一种新的拓展三维机会挖掘算法：基于新能源汽车市场的机会挖掘

doi:10.16381/j.cnki.issn1003-207x.2024.0790

中国管理科学 ›› 2026, Vol. 34 ›› Issue (8): 356-368.doi: 10.16381/j.cnki.issn1003-207x.2024.0790cstr: 32146.14.j.cnki.issn1003-207x.2024.0790

• • 上一篇

一种新的拓展三维机会挖掘算法：基于新能源汽车市场的机会挖掘

赵萌¹^,²^,³, 王海龙¹^,², 邬文帅⁴^,⁵(), 王翰林¹^,², 王亚君¹^,²

^1.东北大学工商管理学院，辽宁沈阳 110819
^2.东北大学秦皇岛分校，河北秦皇岛 066004
^3.河北省数据科学与知识管理重点实验室，河北秦皇岛 066004
^4.广州商学院数字经济产业学院，广东广州 511363
^5.中山大学岭南学院，广东广州 510275

收稿日期:2024-05-20 修回日期:2025-03-17 出版日期:2026-08-25 发布日期:2026-07-14
通讯作者: 邬文帅 E-mail:wenshuai_wu@163.com
基金资助:
国家自然科学基金项目(72371066);国家自然科学基金项目(71761014);教育部人文社会科学基金项目(22YJA630119);河北省自然科学基金项目(G2024501002);中央高校基本科研业务费专项(N2423045)

New Expanded 3D Opportunity Mining Algorithm: Opportunity Mining Based on the New Energy Vehicle Market

Meng Zhao¹^,²^,³, Hailong Wang¹^,², Wenshuai Wu⁴^,⁵(), Hanlin Wang¹^,², Yajun Wang¹^,²

^1.School of Business Administration，Northeastern University，Shenyang 110819，China
^2.School of Management，Northeastern University at Qinhuangdao，Qinhuangdao 066004，China
^3.Hebei Key Laboratory of Data Science and Knowledge Management，Qinhuangdao 066004，China
^4.School of Digital Economy Industry，Guangzhou College of Commerce，Guangzhou 511363，China
^5.Lingnan College，Sun Yat-sen University，Guangzhou 510275，China

Received:2024-05-20 Revised:2025-03-17 Online:2026-08-25 Published:2026-07-14
Contact: Wenshuai Wu E-mail:wenshuai_wu@163.com

摘要/Abstract

摘要：

在竞争日益激烈的新能源汽车制造领域，准确把握市场机会是新能源汽车厂商获取竞争优势的关键。既有的市场潜在机会挖掘算法主要基于在线评论信息来分析消费者的需求满意度和需求重要度。然而，这些方法在度量消费者需求满意度过程中未关注消费者传递的交互信息，在度量需求重要性过程中未考虑多因素及其相关关系，使得在线评论信息对需求的反映失真。此外，在确定潜在需求过程中忽略时间变化的影响，可能导致无法动态把握市场机会的变化。基于以上不足，本文提出了一种新的拓展三维机会挖掘算法并应用于新能源汽车市场机会的识别。首先，在识别虚假评论的基础上，考虑交互信息，提出针对消费者的需求满意度度量方法；其次，综合考虑需求的有效频次、需求对需求满意度的影响力以及百度指数等三个影响因素，并结合Choquet积分提出需求重要性的度量方法；最后，在需求满意度和需求重要性的基础上，引入需求趋势作为衡量需求潜力的指标，度量需求潜力，并进一步将传统的机会挖掘算法拓展到“潜力-需求满意度-需求重要性”三维空间。以比亚迪唐新能源汽车为例，验证了所提方法的有效性，对比分析结果表明，该方法可以有效地识别新能源汽车的潜在市场机会，有助于新能源汽车厂商更好地了解消费者需求。

关键词: 新能源汽车, 机会挖掘算法, 在线评论, 消费者需求, 产品改进

Abstract:

