基于對應分析的新能源汽車智能化功能偏好研究

【歡迎引用】賀暢， 李可. 基于對應分析的新能源汽車智能化功能偏好研究[J].汽車文摘， 2024（XX）： XX-XX（待定）.

【Cite this paper】HE C， LI K. Research on Intelligent Function Preference of New Energy Vehicles based on Correspondence Analysis [J]. Automotive Digest （Chinese）， 2024（XX）： XX-XX.

【摘要】為了更好地滿足用戶對新能源汽車的智能化需求，采用抽樣調研的方法，覆蓋高、中、低3個不同細分市場用戶樣本，并基于用戶對產品智能化功能的需求數據，利用對應分析的方法，挖掘不同細分市場用戶對于產品智能化功能使用的反饋和偏好。結果表明，不同細分市場用戶對于智能化功能的需求存在明顯差異，呈現出隨著市場等級的提高，消費者對車載智能化功能的依賴和使用頻率也越來越高。此外，汽車市場從低端到高端呈現出了從滿足基本的物質需求，到增強情感聯系，再到實現個人的精神追求的逐步遞進。根據本次研究成果，可以為產品智能化相關功能的優化改進提供方向，同時根據用戶需求和偏好進行智能化功能開發和設計，進一步提升用戶用車體驗。

關鍵詞：新能源汽車；智能化功能；用戶偏好；細分市場

中圖分類號：U469.72+2；O212.1""""""""""" 文獻標識碼：A""""""""""""" DOI：10.19822/j.cnki.1671-6329. 20240046

Research on Intelligent Function Preference of New Energy Vehicles based on Correspondence Analysis

He Chang， Li Ke

（China Automotive Information Technology （Tianjin）， Co.， Ltd.， Tianjin 300300）

【Abstract】In order to better meet the intelligent needs of users for new energy vehicles， a sampling survey method is adopted to cover user samples from three different segmented markets： high， medium， and low. Based on user demand data for product intelligent functions， corresponding analysis is used to explore the feedback and preferences of users in different segmented markets for the use of product intelligent functions. The results indicate that there are significant differences in the demand for intelligent functions among users in different segmented markets， showing that as the market level increases， consumers' dependence and frequency of use of in car intelligent functions also increase. In addition， the automotive market has shown a gradual progression from meeting basic material needs， enhancing emotional connections， to achieving personal spiritual pursuits from low-end to high-end. Based on the results of this research， direction can be provided for optimizing and improving product intelligence related functions. At the same time， intelligent function development and design can be carried out according to user needs and preferences， further enhancing the user's driving experience.

Key words： New energy vehicle， Intelligent functions， User preferences， Market segments

0 引言

在新能源汽車市場的高速發展過程中，汽車智能化已經成為產業發展的新引擎和車企發展的戰略重點。智能化功能是產品設計方面的重中之重，在提升用戶體驗、增強用戶黏性、提高消費者對新能源汽車的接受度等方面起到了不可替代的作用，推動了新能源汽車的快速發展。市場是產品改進和創新的源泉和動力，隨著我國新能源市場逐步由政策主導變成消費主導，挖掘不同細分市場用戶對于產品的需求，尤其對于智能化功能的需求，對新能源汽車產品開發設計具有重要意義。斯坦迪什集團（Standish Group）在用戶研究成果中發現，導致產品設計未能成功或無法得到用戶認可的最主要原因是未能對于用戶需求充分了解，因此深入了解用戶需求是產品能否成功的重要因素[1]。Harvey[2]等在用戶需求研究中，提出了利用評級預測的貝葉斯潛在變量模型，對用戶的潛在需求進行評級，從而深入挖掘用戶需求。田鈞銳[3]在用戶需求挖掘時，發現采用多輪對話的方式，能夠不斷捕捉和挖掘用戶，進而分辨用戶完整真實的需求和主張。Yang[4]等認為，多數識貨用戶主動表達的觀點是對需求的簡單描述，而缺少對需求定量的標書和要求，這種表達的方式可能會導致信息接收者和用戶信息不對稱，不能對用戶需求完全掌握。Dhankar[5]等在研究成果中總結，為了掌握用戶真實的內在需求，可以通過多輪詢問來引導用戶進行需求表達，是當前最為有效的方法之一。李超帥[6]基于領先用戶的需求導向，分析了產品開發的方向，具有一定前瞻性和科學性，其關鍵點在于領先用戶的識別，在此基礎上構建多維需求地圖，為產品改進和創新提供了決策支持。李樹[7]研究如何在用戶眾多需求中識別出用戶的核心需求，可利用文獻查閱、用戶訪談和KANO分析相結合的方式構建用戶需求分析層次模型，利用定量和定性相結合的方式確定用戶核心需求。在用戶調研過程中，通過常規的市場調研方法，如定量調研、定性調研，可以獲得用戶對產品的基本需求和產生需求的原因[8]。

