基于事故樹(shù)法和層次分析法的養(yǎng)老服務(wù)智能車購(gòu)買意愿影響因素研究

王偉豪　胡辰雨　李智敏　陸兆鈉　王焱

摘 要：為了確定影響?zhàn)B老服務(wù)智能車購(gòu)買意愿的主要因素，并為后期確定銷售方法提供幫助，利用事故樹(shù)法定性地分析影響?zhàn)B老服務(wù)智能車的購(gòu)買意愿的4個(gè)主因素和20個(gè)子因素。本研究在進(jìn)行定量分析時(shí)，使用了層次分析法作為研究方法，通過(guò)利用Matlab軟件確定影響因素權(quán)重，有效減少了主觀因素的影響。研究結(jié)果顯示，在四個(gè)主因素中，經(jīng)濟(jì)性因素和安全性因素的權(quán)重值之和高達(dá)0.7573，因此認(rèn)為這兩個(gè)因素是確定銷售方法的最重要因素。在20個(gè)子因素中，價(jià)格、維護(hù)成本、自我保護(hù)機(jī)制、服務(wù)種類及質(zhì)量、魯棒性以及兼容性的綜合權(quán)重之和為1.108，需要去針對(duì)性地確定相應(yīng)方法。

關(guān)鍵詞：養(yǎng)老服務(wù)智能車 購(gòu)買意愿 事故樹(shù)法 層次分析法（AHP）

1 引言

隨著人口老齡化的持續(xù)增長(zhǎng)，國(guó)家與社會(huì)贍養(yǎng)老人的壓力增大[1]。養(yǎng)老服務(wù)智能車是應(yīng)對(duì)人口老齡化趨勢(shì)和護(hù)理人員不足而出現(xiàn)的新興產(chǎn)業(yè)。“十三五”期間，我國(guó)智能化產(chǎn)業(yè)規(guī)模快速增長(zhǎng)，年均復(fù)合增長(zhǎng)率約15%，我國(guó)進(jìn)入全球人工智能排名前10的國(guó)家行列。這為養(yǎng)老機(jī)器人、智能車等產(chǎn)品的發(fā)展提供了良好的技術(shù)支撐[2]。

袁媛、杜佳[3]等人對(duì)家用掃地機(jī)器人購(gòu)買意愿進(jìn)行了研究，可以從中分析出影響市場(chǎng)購(gòu)買意愿的主要因素。劉偉杰[4]等人從消費(fèi)者的角度，以消費(fèi)者人機(jī)互動(dòng)的交互程度高低出發(fā)，研究了自主型人工智能對(duì)消費(fèi)者購(gòu)買意愿的影響，推動(dòng)了人工智能營(yíng)銷領(lǐng)域的發(fā)展。其研究結(jié)果表明：人工智能正向影響消費(fèi)者的購(gòu)買意愿，其中控制感知起到部分的中介作用。張佳琪[5]等人對(duì)產(chǎn)品獨(dú)特性對(duì)消費(fèi)者人工智能推薦接受意愿的影響進(jìn)行研究，為理解消費(fèi)者接受人工智能推薦提供了新的思路，有助于營(yíng)銷人員認(rèn)識(shí)到產(chǎn)品獨(dú)特性的重要性。本文通過(guò)文獻(xiàn)參考及實(shí)際調(diào)研的方式，采用事故樹(shù)法對(duì)影響?zhàn)B老服務(wù)智能車購(gòu)買意愿的因素進(jìn)行定性分析，采用層次分析法定量分析確定影響?zhàn)B老服務(wù)智能車購(gòu)買意愿的主要因素，并為后期制定銷售策略提供幫助。

2 事故樹(shù)法及其應(yīng)用

事故樹(shù)分析被稱為FTA，是對(duì)事故的最終事件進(jìn)行分析，并按照發(fā)展的順序逐層分析，直到最終不需要分解。結(jié)合有關(guān)文獻(xiàn)及實(shí)際調(diào)查，對(duì)影響?zhàn)B老服務(wù)智能車購(gòu)買意愿的因素進(jìn)行分析，從4個(gè)主因素和20個(gè)子因素出發(fā)，繪制出事故樹(shù)，如圖1所示。

