Automatisierte Extraktion von Kundenbedürfnissen aus Kundenreviews zur Steigerung der Innovationsfähigkeit

• Antragsteller: Professor Dr.-Ing. Robert Heinrich Schmitt
• Fachliche Zuordnung: Produktionssystematik, Betriebswissenschaften, Qualitätsmanagement und Fabrikplanung ; Konstruktion, Maschinenelemente, Produktentwicklung
• Förderung: Förderung von 2017 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 330451960

• Erstellungsjahr: 2020

Zusammenfassung der Projektergebnisse

Aufgrund der starken technischen und funktionalen Ähnlichkeiten der heutigen Produkte werden die emotionalen und sensorischen Produkteigenschaften immer wichtiger, um sich von der Konkurrenz abzuheben. Um die emotionalen und sensorischen Produkteigenschaften der Kunden anzusprechen, müssen die Wünsche und Bedürfnisse des Kunden in den Innovationsprozess integriert werden. Kundenbedürfnisse bestehen aus einem bewussten, artikulierten Teil und einem unbewussten, latenten Teil. Während die bewussten Bedürfnisse auf eine kurzfristige Lösung abzielen, bietet die Identifikation latenter Bedürfnisse das Potenzial für erfolgreiche, langfristige Innovationen. Eine wachsende Quelle für unverfälschtes Kundenfeedback findet man in Social Media. Da bisher noch kein effektiver Weg gefunden wurde latente Bedürfnisse aus Rezensionen zu extrahieren, war es das Ziel dieser Forschungsarbeit, einen Algorithmus zur Extraktion von Kundenbedürfnissen zu erarbeiten. Latente Kundenbedürfnisse sind in objektiven Sätzen von Rezensionen zu finden und somit nicht durch einfache lexikalische Analysen extrahierbar. Es ließ sich zeigen, dass fundamentale Unterschiede auf sprachlicher Ebene zwischen subjektiven und objektiven Sätzen in kundengenerierten Daten zu finden sind. Während subjektive Sätze nicht nur Meinungen und Emotionen äußern, sind in objektiven Sätzen die Lebensumstände der Kunden auf sachliche Art dargestellt. Mithilfe eines Naive Bayes Klassifikators, ließen sich subjektive und objektive Sätze mit einer Precision von 63,25% und Recall von 61,58 % unterscheiden. Die klassischen Features des Stanford-Taggers wurden dabei um Features der Online-Sprache erweitert. Anschließend ließen sich in den objektiven Sätzen die latenten Bedürfnisse aus den neun Kategorien von Reichhard mithilfe eines Lexikons extrahieren. Es wurde festgestellt, dass ein Lexikon mithilfe von Assoziationen erstellt werden kann. Dabei spielt nicht nur die Stärke der Assoziation, sondern auch die Polarität der Wörter eine Rolle. Auch ließ sich zeigen, dass das Lexikon nicht verallgemeinert für alle Produkte erstellt werden kann, sondern individuell auf einen Kontext und das Produkt angepasst werden muss. Abschließend wurde eine Methodik erarbeitet, wie die Extraktion von Kundenbedürfnissen innerhalb eines Unternehmens mittels Methodiken wie CRISP-DM und KDD aussehen kann.

Projektbezogene Publikationen (Auswahl)

• Extracting Customer-Related Information for Need Identification. In: Proceedings of the 1st International Conference on Human Systems Engineering and Design (IHSED2018): Future Trends and Applications, October 25-27, 2018, CHU-Université de Reims Champagne-Ardenne, France (Human Systems Engineering and Design, pp. 1108-1112)
  A. Fels, K. Briele, M. Ellerich, R. Schmitt
  
• Blueprint for a Priming Study to Identify Customer Needs in Social Media Reviews. In: Human Systems Engineering and Design 2, S.79-84
  K. Briele, A. Krause, M. Ellerich, R. Schmitt
  
• Methodical data-driven integration of customer needs from Social Media into the product development process. In: 13th CIRP Conference on Intelligent Computation in Manufacturing Engineering, 17-19 July 2019, Gulf of Naples, Italy, S. 127-132
  M. Lindemann, K. Briele, R. Schmitt