基于智能分类与动态演化仿真的空调产品需求特征研究

为何网络关于空调的讨论重要

当人们在网上选购空调时，会留下对喜好、不满以及希望厂商改进之处的评论。在这片信息洪流中，潜藏着关于需求变化的早期线索：更安静的夜晚、更智能的控制、更低的费用或更好的安装方式。本研究展示了如何将这些零散的备注转化为一张动态的客户优先事项地图，帮助企业设计真正适合日常生活的空调，而不是依赖滞后的问卷或单一销售数据进行猜测。

从混乱评论到清晰信号

网络评论信息量大但混杂。一条帖子可能同时称赞制冷效果、抱怨配送，又顺带提到卧室陈设。传统工具往往会把这些线索混在一起，或只在固定时间点做快照。作者首先将评论分为两类：关于产品本身的评论与关于配送或安装等服务的评论，从而专注于产品相关的内容，避免运输问题扭曲人们对空调设计与性能的真实评价。

用“鲸鱼”算法更智能地分类

为实现可靠分类，团队构建了一个混合模型，将经典的模式识别方法支持向量机（SVM）与一种受座头鲸觅食启发的搜索技术——鲸鱼优化算法结合。改进后的版本称为IWOA-SVM，能自动微调那些决定分类精度的众多参数。通过一系列基准测试，增强算法在避免陷入局部最优与处理噪声多、维度高的数据方面，比若干常见替代方法表现更佳。将其应用于来自中国电商平台京东的数千条真实评论时，该模型能正确标注约94%的测试评论，为后续分析提供了干净且可靠的起点。

从话语中找出主题与情感

在筛出产品相关评论后，研究转向：人们具体在谈什么，他们对这些话题持何种情感？此处采用名为BERTopic的主题挖掘方法，将意义相近的评论归为一类，即便用词不同也能聚在一起。这些聚类揭示了重复出现的主题，如制冷与制热性能、噪音、外观设计、智能控制功能、整体舒适度与节能。在此同时，商业情感分析服务为每条评论给出正负向评分。将主题聚类与情感倾向结合后，作者不仅能指出人们讨论哪些特性，还能判断他们对每项特性的满意度。

观察需求随季节如何变化

加入时间维度后，故事更为有趣。研究者将数据切分为从2023年初到2024年中间的六个季度，跟踪每个主题的可见度与满意度如何波动。随后，他们把每个特性放在一张简单的二维图上：重要性（人们讨论的频率）与满意度（人们的幸福感）。对每个季度重复绘制并连接这些点，便形成了一条三维的“演化路径”，显示例如智能控制如何从弱点转为亮点，或噪音问题如何在制冷表现保持稳固时仍然扩散。季节性天气、新品发布与期望变化都在这些轨迹中留下了印记。

对消费者与制造商意味着什么

对普通读者来说，最重要的结论是：我们在网上的随意评论，汇聚起来可以影响未来空调的制造方向。研究表明，顾客不再满足于仅能调节温度的设备；他们希望有低噪运转、符合家居的美观设计、通过手机或语音实现的智能控制、柔和舒适的气流以及切实可见的节能效果。通过将混乱的评论流转化为结构化且具时间感知的图景，该框架帮助制造商把改进资源集中在最关键的点上——比如降低夜间噪音或优化智能功能——而不是盲目地升级硬件。简言之，论文展示了一种在大规模范围内倾听用户声音并将其演化为更为响应性家用技术的实用方法。

引用: Wu, Z., Liang, C., Zhang, S. et al. Intelligent classification and dynamic evolution simulation study on air conditioner product demand characteristics. Sci Rep 16, 9285 (2026). https://doi.org/10.1038/s41598-026-39506-3

关键词: 在线评论, 消费者需求, 空调, 情感分析, 产品设计