上一篇文章中我们提到，通过分析现有在售产品的市场表现，我们可以更加准确地捕捉用户需求，其精确程度远远高于凭空问用户“你究竟想要什么？”。这种针对现有产品的分析不仅局限于自己的产品，更可以将全市场的在售车型纳入分析范围，只要你在自身品牌战略上有清晰的思考。今天我们就围绕这种针对现有产品的分析进一步讨论，最为合理的分析框架需要考虑哪些问题，涉及哪些关键维度。我们把这个分析框架划分为5个层级，简要展开如下：
第一层：产品公允性能表现与用户满意度和购买驱动因素的交叉分析
每个产品的性能参数或目标设定其实是相对客观的，但受制于用户认知能力的不同，我认为“客观”一词不够准确，不如用“公允”，也就是市场中绝大多数用户认同的方向。既然不同产品的很多性能指标表现有一个相对公允的排序，我们也可以通过一些数据调研/测量或描述这种排序，我们就可以把产品表现这个维度准确地表达出来。
在另一个维度上，我们既可以分析用户购买每款产品的驱动因素，也可以分析他们放弃其他竞品的因素，或者产品使用过程中的关注因素，又或者用某种算法对上述三类因素加权/降维，最终变成某种统一的针对驱动因素的排序指标。
关键的是，我们要把上述两个维度交叉起来分析，判断不同细分市场，不同产品，用户对哪些优势的或者劣势指标更为敏感，对哪些优势的或者劣势的指标视而不见。这是一种针对历史和现状的非常准确的用户需求扫描。而这是后面那些分析的前提和基础。
第二层：有效卖点变化趋势与用户需求变迁之间的关系
针对第一层的分析，我们可以定义那些用户敏感的产品优势内容为有效卖点。反之，用户不敏感的优势内容为无效卖点。事实上，同一个细分市场，同一款产品，不同生命周期阶段，其有效卖点也是一直在波动的。如果我们的数据系统可以全面跟踪每一款产品不同阶段的有效卖点，我们就可以统计历史上任何一个细分市场，可能打动用户的卖点的变迁规律。这样我们就获得了一组非常关键的关于用户需求变迁的描述数据。
针对这样一组数据，我们同样可以设置一组交叉分析：判断产品或者细分市场公允性能水平的变化与用户需求变迁之间的关系。比如我们曾跟踪过2010年至今用户对车载液晶屏的需求变化。2010~2013年之间，用户需求呈现缓慢上升趋势，与此同时车载彩色液晶屏开始普及。这个趋势是温和的，但也是显著的，说明用户对车载彩色液晶屏幕有需求。但2014年开始，这个需求呈现出非常显著的跳跃式激增。如果对应公允情况的话，只有一种改变，就是特斯拉的出现，改变了人们对屏幕尺寸的认知和需求。此后，2016年，荣威RX5上市，成为第二个用这种大屏的主流品牌，他们也大获成功。其实主要就是因为对用户这种极度敏感的潜在需求趋势的预判。
第三层：基于用户认知能力和关注因素，定义产品的变与不变
如果我们跟踪了前面两层，接下来的分析会更加有趣。因为即便我们定义了所谓“公允状况”，不同的用户对同一个产品的某项具体指标的认知依然是不同的。但这种认知的分布其实是可以被描述出来的。于是，我们可以基于用户认知（产品满意度与关注度）的分布判断不同细分市场不同阶段的用户，对于特定产品性能指标的认知能力（比如通过方差分析用户对同一事实的认知差异）。
通过这一步我们等于获得了用户对具体产品性能指标的认知规律。如果结合用户关注因素的排序，我们完全可以判断，某个具体产品在哪些性能目标与成本分配上是合理的，哪些卖点设定上是不合理的。或者哪些缺陷是可以容忍的，哪些是需要立即改进的。于是，我们便可以准确定义现有的产品，哪些是需要改变的，哪些是应该继承的。这是一个非常顺畅的逻辑链。
上述这三个层次其实都是标准的数据分析范畴，只是针对数据进行处理，可以不涉及车企的品牌战略问题。因此无论分析本品还是竞品，整个分析框架可以是高度通用的。其实这也是So.Car Data & Consulting平台大量模型的设计基础，更加是我们把自己定位成为汽车市场知识库的关键原因。因为从这里你可以观察到无法从单一某次或几次市场调研获得的信息。
第四层：基于变与不变，定义模块化战略和差异化战略
进入第四层，其实更加涉及车企的战略选择问题：如果我们清晰定义好了自己的品牌战略，也了解目标市场或者主要关键细分市场的用户需求历史/现状以及趋势，我们便可以更加准确定义自己的产品战略。
至于这个产品战略，两大主要方面最容易概括他的核心内容：
首先是通用化的部分，也就是用户认知能力弱/不敏感或者需求没有显著差异的那些指标，从产品设计和定义的角度，车企不需要花费精力和成本推陈出新。而是应该把这部分的最佳结构沉淀下来，做成中长期“不变”或者较小变化的部分。其实这就是平台化或者模块化的共享部分。
第二个方面是用户认知能力强/敏感或者趋势上用户关注度快速上升的部分，这里应该是各车企定义卖点的核心领域。也是应该脱离共享化，花大力气搞差异化的部分。
第五层：以上述战略为基础，提出针对目标用户使用场景的数字化开发与虚拟验证方案
其实仅仅做到第四层，在下一步的市场中依然是不够的，毕竟平台化与模块化是20年前就已全面开展的主题了。今天，随着大家对汽车工业成熟结构总结的越发深入，对各种形变和差异化设计实践的不断积累，在数字环境下进行虚拟开发和认证就成为了车企下一步更为关键的核心能力之一。
相比过去的开发模式，更大比例的数字化不仅可以降低成本/缩短开发周期，更加可以帮助车企提前预判和测试更多可能。如果我们把前面四个层次的数据分析和第五个层次打通，变成一个完整的逻辑体系，这个链条会变得更为完整。
尤其是考虑到整个移动出行领域的巨大变革，单纯汽车产品维度不足以应对未来，因此上述数字化开发与虚拟验证方案需要充分结合具体的使用场景。这则是另一个更为关键的话题。后面的文章我会继续探讨。
总结起来，历史上不同阶段，不同细分市场，所有在售车型他们的产品定义/性能指标分布/生命周期管理动作以及市场反馈，都给了我们非常难得的观察用户需求，获取关键知识的土壤。关键是我们如何从中提取有价值的营养和智慧，进而形成车企面向未来的核心竞争力。对此，So.Car帮助大家做了前三步工作，第四与第五步也许我们可以通过多种形式共同完成。
关注So.Car官方公众号
掌握So.Car最新观点动向
