汽车产业的发展，一方面在于科学技术与工程技术不断进步的推动，另一方面，也在于不断升级与变化的用户需求的拉动。而对于汽车用户需求的把握，除了基于过往经验和数据的积累、对竞争对手的情报分析，还有一个重要的信息来源——依靠市场研究与咨询。中国汽车市场在此前的发展初期，主要是卖方市场，并且汽车用户也不成熟、对于汽车产品不够了解，因此汽车厂商对市场、对用户的洞察研究即使较为粗放，也能够满足战略规划、产品研发、营销推广的需求。随着中国汽车市场的不断成熟，用户对汽车产品的需求越来越多样化，汽车市场不断细分，竞争日益激烈。对于描述汽车市场的信息量始终处于高速增长的状态，传统的调研已经无法满足汽车厂商对于产品精确定位、营销精细化管理的需求了。

市场研究的发展与统计学的发展息息相关。受限于传统调研获取样本的成本与效率，汽车市场研究始终是以“小数据”为主的。而统计学近年来的发展方向，无论是金融统计、生物统计、社会网络分析，还是机器学习、数据挖掘，均以大数据、至少是大样本量的数据为研究对象。随着移动互联与物联网的发展，人类社会产生数据与获取数据的数量与速度成指数式增长，这一趋势势不可挡。因此，对于汽车市场的研究，如果不能突破数据源这一瓶颈，则会被整个统计学科所遗弃。

显然，汽车市场研究瓶颈的突破，其关键在于获取大规模的数据源。但这的确是传统调研（包括在线调研）的方法无法做到的。互联网凭籍其自身特点，天然的是数据蕴含量丰富的矿藏，而汽车之家作为国内最大的汽车行业垂直媒体，毫无疑问是个巨大的汽车大数据金矿。汽车之家基于大数据的汽车市场研究解决方案——“车智云”平台（包括聚焦到市场、营销等具体业务场景的Smart系列产品），成为大数据时代汽车市场研究突破性的解决方案。在各种新事物出现时，媒体往往喜欢用“颠覆”一词，虽然从严谨的态度出发，“颠覆”一词并不恰当，但称“车智云”平台是对汽车市场研究的“发展”与“突破”，则毫不为过。

大数据研究突破了传统研究的样本量限制

汽车市场的不断发展与成熟，使得用户需求愈发细分，汽车产品也向着专用化和多功能化两个方向发展，因此日趋复杂。对于汽车市场、用户需求的描述，已经无法用传统的市场研究方法来实现了。传统调研中，无论定量研究还是定性研究，都无法获取足够的样本量来覆盖足够有代表性的群体特征，因此也无法详尽的描述客观事实，反而容易受到前期研究设计的制约与影响，使得结果产生偏差。

而大数据作为市场不断发展、用户不断成熟这一过程中同步诞生的资源，是最佳的研究对象。随着移动互联、物联网的发展，大数据也趋向于成为全量数据，不仅可以突破数据量的限制，而且是客观记录、基于过程、连续的，足以描述整个复杂的汽车市场与用户的每一个细节。

大数据研究突破了传统研究的时效性限制

传统研究的执行周期相对较长。从项目设计、执行，到数据处理、报告撰写，需要数周、甚至数月的执行周期。报告的时效性也很短，仅能代表执行期内的这一时间片断的结果。

大数据则可以做到快速及时的收集、统计、分析数据，完全突破了传统研究的时间限制，对于对实效性有较高要求的研究内容，大数据几乎是唯一的解决方案。尤其在舆情监测和营销效果监测方面，大数据可以提供几乎实时的相关数据，帮助汽车厂商快速响应、应对舆情事件，对营销动作的效果进行及时检验、调整。

大数据研究突破了传统研究的真实性限制

传统研究结论的偏差主要来自于几个方面：

一方面是系统误差，这是研究方法、样本量、样本选择、问卷设计等一系列因素所引起的。受限于资金成本、时间成本以及经验，消除系统误差难度很大。

另外一方面来源于被访者的表达。无论定量研究还是定性研究，被访者所回答的问题都是基于自己对过往的回忆，容易存在记忆偏差，甚至遗忘。并且其主观表达存在一定的选择与取舍，不会真正的说“实话”。甚至，能够接受调研和访谈的被访者本身就不具备用户整体的代表性，因为多数用户是不愿意接受访问的。随着用户时间成本的逐渐增加，以及对个人隐私保护意识的增强，愿意花时间接受访谈的用户将越来越成为小众群体、越来越不具有代表性。

当然，还有样本作弊、冒充真实用户等质量问题会影响传统研究的真实性。

相对而言，大数据记录的是用户即时的真实行为与态度。用户在自然状态下发生的行为与表达的态度的真实性，是通过调研方法获取信息远不能及的。这一点，想必无须解释。

大数据研究突破了传统研究的方法论限制

前文提到，市场研究发展的天花板是统计学。受限于传统调研获取样本的成本与效率，以“小数据”为主的汽车市场传统研究被高速发展的统计学远远抛在了后面。大数据帮助汽车市场研究与时代同步，拓展了更为丰富的研究方法和领域——比如更为精准的销量预测，以及可以洞悉全局的市场竞争格局分析。

销量预测：用户在购车前会上网查阅车辆资料、对比车型参数、了解口碑评价、寻找促销信息。用户的线上行为与购买行为高度相关。通过对用户线上行为的分析，可以对其购买意向、预购车型、购车时间等进行判断。结合用户行为、宏观经济指标等数据，应用机器学习技术，可以实现更高精度和更细颗粒度的销量预测，为汽车厂商的排产、库存管理、采购、物流、资金周转等提供更为精确的参考。

竞争格局分析：每个用户的对比行为，就是将对比车型视为彼此竞争对手的行为。把整个市场所有用户的对比行为进行统计分析，就可以还原市场真实的竞争关系。竞争格局分析是复杂网络理论在汽车市场研究中的应用。可以在更为宏观、全局的视角俯视整个乘用车市场，并且可以长期观察监测，发现新车上市、营销动作等对市场格局的影响。

大数据的应用，可以在汽车市场研究中应用更多的数据挖掘技术与可视化技术，更深入的挖掘数据价值、更生动形象的将分析结果可视化。从小数据的“证明设想”到大数据的“发现规律”，这是一个质的飞跃。

大数据研究突破了传统研究的体系限制

所谓体系，就是需要能够覆盖整个领域的各种现象与各种活动，要能够对本领域中的基本现象与关系提出原理性的归纳与解释，并且能够经受实践的检验。

传统的汽车市场研究，虽然可以覆盖多种需求与目的，但各项目之间的数据源和执行时间都是彼此孤立的、碎片化的，无法构成一个严密的体系。

大数据能够在一定程度上实现汽车市场研究的体系化，研究范围贯穿汽车产品生命周期始终，为汽车厂商的产品研发、营销管理提供全面的数据支持与解决方案。汽车之家“车智云”平台包括多个模块与产品，可以实现汽车产品全生命周期的数据支持。

传统的汽车市场研究经过多年发展已进入平台期：行业规模增长停滞不前、准入门槛降低、利润率下降……其本质在于传统的研究方法已经对当前快速变化的市场态势、日益多样化的用户需求难以做到精确把握与快速响应。大数据的时代来临，市场研究也必须从传统调研向大数据研究转型。帷幕刚刚掀开一角，未来将会上演怎样的一场大戏或许未知，但精彩毫无疑问。让我们共同期待，并为之努力。（文/汽车之家大数据分析师 刘雪杉）