In the increasingly competitive field of new energy vehicle manufacturing， market opportunities must be accurately grasped for new energy vehicle manufacturers to gain competitive advantages. The existing market opportunity mining algorithms mainly analyze potential consumer demand satisfaction and demand importance based on online comment information to explore potential demand as market opportunities. However， critical limitations are exhibited in these methods： interactive information is neglected conveyed by consumers when measuring demand satisfaction， and multiple influencing factors are not considered and their interrelationships when assessing demand importance， resulting in distorted reflection of genuine consumer needs through online reviews. Furthermore， temporal dynamics are overlooked in identifying potential demands which may hinder the ability to dynamically capture evolving market opportunities. Based on the above shortcomings， a new extended 3D opportunity mining algorithm is proposed and applies it to identify opportunities in the new energy vehicle market： firstly， the satisfaction measure is proposed based on the identification of false reviews and the consideration of interactive information； secondly， the importance measure is proposed by combining the Choquet integral with the effective frequency of demand， the influence of demand on satisfaction， and the Baidu index， etc； and lastly， based on the satisfaction and importance， satisfaction measure is proposed based on the interaction information of consumers. Finally， on the basis of satisfaction and importance， a measure of demand potential by considering the time factor is proposed， which extends the traditional opportunity algorithm to the three-dimensional space of "potential-demand satisfaction-demand importance". By applying the method framework to 7，606 text reviews of the Tang new energy vehicle series from 2015 to 2022， the ranking of consumer attention to demands and improvement suggestions are obtained. And the changes in demand importance and demand satisfaction within different time periods are analyzed. The results of comparative analysis demonstrate the effectiveness and necessity of the new method. In future research， a set of comprehensive indicators and systems are provided for measuring importance， and a method is provided for measuring demand potential considering the time factor. In practice， market opportunities for new energy vehicles can be accurately and effectively identified， and enterprises are helped to upgrade their vehicle models in a targeted manner.

Key words: new energy vehicle, opportunity mining algorithm, online reviews, consumer demand, product improvement

中图分类号:

C934

赵萌,王海龙,邬文帅, 等. 一种新的拓展三维机会挖掘算法：基于新能源汽车市场的机会挖掘[J]. 中国管理科学, 2026, 34(8): 356-368.

Meng Zhao,Hailong Wang,Wenshuai Wu, et al. New Expanded 3D Opportunity Mining Algorithm: Opportunity Mining Based on the New Energy Vehicle Market[J]. Chinese Journal of Management Science, 2026, 34(8): 356-368.

