摘要：目前中国乘用车部分细分市场的需求量已经超过某些成熟汽车市场国家的总需求量，建立一套稳定可靠的乘用车细分市场预测模型方法十分必要。本文主要从用户收入和偏好的角度，开发了一种全新的乘用车细分市场中长期定量预测模型。

关键词：乘用车 细分市场 预测 定量

 

一、   引言

汽车工业具有产业链长、关联度高、就业岗位多、消费拉动大等特点，在国民经济和社会发展中具有重要作用。中国一直以来十分重视汽车工业的发展，经过几十年的努力，尤其是在改革开放后以及加入WTO后，已经取得了举世瞩目的发展成就，目前汽车工业已经成为中国国民经济重要的支柱产业之一。

1999年中国汽车（包含商用车和乘用车）产量仅为183.2万辆，仅占世界总产量的3.28%，排名位居世界第9位。自2001年中国加入世界贸易组织以来，乘用车（包含轿车、SUV和MPV）开始快速进入家庭，中国汽车市场在乘用车需求快速增长的带动下出现了爆发式增长：2005年中国汽车市场总规模超过日本，成为世界第二大汽车市场；2009年中国汽车产销量双双跃居到世界第一，其中汽车产量已经上升到了1364.5万辆，占世界产量的份额上升至21%。在这短短的11年间，中国汽车产量增长了7.45倍，年均增速达到22%；而同期世界汽车产量年均增速仅为1.8%。由此可见过去的十年是中国汽车产业发展的黄金十年。但是，经过了十年的高速增长后，中国仍处于汽车社会发展的初级阶段，2010年中国的汽车千人保有量仅为58辆，与汽车先导国家汽车千人保有量500-800辆（其中美国800辆、日本590辆、德国560辆、法国600辆、韩国355辆）的水平相比仍有较大的差距，未来仍有很大的发展空间。随着中国经济持续快速发展和城镇化进程的加速推进，今后较长一段时期中国汽车需求量仍将保持持续增长的势头。

2010年中国乘用车千人保有量为34辆，乘用车保有量占汽车保有的比重为59%；而先导国家乘用车千人保有量普遍在300-600辆（其中美国630辆、日本450辆、德国520辆、法国480辆、韩国280辆）的水平，乘用车保有量占汽车保有的比重普遍为75%-90%（其中美国79%、日本77%、德国90%、法国83%、韩国75%），未来随着居民收入的不断提高，中国乘用车仍将保持以较快的速度进入家庭。

本文所指的乘用车细分市场是指价位细分市场和车型（轿车、SUV和MPV）或级别（例如：微型、小型、紧凑型、中型、中大型和豪华型）细分市场。目前中国某些单一细分市场的需求规模已经相当于某些成熟汽车市场整个国家的总销量。例如，2011年中国乘用车总销量达到1221万辆，其中MPV销量50万辆；轿车销量达到1012万辆，相当于同年日本（352万辆）、德国（317万辆）、法国（220万辆）和韩国（132万辆）的乘用车销量总和；SUV销量159万辆，高于同年韩国乘用车总销量。因此，要准确把握未来中国汽车工业的发展，不仅需要我们对汽车总体市场做出准确的预判，同时还需要对各个细分市场需求趋势做出准确的预判。

汽车工业是一个资金、技术密集型的产业。从微观角度来看，细分市场的准确预判对汽车生产企业产品研发、投放及投资有着重要的指导作用。因此，寻找一套稳定可靠的预测方法显得十分必要。下面把我们的中长期乘用车细分市场的预测思路和方法做一下介绍。

二、乘用车细分市场预测方法概述

1、常用预测方法介绍

总结各个机构在乘用车细分市场预测上的方法，目前常用的有二三十种，大致可以分为三大类：

一是判断预测法，也叫定性预测法。它是由预测者根据已有的历史资料和现实资料，依靠个人判断和综合分析能力，对市场未来的变化趋势做出判断。

定性预测方法中，经常采用的方法有经验估计法、德尔菲预测法、生命周期预测法、顾客意见法等。这类预测方法一般较多用于新产品的销售预测。

二是时间序列分析法，也叫历史引申法。它是以历史的时间序列为基础，运用一定的数学方法向外延伸来预测市场未来的发展变化趋势。

三是因果分析法，也叫相关分析法。它通过分析市场变化的原因，找出原因和结果之间联系的方法，并据此预测市场未来的发展变化趋势。

2、不同细分市场预测方法的优劣势比较

目前乘用车细分市场预测采用比较多的具体方法主要是两种：定性判断预测法和趋势外推预测法。

定性判断预测方法既可应用于短期预测，也可应用于中长期预测，主要适合于历史资料缺乏或未来不确定因素较多的场合，经过预测专家综合自己的丰富经验和外部信息得出的综合结果。但是该方法的预测结果缺乏客观标准，稳定性比较差。预测结果受预测人员的主观影响较大，会因为预测参与人员的不同，得到不同的预测结果。每一位预测人员对每一个影响因素的影响判断不尽相同，即使在初始条件一样的前提下，不同的预测人员会给出不同的预测结果，甚至会出现迥然不同的结论；或者同一位预测人员在不同的时间可能会给出有差别的预测结果。