本文基于不同細分市場用戶對于智能化功能的使用情況數據，重點分析了高、中、低3個不同細分市場用戶對于產品智能化功能的需求偏好，從而為不同級別的產品智能化功能的開發設計和優化改進提供方向和支持。

1 模型理論和建議

1.1 對應分析模型建立

對應分析也稱關聯分析（Correspondence Analysis， CA）、R-Q型因子分析，可以揭示同一變量的各個類別之間的差異，以及不同變量各個類別之間的對應關系。對應分析的基本思想就是將一個列聯表的行和列中各元素的比例結構以點的形式在較低維的空間中表示出來。列聯表的每一行及每一列均以二維圖上的一個點來表示，以直觀、簡潔的形式描述屬性變量各種狀態之間的相互關系及不同屬性變量之間的相互關系。

對應分析法整個處理過程由2部分組成：列聯表和關聯圖（行列變量分類的對應分布圖）。因此，對應分析大致有4個步驟，分別為：編制交叉列聯表；根據原始矩陣進行對應變換；行變量和列變量的分類降維處理；繪制行列變量分類的對應分布圖。

首先，設定A為智能化功能變量，共有n個分類值具體包括自動駕駛、智能導航、遠程控制等的使用或偏好頻次；B為新能源細分市場變量，共有m個分類值，分別代表低端、中端、高端市場。建立交叉列聯表，量化每個智能化功能的偏好在不同市場細分中的分布情況，如表1所示。

K.m K

其中，Ki.=Ki1+Ki2+...+Kim，K.j=K1j+K2j+...+Knj，K為所有元素的總和，即：

K=K1.+K2.+...+Kn.=K.1+K.2+...+K.m

將上述矩陣進行變化，得到對應矩陣P，也稱概率矩陣。令：

，，（1）

式中：代表概率，K為所有元素的總和，n為行變量的類別數，m為列變量的類別數。

設：

（2）

總向量為

（3）

針對以上矩陣變化，建立對應分析概率矩陣，見表2。

將對應矩陣P進行標準化變換，得到過渡矩陣Z， （4）

，（i=1，2，…，n；j=1，2，…，m）" （5）

計算（列）變量的協方差矩陣A，的特征根λ1≥λ2≥…≥λm，以及特征根對應的特征向量，根據累計方差貢獻率確定最終提取特征根的個數m，并計算出相應的R型因子載荷矩陣F。進而，繪制行列變量分類的對應分析圖，對于R型因子載荷F和Q型因子載荷中的元素：

（5）

（6）

式中：p為矩陣F和矩陣G的行數。

對應分析將變量及變量之間的聯系同時反映在一張二維或三維的散點圖上，并使聯系密切的類別點較集中，聯系疏遠的類別點較分散，通過觀察對應分布圖就能直觀地把握變量類別之間的聯系。通過對行變量和列變量多類別的降維，即將F和G的p個二維點和n個二維點繪制在一個共同的坐標平面中，形成對應分布圖。

1.2 樣本選取

為了深入探索新能源汽車市場的細分及用戶對智能化配置的偏好，本文綜合考慮了模型理論并應用等比抽樣方法，選取了2 000名用戶作為研究樣本。這些用戶分布在新能源汽車市場的3個主要細分區域：低端市場、中端市場以及高端市場。具體而言，低端市場主要涵蓋了價格在10萬元以下的車型，如宏光mini、歐拉黑貓、奔奔EV等；中端市場覆蓋了10～20萬元之間的車型，例如幾何A、Aions等；而高端市場則包括了價格范圍在20～30萬元之間的車型，如特斯拉Model 3、比亞迪漢等。

在樣本選取過程中，采用等比抽樣的方法，即指不考慮試樣變異性的大小，都按統一的比例進行抽樣。首先，確定樣本容量，利用重復抽樣樣本容量公式：（8）

式中：n為樣本容量，為抽樣方差，為所要求或允許的誤差大小（即精度要求），為推斷的置信程度。

求得樣本容量n=2 000。其次，對不同時間段、不同空間、不同人群按統一比例確定各個細分市場應抽取的單位數，即：

（9）

最終，確定低端、中端和高端各個細分市場選取用戶樣本的數量均為667。

此外，在調研城市選擇方面，為了保證樣本的全面性和有代表性，選取新能源汽車銷量較高的城市，同時覆蓋一、二、三線城市，覆蓋東南西北中部區域。

1.3不同細分市場用戶智能化功能使用情況

不同市場中消費者對汽車智能化功能使用頻率的調查結果如圖1所示。在低端市場，43%用戶群體表示基本不使用車載智能化功能，而選擇使用手機代替，比如用手機進行導航和聽音樂。相反，在高端市場，有較大一部分用戶常用輔助駕駛、導航和娛樂功能。此外，高端市場中有24%的用戶幾乎每天都會使用車輛的智能化配置，這一比例顯著高于低端市場（2%）和中端市場（10%）。這表明隨著市場等級的提高，消費者對車載智能化功能的依賴和使用頻率也越來越高。高端市場用戶更可能頻繁使用智能化配置，而低端市場用戶則傾向于較少使用或完全不使用這些功能。

