曹靜，鄭文暉

（同濟(jì)大學(xué) 汽車學(xué)院，上海 200092）

前言

當(dāng)前汽車行業(yè)正經(jīng)歷著以電動化，網(wǎng)聯(lián)化，智能化，共享化為特點(diǎn)的的重大產(chǎn)業(yè)變革。這一重大變革推動者汽車產(chǎn)業(yè)鏈上各個環(huán)節(jié)發(fā)展。汽車消費(fèi)者是這一變革的經(jīng)歷者與推動者。但消費(fèi)者需求存在很大差異，如何在智能網(wǎng)聯(lián)汽車的背景下，精準(zhǔn)定位用戶需求，開發(fā)出滿足用戶需求的智能網(wǎng)聯(lián)汽車產(chǎn)品，成為當(dāng)前研究的重難點(diǎn)問題。本文通過運(yùn)用聯(lián)合分析和潛類別回歸模型（Latent Class Regression Models），實(shí)現(xiàn)智能網(wǎng)聯(lián)汽車消費(fèi)者的市場細(xì)分與特征輪廓識別。

1 研究概述

隨著“互聯(lián)網(wǎng)汽車”，“新能源汽車”等新興概念推向消費(fèi)者市場，各大車廠均推出了具有智能網(wǎng)聯(lián)特點(diǎn)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(wǎng)聯(lián)功能，新能源功能。但是，在繁雜的新興智能網(wǎng)聯(lián)汽車產(chǎn)品中，如何精準(zhǔn)細(xì)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(wǎng)聯(lián)汽車產(chǎn)品，在激烈的市場競爭的環(huán)境中，開發(fā)出更能滿足汽車消費(fèi)者的智能網(wǎng)聯(lián)汽車產(chǎn)品，并制定出個性化營銷策略，以此在競爭中獲得優(yōu)勢。

目前我國營銷學(xué)術(shù)界對于市場細(xì)分方法研究比較少，落后于企業(yè)營銷實(shí)踐的需要[1]。在開發(fā)智能網(wǎng)聯(lián)車型時，往往存在著功能同質(zhì)化，價格優(yōu)勢不明顯，針對目標(biāo)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(shí)例調(diào)查并給出研究結(jié)果，第四部分是對研究的總結(jié)與歸納。

2 聯(lián)合分析與潛類別回歸模型

市場細(xì)分是將消費(fèi)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(jìn)行針對性的營銷手段分配與宣傳手段。聯(lián)合分析是市場細(xì)分的重要手段。

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

聯(lián)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(shù)表示為（1）所示

其中i表示產(chǎn)品的屬性，j表示各個產(chǎn)品屬性中的水平，U(X)是產(chǎn)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(shè)計多種產(chǎn)品組合，受訪者對不同產(chǎn)品進(jìn)行打分，由于各個產(chǎn)品本身就代表著不同屬性水平的組合，根據(jù)線性回歸方程（2）進(jìn)行擬合，不同屬性水平的部分效用系數(shù)。

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

傳統(tǒng)上，用戶通過聯(lián)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(jìn)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(xì)分市場的同時估計各個市場的模型系數(shù)。

模型根據(jù)貝葉斯公式，可以計算出個人h屬于細(xì)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(xì)分市場 j的概率，是與Yh相關(guān)的密度函數(shù)。

3 智能網(wǎng)聯(lián)汽車消費(fèi)者研究實(shí)例

對于智能網(wǎng)聯(lián)汽車，效用屬性分為價格，車型，網(wǎng)聯(lián)，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(chǎn)品組合數(shù)最多可以達(dá)到4*4*3*3=144種。因此采用正交設(shè)計，從144種模型卡片中設(shè)計出16種卡片模型，被調(diào)查者通過16中卡片模型進(jìn)行評分，通過重復(fù)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(wǎng)聯(lián)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(guān)從業(yè)人員和汽車潛在購買人群。

聯(lián)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(lián)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(fèi)者歡迎，車型而言，目前消費(fèi)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(fèi)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(wǎng)聯(lián)功能，語音交互及網(wǎng)聯(lián)娛樂大屏相對截距為1.12，其次是3G/4G網(wǎng)聯(lián)功能，最次偏好的是傳統(tǒng)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(lián)合分析的用戶敏感性分析

