線上線下家用智能機器人市場調查

求文星,李 超

(安徽財經大學 統計與應用數學學院，安徽 蚌埠 233030)

隨著人工智能技術的發展，以現代化工業為主要依托的機器人技術越來越多地應用于軍事國防、科教文娛等領域，形成獨立學科，一個智能機器人改變制造模式和生活模式的時代已經到來。人工智能對各行各業都有重要應用，學者對于智能機器人的發展前景普遍持樂觀態度，認為其發展方向多維且潛力巨大。楊娟、陳小紅[1]等認為，智能機器人市場需求持續增加，機器人與信息技術深度融合，向模塊化、智能化和系統化方向發展；石征、吳難[2]等認為，機器人性能將不斷提高，控制系統不斷完善，傳感器融合技術不斷成熟，向著仿生性方向發展。

本文通過對智能機器人國內、安徽省發展現狀以及相關研究的梳理[3～5]，以供給和需求作為切口，通過實地問卷調查和網上數據爬取，采用機器學習的方法，進行線上線下家用智能機器人消費研究。具體而言，線下主要針對安徽省蚌埠市區居民，調查其對家用智能機器人消費意愿和需求類型；線上主要針對大型網購平臺京東商城的消費數據，分析現階段家用智能機器人熱銷類型及體驗評價，為相關企業、研發部門有關家用智能機器人的種類研發、功能探索提供一定借鑒，打造更好的智能家居生活服務，以滿足人民日益增長的中高端消費和個性化消費等消費升級需求。

一、調查方法與調查對象

1.調查對象

問卷調查主要針對蚌埠市區(不包括三縣)四個區12個鄉、鎮、街道市民，采用區域分層取樣與多階段抽樣中的三階段抽樣相結合的抽樣方法，根據預調研有效問卷回收率90%，并結合實際的調查情況和團隊的人力物力資本，以及理論計算所得的樣本容量410份，考慮問卷損壞、無效等人為因素，確定最終問卷量為450份。在調查過程中已進行人為篩選，主動挑選對家用智能機器人感興趣的人群進行訪問。

網購數據主要是從最大的網購平臺之一——京東商城，以“家用智能機器人”為關鍵詞爬取相關商品信息，共4 082個產品，228 960條評論。

2.調查方法

此次調查主要采取線上線下相結合的方式，并根據各階段不同目標運用四種調研方法。具體調查方法如下：(1)文案調研。為了解當代最新家用智能機器人類型、功能[6～18]，在中國知網、維普等中、外文檢索庫中，搜索與之相關的文獻，進行研讀總結，得出研究框架并設計問卷。(2)預調研法。為減小誤差和保證問卷具有較好的信度和效度，采取街頭攔截面訪。結合調查中出現的問題、受訪者建議對問卷進行修改完善，以確定最終問卷。(3)實地調研。為保證研究的真實有效性，調查主要采取實地訪談。按各區域樣本量的分配，在公共場所隨機攔截志愿者做訪問。(4)數據爬蟲。為了解全國消費者對家用智能機器人的消費需求，綜合考慮各種因素，選取了較具代表性的京東網購平臺，爬取相關數據，進行整理分析、歸納總結，作為對實地調研的重要補充。

3.數據整理

采用機器學習方法“決策樹”填補缺失值，并利用信度檢驗和效度檢驗來檢測問卷設計的合理性。通過相關統計軟件的計算，克朗巴哈系數為0.920，KMO值為0.716，Bartlett檢驗的p值為0.000<0.05，說明此次調查問卷信度較好，具有結構效度。

二、結果分析

1.樣本概況

表1樣本基本情況分布表

受訪對象中女性稍多于男性，女性通常在家居配置方面擁有更多的決策權，因此側重于考慮女性的意見；主要的年齡群體為21-30歲，該群體將會是家用智能機器人消費的主力軍；婚姻情況中，大部分家庭構成較為龐大，對家居服務有更多元化的需求；調查對象整體學歷水平較高，符合社會現階段及未來的發展趨勢；關于職業，就業者和即將就業的學生達90%；居住狀況中，大部分屬于大家庭生活。由此可見受訪群體都比較貼合本次調研的要求。

2.消費意愿

圖1 線下購買意愿圖

此次調查中(如圖1)，僅有28.04%的受訪群體表明有購買意愿。由于調查設于經濟水平較低的蚌埠市，群眾對家用智能機器人的消費潛力有待挖掘，此意愿分布亦符合實際情況。為進行各省市家用智能機器人潛在消費能力推廣探索，以調查中的個人屬性、家庭屬性和了解情況三個大類9項細化指標作為自變量，消費意愿作為因變量，構造預測模型。采用logistic回歸、決策樹、隨機森林和支持向量機以及混合模型等機器學習方法進行模型構造，擇其最優，并篩選影響顯著的因素。混合模型是指綜合決策樹、隨機森林和支持向量機三個模型，以少數服從多數的規則來確定預測結果。

