智能網聯汽車的消費者特征識別和市場細分

曹靜，鄭文暉

（同濟大學 汽車學院，上海 200092）

前言

當前汽車行業正經歷著以電動化，網聯化，智能化，共享化為特點的的重大產業變革。這一重大變革推動者汽車產業鏈上各個環節發展。汽車消費者是這一變革的經歷者與推動者。但消費者需求存在很大差異，如何在智能網聯汽車的背景下，精準定位用戶需求，開發出滿足用戶需求的智能網聯汽車產品，成為當前研究的重難點問題。本文通過運用聯合分析和潛類別回歸模型（Latent Class Regression Models），實現智能網聯汽車消費者的市場細分與特征輪廓識別。

1 研究概述

隨著“互聯網汽車”，“新能源汽車”等新興概念推向消費者市場，各大車廠均推出了具有智能網聯特點的車型，如上汽乘用車的“榮威RX5”，廣汽傳祺“GS4”等。主推智能功能，網聯功能，新能源功能。但是，在繁雜的新興智能網聯汽車產品中，如何精準細分用戶群體，推出適用于各個不同類型用戶的針對性智能網聯汽車產品，在激烈的市場競爭的環境中，開發出更能滿足汽車消費者的智能網聯汽車產品，并制定出個性化營銷策略，以此在競爭中獲得優勢。

目前我國營銷學術界對于市場細分方法研究比較少，落后于企業營銷實踐的需要[1]。在開發智能網聯車型時，往往存在著功能同質化，價格優勢不明顯，針對目標客戶不清晰等問題。

本文第二部分是對研究模型的介紹，第三部分是通過實例調查并給出研究結果，第四部分是對研究的總結與歸納。

2 聯合分析與潛類別回歸模型

市場細分是將消費者通過一定的算法，分配到具有一定特征的不同用戶群里。并對不同的用戶群進行針對性的營銷手段分配與宣傳手段。聯合分析是市場細分的重要手段。

但是由于在傳統上采用聯合分析方法存在的主要問題是模型算法由于數據點較少，容易產生過度擬合數據使模型不夠可靠的問題，為了克服聯合分析的這一缺點，DeSarbo (et all)[2]提出了潛類別回歸模型。在進行聯合分析與潛分層回歸中，通常需要用戶對一組產品進行打分，并假設打分數據的殘差服從正態分布，以此劃分出目標用戶群體的細分市場，以及各個細分市場的不同敏感性偏好。

聯合分析主要方法有混合方法和完整輪廓法[3]。目前主要使用完整輪廓法，其效用函數表示為（1）所示

其中i表示產品的屬性，j表示各個產品屬性中的水平，U(X)是產品的總效用，aij是處于i屬性的 j水平下的部分效用，Xij是虛擬變量，處于i屬性j水平時取1，否則取0。

通過正交設計多種產品組合，受訪者對不同產品進行打分，由于各個產品本身就代表著不同屬性水平的組合，根據線性回歸方程（2）進行擬合，不同屬性水平的部分效用系數。

Yhs是用戶h對產品的打分值，X是虛擬變量值，βih是模型系數，即部分效用值，ehs是模型的殘差值。

傳統上，用戶通過聯合分析獲得不同用戶對不同屬性水平的效用值，再通過聚類分析方法對用戶進行用戶群劃分，這一方法存在著模型過度擬合的問題，為了解決這個問題，潛類別回歸模型[4]可以在細分市場的同時估計各個市場的模型系數。

模型根據貝葉斯公式，可以計算出個人h屬于細分市場j的概率如式（3）所示。

其中 P( j│Xh,Yh,φ)是各人屬于細分市場 j的概率，是與Yh相關的密度函數。

3 智能網聯汽車消費者研究實例

對于智能網聯汽車，效用屬性分為價格，車型，網聯，智能等四個屬性，每個屬性擁有不同屬性水平，其不同效用屬性與水平如表1所示。

表1 不同效用屬性及屬性水平列表

由于對于不同屬性擁有不同的效用水平，產品組合數最多可以達到4*4*3*3=144種。因此采用正交設計，從144種模型卡片中設計出16種卡片模型，被調查者通過16中卡片模型進行評分，通過重復測量獲得用戶的敏感性程度收集文件250份，無效問卷18份，共回收有效問卷232份。問卷主要包括用戶基本信息，用戶對不同車型組合的評分，用戶對智能網聯功能的敏感功能選擇等，問卷群體包括汽車用戶（部分榮威RX5車主），汽車相關從業人員和汽車潛在購買人群。

聯合分析主要通過 SPSS軟件求解，潛類別回歸模型通過Latent Gold軟件求解。

聯合分析總體的效用值如表2所示，效用值越高的水平表示越受到消費者歡迎，車型而言，目前消費者更為信賴油車，其相對截距為2.455，其次是混合動力汽車，相對截距為1.078，對于200公里以下的汽車，消費者的偏好最低。價格而言，用戶隨著價格的升高而逐漸降低偏好，這是顯而易見的。網聯功能，語音交互及網聯娛樂大屏相對截距為1.12，其次是3G/4G網聯功能，最次偏好的是傳統的廣播功能。智能駕駛用戶最為偏好完全自動駕駛，其次是高速路自動駕駛，最后是ABS輔助駕駛功能。

表2 基于聯合分析的用戶敏感性分析

模型的準確性可以通過Pearson 系數表示。Pearson的R值>0.8，表明內部量表評分的可靠性很高，模型擬合較好。

進一步對模型進行市場細分。由于存在 4個屬性共 14個水平，所以T=10，對于K個細分市場，需要估計12K個模型，使用LatendGOLD軟件，運用EM算法來估計他們的對數似然函數。經過最大似然函數估計，當K=5時，其最大似然值最大，因此選擇的分組數為5。