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

進(jìn)一步對模型進(jìn)行市場細(xì)分。由于存在 4個屬性共 14個水平，所以T=10，對于K個細(xì)分市場，需要估計12K個模型，使用LatendGOLD軟件，運(yùn)用EM算法來估計他們的對數(shù)似然函數(shù)。經(jīng)過最大似然函數(shù)估計，當(dāng)K=5時，其最大似然值最大，因此選擇的分組數(shù)為5。

表3給出了5個智能網(wǎng)聯(lián)汽車細(xì)分市場的聯(lián)合分析潛類別回歸模型系數(shù)，其系數(shù)的絕對值大小表示影響因素的權(quán)重。正負(fù)值表示其影響因素為正向激勵或負(fù)向激勵。

第一組占據(jù)市場規(guī)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(jù)市場規(guī)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(jù)市場規(guī)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(guī)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(jù)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(wǎng)聯(lián)最為敏感，但是由于具體數(shù)值均過大，對于研究結(jié)果沒有意義。

表3 潛分層回歸聯(lián)合分析模型系數(shù)

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(wǎng)聯(lián)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(xù)航里程的純電動汽車，3G/4G網(wǎng)聯(lián)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(wǎng)聯(lián)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(wǎng)聯(lián)功能和完全無人駕駛車輛；第五組沒有統(tǒng)計學(xué)意義不予解釋。

表4是在進(jìn)行細(xì)分市場輪廓分析。群體細(xì)分后引入?yún)f(xié)變量因素，包括性別，年齡，職業(yè)，收入等因素，不同細(xì)分市場橫向?qū)Ρ绕饠?shù)值，其數(shù)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(shù)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(wǎng)聯(lián)兩個功能，對于價格考慮相對較少。這也符合當(dāng)前女性群體主要青睞于中高端車型為主的趨勢。

年齡結(jié)構(gòu)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(wǎng)聯(lián)功能興趣很大，幾乎占據(jù)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(dāng)問及“是否愿意為智能網(wǎng)聯(lián)功能支付額外費(fèi)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(yīng)該考慮網(wǎng)聯(lián)的費(fèi)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(wǎng)聯(lián)敏感性，因此這類用戶應(yīng)該對于車輛類型（第三組偏好于200公里以上的純電動），和網(wǎng)聯(lián)功能加以重視。

表4 細(xì)分市場輪廓分析

年收入對分組的結(jié)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(wǎng)聯(lián)費(fèi)用的用戶相一致。

職業(yè)來看，學(xué)生，技術(shù)人員，普通員工劃分至第二小組（價格敏感性）。企業(yè)技術(shù)主管，企業(yè)股東劃分為第三小組，及車型-智能敏感型。自由職業(yè)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(wǎng)聯(lián)汽車的打分情況作為分析，通過聯(lián)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(wǎng)聯(lián)敏感型，價格敏感型，車型-智能網(wǎng)聯(lián)敏感型以及價格-車型敏感型。

因此，在推廣智能網(wǎng)聯(lián)前期，應(yīng)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(shù)人員和企業(yè)組等用戶群體進(jìn)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(xì)分市場（第5個細(xì)分市場份額過少且特征不明顯）。每一個細(xì)分市場對于智能網(wǎng)聯(lián)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(yè)可以通過這些特點(diǎn)有針對性地制定智能網(wǎng)聯(lián)功能和定價策略，更好的滿足消費(fèi)者需求，提高企業(yè)在市場中的話語權(quán)和競爭力。

4 結(jié)論

細(xì)分市場對于企業(yè)制定有針對性的定價策略和營銷手段非常重要。傳統(tǒng)做法是通過聯(lián)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(shù)據(jù)點(diǎn)優(yōu)先所以在估計個人層面上存在著模型不夠可靠等缺點(diǎn)。因此采用潛類別回歸模型對聯(lián)合分析的結(jié)果進(jìn)行估計，進(jìn)而預(yù)測市場人群并將不同人群劃分到不同細(xì)分市場中。

針對當(dāng)前研究熱點(diǎn)問題，智能網(wǎng)聯(lián)汽車消費(fèi)者特診識別及劃分，采用該模型結(jié)果顯示研究目標(biāo)存在著4個細(xì)分市場，并對細(xì)分市場進(jìn)行了輪廓分析，刻畫不同細(xì)分市場特征，并為企業(yè)后續(xù)定價與銷售策略做出指導(dǎo)。