不同市場中消費者對于汽車智能化配置滿意度的數據如圖2所示。在低端市場，大多數消費者認為汽車的配置較為豐富，能夠滿足他們所有的用車需求。然而，隨著市場等級提升，認為配置超過預期的消費者比例逐漸降低。在高端市場，只有8%的消費者感到配置超出他們的想象。相反地，高端市場有較高比例的消費者認為配置較少、甚至太少，無法滿足他們的多數或基本用車需求，這表明隨著消費者對智能化的需求不斷增加，他們對配置的期望也越來越高。

在各級市場中，用戶對智能化功能的需求呈現出明顯的差異，如圖3所示。低端市場用戶更關注車機流暢性、語音識別的準確性以及APP種類的豐富度，而中端市場用戶更加重視車機流量、智能助手交互的情感性和導航信息的精準度。相比之下，高端市場用戶更追求智能助手交互的情感化、導航信息的實時性和輔助駕駛功能的精準性。在各級市場中都有一定比例用戶對于車輛智能化程度表示滿意。

1.4不同細分市場用戶智能化需求對應分析

通過用戶調研，搜集到用戶偏好的智能化功能集包含多項功能，主要歸集為智能化4個方面，分別為電子座艙、智能助理、人機共駕和第三生活空間，見表3。

第1類別電子座艙主要是電子信息系統逐步整合，組成“電子座艙域”，并形成系統分層；第2類別智能助理，通過生物識別技術的應用，催生駕駛員監控系統迭代，增強車輛感知能力；第3類別為人機共駕，語音控制和手勢控制技術突破，車內軟硬件一體化融合，實現車內感知精細化；第4類別為第三生活空間，未來汽車使用場景將更加豐富化和生活化，基于車輛位置信息，融合信息、娛樂、訂餐、互聯等功能。模型建立過程如下，見圖4。

將調研樣本結果代入對應分析模型，即：

（10）

（11）

建立對應分析，結果如圖5所示。

綜上所述，低端市場用戶更為偏好中控大屏、車載視頻、語音交互、車載音樂、全液晶儀表等智能交互相關的智能化功能；中端市場用戶更為偏好車家互聯、車載KTV、HUD抬頭顯示、手勢交互等便利性和娛樂性的智能化功能；高端市場用戶更為偏好流媒體后視鏡、智能轉向盤、智能座椅、高精地圖、副駕駛后后排娛樂屏、全景影像等高科技、實現人機共駕的智能化功能。

從低、中、高3個細分市場用戶的智能化功能需求差異來看，低端市場用戶更偏好日常駕車過程中基本的娛樂性和便捷性需求。中端市場用戶更偏好略有科技感的功能，這些功能不僅能帶來生活的便利，還能為自身帶來愉悅的體驗。高端市場用戶更偏好高精尖的智能化功能，對智能化技術水平要求更高，希望獲得全方位的智能體驗。

1.5不同細分市場用戶智能化需求層次分析

用戶需求層次模型，源于亞伯拉罕·馬斯洛的需求層次理論，將用戶需求劃分為物質需求、情感需求和精神需求3個層次。具體到汽車市場，從低端到高端市場的用戶需求逐步體現了這3個層次的遞進。

在低端市場，用戶的關注點主要集中在汽車的基本功能和實用性上。例如，中控大屏、車載視頻、車載音樂、實體按鍵交互和語音交互等，滿足基本的物質需求，確保汽車能夠滿足日常使用的基本要求，提供基礎娛樂和信息系統，保障基本的舒適性和便利性。可見，低端市場用戶的智能化需求對應需求層次模型中最底層的物質需求，即產品滿足用戶的基本功能性需求，例如產品的質量、性能和可靠性，這層次的需求通常是具體且可量化的，重點在于產品能否滿足用戶的基本使用要求。

在中端市場，用戶的關注點轉向情感體驗和社交需求。車載KTV、手勢交互、HUD抬頭顯示和車家互聯等功能不僅提升用戶的使用體驗，還加強用戶與他人的互動和社交聯系，使汽車成為提升用戶情感生活質量的媒介。可見，中端市場用戶的智能化需求對應需求層次模型的第二層級情感需求，當物質需求得到滿足后，用戶便會追求更深層次的情感滿足。這涉及到產品如何幫助用戶維護、增強和改善與他人之間的關系，以及產品帶來的舒適感、滿足感、歸屬感和社交便利，這反映了用戶在情感層面的期望。

