随着顾客消费观念的不断改变以及产品功能同质化趋向严重，产品的外观设计对于顾客做购买决策的影响越来越大，而顾客的性格特点和情感因素在其中扮演了越来越重要的角色。对于以盈利为目的的公司来说，如何基于产品属性和顾客评分数据找到满意度预测的方法，并成功预测每位顾客对于产品的购买意愿，并精准的进行个性化产品配置无疑是重要的。
　　为了更精准的为企业预测产品满意度以完成个性化产品配置，同时在产品设计阶段提供有效的指导意见，本文提出了一种新方法用来预测满意度并进行产品配置，它规避了传统建模与配置方案组合查找方法的弊端。首先，为了考虑顾客的情感需求，运用情感工程理论和基于情感因素的顾客情感聚类，将满意度评估划分为多个情感维度，由于大规模人群对于情感认知的一致性，消除了正态分布带来的冲击。其次，满意度建模过程中，先利用随机森林算法进行关键属性的提取，再基于神经网络对多情感维度分别进行满意度预测。第三，为了考虑属性内在联系使用关联规则挖掘的方法找到对于每个情感需求的一般设计准则以及需要规避的冲突规则，然后使用受双向关联规则约束的遗传算法(BAR-GA)，限制配置方案生成阶段组合空间的自由度，使产品配置结果可控，同时为设计提供指导建议。
　　通过将新方法与传统方法进行满意度预测误差与个性化产品配置方案得票率的对比，证明了本文所提出新方法的有效性，也为企业后续预测满意度，进行顾客满意度调研以及产品设计等阶段提供有指导意义的建议。