文/唐瑜皓(蘇州大學(xué))
自移動互聯(lián)網(wǎng)出現(xiàn)至今,智能手機市場格局風(fēng)云變幻,各大手機品牌如雨后春筍般涌現(xiàn)。智能手機制造商為搶奪市場份額,競相以更短的時間間隔發(fā)布新產(chǎn)品,導(dǎo)致了消費者更換周期的縮短[1],更加劇了市場競爭的激烈程度。根據(jù)GSMA智庫(GSMA Intelligence)發(fā)布的《2022全球移動經(jīng)濟(jì)發(fā)展》報告,預(yù)計到2025年,智能手機移動用戶數(shù)將從53億上升到57億,覆蓋全球人口的70%;5G連接數(shù)占總連接數(shù)的比重將提升到25%,相較于2021年提升17%。目前,我國已成為全球第一大電子消費市場,消費者對智能手機的需求無論從數(shù)量還是質(zhì)量上看,相較于早期市場,都有了新的變化。
消費者已不再單純地追求品牌知名度,而是將注意力放在產(chǎn)品功能屬性與性價比之上。因此,研究消費者購買智能手機時的決策行為具有重要意義。
本文余下部分的結(jié)構(gòu)如下:第二章介紹實驗方法、問卷設(shè)計、組織實施以及樣本描述性分析。第三章介紹了相關(guān)模型的構(gòu)建與估計。第四章討論了研究結(jié)果與建議。
Lancaster[2]提出的消費者效用理論表明,消費者獲得的效用并非來自商品本身,而是來自商品所擁有的屬性或特征,通過比較不同類別的屬性或?qū)傩詫哟蔚慕M合,發(fā)現(xiàn)消費者最終選擇購買能夠為自身帶來最大效用的商品。
本文使用基于選擇的聯(lián)合分析方 法(Choice Based Conjoint Analysis, CBC)作為基本方法,它是目前衡量個體或群體偏好最流行的方法之一。CBC基于隨機效用理論(Random Utility Theory),可以發(fā)現(xiàn)產(chǎn)品屬性效用在總體效用中發(fā)揮的作用,因此,契合Lancaster消費者效用理論。具體而言,CBC通過決定選擇實驗中包含的屬性及屬性層次,從而允許消費者在多重屬性的產(chǎn)品或服務(wù)之間進(jìn)行權(quán)衡[3],同時作為一種分解方法,它可以引出消費者對實驗中產(chǎn)品概念的總體效用,然后通過統(tǒng)計過程將總體效用分解為屬性效用[4]。
雖然消費者相較于早期市場已不再過度重視品牌,但當(dāng)市場上的智能手機供應(yīng)越來越難以在功能屬性上拉開差距時,我們可以預(yù)期消費者對某個品牌的興趣或忠誠度,將成為他購買手機時考慮的重要因素之一。此外,詳細(xì)比較每一款手機的功能屬性對于大多數(shù)消費者來說是一件困難的事情,而品牌與該設(shè)備的移動操作系統(tǒng)(OS)有關(guān)。因此,它還是一個與應(yīng)用程序、性能和安全性相關(guān)的關(guān)鍵功能屬性。
本文設(shè)置了品牌(華為、蘋果、小米)、存儲容量(128G、256G、512G)、屏幕大小(6英寸以下、6-6.5英寸、6.5英寸以上)以及價格(2000元、4000元、6000元)四個屬性,括號內(nèi)為對應(yīng)層次。這是因為除了品牌之外,智能手機的存儲容量、屏幕大小以及價格也是消費者購買智能手機時考慮的重要屬性且易于比較。
本文屬性層次共可以組成3×3×3×3=81種備選項。如果一個選擇集包含3個備選項,那么經(jīng)過計算可知,一共可以生成(81×80×79)/3 =170640個選擇集供受訪者進(jìn)行權(quán)衡選擇。但是,比較如此多的選擇集或者備選項是不現(xiàn)實的。此外,Allenby and Rossi[5]的研究表明,受訪者進(jìn)行超過15-20個備選項選擇時會感到疲倦,且Meissner, et al.[6]研究表明,每個選擇集中包含2-5個備選項是合理的。
因此,為了確保智能手機屬性層次分布的平衡性并減輕受訪者完成問卷的倦怠感,本文運用部分因子設(shè)計方 法(fractional factorial design),它具備“均勻分散,齊整可比”的特點,可以很好地對智能手機的屬性及層次進(jìn)行組合[7]。創(chuàng)建最佳選擇設(shè)計需要考慮備選項的最小重疊與效用均衡[8],由于該過程涉及基于組合學(xué)的復(fù)雜算法,使用Sawtooth軟件進(jìn)行。
本文選擇江蘇省蘇州市作為實驗地點。實驗人員于2022年5月22日在各大商場發(fā)放問卷調(diào)查。實驗過程中,實驗人員共同約定選擇進(jìn)入視線的第三個人作為受訪者以確保樣本的隨機性。受訪者首先將回答部分人口統(tǒng)計學(xué)特征,如性別、年齡等,然后回答所示的選擇集。最終,共收集問卷110份,剔除無效問卷后,有效問卷共計107份,有效率97.3%。