图/表 9

图1

图2

图3

表1

图4

图5

图6

图7

表2

参考文献 40

[1]	Song X F， Zhang Y， Gong D W， et al. Feature selection using bare-bones particle swarm optimization with mutual information［J］. Pattern Recognition， 2021， 112： 107804.
[2]	Li Y， Dong Y， Wang Y， et al. Product design opportunity identification through mining the critical minority of customer online reviews［J］. Electronic Commerce Research， 2025， 25（1）： 211-239.
[3]	张文，王强，马振中，等. 在线商品虚假评论发布动机及形成机理研究［J］. 中国管理科学， 2022， 30（7）： 176-188.
	Zhang W， Wang Q， Ma Z Z， et al. Research on the motivation and formation mechanism of online products deceptive reviews［J］. Chinese Journal of Management Science， 2022， 30（7）： 176-188.
[4]	蒋翠清，吕孝忠，段锐. 基于主题模型的产品在线论坛主题演化分析［J］.系统工程学报，2019， 34（5）： 598-609.
	Jiang C Q， Lv X Z， Duan R. Analyzing topic evolution of online product forum based on topic model［J］. Journal of Systems Engineering， 2019， 34（5）： 598-609.
[5]	黄丽华，何晓，卢向华. 企业在线社群内容组合策略的影响研究［J］. 管理科学学报， 2020， 23（2）： 104-119.
	Huang L H， He X， Lu X H. The study impact of content strategy of online community［J］. Journal of Management Sciences in China， 2020， 23（2）： 104-119.
[6]	Zhang D， Shen Z， Li Y. Requirement analysis and service optimization of multiple category fresh products in online retailing using importance-Kano analysis［J］. Journal of Retailing and Consumer Services， 2023， 72： 103253.
[7]	Zhao M， Liu M， Xu C， et al. Classifying travellers’ requirements from online reviews： An improved Kano model［J］. International Journal of Contemporary Hospitality Management， 2024， 36（1）： 91-112.
[8]	Li Q， Yang Y， Li C， et al. Energy vehicle user demand mining method based on fusion of online reviews and complaint information［J］. Energy Reports， 2023， 9： 3120-3130.
[9]	沈超，王安宁，方钊，等. 基于在线评论数据的产品需求趋势挖掘［J］.中国管理科学，2021，29（5）： 211-220.
	Shen C， Wang A N， Fang Z， et al. Trend mining of product requirements from online reviews［J］. Chinese Journal of Management Science，2021，29（5）： 211-220.
[10]	何喜军，张婷婷，武玉英，等. 供需匹配视角下基于语义相似聚类的技术需求识别模型［J］. 系统工程理论与实践， 2019， 39（2）： 476-485.
	He X J， Zhang T T， Wu Y Y， et al. Technology demand recognition model based on semantic similarity under the supply-demand matching perspective［J］. Systems Engineering-Theory Practice， 2019， 39（2）： 476-485.
[11]	王安宁，张强，彭张林，等. 基于在线评论的区域需求偏好识别方法［J］中国管理科学，2019， 27（7）： 167-176.
	Wang A N， Zhang Q， Peng Z L， et al. Identifying regional demand preferences from online reviews［J］. Chinese Journal of Management Science， 2019， 27（7）： 167-176.
[12]	Jin J， Ji P， Gu R. Identifying comparative customer requirements from product online reviews for competitor analysis［J］. Engineering Applications of Artificial Intelligence， 2016， 49： 61-73.
[13]	Ulwick A W. What customers want： Using outcome-driven innovation to create breakthrough products and services［M］. New York： McGraw-Hill Professional， 2005.
[14]	Pinegar J S. What customers want： Using outcome-driven innovation to create breakthrough products and services by Anthony W. ulwick［J］. Journal of Product Innovation Management， 2006， 23（5）： 464-466.
[15]	Cai M， Tan Y， Ge B， et al. PURA： A product-and-user oriented approach for requirement analysis from online reviews［J］. IEEE Systems Journal， 2022， 16（1）： 566-577.
[16]	Kwon Y， Son S， Jang K. User satisfaction with battery electric vehicles in South Korea［J］. Transportation Research Part D： Transport and Environment， 2020， 82： 102306.
[17]	Yakubu H， Kwong C K. Forecasting the importance of product attributes using online customer reviews and Google Trends［J］. Technological Forecasting and Social Change， 2021， 171： 120983.
[18]	Kim S W， Lee K， Sohn J S， et al. Product development using online customer reviews： A case study of the South Korean subcompact sport utility vehicles market［J］. Applied Sciences， 2020， 10（19）： 6918.
[19]	Choi J， Oh S， Yoon J， et al. Identification of time-evolving product opportunities via social media mining［J］. Technological Forecasting and Social Change， 2020， 156： 120045.