表3給出了5個智能網聯汽車細分市場的聯合分析潛類別回歸模型系數，其系數的絕對值大小表示影響因素的權重。正負值表示其影響因素為正向激勵或負向激勵。

第一組占據市場規模為26.09%，這類用戶在智能駕駛上的影響因子為0.2256，最高，定義位智能駕駛敏感性；第二組占據市場規模的 26.37%，這類用戶在價格上因子為0.1722，定義為價格敏感性用戶；第三組占據市場規模的22.78%，這類用戶在智能駕駛因子為 0.1884，車型因子為0.1136，因此定義為 車型-智能敏感性用戶；第四組用戶市場規模為 17.6%，這類用戶在價格，車型上影響因子分別為0.23，0.31，定義為價格-車型敏感性用戶；第五組僅占據了6%的市場份額，各個影響的因子均較大，可以視為多敏感型用戶，這類用戶對于網聯最為敏感，但是由于具體數值均過大，對于研究結果沒有意義。

表3 潛分層回歸聯合分析模型系數

對于第一組用戶（智能駕駛敏感型），最為理想的車型是：價格在15-20萬，汽油車，3G/4G網聯功能和完全無人駕駛車輛；對于第二組用戶（價格敏感型），理想車型為：15萬元以下，200km以下續航里程的純電動汽車，3G/4G網聯功能和完全無人駕駛車輛；對于第三組用戶（車型-智能駕駛敏感型），理想車型為：15-20萬元，200km以上的純電動汽車，3G/4G網聯功能和完全無人駕駛車輛；對于第四組用戶（價格-車型敏感性），理想車型為：15-20萬元，插電式混合動力或者200km以上純電動，3G/4G網聯功能和完全無人駕駛車輛；第五組沒有統計學意義不予解釋。

表4是在進行細分市場輪廓分析。群體細分后引入協變量因素，包括性別，年齡，職業，收入等因素，不同細分市場橫向對比起數值，其數值越大表明該因素在群體中更加顯著。其黃框表示在橫向比較中數值較大的用戶群體。Class1是智能駕駛敏感型用戶群，Class2是價格敏感性用戶，Class3是車型-智能型敏感用戶，Class4是價格-車型敏感性用戶。

可以看出，男性更多分布于智能駕駛型和價格型用戶群，女性最青睞于車型和網聯兩個功能，對于價格考慮相對較少。這也符合當前女性群體主要青睞于中高端車型為主的趨勢。

年齡結構上，年輕群體對于價格較為敏感，25歲以下用戶組在價格敏感性，即用戶很重視價格對購買力的影響。26-30用戶組對網聯功能興趣很大，幾乎占據了和價格因素一樣的份額。30歲以上群體劃分到第一組，他們購買時多方考慮，對于有56%用戶組劃歸于智能駕駛組，44%的用戶組劃分于價格-車型組。

當問及“是否愿意為智能網聯功能支付額外費用”的問題時，愿意支付三元萬元以下的用戶組被劃分為第二組，即價格敏感性組，因此，在車型上針對價格敏感型用戶時，應該考慮網聯的費用不超過三萬元。同時，愿意支付三萬元以上的用戶劃分到了第三組，為車型-智能網聯敏感性，因此這類用戶應該對于車輛類型（第三組偏好于200公里以上的純電動），和網聯功能加以重視。

表4 細分市場輪廓分析

年收入對分組的結果中，15萬以下的用戶組主要在第四組即價格-車型組。年收入在15-20萬用戶和年收入在30萬以上用戶組在第三小組，年收入在20-30萬小組被劃分為第一小組即智能駕駛組，這些用戶與愿意支付網聯費用的用戶相一致。

職業來看，學生，技術人員，普通員工劃分至第二小組（價格敏感性）。企業技術主管，企業股東劃分為第三小組，及車型-智能敏感型。自由職業者，工人劃分為第四小組（價格-車型敏感型）。

綜上，將第二部分用戶對網聯汽車的打分情況作為分析，通過聯合分析和潛分層回歸對用戶做了潛分層劃分。將用戶群體劃分為四組。分別是智能網聯敏感型，價格敏感型，車型-智能網聯敏感型以及價格-車型敏感型。

因此，在推廣智能網聯前期，應該在第一組和第三組人群中選擇推廣，即年齡在26歲到35歲之間，收入在25萬以上，技術人員和企業組等用戶群體進行推廣。

從以上的分析可以看出，對于研究的人群存在著4個細分市場（第5個細分市場份額過少且特征不明顯）。每一個細分市場對于智能網聯需求，車型需求，價格需求有明顯的偏好差異，并附有自身基本信息的特征。企業可以通過這些特點有針對性地制定智能網聯功能和定價策略，更好的滿足消費者需求，提高企業在市場中的話語權和競爭力。

4 結論

細分市場對于企業制定有針對性的定價策略和營銷手段非常重要。傳統做法是通過聯合分析后的聚類分析劃分用戶群體，但是由于此方法由于數據點優先所以在估計個人層面上存在著模型不夠可靠等缺點。因此采用潛類別回歸模型對聯合分析的結果進行估計，進而預測市場人群并將不同人群劃分到不同細分市場中。

針對當前研究熱點問題，智能網聯汽車消費者特診識別及劃分，采用該模型結果顯示研究目標存在著4個細分市場，并對細分市場進行了輪廓分析，刻畫不同細分市場特征，并為企業后續定價與銷售策略做出指導。