受訪者男女比例較為均衡,分別為44.86%、55.14%;年齡在26-35歲的最多,為58.88%,該年齡段人群對智能手機更為了解;已婚人數(shù)占比為69.16%;本科以上學(xué)歷人數(shù)占比為84.11%;收入在10萬元以上的人數(shù)占比為72.9%。
根據(jù)Lancaster[2]的效用理論,本文所研究的智能手機可以被看作是品牌、屏幕大小、存儲容量以及價格屬性組合。消費者將在預(yù)算約束下選擇智能手機的屬性組合以實現(xiàn)其自身效用的最大化。因此,消費者 從備選項 獲得的效用可以表示為:
假設(shè)每個受訪者會選擇可以使其效用最大化的替代方案,那么消費者選擇方案的概率為:
對于(5)式,有兩種估計方法。一種是極大似然估計法(Maximum Likelihood Estimate,MLE), 另 一種是分層貝葉斯估計(Hierarchical Bayesian,HB)方法。本文選擇HB對(5)式建立概率模型進(jìn)行估計,原因是,相較于傳統(tǒng)的極大似然法,基于馬爾可夫鏈蒙特卡洛法(Markov Chain Monte Carlo,MCMC)的貝葉斯估計可以給予模型更好的靈活性與一致性,避免得到局部最優(yōu)解[9]。對于系數(shù)向量的均值和協(xié)方差先驗選擇時,由于對該研究的先驗信息較少,均值先驗選擇弱信息高斯先驗;協(xié)方差矩陣可以分解為一個尺度向量 和相關(guān)矩陣,對尺度向量 的先驗選擇弱信息先驗,比如小尺度半柯西分布,對于相關(guān)矩陣,給予一個LKJ先驗且形狀參數(shù) 為[10,11]。具體的概率模型如下:
本文將品牌屬性層次、性別設(shè)置為虛擬變量,其中小米、男性為參考項;學(xué)歷為區(qū)間變量;其余變量均為連續(xù)變量。利用pylogit軟件包[12]對混合Logit進(jìn)行貝葉斯估計,進(jìn)行2000次燒錄(burn-in)熱身,6000次抽樣分析。智能手機產(chǎn)品屬性相關(guān)系數(shù)如圖1所示,估計結(jié)果如表1所示。
圖1 智能手機產(chǎn)品屬性相關(guān)系數(shù)熱力圖
表1 混合Logit估計結(jié)果
如圖1所示,華為與存儲容量、價格與屏幕大小具有較強的負(fù)相關(guān)關(guān)系。這表明:①偏好華為品牌的消費者對存儲容量的大小并不太在意。②相較于品牌、存儲容量而言,消費者不愿意為了屏幕大小付出更大的代價。
表1的回歸結(jié)果表明:①相較于小米,消費者最偏好華為,其次是蘋果。②消費者更偏好大容量與大尺寸的智能手機。③相較于女性消費者,男性消費者更偏好華為、蘋果與更小尺寸的手機,且更愿意為智能手機的提升付出代價。可能原因是:男性消費者更為喜好電子產(chǎn)品且注重實用性。④隨著學(xué)歷水平的提升,相較于小米,消費者更偏好蘋果與大尺寸的手機。⑤隨著收入的提升,消費者更偏好華為與蘋果、大容量以及小尺寸的智能手機。
本文以智能手機作為研究案例,共設(shè)置品牌、存儲容量、屏幕大小以及價格四個屬性與相應(yīng)的層次,對蘇州市消費者開展選擇實驗,共獲得107份樣本。通過分層貝葉斯方法對混合Logit選擇模型進(jìn)行估計,考察了受訪者對智能手機各屬性層次的偏好及其影響因素。結(jié)論表明:①隨著智能手機市場的成熟,消費者需求趨于個性化、多元化,不同特征的消費者對智能手機屬性層次組合有不同偏好。如男性消費者,相較于女性消費者更偏好華為、蘋果與更小尺寸的手機,且愿意為之支付更多金錢。②消費者對智能手機屬性偏好存在相關(guān)性,如偏好華為的消費者不太在意存儲容量。
本文的建議是:①針對不同的消費人群,制定相應(yīng)的產(chǎn)品策略,以滿足消費者需求,從而增加市場規(guī)模。如針對學(xué)歷較高的人群,相應(yīng)地生產(chǎn)屏幕更大而存儲容量夠用的智能手機即可,從而在控制成本中提升需求,實現(xiàn)最優(yōu)化生產(chǎn)與市場良性循環(huán)。②相較于其他屬性,消費者為屏幕尺寸支付更高價的意愿不高,智能手機產(chǎn)品升級的過程中,可以考慮將屏幕尺寸作為次優(yōu)先的選擇。
相關(guān)鏈接
智能手機是具有獨立的操作系統(tǒng),獨立的運行空間,可以由用戶自行安裝軟件、游戲、導(dǎo)航等第三方服務(wù)商提供的設(shè)備,并可以通過移動通訊網(wǎng)絡(luò)來實現(xiàn)無線網(wǎng)絡(luò)接入的手機類型的總稱。