智能网联汽车的消费者特征识别和市场细分
来源:用户上传
作者:
摘 要：随着智能网联汽车的发展，汽车消费者在选择其产品上存在差异性。文章通过联合分析，潜类别回归分析并对实际消费者的进行问卷调研，给出智能网联汽车的消费者特征识别与市场细分。
关键词：市场细分；智能网联汽车；联合分析；潜类别回归
中图分类号：F713.5 文献标识码：A 文章编号：1671-7988（2019）06-26-04
Intelligent network vehicle consumer characteristics and market segmentation
Cao Jing， Zheng Wenhui*
（ Tongji University， School of Automotive Studies， Shanghai 200092 ）
Abstract： With the development of Intelligent Connected Vehicle， There are differences among automobile consumers in choosing their products. In this paper， by using conjoint analysis， latent class regression models and questionnaire survey， Consumers are identified and markets are segmented.
Keywords： market segments； Intelligent Connected Vehicle； conjoint analysis； latent class regression models
CLC NO.： F713.5 Document Code： A Article ID： 1671-7988（2019）06-26-04
前言
當前汽车行业正经历着以电动化，网联化，智能化，共享化为特点的的重大产业变革。这一重大变革推动者汽车产业链上各个环节发展。汽车消费者是这一变革的经历者与推动者。但消费者需求存在很大差异，如何在智能网联汽车的背景下，精准定位用户需求，开发出满足用户需求的智能网联汽车产品，成为当前研究的重难点问题。本文通过运用联合分析和潜类别回归模型（Latent Class Regression Models），实现智能网联汽车消费者的市场细分与特征轮廓识别。
1 研究概述
随着“互联网汽车”，“新能源汽车”等新兴概念推向消费者市场，各大车厂均推出了具有智能网联特点的车型，如上汽乘用车的“荣威RX5”，广汽传祺“GS4”等。主推智能功能，网联功能，新能源功能。但是，在繁杂的新兴智能网联汽车产品中，如何精准细分用户群体，推出适用于各个不同类型用户的针对性智能网联汽车产品，在激烈的市场竞争的环境中，开发出更能满足汽车消费者的智能网联汽车产品，并制定出个性化营销策略，以此在竞争中获得优势。
目前我国营销学术界对于市场细分方法研究比较少，落后于企业营销实践的需要[1]。在开发智能网联车型时，往往存在着功能同质化，价格优势不明显，针对目标客户不清晰等问题。
本文第二部分是对研究模型的介绍，第三部分是通过实例调查并给出研究结果，第四部分是对研究的总结与归纳。
2 联合分析与潜类别回归模型
市场细分是将消费者通过一定的算法，分配到具有一定特征的不同用户群里。并对不同的用户群进行针对性的营销手段分配与宣传手段。联合分析是市场细分的重要手段。
但是由于在传统上采用联合分析方法存在的主要问题是模型算法由于数据点较少，容易产生过度拟合数据使模型不够可靠的问题，为了克服联合分析的这一缺点，DeSarbo （et all）[2]提出了潜类别回归模型。在进行联合分析与潜分层回归中，通常需要用户对一组产品进行打分，并假设打分数据的残差服从正态分布，以此划分出目标用户群体的细分市场，以及各个细分市场的不同敏感性偏好。
联合分析主要方法有混合方法和完整轮廓法[3]。目前主要使用完整轮廓法，其效用函数表示为（1）所示
3 智能网联汽车消费者研究实例
对于智能网联汽车，效用属性分为价格，车型，网联，智能等四个属性，每个属性拥有不同属性水平，其不同效用属性与水平如表1所示。
由于对于不同属性拥有不同的效用水平，产品组合数最多可以达到4*4*3*3=144种。因此采用正交设计，从144种模型卡片中设计出16种卡片模型，被调查者通过16中卡片模型进行评分，通过重复测量获得用户的敏感性程度收集文件250份，无效问卷18份，共回收有效问卷232份。问卷主要包括用户基本信息，用户对不同车型组合的评分，用户对智能网联功能的敏感功能选择等，问卷群体包括汽车用户（部分荣威RX5车主），汽车相关从业人员和汽车潜在购买人群。
联合分析主要通过SPSS软件求解，潜类别回归模型通过Latent Gold软件求解。
联合分析总体的效用值如表2所示，效用值越高的水平表示越受到消费者欢迎，车型而言，目前消费者更为信赖油车，其相对截距为2.455，其次是混合动力汽车，相对截距为1.078，对于200公里以下的汽车，消费者的偏好最低。价格而言，用户随着价格的升高而逐渐降低偏好，这是显而易见的。网联功能，语音交互及网联娱乐大屏相对截距为1.12，其次是3G/4G网联功能，最次偏好的是传统的广播功能。智能驾驶用户最为偏好完全自动驾驶，其次是高速路自动驾驶，最后是ABS辅助驾驶功能。
模型的准确性可以通过Pearson 系数表示。Pearson的R值>0.8，表明内部量表评分的可靠性很高，模型拟合较好。 进一步对模型进行市场细分。由于存在4个属性共14个水平，所以T=10，对于K个细分市场，需要估计12K个模型，使用LatendGOLD软件，运用EM算法来估计他们的对数似然函数。经过最大似然函数估计，当K=5时，其最大似然值最大，因此选择的分组数为5。
