1月。
    10. Simeon Vosen和Torsten Schmidt，2011年。"预测个人消费：基于调查的指标与谷歌趋势,"预测杂志，John Wiley&Sons，Ltd.，第30卷（6），第565-578页，9月。
    11. Choi Hyunyoung和Hal Varian，2012年。"用谷歌趋势预测当前,"经济记录澳大利亚经济学会，第88卷（s1），第2-9页，6月。
    12. Chen，Yizeng&Fung，Richard Y.K.&Tang，Jiafu，2006年。"融合模糊加权平均法和模糊期望值算子的模糊QFD技术属性评价,"欧洲运筹学杂志爱思唯尔，第174（3）卷，第1553-1566页，11月。
    13. 曼弗雷德·贝斯纳，2019年。"比例Shapley值的公理化,"理论与决策，施普林格，第86卷（2），第161-183页，3月。
    14. Ozge Cagcag Yolcu，2013年。"基于模糊聚类和单乘神经元模型人工神经网络的混合模糊时间序列方法,"工程中的数学问题，Hindawi，第2013卷，第1-9页，11月。
    15. Jun，Seung Pyo&Yoo，Hyoung Sun&Choi，San，2018年。"谷歌趋势十年研究变化：从大数据利用和应用的角度,"技术预测与社会变革爱思唯尔，第130卷（C），第69-87页。
    16. 阿巴斯·马尔达尼（Abbas Mardani）、梅赫巴赫斯·尼拉西（Mehrbakhsh Nilashi）、尤尔吉塔·安图切维奇（Jurgita Antucheviciene）、马吉德·塔瓦纳（Madjid Tavana）、罗穆尔达斯·鲍西斯（Romualdas Bausys）和奥斯曼·易。"粗糙集理论的最新模糊推广：文献的系统综述和方法论批判,"复杂性，Hindawi，第2017卷，第1-33页，10月。
    17. Palma Lampreia Dos Santos，玛丽亚·何塞，2018年。"谷歌趋势（Google Trends）对欧洲国家水培作物的最新预测,"技术预测与社会变革爱思唯尔，第134卷（C），第178-185页。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    引文

    引文由CitEc项目，订阅其RSS源用于此项目。
    作为


    引用人：

    1. 冯丽杰（Lijie Feng）、刘克辉（Kehui Liu）、王金凤（Jinfeng Wang）、林国毅（Kuo-Yi Lin）、张科（Ke Zhang）和张路耀（Luyao Zhang，2022）。"从市场和技术属性角度确定电动汽车的潜在技术,"能源，MDPI，第15卷（20），第1-22页，10月。
    2. 李艳来、沈子凡、赵翠明、金桂生、郎旭伟，2024。"了解消费者对新鲜食品电子商务产品和服务的意见变化——新冠肺炎疫情爆发前后的对比分析,"持续性，MDPI，第16卷（7），第1-22页，3月。
    3. 陈，乐乐和景，坤鹏和梅，宇鹏，2024。"消费目标对复习有用性的影响：行为和视觉追踪研究,"零售与消费者服务杂志，爱思唯尔，第76卷（C）。
    4. Fernando，Angeline Gautami&Aw，Eugene Cheng Xi，2023年。"消费者想要什么？从消费者在线问题中识别决定性产品属性的方法框架,"零售与消费者服务杂志，爱思唯尔，第73卷（C）。
    5. Pal、Shounak&Biswas、Baidyanath&Gupta、Rohit&Kumar、Ajay&Gupta-Shivam，2023年。"探索移动健康应用程序中影响用户体验的因素：一种文本思维和机器学习方法,"商业研究杂志爱思唯尔，第156（C）卷。
    6. 石延林，彭庆金，2023。"基于WordNet层次结构和关联关系的产品结构概念设计,"智能制造杂志施普林格，第34卷（6），第2655-2671页，8月。
    7. Boccali，Filippo&Mariani，Marcello M.&Visani，Franco&Mora-Cruz，Alexandra，2022年。"在数据丰富的环境中进行创新的基于价值的价格评估：通过数据包络分析利用在线审查分析来增强管理者和企业家的能力,"技术预测与社会变革，爱思唯尔，第182卷（C）。