3 層次分析法

3.1 建立層次結(jié)構(gòu)模型

層次分析法（Analytic Hierarchy Process，AHP）是一種將問(wèn)題分解成不同層次的準(zhǔn)則、子準(zhǔn)則和方案，這些層次通過(guò)使用配對(duì)比較矩陣來(lái)確定其相對(duì)重要性，計(jì)算出每個(gè)層次的權(quán)重，最終通過(guò)統(tǒng)計(jì)加權(quán)得分來(lái)評(píng)估每個(gè)方案，并作出最佳決策的決策方法。

本文根據(jù)事故樹(shù)創(chuàng)建一個(gè)指標(biāo)系統(tǒng)，以養(yǎng)老服務(wù)智能車購(gòu)買意愿為目標(biāo)層，以經(jīng)濟(jì)性、安全性、功能性、便捷性為準(zhǔn)則層，將事故樹(shù)底事件中關(guān)聯(lián)度較大的因素進(jìn)行整合得到指標(biāo)層各個(gè)要素，見(jiàn)表2。

3.2 養(yǎng)老服務(wù)智能車購(gòu)買意愿層次單排序的計(jì)算

評(píng)價(jià)矩陣中每個(gè)元素的值反映了對(duì)同一級(jí)的兩個(gè)元素和上層元素的相對(duì)重要性的理解。在具體的標(biāo)度判斷中，需要依賴專業(yè)知識(shí)，可由一定數(shù)量的專家或是通過(guò)向相關(guān)人群定向調(diào)查確定，判斷一般采用1～9及倒數(shù)標(biāo)度方式，1代表同等重要，3代表稍微重要，5代表明顯重要，7代表強(qiáng)烈重要，9代表絕對(duì)重要。將中間層的4個(gè)因素兩兩對(duì)比，結(jié)合1-9及倒數(shù)標(biāo)度，構(gòu)造出中間層的判斷矩陣。如表3中，CI是一致性指標(biāo)，表示判斷矩陣中各元素對(duì)應(yīng)的特征值與平均特征值之差的總和除以特征向量的長(zhǎng)度。當(dāng)CI接近于0時(shí)，說(shuō)明判斷矩陣的一致性較好，反之則說(shuō)明一致性較差。CR為隨機(jī)一致性比率，用于將CI轉(zhuǎn)化為可比較的概率值。當(dāng)CR小于0.1時(shí)，可以認(rèn)為判斷矩陣通過(guò)了一致性檢驗(yàn)，即具有較好的內(nèi)在一致性。

通過(guò)分析表3數(shù)據(jù)可知，經(jīng)濟(jì)性因素是影響?zhàn)B老服務(wù)智能車購(gòu)買意愿的主要因素，安全性因素次之，兩者的權(quán)重值相加高達(dá)0.7573。由此也可以說(shuō)明用戶對(duì)產(chǎn)品的經(jīng)濟(jì)性能和安全性能最為看重，應(yīng)當(dāng)著重注意提升養(yǎng)老服務(wù)智能車的質(zhì)量，同時(shí)考慮好恰當(dāng)?shù)膬r(jià)格、成本等，提高養(yǎng)老服務(wù)智能車的市場(chǎng)競(jìng)爭(zhēng)力和購(gòu)買意愿。

3.3 養(yǎng)老服務(wù)智能車購(gòu)買意愿層次總排序的計(jì)算

計(jì)算綜合權(quán)重的方法可以分為兩個(gè)步驟。第一步，通過(guò)Matlab計(jì)算從最底層（也稱作子準(zhǔn)則層）到中間層（也稱作準(zhǔn)則層）的單層權(quán)重，即確定每個(gè)層次的相對(duì)重要性。第二步，將中間層的單層權(quán)重與對(duì)頂層（也稱作目標(biāo)層）的權(quán)重相乘，得到所有方案的綜合權(quán)重。最后所得值便是綜合權(quán)重值，并且通過(guò)一致性檢驗(yàn)。層次總排序的計(jì)算過(guò)程如表4所示。