趋势外推预测法属于上文所描述的时间序列分析法，该方法是依据历史资料，按照某经济现象发展的规律性，推测其未来可能达到水平的一种预测方法。如果用该方法来预测乘用车细分市场，所要依据的是中国乘用车历史销量数据，再按照细分市场需求发展的规律性，来推测未来的需求量。但是由于目前中国乘用车市场处于快速发展的初期阶段，销量数据存在波动性大、规律性不明显的特征，因此如果仅依靠历史销量数据作为细分市场中长期预测的基础，该方法的预测结果可能会出现较大的偏差。由于各时段销量数据中包含更多的是当期或临近几期的信息，因此我们认为该方法更适合于月度、季度等短期预测。

为了能准确的把握未来中国乘用车细分市场的发展趋势，我们开发了“乘用车中长期细分市场预测模型”。

三、中长期乘用车细分市场预测模型介绍

1、模型的特点

该模型的主要特点包含以下几个方面：首先，在预测思路上符合绝大部分用户购车过程的思维逻辑。一般情况下，绝大部分用户在购车过程中是先根据自己的收入状况来确定自己的购车预算，购车预算确定后基本上就确定了购车价位，然后用户在既定的购车价位内根据自己的偏好选择喜欢的车型/级别/厢型等。其次，实现了定量化预测，保证了预测结果的稳定性。在预测细分市场时，我们经过对多年调查数据的挖掘，发现中国乘用车购买家庭的收入与购车价位之间存在着稳定的关系，在预测价位需求结构上做到了定量化计算，从而保证了预测结果的稳定性。

2、模型及预测结果

A、预测思路图示：

购车者收入分布——→价位需求预测——→车型/级别等细分市场需求预测

B、预测原理：

（1）价位需求预测原理：

价位需求分布=收入价位矩阵*购车者收入分布

 

PV表示乘用车价位需求分布，IP表示收入价位矩阵，I表示收入分布。其中，

；

（2）级别车型细分市场需求预测原理：

级别细分市场需求=价位级别矩阵*价位需求分布

 

 

 

其中，S表示乘用车细分市场需求分布，PS表示价位级别矩阵，PV表示乘用车价位需求分布。其中，

。

C、收入价位关系实证研究结果

根据国家信息中心的调查数据，我们发现用户对价位的需求与他们的收入有很高的相关关系，收入越高，购买的乘用车的价位相对也越高，而且相同家庭收入的用户相应的乘用车价位需求偏好相对稳定（如图1）。

不同家庭收入对乘用车价位需求的偏好（图1）

 

数据来源：国家信息中心调查数据库。

其中，各小图中的横坐标表示乘用车的价位分段，纵坐标表示不同家庭收入的用户选择各价位乘用车的比重。从上图可以看出，过去5年不同收入家庭对各价位乘用车的需求偏好是相对稳定的，人们在这方面的消费观念变化是缓慢的，因此我们假设中长期收入与价位的需求偏好关系相对稳定。

D、家庭收入

收入是影响消费者行为的关键因素，根据调查我们发现近年来购车家庭用户的收入呈现逐年上移的趋势，未来随着经济的较快发展，居民收入仍将保持增长。同时，未来随着车辆保有和使用费用的提高，居民家庭购车的门槛不断提高，未来购车居民家庭的收入将不断提升。根据国家统计局、国家信息中心调查数据及对未来10年经济及车市外围环境的判断，我们推算出未来10年购车居民家庭收入的变化趋势如下（如图2）。

购车居民家庭收入的变化趋势预测（图2）

E、乘用车细分市场未来走势预测

根据C和D部分的分析预测结果，可以得到未来中国乘用车市场价位需求呈现上升的趋势。

未来10年中国乘用车价位需求结构变化趋势预测（图3）

 

由于价位与级别有很高的相关性，预计未来总体级别也将呈现一个高端化的趋势。目前中国乘用车需求中豪华车的比重远低于先导成熟市场，随着家用需求的升级及个性化需求比重的提高，预计未来豪华车市场的表现会好于乘用车总体市场。

四、结语

该模型主要用于乘用车细分市场的中长期预测，考虑的因素主要是用户的收入和偏好。偏好是根据市场调查数据整理得到，可能会由于调查方案执行过程的某些原因出现一定的偏差，但大样本调查保证了偏差不会很明显。该模型对影响乘用车需求结构的短期因素考虑不够充分，例如：新产品供给、市场销售策略、政策变化对短期市场的影响等，因此该模型的计算结果对短期市场预测来说只能作为一个参考。该模型主要展示的是新的预测方法思路，因此展示的预测结果是在我们假设的前提条件下，计算的趋势性变化结果，具体数据如有偏差，敬请批评指正和谅解。

同时，我们认为该模型不仅可以很好的应用于乘用车市场，而且还可以扩展到其他大中型消费品市场，例如：电视、冰箱等家电产品以及房产的消费。人们在消费大中型消费品时，都可以认为消费者根据自己的收入状况确定自己的需求价位，然后再根据自己的偏好选择相应产品的型号品牌。

 

参考文献：

1.中国统计年鉴.中国统计出版社

2.许以洪，熊艳.市场调查与预测.机械工业出版社，2010年7月

3.中国汽车工业统计年鉴.中国汽车工业协会出版，2001-2012

4.赵树宽，赵鹏飞.中国汽车业技术供应链技术效率评价研究.中国软科学，2010(10)

 

国家信息中心信息资源开发部  陈祥贵、贾炜