[20]	Ibrahim N F， Wang X. A text analytics approach for online retailing service improvement： Evidence from Twitter［J］. Decision Support Systems， 2019， 121： 37-50.
[21]	Wang L， Wang X K， Peng J J， et al. The differences in hotel selection among various types of travellers： A comparative analysis with a useful bounded rationality behavioural decision support model［J］. Tourism Management， 2020， 76： 103961.
[22]	Huang H， He Y， Chen J. Competitive strategies and quality to counter parallel importation in global market［J］. Omega， 2019， 86： 173-197.
[23]	Li S G， Zhang Y Q， Yu Z X， et al. Economical user-generated content （UGC） marketing for online stores based on a fine-grained joint model of the consumer purchase decision process［J］. Electronic Commerce Research， 2021， 21（4）： 1083-1112.
[24]	Nam S， Lee H C. A text analytics-based importance performance analysis and its application to airline service［J］. Sustainability， 2019， 11（21）： 6153.
[25]	Zhang C， Tian Y X， Fan Z P. Forecasting sales using online review and search engine data： A method based on PCA-DSFOA-BPNN［J］. International Journal of Forecasting， 2022， 38（3）： 1005-1024.
[26]	Wu J， Wang Y， Shafiee S， et al. Discovery of associated consumer demands： Construction of a co-demanded product network with community detection［J］. Expert Systems with Applications， 2021， 178： 115038.
[27]	Loomes G， Sugden R. Regret theory： An alternative theory of rational choice under uncertainty［J］. The Economic Journal， 1982， 92（368）： 805-824.
[28]	Liao H， Zhang Z， Xu Z， et al. A heterogeneous regret-theory-based method with choquet integral to multiattribute reverse auction［J］. IEEE Transactions on Engineering Management， 2022， 69（5）： 2248-2259.
[29]	Tversky A， Kahneman D. Advances in prospect theory： Cumulative representation of uncertainty［J］. Journal of Risk and Uncertainty，1992，5（4）： 297-323.
[30]	Pang Q， Wang H， Xu Z. Probabilistic linguistic term sets in multi-attribute group decision making［J］. Information Sciences， 2016， 369： 128-143.
[31]	Boczek M， Halčinová L， Hutník O， et al. Novel survival functions based on conditional aggregation operators［J］. Information Sciences， 2021， 580： 705-719.
[32]	Chen H， Wang X， Pan S， et al. Identify topic relations in scientific literature using topic modeling［J］. IEEE Transactions on Engineering Management， 2021， 68（5）： 1232-1244.
[33]	Chen H， Zhang G， Zhu D， et al. Topic-based technological forecasting based on patent data： A case study of Australian patents from 2000 to 2014［J］. Technological Forecasting and Social Change， 2017， 119： 39-52.
[34]	Kim R Y. When does online review matter to consumers？ The effect of product quality information cues［J］. Electronic Commerce Research， 2021， 21（4）： 1011-1030.
[35]	Wu Y， Liu T， Teng L， et al. The impact of online review variance of new products on consumer adoption intentions［J］. Journal of Business Research， 2021， 136： 209-218.
[36]	Salehan M， Kim D J. Predicting the performance of online consumer reviews： A sentiment mining approach to big data analytics［J］. Decision Support Systems， 2016， 81： 30-40.
[37]	Xu Z， Dang Y， Wang Q. Potential buyer identification and purchase likelihood quantification by mining user-generated content on social media［J］. Expert Systems with Applications， 2022， 187： 115899.
[38]	Zhang C， Xu Z， Gou X， et al. An online reviews-driven method for the prioritization of improvements in hotel services［J］. Tourism Management， 2021， 87： 104382.
[39]	Jeong B， Yoon J， Lee J M. Social media mining for product planning： A product opportunity mining approach based on topic modeling and sentiment analysis［J］. International Journal of Information Management， 2019， 48： 280-290.
[40]	Li H， Zhang L， Guo R A， et al. Information enhancement or hindrance？ Unveiling the impacts of user-generated photos in online reviews［J］. International Journal of Contemporary Hospitality Management， 2023， 35（7）： 2322-2351.

