当今产品市场是以顾客为主导的市场,“顾客满意度”这一指标对企业制定产品研发计划有着重要影响。质量功能展开(Quality Function Deployment,QFD)作为一个以实现顾客满意为目标的质量管理方法,被越来越多的企业应用到实践中,成为提升产品质量,提高企业竞争优势的强有力工具。QFD中的关键输入是顾客需求信息,由于顾客的消费形式和商品销售渠道日渐复杂,传统的顾客需求分析方法慢慢显现出许多问题:一方面,顾客需求类型的获取方式过于单一,多为问卷调查方式,数据源和数据量很少,结果存在主观性;另一方面,企业对于顾客需求的分类和权重分配缺乏合理性,无法根据顾客需求制定更有针对性的产品生产和研发计划。此外,QFD中的其它输入信息如“关联矩阵”“产品技术特性自相关矩阵”等都具有内在的模糊性和不确定性。上述因素使得传统QFD存在明显不足之处,在实践中难以取得较好的应用。基于此背景,本文以电商产品的在线顾客评论作为数据源,将顾客需求的挖掘作为研究重点,对QFD模型进行改进研究。(1)首先,文章以互联网中的消费者评论为数据源,采用数据挖掘中的主题模型和关联规则挖掘等模型算法得到顾客对于产品的需求类型,从而得到了更为真实可靠的顾客需求信息。并通过定量化的Kano模型,将顾客需求分成魅力型、基本型和一维型属性,计算得到最终顾客需求权重,深入挖掘产品的不同属性对于顾客的重要程度。(2)得到了顾客需求相关数据之后,下一步对产品技术特性展开分析研究。在模糊环境下确定了产品技术特性的基本重要度,并提出了模糊关联规则挖掘算法对技术特性的最终优先度进行分析。整体上改善了产品特性描述的不确定性,提高了结果的精确度。(3)最后,基于电商平台中智能手机产品的顾客评论和相关技术特性信息,进行实例研究,通过构建改进的QFD模型,实际应用到手机产品的质量和顾客需求分析中。最终得到智能手机产品的11项顾客需求属性和对应的12项产品技术特性信息以及两两之间的关联性,并给出了智能手机产品改进优先度排序,所得结果更加客观,有效避免了QFD中的模糊性和不确定特性。同时根据分析结果为智能手机相关企业提供顾客分析和产品配置的建议,从而验证了模型的科学和实用性。