而在高端市場，用戶的需求不僅包括物質和情感方面，還擴展到了精神層面的價值。流媒體后視鏡、智能轉向盤、智能座椅和高精地圖等高端功能展示了尖端科技的應用，代表了用戶的生活態度和價值觀，成為用戶個性表達、自我實現和追求高端生活方式的象征，對應用戶需求層次模型的最高層級精神需求。最高層次的精神需求則包含了用戶對自我實現、個人成長和精神滿足的追求，在這一層面，用戶不僅關注產品本身，更看重產品如何助力于實現個人價值、提升生活質量和追求更高層次的精神滿足，體現了用戶對生活質量提升和高層次精神滿足的期待。

總體而言，汽車市場從低端到高端呈現出了從滿足基本的物質需求，到增強情感聯系，再到實現個人的精神追求的逐步遞進。

2 結束語

公開數據顯示，2016—2023年智能汽車銷量和增速雙增長，2023年智能汽車占汽車總體的55.1%，預計2030年智能汽車銷量能夠達到3 800萬輛。2023年共上市545款車系，其中智能車系301個，占到整體車系的55.23%。2023年新車前裝標配L2級輔助駕駛功能搭載率達到62.2%，前裝標配智能數字座艙搭載率達到64.84%，OTA的裝配率達到53.2%。據調查，消費者對于新能源汽車的接受程度在增加，2023年意向購買率已經達到了48.3%。

對于低端市場而言，用戶購車時最為關心的就是產品的價格、使用成本、續航電池和造型，對智能化功能需求度不高，但并不是完全沒有需求，主要集中在智能交互功能方面。可見，隨著用戶用車體驗的豐富，以及對新能源車態度的變化，未來低端市場用戶對智能化需求也在升級。中端市場主流用戶的多種家庭形態直接涉及用戶對車輛空間、動力、智能化等基本屬性需求的多樣性，當前中端市場產品不多，表現較好的兩款產品比亞迪秦系列和AIONS系列，也缺乏智能化爆點。未來2～3年，中端市場主流消費群體很可能受到先導用戶的影響，對智能化和網聯化的需求度大幅提升，因此產品的重點是打造極致的智能體驗，以高智能體驗趕超同級別燃油車。高端市場，最暢銷最受歡迎的車型為特斯拉，對傳統車企造成較強的沖擊。高端市場用戶特征極其鮮明，產品方面追求極致的駕駛體驗和操控感，偏好智能科技、智能駕駛功能完備的車型。

隨著車型級別的提升，用戶對智能化功能的需求層次也隨之提升。在產品設計和服務規劃時，結合用戶需求層次模型，針對不同細分市場用戶的需求層次差異，深入理解這3個層次的需求對于全面滿足用戶的期望和需求至關重要。從滿足基本的物質需求出發，通過情感層面的連接，逐步實現精神層面的滿足，為產品設計和服務提供了全方位的視角，有助于創造更深遠的影響和建立更持久的用戶忠誠度。

參考文獻

[1]HULL E， JACKSON K， DICK J. Requirements Engineering（Third Edition）[M]. Berlin： Springer， 2017.

[2]Harvey M A， Carman M， Ruthven I， et al. Bayesian Latent Variable Models for Collaborative Item Rating Prediction[C]//ACM International Conference on Information amp; Knowledge Management.ACM， 2011.

[3]田鈞銳. 基于多輪對話的用戶需求捕獲方法[D]. 哈爾濱： 哈爾濱工業大學， 2021.

[4]Yang Y， Tang J. Beyond Query： Interactive User Intention Understanding[C]//2015 IEEE International Conference on Data Mining （ICDM）.IEEE， 2015. Dhankar A， Singh V. User Search Intention in Interactive Data Exploration： A Brief Review[J].Springer， Singapore， 2016.

[5]李超帥. 基于領先用戶需求導向的產品創新路徑研究[D].鄭州： 鄭州大學， 2021.

[6]李樹， 蔣鵬. 基于模糊KANO-SEM模型的用戶需求識別方法研究[J]. 包裝工程， 2022， 43（4）： 156-162.

[7]柳文斌， 陶夢寒， 趙興福. 基于用戶體驗的新型用戶研究方法在新能源汽車產品創新中的應用[J]. 汽車零部件， 2018（3）： 43-46.

[8]鄒博文. 新能源汽車及其智能化技術與應用專題[J]. 西南大學學報（自然科學版）， 2022，44（3）： 1.

[9]崔久萍， 何家海. 新能源汽車的智能化發展與趨勢[J]. 內燃機與配件， 2022（6）： 182-184.