
用大数据造车 车企与IT企业联盟的新掘金点
未来我们要生产什么样的汽车卖给消费者?在互联网时代,流行元素的更迭速度超过以往任何时候,而且车市竞争激烈,如果还要靠运气去搏或者赌一款车,一旦失败,承担的风险将是巨大的,无论是十亿级的研发投入,还是数年的时间成本。如果继续走完全依靠工程师、设计师和车企高管们直觉和经验的路子,就显得有些out了。
“互联网+”的思路给车企的数据调研带来了新的契机,而且数据调研样本量是传统调研样本量的百倍、千倍,同时,基于互联网的大数据分析相较于外包的线下调研方式更为准确、便捷。2015上海车展前夕,长安汽车和汽车之家达成战略合作,二者宣布将在新平台搭建、产品优化以及产品开发上展开跨界合作,建立起利用大数据造车的未来商业模式,打造一款令用户具有参与感的汽车。
长安汽车和汽车之家是首个宣布要用大数据造车的战略组合,而此前纷纷加入“互联网汽车”热潮的众多车企与IT企业,其合作大多也涵盖利用互联网大数据更好地造车的内容。比如上汽和阿里巴巴的战略合作,未来也会根据消费者需求定制汽车,消费者可以选择自己喜欢的颜色、配置等各种个性化需求。
在一些自主品牌人士看来,国内车企产品策略更为灵活,而且国内互联网应用,特别是电商方面已经超越了国外,能否实现“互联网+”、快速建立起大数据造车模式,将决定中国自主品牌未来5-10年能否超车合资品牌。
诞生背景:诉求与浪费
“我们在线下做数据调研的时候,消费者往往是希望配置越高越好,而经销商希望定价越便宜越好。配置越多价格就越高,新车搭载哪些配置有时非常难抉择,如何实现厂家成本和消费者诉求之间的平衡非常考验市场团队的判断力。”多位自主车企人士与经济观察报记者交流时吐槽。
汽车之家创始人兼总裁李想认为:“消费者需求的变化在加速。传统汽车制造,六七年换代的模式显然已很难适应当今的变化,甚至每年的小改款也显得不合时宜,能够按照消费者的需求去打造面向未来的企业和商业模式,这个决定了车企未来十年的胜负和行业地位。”
记者发现,国内诸多自主品牌和合资车企均有负责产品研发前端的市场调研团队,人数从几人到几十人不等,该团队多是位于企业市场部门之下的一个小组。特别是自主品牌近几年负责产品前端的团队发展迅速,例如广汽就成立了多达十多人的市场调研团队,而长安作为自主品牌新贵,则将原来市场部公关、传播、市场活动的职能剥离成立了集团产品策划部,是国内首个针对产品前端数据收集和分析设置专门部门的车企。
但由于自身团队人手有限,数据收集一部分靠团队对市场现有的畅销车型的全面剖析,另一方面来源于外包的调研公司,但如何确保外包调研公司收集的数据准确、样本够大和没有水分却成了难题。
“从别人家厨房里偷原料做的菜,始终缺些东西,大厨只好将就下,用这点东西极力做出花儿来哄哄食客了。”长安一位多年负责产品前端数据调研和分析的人士向经济观察报记者表示,“企业知道自己需要什么,喜欢什么口味,但是没有原材料也是干着急。”
大数据挑战:食材挑选
“再大的汽车厂家都会存在拍脑袋的情况,厂家做了很多调研,结果有些产品还是不行。”李想认为汽车之家开辟大数据造车模式可以有效解决当下车企在产品前端开发上的困境。与竞争对手易车全面转向电商不同,汽车之家在汽车类媒体网站的转型时代,开始了新的道路探索,即“大数据造车服务商”。
据了解,长安和汽车之家利用大数据联合造车的模式是:长安要改进一款车型,汽车之家会向其论坛注册的认证车主发放开放式问题,收集到非常准确的数据,比如用户希望增加什么样的配置。汽车之家内部人士透露,未来随着项目推进,在这个合作平台上,消费者可以按照自己需求定制属于自己的互联网智能汽车。
但是,样本量大了,如何从纷繁复杂的大数据食材中挑选出自己需要的菜却是一项难题。在“互联网+”时代利用大数据调研,就不会产生传统线下调研的问题?“用户调研得到的信息不一定准确,很可能随口说喜欢什么,而通过大数据能比较完整地了解用户的偏好,通过用户的网络行为来得到较为准确的用户行为。”汽车之家CEO秦致表示。
在李想看来,这种对用户有过基本判断和定位后再做的调研更为精准和有效,这是汽车之家开辟新的商业模式的差异化竞争优势。“这种模式比拍脑袋定产品设计,或者外包给调研公司找一堆大学生做线下调研的方式强很多。而且外包公司有时会根据汽车厂商喜好出调研结果,而不是消费者想要的结果。”
在阿里汽车事业部总经理王立成看来,大数据比消费者更了解自己。“大数据未来的应用是给消费者提供个性化服务,比如说太太要生孩子,丈夫在网上搜儿童尿不湿和衣服,我们就知道给你配备什么样的安全座椅,装在什么车上更有空间,店小二做不到,大数据能做到。”王立成表示。
不管是上汽和阿里的合作,还是长安和汽车之家的战略合作都没有排他性。这意味着,一旦双方探索出成熟的商业模式,未来国内其他自主品牌和合资车企均可进入。“如果到了那个商业模式,我们还是一个看客,这个企业就消失了。”李想表示。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20统计学模型:解锁数据背后的规律与奥秘 在数据驱动决策的时代,统计学模型作为挖掘数据价值的核心工具,发挥着至关重要的作 ...
2025-06-20Logic 模型特征与选择应用:构建项目规划与评估的逻辑框架 在项目管理、政策制定以及社会服务等领域,Logic 模型(逻辑模型 ...
2025-06-19SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的利器 在数据分析的众多方法中,Mann-Kendall(MK)检验凭借其对数据分 ...
2025-06-19