需求	需求关注点	情感得分	优先级	需求关注点	情感得分	优先级
续航	提升充电速度	0.3909	6	优化底盘调校	0.3570	8
	增大电池容量	0.3992	7	减小刹车异响	0.1554	3
	减少能耗	0.3865	5	减小车身异响	0.1095	1
	减少油耗	0.3171	3	减小底盘异响	0.2283	5
	提高续航里程	0.3505	4	减少车身抖动	0.3705	9
	减小馈电顿挫感	0.2331	1	提高减震效果	0.4147	11
	减小馈电噪音	0.3068	2	增强空调舒适性	0.1490	2
舒适性	增加通风座椅	0.3069	7	增加备胎	0.2033	4
	提高座椅软度	0.3811	10	防止多媒体死机并提高识别能力	0.5690	12
	增强座椅包裹性	0.2671	6	防止多媒体死机并提高识别能力	0.5690	12

序号	需求	IPA模型	KANO模型	本文方法
1	空间	低优先级	吸引型	继续保持
2	动力	低优先级	吸引型	继续保持
3	续航	优先改善	期望型	重点改进
4	操控	供给过剩	吸引型	减少投入
5	舒适性	优先改善	期望型	重点改进
6	外观	继续保持	基本型	减少投入
7	内饰	供给过度	无差异型	减少投入
8	性价比	供给过度	无差异型	减少投入

一种新的拓展三维机会挖掘算法：基于新能源汽车市场的机会挖掘

New Expanded 3D Opportunity Mining Algorithm: Opportunity Mining Based on the New Energy Vehicle Market

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 40

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	林帅成, 张桂涛. “双积分”政策下考虑新能源汽车续航和广告宣传的微分策略研究[J]. 中国管理科学, 2026, 34(4): 319-329.
[2]	李昊, 晏妮娜, 卢继周, 黎建强. 基于下游竞争的在线评论引入策略研究[J]. 中国管理科学, 2026, 34(3): 104-113.
[3]	邹宗保, 陈力豪, 梁强, 周少锐. 集中还是分离：车电运营策略对竞争对手电池供应商选择的影响研究[J]. 中国管理科学, 2026, 34(3): 309-319.
[4]	朱庆缘, 刘畅, 潘应浩, 吴杰, 周德群. “双积分”政策下考虑碳减排研发的汽车市场主体均衡分析[J]. 中国管理科学, 2026, 34(2): 357-368.
[5]	李冬冬, 林雯窈, 高伟伟, 商辰宣. 政企合作视角下新能源汽车充电基础设施最优投资模式研究[J]. 中国管理科学, 2026, 34(1): 342-352.
[6]	饶卫振, 常悦, 刘鹏. 新能源汽车动力电池协作回收模式及运营方法研究[J]. 中国管理科学, 2025, 33(9): 325-338.
[7]	冯章伟, 杜碧升, 于志勇, 牟善栋. 区块链驱动的新能源汽车动力电池回收与溯源技术投入策略研究[J]. 中国管理科学, 2025, 33(4): 313-324.
[8]	熊勇清, 舒楠茜. 新能源汽车负面口碑、干预措施与消费者购买意愿[J]. 中国管理科学, 2025, 33(4): 335-344.
[9]	王道平, 周玉, 董汉玺. 考虑在线评论与新客优惠的竞争制造商产品改进及定价策略研究[J]. 中国管理科学, 2025, 33(2): 248-261.
[10]	黎继子, 张国盼, 刘春玲, 孙彪, 王勇. 基于低碳和智能广告定位的新能源汽车企业最优控制决策分析[J]. 中国管理科学, 2025, 33(10): 159-165.
[11]	蒲中敏, 张晨曦, 徐泽水. 基于在线评论的消费者偏好挖掘研究综述[J]. 中国管理科学, 2025, 33(1): 209-220.
[12]	李树良,杨爽艺,曾波,孟伟,白云. 离散型灰色预测模型的无偏性与自适应性及其应用[J]. 中国管理科学, 2024, 32(8): 149-158.
[13]	李冬冬,商辰宣,吕宏军,杨晶玉,张岭. “后补贴”时代考虑消费者需求异质性的新能源汽车推广政策研究[J]. 中国管理科学, 2024, 32(4): 141-152.
[14]	丁军飞, 浦徐进, 曹雨馨, 李静. EPR制度下新能源汽车闭环供应链的回收成本分担机制研究[J]. 中国管理科学, 2024, 32(12): 257-268.
[15]	王丹丹, 乐为, 杨雅雯, 郭本海. 嵌入性风险视角下我国新能源汽车产业技术创新网络演化研究[J]. 中国管理科学, 2024, 32(11): 312-324.