京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10