五類模型預測準確率見表2：

表2 預測準確率結果表

所有模型中，隨機森林模型的預測效果是最好。同時，探究對隨機森林模型預測效果影響最大的因素。

圖2 消費意愿的隨機森林模型影響因素

影響因素分析圖中分別顯示了mean decrease accuracy和mean decrease gini兩個指標值。mean decrease accuracy是直接測量每種特征對模型預測準確率的影響，指標值越大，影響越大。mean decrease gini是基于節點不純度降低的特征選擇，該值越大表示該變量的重要性越大。從消費意愿的隨機森林模型中，可知，“性別”的兩指標值均最大，說明“性別”是所有變量中最重要的，同時也是對預測準確性影響最大的。“戶籍”的mean decrease accuracy指標值最小，即“戶籍”對模型預測準確性影響最小；“職業”的mean decrease gini值最小，即重要性程度最低。

3.需求類型

圖3 線上線下需求類型對比條形圖

對比線上線下的需求類型(如圖3)，線上主要消費類型為兒童陪伴型；線下主要需求類型為家政服務型，其他類型占比相對均衡。線下數據主要表現了受訪對象想要購買的機器人類型；而線上數據則表明，在實際購買時，消費群體往往選擇購買兒童陪伴型機器人，對比可得，大眾群體往往更愿意為孩子花錢。

以相同的細化指標作為自變量，對需求類型(選擇哪一類型機器人)分別構造五類預測模型。預測準確率見表3：

表3 預測準確率結果表

隨機森林模型的預測效果最好，進行影響因素分析。由于文章篇幅有限，整理六類家用智能機器人隨機森林模型的關鍵因素(見表4)。兒童陪伴型和教學輔導型，“婚姻狀況”因素對預測效果影響較大，重要程度最高，“收入”的影響程度較低，“戶籍”的重要性最低。老人陪伴與看護型和殘助型均是“居住狀況”因素影響最大，重要性較高，其中老人看護型模型是“戶籍”影響程度最低，最不重要，而殘助型則是“了解程度”影響最小，最不重要。住宅安全與監視型和家政服務型，“年齡”影響最大，較重要，“戶籍”影響最小，最不重要。

表4隨機森林模型關鍵因素表

4.體驗評論

對于網購數據的體驗評價，采用文本分析。關于網購評價的詞頻共現(見表5)，與“機器人”關聯最緊密的詞匯為“智能”“學習”“功能”；與“質量”“功能”“服務”“物流”聯系最緊密的詞匯均為積極詞匯，網購群體大部分認為現階段消費的智能機器人質量較好，功能強大、齊全，客服熱情周到，物流比較快、很給力。

表5 評論詞頻共現表

圖4 評論詞云圖

對所有的消費評論進行刪除停用詞、提取關鍵詞、繪制詞云圖(如圖4)，發現好評居多，均為積極評價詞，還有一些“愛不釋手”“齊全”“豐富”等體驗評價，都體現了家長和孩子對兒童陪伴型智能機器人非常滿意。

5.未來展望

采用主題建模和情感分析對問卷中未來展望的主觀題進行文本挖掘。對于問卷中“對智能機器人未來十年的發展看法”的主題建模，概括得出如下三個主題(見表6)：一是人類社會在不久將來是智能時代，機器人的使用會更常見；二是人們對科技的發展有一定的需求；三是人也將越來越懶。

表6 未來展望主題詞

圖5 理由詞頻條形圖

情感分析中(如圖5)，頻數最大的十個詞匯中，“不夠”“難題”“未知”三個消極詞均出現兩次，“成熟”“成為”“發達”“發展”“進步”“希望”和“迅速”七個積極詞匯，“發展”出現六次，“發達”和“進步”出現四次，其余均出現兩次。無論從積極詞、消極詞占比，還是從兩類詞出現次數，都表明受訪對象對家用智能機器人未來發展持積極的態度。

三、政策建議

本次市場調查分線上線下兩部分，線下以蚌埠市區居民為調查對象，從消費需求的角度探索了關于家用智能機器人的消費意愿、需求類型和未來展望，線上以智能機器人網購數據為分析內容，從供給市場角度探索了現階段的智能機器人市場、熱銷機器人類型、產品體驗評價等。基于本文分析，提出幾點相應的建議：

第一，現階段實地調查中最愿意購買的是家政服務型機器人，而網購數據顯示購買最多的是兒童智能陪伴型機器人。目前智能機器人市場總需求大但有效需求不足，由于現有產品智能化程度不夠，功能類型單調，人機交互體驗效果不佳，企業研發部門急需突破技術瓶頸，可以針對以上的技術瓶頸采取些許有效措施。

第二，所有機器學習方法構建的預測模型中，隨機森林模型的預測效果最好。可進一步將預測效果最好的隨機森林模型推廣應用于全國各省市，預測全國各地的各類家用智能機器人的有效需求，為企業市場部門提供一定的參考，進一步擴大市場。

第三，企業銷售部門可參考隨機森林模型的重要影響因素，從用戶需求個性化、創新化、多樣化等特點出發，加強對智能機器人行業的知識學習，加大市場調研的深度與廣度，提高產品與需求之間的匹配度，深刻把握市場動向，推陳出新。

第四，人們對智能機器人未來發展大多持積極看好的態度，認為存在較大的市場需求。政府部門應當高度重視智能機器人產業的發展，根據設定的戰略目標制定相關政策，提供有效的市場監管和安全保障，加大對相關產業的投資和扶持力度，完善與新興企業間的溝通機制，打造開放高效的協同體系。