通過(guò)分析以上各表數(shù)據(jù)可知，B11（價(jià)格）、B31（服務(wù)種類及質(zhì)量）的綜合權(quán)重超過(guò)了0.2，這是需要重點(diǎn)關(guān)注的因素。用戶首要考慮的主要還是產(chǎn)品的服務(wù)、品質(zhì)以及價(jià)格。養(yǎng)老服務(wù)智能車能實(shí)現(xiàn)什么功能，是否滿足自己的需求，價(jià)格值不值得，這些都是影響用戶購(gòu)買養(yǎng)老服務(wù)智能車的最普遍的因素。B12（維護(hù)成本）、B21（自我保護(hù)機(jī)制）、B43（魯棒性）綜合權(quán)重都大于0.1，因?yàn)轲B(yǎng)老服務(wù)智能車的維護(hù)成本、自我保護(hù)機(jī)制以及其穩(wěn)定性都與用戶使用該產(chǎn)品的效率、時(shí)間、次數(shù)息息相關(guān)。若養(yǎng)老服務(wù)智能車的維修費(fèi)用高且易壞，會(huì)大大影響用戶的購(gòu)買意愿。

B25（家庭守護(hù)性能）、B32（智能程度）、B42（外觀合理性）、B44（兼容性）的權(quán)重在0.08～0.09左右。養(yǎng)老服務(wù)智能車的家庭守護(hù)性能強(qiáng)度、智能程度的高低、是否可與其他設(shè)備進(jìn)行兼容以及外觀是否易對(duì)人造成傷害是用戶次要考慮的因素。用戶在了解智能車的核心功能后會(huì)對(duì)智能車的外在因素也進(jìn)行一定的考量。B22（健康檢測(cè)）、B24（用戶數(shù)據(jù)保密性）、B33（操作簡(jiǎn)易程度）、B41（場(chǎng)景適用性）等因素的權(quán)重值介于0.05～0.08之間，由于養(yǎng)老服務(wù)智能車主要的用戶群體為老人，因此對(duì)老人的身體健康檢測(cè)的功能非常實(shí)用，同時(shí)操作簡(jiǎn)易也對(duì)于老人很友好，是影響用戶購(gòu)買的因素之一。

4 結(jié)論

通過(guò)事故樹(shù)法，定性分析了影響?zhàn)B老服務(wù)智能車購(gòu)買意愿的4個(gè)主因素和20個(gè)子因素，直觀明了。通過(guò)將事故樹(shù)導(dǎo)入形成層次結(jié)構(gòu)模型，進(jìn)行定量分析，使用MATLAB計(jì)算得出經(jīng)濟(jì)性因素和安全性因素是影響?zhàn)B老服務(wù)智能車的購(gòu)買意愿的主要因素，子因素中的B11、B12、B21、B31、B43、B44綜合權(quán)重和達(dá)1.108，對(duì)此需要研究出適合的銷售方法來(lái)減輕這些因素帶來(lái)的影響。本文在分析影響?zhàn)B老服務(wù)智能車的購(gòu)買意愿中使用了事故樹(shù)法和層次分析法，先從定性的角度確定影響因素，再?gòu)亩康慕嵌扔?jì)算出影響因素的權(quán)重，直觀科學(xué)，該方法值得在其他領(lǐng)域中進(jìn)行推廣應(yīng)用。

基金項(xiàng)目：江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目，項(xiàng)目編號(hào)：202212056027Y，項(xiàng)目名稱：智能養(yǎng)老消防看護(hù)設(shè)備，南通市科技計(jì)劃項(xiàng)目，項(xiàng)目編號(hào)：JC2021065，項(xiàng)目名稱：基于多平臺(tái)計(jì)算任務(wù)卸載技術(shù)的智慧港口信息系統(tǒng)研究。

參考文獻(xiàn)：

[1]陳衛(wèi).中國(guó)人口負(fù)增長(zhǎng)與老齡化趨勢(shì)預(yù)測(cè)[J].社會(huì)科學(xué)輯刊，2022（05）：133-144.

[2]邵曉明. 人口老齡化背景下智能養(yǎng)老機(jī)器人產(chǎn)業(yè)的發(fā)展探索[J]. 現(xiàn)代營(yíng)銷（下旬刊），2022，（10）：62-64.

[3]袁媛. 家用掃地機(jī)器人購(gòu)買意愿影響因素研究[D].北京交通大學(xué)，2020.

[4]劉偉杰. 人工智能對(duì)消費(fèi)者購(gòu)買意愿的影響機(jī)制[D].廣東財(cái)經(jīng)大學(xué)，2021.

[5]張佳琪. 產(chǎn)品獨(dú)特性對(duì)消費(fèi)者人工智能推薦接受意愿的影響研究[D].西南財(cái)經(jīng)大學(xué)，2022.