نام مقاله:Product improvement in a big data environment: A novel method based on text mining and large group decision making
نویسندگان:
Fang Zhang , Wenyan Song
سال انتشار: 2024
ژورنال:
Expert Systems With Applications
امروزه بهبود محصول به یک تلاش چندوجهی همراه با ابهام برای تولیدکنندگان در محیط کسب و کار رقابتی تبدیل شده است. در حالیکه پلتفرمهای آنلاین برای جلب نظر مشتریان و بازخورد آنها در خصوص محصول پدید آمدهاند، با این حال، بهبود محصول نیازمند یک رویکرد تصمیمگیری پیچیده برای تولیدکنندگان است. در واقع مدیران با چالش شناسایی موثرترین روش تصمیم گیری برای بهبود محصول، به ویژه در محیط دادههای عظیم، مواجه هستند.
در این پژوهش، به طور جامع روشهای مختلف تصمیمگیری بهبود محصول از طریق یک سری تحقیقات تجربی ارزیابی میشود. به طور خاص، سه آزمایش مختلف انجام شده که عبارتند از : 1) انتخاب اولیه که توسط ادراک شهودی تصمیم گیرندگان و متخصصین هدایت میشود، 2) تصمیم گیری چند متغیره بر اساس نظرات متخصصین، و 3) یک روش ترکیبی که دادههای عظیم مصرفکننده و تصمیم گیری گروهی در مقیاس بزرگ را در بر می گیرد.
شرح آزمایش اول: رتبهبندی گزینهها بر اساس شناخت شهودی تصمیم گیرندگان
در این مرحله اطلاعات در هشت معیار در خصوص یخچال در اختیار تصمیم گیرندگان قرار می گیرد که عبارتند از: «قیمت»، «استفاده آسان»، «طراحی عملکرد»، «خنک کننده»، «نویز»، «فضا»، «مصرف انرژی» و «خدمات». سپس از هر شرکت کننده خواسته میشود تا چهار گزینه را با توجه به دانش و درک شخصی خود رتبهبندی کند. شرکت کنندگان در این بخش شامل بیست کارشناس، شش طراح محصول جدید برای یخچالها، شش مدیر فروش محصولات یخچال و هشت کارشناس از دانشگاهها هستند. پنل متخصص دارای تخصص غنی در زمینه طراحی و توسعه محصول است.
شرح آزمایش 2: تصمیم گیری گروهی
در این آزمایش رتبه بندی گزینهها بر اساس رویکردهای تصمیمگیری چند معیاره با استفاده از متد SWARA-TOPSIS انجام میپذیرد. از بیست شرکتکننده که مشابه با پنل آزمایش 1 هستند ، دعوت میشود تا به اولویتهای خود امتیاز دهند. سپس، رویکرد SWARA-TOPSIS برای محاسبه اولویت گزیه ها اعمال میشود.
شرح آزمایش 3: روش ترکیبی مبتنی بر متن کاوی و تصمیم گیری گروهی در مقیاس بزرگ
در این آزمایش رتبهبندی گزینهها بر اساس روش ترکیبی با استفاده از بررسیهای آنلاین برای به دست آوردن وزن ها و اعمال MCDM برای رتبهبندی گزینهها پیشنهاد شده است. در این روش ابتدا، دادههای بررسی آنلاین در مورد یخچال جمع آوری میشود. در مرحله دوم، الگوریتم TextRank برای به دست آوردن فاکتورها و معیارهای کلیدی برای تصمیمات طراحی محصول اعمال میشود. همچنین الگوریتم Word2Vec برای بدست آوردن درجه تشابه بین عوامل کلیدی و معیار استفاده میشود. سپس، از روشهای تصمیمگیری چند معیاره برای رتبهبندی گزینهها استفاده میشود.
نتایج تجربی آزمایش ها نشان میدهد که روش ترکیبی، که از تکنیکهای متن کاوی در ارتباط با تصمیمگیری گروههای بزرگ استفاده میکند، رویکرد قابل اعتمادتر و مؤثرتری برای تسهیل بهبود محصول ارائه میکند. روش ترکیبی میتواند ترجیحات و نظرات متنوع و پویا مصرف کنندگان را جلب کند و آنها را در فرآیند بهبود محصول بگنجاند. روش ترکیبی همچنین میتواند عدم قطعیت و پیچیدگی تصمیم گیری را کاهش دهد و نتایج علمی و عینی بیشتری ارائه دهد.
در واقع این مقاله اثربخشی روشهای مختلف تصمیمگیری را برای بهبود محصول در محیط عظیم داده ها بررسی کرده وبا ارائه یک مدل ترکیبی جدید که بررسیهای آنلاین و نظرات کارشناسان را ادغام میکند، به ادبیات بهبود محصول کمک میکند. این مقاله همچنین مفاهیم عملی را برای تولیدکنندگانی که میخواهند محصولات خود را بر اساس بازخورد مصرفکننده بهبود بخشند، ارائه میکند. در نهایت این پژوهش پیشنهاد میکند که تولیدکنندگان از دادههای عظیم و تصمیمگیری گروههای بزرگ برای افزایش کیفیت و رقابت محصول استفاده کنند.
#تحلیل_عظیم_داده
#معرفی_مقاله
#صبا_بزرگی