表3给出了5个智能网联汽车细分市场的联合分析潜类别回归模型系数，其系数的绝对值大小表示影响因素的权重。正负值表示其影响因素为正向激励或负向激励。
第一组占据市场规模为26.09%，这类用户在智能驾驶上的影响因子为0.2256，最高，定义位智能驾驶敏感性；第二组占据市场规模的26.37%，这类用户在价格上因子为0.1722，定义为价格敏感性用户；第三组占据市场规模的22.78%，这类用户在智能驾驶因子为0.1884，车型因子为0.1136，因此定义为 车型-智能敏感性用户；第四组用户市场规模为17.6%，这类用户在价格，车型上影响因子分别为0.23，0.31，定义为价格-车型敏感性用户；第五组仅占据了6%的市场份额，各个影响的因子均较大，可以视为多敏感型用户，这类用户对于网联最为敏感，但是由于具体数值均过大，对于研究结果没有意义。
对于第一组用户（智能驾驶敏感型），最为理想的车型是：价格在15-20万，汽油车，3G/4G网联功能和完全无人驾驶车辆；对于第二组用户（价格敏感型），理想车型为：15万元以下，200km以下续航里程的纯电动汽车，3G/4G网联功能和完全无人驾驶车辆；对于第三组用户（车型-智能驾驶敏感型），理想车型为：15-20万元，200km以上的纯电动汽车，3G/4G网联功能和完全无人驾驶车辆；对于第四组用户（价格-车型敏感性），理想车型为：15-20万元，插电式混合动力或者200km以上纯电动，3G/4G网联功能和完全无人驾驶车辆；第五组没有统计学意义不予解释。
表4是在进行细分市场轮廓分析。群体细分后引入协变量因素，包括性别，年龄，职业，收入等因素，不同细分市场横向对比起数值，其数值越大表明该因素在群体中更加显著。其黄框表示在横向比较中数值较大的用户群体。Class1是智能驾驶敏感型用户群，Class2是价格敏感性用户，Class3是车型-智能型敏感用户，Class4是价格-车型敏感性用户。
可以看出，男性更多分布于智能驾驶型和价格型用户群，女性最青睐于車型和网联两个功能，对于价格考虑相对较少。这也符合当前女性群体主要青睐于中高端车型为主的趋势。
年龄结构上，年轻群体对于价格较为敏感，25岁以下用户组在价格敏感性，即用户很重视价格对购买力的影响。26-30用户组对网联功能兴趣很大，几乎占据了和价格因素一样的份额。30岁以上群体划分到第一组，他们购买时多方考虑，对于有56%用户组划归于智能驾驶组，44%的用户组划分于价格-车型组。
当问及“是否愿意为智能网联功能支付额外费用”的问题时，愿意支付三元万元以下的用户组被划分为第二组，即价格敏感性组，因此，在车型上针对价格敏感型用户时，应该考虑网联的费用不超过三万元。同时，愿意支付三万元以上的用户划分到了第三组，为车型-智能网联敏感性，因此这类用户应该对于车辆类型（第三组偏好于200公里以上的纯电动），和网联功能加以重视。
表4 细分市场轮廓分析
年收入对分组的结果中，15万以下的用户组主要在第四组即价格-车型组。年收入在15-20万用户和年收入在30万以上用户组在第三小组，年收入在20-30万小组被划分为第一小组即智能驾驶组，这些用户与愿意支付网联费用的用户相一致。
职业来看，学生，技术人员，普通员工划分至第二小组（价格敏感性）。企业技术主管，企业股东划分为第三小组，及车型-智能敏感型。自由职业者，工人划分为第四小组（价格-车型敏感型）。
综上，将第二部分用户对网联汽车的打分情况作为分析，通过联合分析和潜分层回归对用户做了潜分层划分。将用户群体划分为四组。分别是智能网联敏感型，价格敏感型，车型-智能网联敏感型以及价格-车型敏感型。
因此，在推广智能网联前期，应该在第一组和第三组人群中选择推广，即年龄在26岁到35岁之间，收入在25万以上，技术人员和企业组等用户群体进行推广。
从以上的分析可以看出，对于研究的人群存在着4个细分市场（第5个细分市场份额过少且特征不明显）。每一个细分市场对于智能网联需求，车型需求，价格需求有明显的偏好差异，并附有自身基本信息的特征。企业可以通过这些特点有针对性地制定智能网联功能和定价策略，更好的满足消费者需求，提高企业在市场中的话语权和竞争力。
4 结论
细分市场对于企业制定有针对性的定价策略和营销手段非常重要。传统做法是通过联合分析后的聚类分析划分用户群体，但是由于此方法由于数据点优先所以在估计个人层面上存在着模型不够可靠等缺点。因此采用潜类别回归模型对联合分析的结果进行估计，进而预测市场人群并将不同人群划分到不同细分市场中。
针对当前研究热点问题，智能网联汽车消费者特诊识别及划分，采用该模型结果显示研究目标存在着4个细分市场，并对细分市场进行了轮廓分析，刻画不同细分市场特征，并为企业后续定价与销售策略做出指导。
参考文献
[1] 王高，黄劲松，赵字君，等.应用联合分析和混合回归模型进行市场细分[J].数理统计与管理，2007，26（6）：941-950.
[2] Desarbo W S， Wedel M， Vriens M， et al. Latent class metric conjoint analysis[J]. Marketing Letters， 1992， 3（3）：273-288.
[3] 孙祥，陈毅文.消费行为研究中的联合分析法[J].心理科学进展， 2005， 13（1）：97-106.
[4] Wedel M， Desarbo W S. A Review of Recent Developments in Latent Class Regression Models[J]. Social Science Electronic Publishing， 2016：352-388.
转载注明来源:https://www.xzbu.com/1/view-14687655.htm