    最相关的项目

    这些是最常引用与本书相同作品的项目，也被与本书同样的作品引用。
    1. van der Wielen，Wouter&Barrios，萨尔瓦多，2021年。"新型冠状病毒疫情期间的经济情绪：来自欧盟搜索行为的证据,"经济与商业杂志《爱思唯尔》，第115卷（C）。
    2. Juan Camilo Anzoátegui-Zapata和Juan Camil Galvis-Ciro，2020年。"消费者通货膨胀预期的分歧：拉丁美洲经济的经验证据,"商业周期研究杂志，施普林格；国际经济趋势调查研究中心（CIRET），第16卷（2），第99-122页，11月。
    3. 宋忠臣（Zhongchen Song）和汤姆·库佩（Tom Coupé），2023年。"用百度预测中国消费系列,"中国经济与商业研究杂志《泰勒与弗朗西斯杂志》，第21卷（3），第429-463页，7月。
    4. 塞尔汉·塞维克（Serhan Cevik），2022年。"我们该去哪里？互联网搜索和游客到达,"国际财经杂志，John Wiley&Sons，Ltd.，第27卷（4），第4048-4057页，10月。
    5. Tsoyu Calvin Lin和Shih-Hsun Hsu，2020年。"从访问量到实际价格登记系统预测住房市场,"国际房地产评论全球社会科学研究所，第23卷（4），第505-536页。
    6. Jolana Stejskalova，2023年。"我们调查了汽车公司的股票回报率、Fama-Franch因素和行为注意力之间的联系，表现为对汽车公司所选汽车品牌的需求,"经济学杂志/Ekonomicky casopis斯洛伐克科学院经济研究所，第71卷（3），第202-221页，3月。
    7. Yang，Xin&Pan，Bing&Evans，James A.&Lv，Benfu，2015年。"利用搜索引擎数据预测中国游客量,"旅游管理爱思唯尔，第46卷（C），第386-397页。
    8. 雅克·布金（Jacques Bughin），2015年。"谷歌搜索和推特情绪：最新电信销售业绩,"网络经济学施普林格，第16卷（1），第87-105页，8月。
    9. 丁建中和萧一龙，2022年。"台湾GDP和实时旅游数据的近期预测,"管理与应用经济学进展SCIENPRESS有限公司，第12卷（3），第1-2页。
    10. Nikolaos Askitas和Klaus F.Zimmermann，2015年。"互联网作为社会科学进步的数据源,"国际人力杂志Emerald Group Publishing Limited，第36卷（1），第2-12页，4月。
    11. Götz，Thomas B.&Knetsch，ThomasA.，2019年。"德国GDP桥梁方程模型中的谷歌数据,"国际预测杂志爱思唯尔，第35卷（1），第45-66页。
    12. Zeynalov，Ayaz，2014年。"布拉格旅游人数预测：谷歌计量经济学,"MPRA纸60945，德国慕尼黑大学图书馆。
    13. 龙文、刘昌和宋海燕，2019年。"利用搜索查询数据预测旅游需求：一种混合建模方法,"旅游经济学，第25（3）卷，第309-329页，5月。
    14. 丁建中、萧一龙和苏瑞军，2022年。"实时旅游数据在台湾服务消费预测中的应用,"应用金融与银行杂志SCIENPRESS有限公司，第12卷（4），第1-4页。
    15. Oestmann Marco和Bennöhr Lars，2015年。"房价动态的决定因素。我们可以从搜索引擎数据中学到什么？,"经济学回顾，De Gruyter，第66卷（1），第99-127页，四月。
    16. Dean Fantazini、Julia Pushchelenko、Alexey Mironenkov和Alexey Kurbatskii，2021年。"利用谷歌趋势预测俄罗斯国内移民：来自莫斯科和圣彼得堡的证据,"预测，MDPI，第3卷（4），第1-30页，10月。
    17. David Kohns和Arnab Bhattacharjee，2020年。"使用谷歌趋势数据的近期预测增长：贝叶斯结构时间序列模型,"论文2011.00938，arXiv.org，2022年5月修订。
    18. David Coble和Pincheira，Pablo，2017年。"利用谷歌趋势预测建筑许可,"MPRA纸76514，德国慕尼黑大学图书馆。
    19. Jaroslav Pavlicek和Ladislav Kristoufek，2015年。"通过谷歌搜索预测失业率：来自维塞格勒集团国家的证据,"普洛斯一号，公共科学图书馆，第10卷（5），第1-11页，5月。
    20. Niesert、Robin F.&Oorschot、Jochem A.&Veldhuisen、Christian P.&Brons、Kester&Lange、Rutger-Jan，2020年。"谷歌搜索数据能帮助预测宏观经济序列吗？,"国际预测杂志爱思唯尔，第36卷（3），第1163-1172页。

    更正

    本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:eee:tefoso:v:171:y:2021:i:c:s0040162521004157。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是该项目的注册作者，您可能还想查看您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关本项目的技术问题，或更正作者、标题、摘要、参考书目或下载信息，请联系：Catherine Liu（电子邮件地址如下）。供应商的一般联系方式：http://www.sciencedirect.com/science/journal/00401625.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    思想是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。